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.
KI-Technologien schaffen langfristige Kundenbeziehungen durch personalisierte Erfahrungen bei jeder Interaktion. Hier lesen Sie vier konkrete Ansätze für Ambient Intelligent Experiences, die Kundenbedürfnisse mit KI-Unterstützung vorausschauend erkennen und kontextsensitiv bedienen....
Wussten Sie, dass nur 33 Prozent der deutschen Unternehmen mit einer "guten digitalen Gesundheit" ins Jahr 2025 gestartet sind? Das ist das Ergebnis der aktuellen Digital Health Studie von Zoho. Gemeint ist damit die digitale Reife von Organisationen - angefangen bei smarten Arbeitsprozessen über die strukturierte Datenhaltung bis hin zum strategischen Technologieeinsatz. Die Studie zeigt: Wer he...
Das Schweizerische Tropen- und Public Health-Institut (Swiss TPH) ist zur Erfüllung seines Mandats gegenüber seinen Geldgebern auf eine gute interne und externe Zusammenarbeit angewiesen: Gebäude und Arbeitsumgebung, Kultur, Strukturen und Werkzeuge sind darauf ausgerichtet, dass die Mitarbeitenden optimal gemeinsam an Forschungs- und Umsetzungsprojekten arbeiten können. Die Arbeitskultur und -umge...
Weltweit sehen sich Unternehmen mit einer Zunahme von Betrugsfällen konfrontiert, auch weil gewiefte Kriminelle zunehmend KI einsetzen. Deren Funktionalitäten nutzen etwa Deepfake-Software, automatisierte Phishing-Systeme, Chatbots und fortschrittliche Datenanalysen, die Betrugsversuche vereinfachen....
Künstliche Intelligenz (KI), ursprünglich als Treiber von Innovation und Effizienz gefeiert, wird zunehmend zur Waffe in den Händen von Cyberkriminellen. In einer digital vernetzten Welt nutzen Täter KI, um ihre Methoden zu perfektionieren, Angriffe zu automatisieren und neue Schwachstellen auszunutzen. Die Folge: Eine neue Dimension der Cyberkriminalität, die Privatpersonen, Unternehmen und Regie...
Von der Produktentwicklung bis zum Customer Service: Künstliche Intelligenz (KI) transformiert zunehmend Unternehmensprozesse und eröffnet neue Möglichkeiten der Wertschöpfung. Dabei ist es entscheidend, KI-Technologien gezielt und praxisorientiert einzusetzen. Verschiedene KI-Ansätze - von analytischen und prädiktiven Methoden bis hin zu den neuen generativen KI-Modellen (GenAI) - bieten unters...
Ein effizientes Dokumentenmanagement und digitale Signaturprozesse sind entscheidend für Präzision, Sicherheit und Compliance in der Fertigungsindustrie. Angesichts der Herausforderungen, die mit der Verwaltung großer Dokumentenmengen einhergehen, gewinnen Werkzeuge zur digitalen Dokumentenbearbeitung und elektronischen Signatur zunehmend an Bedeutung. Sie ermöglichen eine schlanke Gestaltung von ...
Online-Self-Services haben unser Leben erobert: Chatbots, automatisierte Terminbuchungen und smarte Produktempfehlungen erleichtern unseren Alltag. Doch während KI vieles schneller und effizienter macht, bleibt eines oft auf der Strecke - der menschliche Kontakt. Und genau der wird zunehmend zum Luxusgut....
Sebastian Seutter ist Managing Director DACH bei HTEC.
