Verschiedene Marktstudien kommen zu dem Ergebnis, dass rund 80 Prozent aller von Unternehmen gestarteten KI-Projekte zu keinem verwertbaren Ergebnis geführt haben beziehungsweise nicht den Übergang von einer Machbarkeitsstudie hin zu einer fertigen und konkret eingesetzten Anwendung geschafft haben. Einige typischen Ursachen hierfür und deren möglichen Lösungsansätze stelle ich im Folgenden vor.

Herangehensweise entscheidend

KI-Projekte entspringen aktuell oft dem Interesse an einer spannenden methodischen Fragestellung. Nach einem konkreten Geschäftsproblem wird dann jedoch erst später im Verlauf der Projekte gesucht. Regelmäßig werden durch diesen Ablauf neue Probleme geschaffen, die zuvor eigentlich gar nicht existierten. Erfolgreiche KI-Projekte beginnen jedoch genau andersherum: Für ein konkretes Geschäftsproblem wird eine Lösung gesucht und ein KI-basierter Ansatz ist nach Abwägung mit anderen Lösungen als der erfolgversprechendste identifiziert worden. Inspiriert durch Science-Fiction und die aktuelle Berichterstattung hat KI für viele Projektbeteiligten etwas Magisches. In der Praxis ist KI jedoch kein Allheilmittel, denn viele schlecht strukturierte Prozesse mit einer Vielzahl an wechselseitigen Abhängigkeiten lassen sich vor dem Einsatz einer KI initial durch eine Neustrukturierung schneller und günstiger optimieren. Von daher gilt: zuerst die menschliche Intelligenz einsetzen und dann die künstliche!

Darüber hinaus stellt sich die Frage, welche Organisationseinheit KI-Projekte in einem Unternehmen umsetzen soll. Erfahrungsgemäß ist die IT-Abteilung nicht der ideale Ort dafür. Da deren Fokus auf der Betriebssicherheit der Systeme liegt, spielt die technologische Innovation oft eine untergeordnete Rolle. Dies hindert Entwickler zum Beispiel teils schon an der Installation von modernen KI-Softwarepaketen, die zur schnellen und experimentellen Umsetzung von KI-Anwendungen benötigt werden. Die Schaffung einer neuen Digital-Einheit mit einer eigenen kleinen und agilen IT-Infrastruktur ist dagegen eine bessere Basis für erfolgreiche KI-Projekte.

Mangelhafte Datenbasis

Vielen Unternehmen mangelt es zudem an einer verfügbaren und zuverlässigen Datenbasis. Oft sind die relevanten Daten auf viele Silos über ein Unternehmen verteilt, sofern sie überhaupt in der Vergangenheit adäquat erfasst wurden. Folglich können die KI-Verfahren nur wenige oder keine sinnvollen Zusammenhänge in den Daten aufzeigen und somit anschließend nicht zur Automatisierung von Entscheidungsprozessen eingesetzt werden. Erfolgreiche KI-Projekte bauen daher auf einem zeitgemäßen und für die KI-basierte Analyse ausgelegten Datenhaltungskonzept auf. Weitere Ursachen und passende Handlungsempfehlungen stellt das im Jahr 2020 im Springer-Verlag erschienene Buch „Innovative Technologies for Market Leadership: Investing in the Future“ vor.