Warum KI-Projekte scheitern und Daten die eigentliche Ursache sind
Durch
Mehr als achtzig Prozent der KI-Projekte in Unternehmen erreichen die Produktionsphase nicht. Das ist kein marginales Scheitern, sondern ein strukturelles Versagen, zu dem sich niemand bekennen will.
Die Investitionen in KI steigen weiter an. Budgets werden freigegeben, Tools werden angeschafft, Experimente werden gestartet. Und dann kommt es zum Stillstand. Nicht, weil KI nicht funktioniert. Nicht, weil die Technologie zu komplex ist. Sondern weil die meisten Unternehmen am falschen Ende anfangen: Sie kaufen das Tool, bevor sie das Fundament, auf dem dieses Tool laufen soll, ordentlich gelegt haben.
Die Grundlage dafür sind Daten. Und bei den meisten Unternehmen ist diese Grundlage schlichtweg noch nicht vorhanden.
Das Versprechen versus die Realität
KI-Tools versprechen viel. Personalisierte Empfehlungen auf Basis des Kundenverhaltens. Vorausschauende Analysen, die zeigen, welche Bestellungen sich verzögern, noch bevor es zu Problemen kommt. Automatisierte Berichte, die jeden Morgen bereitstehen, ohne dass jemand manuell etwas dafür tun muss. Chatbots, die Kundenfragen auf der Grundlage Ihres Produktkatalogs und der Bestellhistorie beantworten.
Diese Versprechen sind realistisch, aber nur, wenn die zugrunde liegenden Daten stimmen. KI-Modelle werden anhand von Daten trainiert. Sie lernen, Muster in historischen Daten zu erkennen. Sie erstellen Vorhersagen auf der Grundlage aktueller Daten. Sie liefern Antworten auf der Grundlage der Daten, die sie indexiert haben. Was hineingeht, bestimmt, was herauskommt. Kein KI-Modell kann fragmentierte, inkonsistente oder veraltete Daten ausgleichen. Es führt nur dazu, dass Fehler schneller und in größerem Umfang auftreten.
„Es gibt ein Missverständnis: KI-Modelle kommen mit unvollständigen Daten zurecht, weil sie intelligent genug sind, um Störsignale herauszufiltern. Das stimmt jedoch nicht.“
KI-Modelle sind statistische Werkzeuge – sie erkennen Muster in den ihnen zur Verfügung gestellten Daten. Sind diese Daten unübersichtlich, unvollständig oder inkonsistent, erkennen sie Muster in dem Durcheinander, das Sie ihnen liefern.
Was KI tatsächlich benötigt, ist Folgendes:
- Zentralisierte Daten: Alle relevanten Informationen an einem Ort, nicht verteilt auf einzelne Systeme, die nichts voneinander wissen.
- Eindeutige Definitionen: eine einzige Methode zur Definition eines Kunden, eine einzige Methode zur Umsatzberechnung, eine einzige Methode zur Klassifizierung einer Bestellung – konsistent über alle Quellen hinweg angewendet.
- Saubere, vollständige Daten: keine fehlenden Felder in kritischen Spalten, keine Duplikate, keine widersprüchlichen Informationen zwischen den Systemen.
- Historische Tiefe: ausreichend historische Daten für das Training, je nach Anwendung mindestens ein bis drei Jahre.
- Aktuelle Daten: eine Infrastruktur, die Daten häufig genug aktualisiert.
Gartner prognostizierte, dass bis Ende 2026 bei Unternehmen ohne KI-fähige Daten mehr als sechzig Prozent ihrer KI-Initiativen scheitern werden.
Fazit
Die Versuchung ist groß, mit KI zu beginnen, weil die Konkurrenz damit anfängt, weil das Thema an der Führungsetage diskutiert wird oder weil die Tools mittlerweile zu einem Bruchteil dessen verfügbar sind, was sie vor zehn Jahren gekostet hätten.
Aber ein KI-Tool, das auf schlechten Daten basiert, ist wie ein Formel-1-Rennwagen, der auf unbefestigtem Gelände fährt. Das Fahrzeug ist nicht das Problem. Die Rennstrecke ist das Problem.
Unternehmen, die jetzt in eine solide Datenbasis – einschließlich Datenverknüpfungen, Data Engineering und Datenqualität – investieren, werden in zwei Jahren diejenigen sein, die tatsächlich einen Nutzen aus KI ziehen.
Die Frage ist also keineswegs, ob KI für Ihr Unternehmen nützlich ist. Die Frage ist vielmehr, ob Ihre Daten bereit sind, in den von Ihnen gewünschten Tools ihr volles Potenzial zu entfalten.
Verwandte Artikel
Drei Angebote, drei völlig unterschiedliche Beträge: Was ein Magento-B2B-Webshop kostet
Fertig mit Ihrer aktuellen Agentur: So läuft die Übernahme Ihrer Magento-Verwaltung ab
Die Lizenz ist kostenlos, der Umstieg jedoch nicht: Was Hyvä für Ihren Magento-Webshop bedeutet
Für jeden Kunden ein eigener Preis: Was das von Ihrem Magento-B2B-Webshop erfordert
Digital Product Passport (DPP): Was bedeutet das für Ihre Produktdaten und Ihr PIM?
Ein Jahr nach der EAA: Kein einziger großer Webshop ist vollständig barrierefrei
