KI zu jedem Preis? Datenqualitätsprobleme kosten Unternehmen Hunderte von Millionen.

Etwa 81 Prozent der Unternehmen vertrauen ihren KI/ML-Ergebnissen und fast neun von zehn Unternehmen setzen KI-/ML-Methoden ein, um Modelle für die autonome Entscheidungsfindung zu erstellen. 97 Prozent werden in den nächsten ein bis zwei Jahren in generative KI investieren. Hierfür planen sie durchschnittlich 12 Prozent ihres globalen Jahresumsatzes ein.

Das ergab eine neue Studie des Marktforschungsspezialisten Vanson Bourne im Auftrag von Fivetran. Sie liefert Einblicke, wie KI in Unternehmen wirklich eingesetzt wird – vor allem mit Blick auf die Herausforderungen, ROI und Kosten. Hierfür wurden Unternehmen mit 500 oder mehr Mitarbeitenden in den USA, Großbritannien, Irland, Frankreich und Deutschland zum Thema KI und den damit verbundenen Prozessen und Strukturen befragt.

Die befragten Unternehmen, die grundsätzlich hohes Vertrauen in ihre KI/ML-Ergebnisse haben, geben gleichzeitig an, fundamentale Daten-Ineffizienzen zu haben. Unternehmen, die Large Language Models (LLMs) nutzen, berichten in 50 Prozent der Fälle von Datenungenauigkeiten und -Halluzinationen. Sie verlieren im Durchschnitt sechs Prozent ihres weltweiten Jahresumsatzes beziehungsweise 406 Millionen US-Dollar (bei einem durchschnittlichen Jahresumsatz von 5,6 Milliarden US-Dollar).

Halluzinierende KI

Die Ursache sind unzureichende KI-Modelle, die mit ungenauen oder minderwertigen Daten erstellt werden. Das führt zu falschen Geschäftsentscheidungen, denn laut Umfrage setzen fast neun von zehn Unternehmen KI-/ML-Methoden ein, um Modelle für die autonome Entscheidungsfindung zu erstellen. Zugleich haben die Unternehmen Probleme mit Datenungenauigkeiten und -Halluzinationen sowie Bedenken hinsichtlich Data Governance und Sicherheit. 

Deutsche Unternehmen stehen noch eher am Anfang der KI-Nutzung (60 Prozent), während sich in den USA nur 39 Prozent und in Frankreich sogar nur 36 Prozent als „KI-Anfänger“ einordnen. Dementsprechend sehen sich Unternehmen dort als fortgeschritten: 31 Prozent (USA) beziehungsweise 28 Prozent (Frankreich) wenden KI an, die möglichst wenig oder keine menschlichen Eingriffe erfordert. In Deutschland sind es gerade einmal 14 Prozent.

Insgesamt setzen fast neun von zehn Unternehmen (89 Prozent) KI-/ML-Methoden für die Erstellung von Modellen ein, die automatisch Vorhersagen und Entscheidungen treffen können. 80 Prozent der Unternehmen in den USA und 75 Prozent in Frankreich tun dies schon mindestens sechs Monate, in Deutschland sagen das lediglich 44 Prozent von sich. Auch das Vertrauen in die Ergebnisse einer KI ist in Deutschland gering: Während 30 Prozent der deutschen Unternehmen den Ergebnissen von generativer KI voll und ganz vertrauen, sagen dies 47 Prozent der US-amerikanischen und 48 Prozent der französischen Unternehmen.

Etwa jedes vierte Unternehmen (24 Prozent) gab an, ein fortgeschrittenes Stadium der KI-Nutzung erreicht zu haben, in dem es die Vorteile der KI voll ausschöpft und nur noch wenig oder gar nicht mehr auf menschliche Eingriffe angewiesen ist. Allerdings gibt es erhebliche Meinungsverschiedenheiten zwischen den Befragten: Technische Führungskräfte, die KI-Modelle entwickeln und betreiben, sind von der KI-Reife ihrer Unternehmen weniger überzeugt. Nur 22 Prozent von ihnen bezeichnen sie als „fortgeschritten“, verglichen mit 30 Prozent der nicht technischen Mitarbeitenden. Anders bei generativer KI: Ihr vertrauen 63 Prozent der nicht technischen Mitarbeitenden vollständig, bei den technischen Führungskräften sind es 42 Prozent.

Experten und Hierarchien

Eine weitere Uneinigkeit besteht zwischen den Datenexperten auf unterschiedlichen Führungsebenen eines Unternehmens: Während Beschäftigte in Junior-Positionen veraltete IT-Infrastrukturen als größtes Hindernis für die Entwicklung von KI-Modellen einschätzen (49 Prozent), sehen leitende Kollegen das Hauptproblem darin, dass sich Mitarbeitende mit den richtigen Fähigkeiten auf andere Projekte konzentrieren (51 Prozent). Tatsächlich sind diese gezwungen, ihre Ressourcen für manuelle Datenprozesse wie die Bereinigung von Daten und die Reparatur defekter Datenpipelines einzusetzen. Unternehmen bestätigen, dass ihre Data Scientists den Großteil (67 Prozent) ihrer Zeit mit der Aufbereitung von Daten verbringen, anstatt KI-Modelle zu erstellen.

Schlechte Datenpraktiken

Die Ursache für das vergeudete Potenzial von Datenspezialisten und die unzureichende Performance von KI-Programmen ist dieselbe: unzugängliche, unzuverlässige und falsche Daten. Wie groß das Problem ist, zeigt die Tatsache, dass die meisten Unternehmen Schwierigkeiten haben, auf alle Daten zuzugreifen, die für die Ausführung von KI-Programmen benötigt werden (69 Prozent), und diese in ein brauchbares Format zu bringen (68 Prozent).

Neue Ansätze bei generativer KI haben weitere Komplikationen mit sich gebracht: 42 Prozent der Befragten hatten schon mit Datenhalluzinationen zu tun. Diese können zu schlechten Entscheidungen führen, da die Informationsbasis mangelhaft ist. Sie verringern das Vertrauen in LLMs oder die Bereitschaft der Mitarbeitenden, das Tool zu nutzen. Zudem rauben sie viel Zeit für das Auffinden und Korrigieren der Daten. Angesichts der Tatsache, dass 60 Prozent der leitenden Angestellten generative KI verwenden und für strategische Entscheidungen verantwortlich sind, werden Probleme mit der Qualität und Vertrauenswürdigkeit der Daten noch verstärkt.

Data Governance und KI

Die Befürchtungen hinsichtlich des Einsatzes generativer KI bleiben ebenfalls bestehen, wobei „die Aufrechterhaltung der Data Governance“ und „finanzielle Risiken aufgrund der Sensibilität der Daten“ die größten Bedenken der Unternehmen sind (37 Prozent). Solide Data-Governance-Grundlagen sind besonders wichtig für Unternehmen, die entweder ganz oder teilweise selbst entwickelte Generative-KI-Modelle verwenden wollen.

Da jedoch die Mehrheit (67 Prozent) der Befragten den Einsatz neuer Technologien plant, um grundlegende Datenbewegungen, Governance- und Sicherheitsfunktionen zu stärken, gibt es Grund zum Optimismus. Taylor Brown, Mitbegründer und COO von Fivetran und Auftraggeber der Studie, bewertet die Ergebnisse: „Die schnelle Verbreitung von generativer KI spiegelt einen weitverbreiteten Optimismus und eine Zuversicht in den Unternehmen wider.

Aber unter der Oberfläche gibt es immer noch grundlegende Datenprobleme, die Unternehmen daran hindern, ihr volles Potenzial auszuschöpfen. Unternehmen müssen ihre Datenintegrations- und Governance-Grundlagen stärken, um zuverlässigere KI-Ergebnisse zu erzielen und finanzielle Risiken zu minimieren.“

Zum Partner-Eintrag: