Mittlerweile haben zahlreiche Unternehmen KI-Themen als mehr erkannt als reine Trendthemen. Sie wollen die Potentiale von KI Nutzen und ihre Prozesse und Organisation verbessern.
Hinter all dem Hype haben KI-Projekte in der Praxis von Unternehmen aber häufig gemischte Resultate vorzuweisen. Verschiedene Studien gehen davon aus, dass bis zu 85% aller KI Projekte scheitern, das ist doppelt so viel wie bei Software-Projekten.
Häufig ist die Erwartungshaltung groß: Das Projekt wurde intern als Gamechanger angepriesen und die Kollegen fragen sich schon lange, wie das Ergebnis nun aussehen wird. Dann setzt die Ernüchterung ein, da die gesetzten Ansprüche nicht erfüllt werden können, wenn das Projektergebnis ausgerollt wird.
Die Gründe dafür sind vielfältig und lassen sich meist zu einer der folgenden Ursachen finden
1. Sie wollen nicht das richtige Problem lösen
Viele KI-Projekte scheitern bereits in der Anfangsphase, weil die definierten Probleme nicht den tatsächlichen Bedürfnissen des Unternehmens entsprechen. Unternehmen neigen dazu, Technologie um der Technologie willen einzusetzen, ohne eine klare Zielsetzung, wie diese die Geschäftsprozesse verbessern soll. Man hat den einen „Hammer“ als KI-Werkzeug ausgemacht, und sieht nun in jedem Problem den passenden Nagel, welcher mit diesem Hammer bearbeitet werden muss. Dies führt dazu, dass Ressourcen auf Projekte verschwendet werden, die wenig bis keinen ROI bieten. Ein erfolgreicher Ansatz setzt eine gründliche Analyse voraus, um sicherzustellen, dass das KI-Projekt ein relevantes Geschäftsproblem adressiert.
2. Innovationslücke
In vielen Unternehmen gibt es eine Kluft zwischen der Innovationsbereitschaft und der operativen Umsetzungsfähigkeit. KI-Projekte erfordern oft neue Arbeitsweisen und eine Kultur, die experimentelles Denken fördert. Wenn Unternehmen nicht bereit sind, traditionelle Prozesse zu überdenken und anzupassen, kann dies die Entwicklung und Implementierung von KI-Lösungen behindern. Ebenfalls benötigt es die richtige Mischung aus Tech- und Business Know-How im Unternehmen. Personal, dass den richtigen Einsatz von KI mit dem Praxiswissen des Tagesgeschäfts in der Abteilung und Branchenwissen verknüpfen kann ist selten vorhanden.
Diese Innovationslücke kann das Potenzial von KI minimieren und zum Scheitern von Projekten führen.
3. Falsche Daten
Daten sind das A und das O eines jeden KI-Projektes. Fehlen qualitativ hochwertige, relevante Daten, können KI-Modelle keine sinnvollen Einsichten liefern. Viele Unternehmen kämpfen mit unvollständigen, veralteten oder schlecht organisierten Daten, was die Leistungsfähigkeit der KI erheblich beeinträchtigt. Die Daten sind zum Beispiel nicht einheitlich gemanaged, es gibt unklare Berechtigungen oder Doppelungen und fehlerhafte Daten. All diese Fälle können dazu führen, dass das KI-Projekt von vornherein zum Scheitern verurteilt ist.
Eine sorgfältige Datenbereinigung und -organisation ist essentiell, bevor man mit einem KI-Projekt beginnt. Häufig empfehlen sich dazu kleinere Vorprojekte, welche die Datenverfügbarkeit und -qualität analysieren sollen.
4. Es fehlen die schnellen Erfolge
KI-Projekte sind oft langfristige Investitionen, die Zeit benötigen, um messbare Ergebnisse zu liefern. In einer Geschäftswelt, die schnelle Erfolge schätzt, kann die Geduld schnell schwinden, wenn die Ergebnisse nicht sofort sichtbar sind. Dies kann zu frühzeitiger Enttäuschung und dem Abbruch von Projekten führen, bevor diese ihre Tragweite entfalten können. Eine realistische Erwartungshaltung und klare, schrittweise Zielsetzungen sind daher unabdingbar. Häufig sind es die sogenannten „Quick-wins“ oder die „Low-hanging-fruit“ die Projekte für die gesamte Organisation greifbar machen und die Motivation steigern, dass alle Stakeholder am Ball bleiben. Dies wird bei KI-Projekten jedoch unzureichend ausgenutzt.
5. Der Faktor Mensch wird nicht ausreichend beachtet
Der Erfolg von KI-Initiativen hängt wesentlich von den Menschen ab, die diese Technologien implementieren und nutzen. Widerstand gegen Veränderungen, mangelndes Training und fehlendes Verständnis für KI können schwerwiegende Hindernisse darstellen. Unternehmen müssen in umfassende Schulungs- und Change-Management-Programme investieren, um die Akzeptanz und effektive Nutzung von KI-Technologien zu fördern. Ohne diese menschliche Komponente sind technologische Projekte oft zum Scheitern verurteilt. Auch ist die Angst oft verbreitet, dass die KI nun Überwachung der Mitarbeiter ermöglichen soll oder sogar die Mitarbeiter ersetzen soll.
