Zudem befindet sich weniger als jedes zweite der wenigen KI-Projekte der befragten Unternehmen im Produktivbetrieb. Gründe hierfür sind unter anderem fehlende oder schlechte Daten, fehlendes Data-Science-Know-how sowie Hürden innerhalb der Organisation wie eine mangelnde fachbereichsübergreifende Zusammenarbeit.
Vor allem die schlechte Qualität der eigenen Daten ist eine Hürde für die Durchführung von KI-Projekten. Oftmals sei, so die Studienautoren, zu beobachten, dass Datensätze mangelhaft sind, Daten-Pipelines nicht zusammenpassen oder Unternehmensbereiche nicht bereit sind, eigene Informationen zu teilen. Eine große Herausforderung seien außerdem IT-Altsysteme. „Mit einer sauberen Datenpflege und wohldefinierter Architektur lassen sich auch Alt-Lösungen integrieren. Aber in der operativen Umsetzung ist dies eine große Herausforderung für Unternehmen. Zudem sind Datenarchitekturen ein unliebsames Feld für sie, da der direkte Business Case nur schwer zu errechnen ist“, sagt Lars Godzik, Geschäftsführer von Ginkgo Management Consulting.
Um optimal auf die Entwicklungen in der künstlichen Intelligenz vorbereitet zu sein, benötige es eine unternehmensweite Strategie, um die Unternehmens-IT gezielt zu modernisieren und schrittweise Knowhow aufzubauen, so der Rat der Studienautoren. Gleichzeitig müsse eine fachbereichsübergreifende Kooperation angestoßen und interne Kompetenzzentren für KI aufgebaut werden.
Die komplette Studie „Künstliche Intelligenz – Anwendungsfelder, Herausforderungen und Ziele von KI-Projekten in Großunternehmen und Konzernen“ kann unter diesem Link gratis heruntergeladen werden.