Unternehmen kämpfen mit KI-Implementierungshürden inmitten von Datenbeschränkungen

Vor einigen Jahren wurde die Landschaft der Unternehmenstechnologien von dem Schlagwort "Big Data" beherrscht, das sich auf die massive Anhäufung von Informationen durch Unternehmen bezog und versprach, neue operative Ansätze aufzudecken und optimale strategische Richtungen vorzuschlagen.

Heute wird immer deutlicher, dass die Herausforderungen, mit denen Unternehmen bei der effektiven Nutzung von Big Data konfrontiert sind, fortbestehen, und es ist das Aufkommen einer neuen Technologie - KI -, die genau diese Probleme wieder in den Mittelpunkt rückt. Ohne die Lösung der grundlegenden Probleme, die bei Big Data auftraten, werden KI-Implementierungen zwangsläufig scheitern.

Was genau hindert KI also daran, ihr Potenzial voll auszuschöpfen?

Die meisten Hindernisse gehen von den Datenressourcen selbst aus. Um das Problem zu verstehen, sollten Sie die verschiedenen Informationsquellen betrachten, die während eines typischen Arbeitstages genutzt werden.

In einem kleinen bis mittelgroßen Unternehmen (KMU):

• Tabellenkalkulationen, die auf den Laptops der Benutzer, in Google Sheets oder im Cloud-Speicher von Office 365 gespeichert sind.
• Die CRM-Plattform (Customer Relationship Management).
• E-Mail-Korrespondenz zwischen Kollegen, Kunden und Lieferanten.
• Word-Dokumente, PDF-Dateien und Online-Formulare.
• Instant-Messaging-Anwendungen.

In einem großen Unternehmen:

• Alle oben genannten Quellen, plus,
• ERP-Systeme (Enterprise Resource Planning).
• Datenströme in Echtzeit.
• Datenseen.
• Separate Datenbanken, die verschiedene eigenständige Anwendungen unterstützen.

Es ist wichtig, darauf hinzuweisen, dass diese kurze Liste nicht vollständig ist und auch nicht den Anspruch erhebt, es zu sein. Sie soll lediglich zeigen, dass selbst innerhalb von nur fünf Aufzählungspunkten Informationen über etwa ein Dutzend Stellen verstreut sein können. Was für Big Data erforderlich war - und oft noch ist - und wovon auch KI-Initiativen abhängen, ist eine Methode zur Vereinheitlichung dieser disparaten Elemente, damit Computeralgorithmen sie effektiv interpretieren können.

In Gartners Hype Cycle 2024 für künstliche Intelligenz wurden KI-fähige Daten auf dem aufsteigenden Ast positioniert, mit einer geschätzten Zeitspanne von zwei bis fünf Jahren, bevor das "Plateau der Produktivität" erreicht wird. Da KI-Systeme auf der Auswertung und Extraktion von Daten beruhen, verfügen die meisten Unternehmen - mit Ausnahme der größten - nicht über die erforderliche grundlegende Infrastruktur. Daher werden sie möglicherweise erst in ein bis vier Jahren von der KI-gestützten Unterstützung profitieren.

Die Kernherausforderung für den Einsatz von KI spiegelt diejenige wider, die Big-Data-Initiativen auf ihrem Weg durch den Hype-Zyklus behindert hat - vom Innovationsauslöser über den Höhepunkt der überhöhten Erwartungen, den Tiefpunkt der Ernüchterung und den Anstieg der Erleuchtung bis hin zum Plateau der Produktivität. Daten liegen in verschiedenen Formaten vor; sie können inkonsistent sein; sie können unterschiedlichen Standards folgen; sie können ungenau oder verzerrt sein; sie können hochsensible Informationen enthalten oder veraltet und irrelevant sein.

Die Umwandlung von Daten, um sie KI-fähig zu machen, ist heute genauso wichtig - wenn nicht sogar wichtiger - als jemals zuvor. Unternehmen, die sich einen frühen Vorteil verschaffen wollen, können mit den zahlreichen verfügbaren Plattformen zur Datenverarbeitung experimentieren. Gemäß den allgemeinen Empfehlungen könnten sie mit begrenzten, diskreten Projekten beginnen, um die Wirksamkeit neuer Technologien zu testen.

Ein entscheidender Vorteil moderner Systeme zur Datenaufbereitung und -zusammenstellung besteht darin, dass sie speziell dafür entwickelt wurden, die Informationsressourcen eines Unternehmens für die Nutzung durch KI-Plattformen zur Wertschöpfung zu organisieren. So können sie beispielsweise sorgfältig kodierte Leitplanken einbauen, um die Einhaltung von Datenrichtlinien zu gewährleisten und zu verhindern, dass Benutzer auf verzerrte oder kommerziell sensible Informationen zugreifen.

Dennoch bleibt die Schaffung kohärenter, sicherer und gut strukturierter Datenressourcen eine ständige Herausforderung. Da Unternehmen im Rahmen ihrer täglichen Arbeit immer mehr Daten anhäufen, ist die Pflege aktueller und zugänglicher Datenressourcen eine ständige Aufgabe. Während Big Data oft als statischer Vermögenswert behandelt wird, müssen Daten, die für die KI-Nutzung bestimmt sind, so nah wie möglich an der Echtzeit aufbereitet und verarbeitet werden.

Folglich müssen Unternehmen ein empfindliches Gleichgewicht zwischen Chancen, Risiken und Kosten finden. Die Auswahl des richtigen Anbieters oder der richtigen Plattform war für moderne Unternehmen noch nie so wichtig wie heute.

(Quelle: "Inside the business school" von Darien und Neil ist lizenziert unter CC BY-NC 2.0.)

Möchten Sie mehr über KI und Big Data von führenden Branchenexperten erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Diese umfassende Veranstaltung ist Teil der TechEx und findet zusammen mit anderen führenden Technologieveranstaltungen statt. Klicken Sie hier für weitere Details.

AI News wird Ihnen von TechForge Media zur Verfügung gestellt. Weitere Veranstaltungen und Webinare zum Thema Unternehmenstechnologie finden Sie hier.