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.
Führung hat ein Problem: Sie denkt zu viel über andere nach - und zu wenig über sich selbst. In unzähligen Meetings wird über Leistung, Wandel und Motivation gesprochen. Über KPIs, Kultur und Konflikte. Aber wann, bitte, wurde in Ihrer Organisation zuletzt darüber gesprochen, wie es den Führungskräften wirklich geht? Nicht strategisch. Nicht operativ. Sondern menschlich? Die Wahrheit ist unbeq...
Die digitale Transformation verändert nicht nur Technologien, sondern auch das Selbstverständnis von Führung. Klassische Modelle stoßen an ihre Grenzen - nicht zuletzt, weil digitale Tools und insbesondere KI den Führungsalltag zunehmend verändern. Führungskräfte stehen heute vor der Aufgabe, technologische Möglichkeiten mit menschlichem Potenzial zu verbinden und damit die Grundlagen moderner...
Dateien effizienter im Team bearbeiten, Aufgaben zentral und in Echtzeit steuern und weniger Zeit für Recherche und Analyse großer Informationsmengen verschwenden: Genau das versprechen KI-Tools wie ChatGPT, Notion und NotebookLM. Doch was leisten diese Tools tatsächlich im Arbeitsalltag? Wo liegen ihre konkreten Produktivitäts-Vorteile? Für welche Zielgruppen im Unternehmen und welche konkreten A...
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...
ChatGPT und Co. spucken auf Knopfdruck fertigen Programmcode aus. Dafür muss man lediglich seine Ideen für eine Anwendung in einem Prompt in natürlicher Sprache beschreiben. Mit generativer KI können deshalb auch Fachexperten aus den Geschäftsbereichen, die nicht über klassische Programmierkenntnisse verfügen, an der Softwareentwicklung eines Unternehmens mitwirken. Das war bislang eigentlich im...
Mit AI Distillation ist die IT-Welt um ein Buzzword reicher. Kein Wunder, denn diese Technik im Bereich der KI-Modelle hat sich zu einer echten Erfolgsformel entwickelt. Aber was steckt eigentlich dahinter, wo liegen die Vorteile - und wo die Nachteile? ...
Unternehmen müssen sich ständig verändernden Rahmenbedingungen anpassen. Das passiert oft nebenher und als alltäglicher Prozess. Mitunter ergibt es Sinn, größere Veränderungen durch einen strukturierten Transformationsprozess in Angriff zu nehmen. Ein Prozess, den Unternehmer oft scheuen, denn Veränderung bedeutet Unruhe und nicht selten auch vermehrte Konflikte - ein Zustand, den man gerne mei...
Die Anwendung von künstlicher Intelligenz (KI) in der Finanzbranche hat eine lange Historie - vom algorithmischen Handel in den 1980er Jahren bis zu heutigen Anwendungen in der Betrugserkennung oder Kundensegmentierung. Mit generativer KI beginnt nun eine neue Phase. Für viele Banken stellt sich dabei nicht mehr die Frage, ob KI genutzt werden sollte, sondern wie sie sicher und wirksam integriert wer...
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.
