Die Marktforschungsspezialisten Vanson Bourne befragten in einer Online-Umfrage 550 Teilnehmer aus Unternehmen mit 500 oder mehr Mitarbeitenden in den USA, Großbritannien, Irland, Frankreich und Deutschland. 100 Teilnehmer kamen aus Deutschland. Die Umfrage zeigt, dass 81 % der befragten Unternehmen ihren KI/ML-Ergebnissen vertrauen, obwohl sie zugeben, fundamentale Daten-Ineffizienzen zu haben.
Deutsche Unternehmen stehen noch eher am Anfang der KI-Nutzung (60 %), während das in den USA nur noch 39 %, in Frankreich sogar nur 36 % sind. Dementsprechend sehen sich Unternehmen dort als fortgeschritten: 31 % (USA) bzw. 28 % (Frankreich) nutzen KI, die keine oder kaum menschliche Eingriffe erfordert, wo immer das möglich ist. In Deutschland sind das gerade einmal 14 %.
Insgesamt setzen fast neun von zehn Unternehmen (89 %) KI-/ML-Methoden für die Erstellung von Modellen ein, die automatisch Vorhersagen und Entscheidungen treffen können. 80 % der Unternehmen in den USA und 75 % in Frankreich tun das schon mindestens sechs Monate, in Deutschland sagen das lediglich 44 % von sich.
Auch das Vertrauen in die Ergebnisse einer KI sind in Deutschland gering: Während 30 % der deutschen Unternehmen den Ergebnissen von Generativer KI voll und ganz vertrauen, sagen das 47 % der US-amerikanischen und 48 % der französischen Unternehmen.
97 % werden in den nächsten ein bis zwei Jahren in generative KI investieren. Gleichzeitig haben die Unternehmen Probleme mit Datenungenauigkeiten sowie Bedenken hinsichtlich Data Governance und Datensicherheit. US-Unternehmen, die Large Language Models (LLMs) nutzen, berichten in 50 % der Fälle von Datenungenauigkeiten und -Halluzinationen.
„Die schnelle Verbreitung von generativer KI spiegelt einen weit verbreiteten Optimismus und eine Zuversicht in den Unternehmen wider. Aber unter der Oberfläche gibt es immer noch grundlegende Datenprobleme, die Unternehmen daran hindern, ihr volles Potenzial auszuschöpfen", erklärt Taylor Brown, Mitbegründer und COO von Fivetran. „Unternehmen müssen ihre Datenintegrations- und -Governance-Grundlagen stärken, um zuverlässigere KI-Ergebnisse zu erzielen und finanzielle Risiken zu minimieren."
Unterschiedliche „KI-Realitäten" in verschiedenen Berufsrollen
Etwa jedes vierte Unternehmen (24 %) gab an, ein fortgeschrittenes Stadium der KI-Nutzung erreicht zu haben, in dem es die Vorteile der KI voll ausschöpft und nur noch wenig oder gar nicht mehr auf menschliche Eingriffe angewiesen ist. Allerdings gibt es erhebliche Meinungsverschiedenheiten zwischen den Befragten: Technische Führungskräfte, die KI-Modelle entwickeln und betreiben, sind von der KI-Reife ihrer Unternehmen weniger überzeugt.
Von ihnen bezeichnen nur 22 % sie als "fortgeschritten", verglichen mit 30 % der nicht-technischen Mitarbeitenden. Anders bei generativer KI: Ihr vertrauen 63 % der nicht-technischen Mitarbeitenden vollständig, bei den technischen Führungskräften sind es 42 %.
Eine weitere Uneinigkeit besteht zwischen den Datenexperten auf unterschiedlichen Führungsebenen eines Unternehmens: Während die in Junior-Positionen veraltete IT-Infrastrukturen als größtes Hindernis für die Entwicklung von KI-Modellen sehen (49 %), sehen leitende Kollegen das Hauptproblem darin, dass sich Mitarbeitende mit den richtigen Fähigkeiten auf andere Projekte konzentrieren (51 %).
Tatsächlich sind diese gezwungen, ihre Ressourcen für manuelle Datenprozesse wie die Bereinigung von Daten und die Reparatur defekter Datenpipelines zu nutzen. Unternehmen geben zu, dass ihre Data Scientists den Großteil (67 %) ihrer Zeit mit der Aufbereitung von Daten verbringen, anstatt KI-Modelle zu erstellen.
Schlechte Datenpraktiken sind immer noch weit verbreitet
Die Ursache für das vergeudete Potenzial von Datenspezialisten und die unzureichende Performance von KI-Programmen ist dieselbe: unzugängliche, unzuverlässige und falsche Daten. Wie groß das Problem ist, zeigt die Tatsache, dass die meisten Unternehmen Schwierigkeiten haben, auf alle Daten zuzugreifen, die für die Ausführung von KI-Programmen benötigt werden (69 %) und diese in ein brauchbares Format zu bringen (68 %).
Neue Ansätze bei generativer KI haben weitere Komplikationen mit sich gebracht: 42 % der Befragten hatten schon mit Datenhalluzinationen zu tun. Diese können zu schlechten Entscheidungen führen, da die Informationsbasis mangelhaft ist. Sie verringern das Vertrauen in LLMs oder die Bereitschaft der Mitarbeitenden, das Tool zu nutzen.
Zudem rauben sie viel Zeit für das Auffinden und Korrigieren der Daten. Angesichts der Tatsache, dass 60 % der leitenden Angestellten generative KI nutzen und für strategische Entscheidungen verantwortlich sind, werden Probleme mit der Qualität und Vertrauenswürdigkeit der Daten noch verstärkt.
Data Governance als Schlüsselbereich für den Einsatz von KI
Die Befürchtungen hinsichtlich des Einsatzes generativer KI bleiben ebenfalls bestehen, wobei "die Aufrechterhaltung der Data Governance" und "finanzielle Risiken aufgrund der Sensibilität der Daten" die größten Bedenken der Unternehmen sind (37 %).
Solide Data-Governance-Grundlagen sind besonders wichtig für Unternehmen, die entweder eigene generative-KI-Modelle entwickeln oder eine Kombination aus bestehenden externen sowie intern entwickelten Modellen verwenden wollen.
Da jedoch die Mehrheit (67 %) der Befragten den Einsatz neuer Technologien plant, um grundlegende Datenbewegungen, Governance- und Sicherheitsfunktionen zu stärken, gibt es Grund zum Optimismus.