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.
In den vergangenen Jahren hat sich Customer Experience stark professionalisiert: Wir haben gelernt, Kundensignale systematisch zu erfassen und diese über Dashboards, automatisierte Reports und NPS‑Tracking im Unternehmen verfügbar zu machen. Diese Grundlagenarbeit war wichtig - und sie war eine echte Stärke moderner CX‑Teams. Noch nie wussten Unternehmen so viel über ihre Kunden wie heute. Und doch ...
KI-Agenten, die eigenständig handeln, mehrstufige Workflows automatisieren und als vollwertige Teammitglieder in Microsoft 365 arbeiten: Das ist der Kern der aktuellen Copilot-Neuerungen. Wer jetzt die richtigen Weichen stellt, verschafft sich einen echten Vorsprung....
Die digitale Transformation fordert ein völlig verändertes Kompetenzprofil von Mitarbeitenden. KI-Souveränität, Data-Science-Kompetenzen und agile Selbstorganisation werden in einer volatilen Arbeitswelt zu Basisanforderungen. Starre Hierarchien der Vergangenheit werden mit flexiblen Arbeitsformen kontrastiert, die eine Grundlage bieten, wie Unternehmen den Spagat zwischen technologischem Anspruch...
Eine neue globale Befragung von 3.700 Business- und IT-Entscheidern, davon 200 in Deutschland, ergab, dass 70 Prozent der Entscheider in Deutschland (67 Prozent weltweit) bereits unter Druck standen, KI-Projekte trotz Sicherheitsbedenken zu genehmigen. 17 Prozent von ihnen (14 Prozent global) bezeichneten diese Bedenken sogar als "extrem", wurden aber dennoch übergangen, um mit Wettbewerbern...
Digitale Transformation ist heute allgegenwärtig. Cloud-Lösungen, künstliche Intelligenz, Automatisierung und neue Kollaborationstools versprechen Tempo, Effizienz und Innovation. In vielen Organisationen bleibt die Wirkung jedoch hinter den Erwartungen zurück. Ein häufiger Grund: Die Technik funktioniert; die Veränderung hingegen nicht. Während Prozesse digital werden, bleiben die Arbeitsweisen...
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....
In vielen Industrieunternehmen verzögern sich Abläufe immer noch durch manuelle Routinetätigkeiten. Das Prüfen von Kundenaufträgen, das Überwachen von Lagerbeständen oder die Materialbeschaffung binden Mitarbeitende und ziehen Prozesse in die Länge. Dabei könnten all diese Aufgaben längst sicher und zuverlässig automatisiert erledigt werden. Doch wie kann der "Kollege KI" den Allta...
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...
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.