Der Erfolg von KI-Projekten hängt ganz entscheidend davon ab, dass Unternehmen bereits im Vorfeld genau klären, welche Probleme sie mit Daten und KI lösen wollen, und konkrete Projektziele definieren. Dies ist notwendig, damit die Projektausrichtung stimmt und keine falschen Erwartungen geweckt werden, denn spätere Kurskorrekturen kosten viel Zeit und Geld. Doch auch direkt im Anschluss, wenn die Projektplanungen beginnen und wichtige Details der Problemlösung abgestimmt werden, lauern zahlreiche Fallstricke, die langfristig enorme Probleme verursachen können - bis hin zum vollständigen Scheitern des Projekts.
Bereits beim Start von KI-Projekten kann viel schieflaufen, was die Projekte später deutlich zurückwirft oder gar zum Scheitern verurteilt. HTEC, ein globaler Entwickler kundenspezifischer Hardware- und Softwarelösungen, nennt typische Fehler.
Fähigkeiten der Beteiligten falsch einschätzen: Treiben Unternehmen das Projekt zu schnell voran, ohne die Fähigkeiten und Ressourcen aller Stakeholder vollständig zu verstehen, entwickelt sich das Lösungsdesign leicht in eine falsche Richtung. Zudem werden dann oft Initiativen priorisiert, die sich eigentlich gar nicht umsetzen lassen und fehlschlagen.
Datenexperten nicht oder zu spät involvieren: Beziehen Unternehmen Datenexperten nicht schon frühzeitig in die Projektplanung ein, kann das zu Datenblindheit führen. Das Resultat: Die Lösung ist in ihrem Nutzen beschränkt, weil die Daten unzureichend sind, oder sie schöpft das volle Potenzial der verfügbaren Daten nicht aus.
Keine fachlichen Spezialisten einbinden: Ohne das Know-how von Fachexperten - den sogenannten Subject Matter Experts (SMEs) - droht die Gefahr, dass Unternehmen wichtige regulatorische Anforderungen übersehen und die entwickelte Lösung dann nicht konform zu branchenspezifischen Verordnungen oder Richtlinien ist.
Sich bei KI- und Datenfragen allein auf Software-Architekten verlassen: Daten beeinflussen das Systemdesign, deshalb sollten Unternehmen die Konzeption von KI-Lösungen nicht allein Software-Architekten und Software-Entwicklern anvertrauen. Diese haben üblicherweise andere Prioritäten als KI- und Datenexperten. Während Software-Spezialisten die Schwerpunkte unter anderem bei Funktionalitäten, Usability und Performance setzen, stehen bei Datenspezialisten vor allem Datenqualität, Integrationen und Zugriffsmöglichkeiten im Vordergrund.
Standards für Datenqualität fehlen: Eigentlich ist klar, dass KI von qualitativ hochwertigen Daten abhängt - aus schlechten Daten lassen sich keine guten Erkenntnisse ziehen. Häufig besteht im Unternehmen aber kein Konsens darüber, was "gute Daten" überhaupt sind, weil keine Standards für Datenqualität existieren. Unternehmen müssen sich frühzeitig damit befassen, wie sie ihre Datenbasis bewerten, strukturieren und gegebenenfalls verbessern können.
Data Governance nicht ausreichend berücksichtigen: Eine durchdachte Data Governance sorgt dafür, dass Daten korrekt, zugänglich und sicher sind und alle Prozesse rund um die Speicherung, Verwaltung und Nutzung von Daten den geltenden Richtlinien und Standards entsprechen. Versäumnisse in diesem Bereich können dazu führen, dass sich Daten nicht wie beabsichtigt einsetzen lassen.
"Bereits die Anfangsphase von KI-Projekten entscheidet über deren Erfolg und Misserfolg, denn hier werden wichtige Weichenstellungen vorgenommen und entscheidende Details geklärt", betont Sebastian Seutter, Managing Director DACH bei HTEC. "Fehler und Nachlässigkeiten in dieser Phase resultieren etwa in falsch zugewiesenen Ressourcen, Problemen bei der Datennutzung oder KI-Lösungen, die die Anforderungen der Nutzer nicht richtig erfüllen. Leider werden diese Auswirkungen meist erst spät sichtbar - und dann lässt sich nur noch schwer gegensteuern. Meine Empfehlung ist daher, so früh wie möglich externe Spezialisten mit viel Erfahrung in KI-Projekten hinzuzuziehen, die ein Projekt von Anfang bis Ende intensiv begleiten können."
Der Autor:
Sebastian Seutter ist Managing Director DACH bei HTEC.
Wir alle kennen die typischen Symptome unzureichenden Wissensmanagements in Organisationen: An Prozess- und Teamschnittstellen gehen Informationen verloren, Entscheidungen sind im Nachhinein nicht mehr nachvollziehbar, Schulungen stehen losgelöst vom konkreten Arbeitskontext, neuen Mitarbeitenden fällt die Einarbeitung schwer, Wissen wird eher individuell genutzt als kollektiv geteilt und Fehler zwa...
Viele Organisationen stehen vor einer strategischen Herausforderung, die häufig unterschätzt wird: Mit dem altersbedingten Ausscheiden erfahrener Mitarbeitender geht nicht nur Arbeitskraft verloren, sondern vor allem organisationsspezifisches Erfahrungswissen. Dieses Wissen ist selten dokumentiert. Es steckt in Routinen, situativen Entscheidungen, impliziten Heuristiken und über Jahre entwickelten ...
Die Migration in die Cloud sollte eigentlich eine Einbahnstraße sein. Für die meisten Unternehmen ist sie das offenbar nicht. Eine aktuelle Studie zeigt, dass viele von ihnen der Cloud zwar nicht den Rücken kehren, aber angesichts von höheren Kosten und zunehmenden Anforderungen an die Datensouveränität ihre Workload-Aufteilung neu ausrichten....
Digitale Souveränität ist zu einem zentralen Schlagwort der Verwaltungsmodernisierung geworden. Doch was bedeutet sie konkret - und wie lässt sie sich praktisch umsetzen? Johanna Wende, Leiterin des Geschäftsbereichs Government bei IBM Deutschland, erklärt im Interview, warum digitale Souveränität vor allem Wahlfreiheit bei Technologien bedeutet, welche Rolle eine übergreifende Datenstrategie s...
Automatisierte Produktionsabläufe mit Künstlicher Intelligenz, schnellere Fertigung durch 3D-Druck oder humanoide Roboter, die gefährliche Schweißarbeiten übernehmen - Deutschlands Fabriken werden digitaler. Die deutsche Industrie bewertet den Einsatz digitaler Technologien in der Produktion weit überwiegend positiv: 81 Prozent der deutschen Industrieunternehmen sehen Industrie 4.0 als Chance, nu...
Seit mehreren Jahren ist von einer "neuen Arbeitswelt" die Rede, in der sich mehrere Generationen gleichzeitig zurechtfinden sollen. Mit Blick auf die deutsche Gesellschaft wird der demografischen Wandel relativ deutlich. Bezogen auf den Arbeitsmarkt bedeutet das, dass Arbeitnehmende immer älter werden, während jüngere Genrationen - wie die Gen Z - schrittweise auf den Markt drängen. Die ...
Eine aktuelle Studie des Branchenverbands Bitkom zeigt, dass viele Nutzer dem Einsatz von KI weiterhin skeptisch gegenüberstehen. Zugleich verbindet sich mit der Technologie das Risiko sogenannter Halluzinationen und fehlerhafter Ergebnisse. Der Ansatz "Human in the Loop" minimiert diese Vorbehalte und Risiken weitgehend durch Kontrolle der Ergebnisse und Training von KI-Modellen....
Das Magazin für Digitalisierung, Vernetzung & Collaboration
Cookie Einstellungen
Wir verwenden Cookies, um Ihre Erfahrung zu verbessern. Wählen Sie aus, welche Cookies Sie zulassen möchten. Sie können Ihre Auswahl jederzeit in unserer Datenschutzerklärung ändern.
Sebastian Seutter ist Managing Director DACH bei HTEC.