AI-Datenintegrität: Bedenken bleiben bestehen
Der vierte Bericht über den Zustand der Datenintegrität und die Bereitschaft für KI zeigt, dass die Bedenken hinsichtlich der Datenintegrität weiterhin bestehen. Ein weiteres Problem ist, dass Organisationen oft ihren Stand der KI-Bereitschaft überschätzen. Ohne vertrauenswürdige Daten laufen Projekte Gefahr, Verzögerungen und potenzielles Scheitern zu erfahren.
Es wird darauf hingewiesen, dass das Vertrauen in KI nicht automatisch zu einem Return on Investment (ROI) führt. Viele Organisationen bewegen sich schnell vorwärts, tun dies jedoch ohne die erforderlichen, vertrauenswürdigen und verwalteten Daten. Diese Diskrepanz wird als „Agentic AI-Datenintegritätslücke“ bezeichnet und birgt erhebliche Risiken. Da KI-Systeme autonomer werden, ist Datenintegrität keine bloße Option mehr; sie ist eine geschäftliche Notwendigkeit.
Diskrepanz zwischen Vorstandsetage und Realität
Der Bericht hebt eine erhebliche Diskrepanz zwischen der Vorstandsetage und der Realität der IT-Abteilungen hervor. 87 % der Befragten sind zuversichtlich in Bezug auf ihre Infrastruktur, 87 % in Bezug auf Fähigkeiten und 86 % in Bezug auf Datenbereitschaft. Dennoch geben 42 % Infrastrukturprobleme, 41 % Mängel bei den Fähigkeiten und 43 % Probleme mit der Datenbereitschaft als Hindernisse an. Dies wirft die Frage auf, warum es eine solche Diskrepanz gibt.
Kriterien für „Bereitschaft“
Die Befragten behaupten, sie seien KI-bereit, definieren aber nicht, was das bedeutet. „Bereit“ bedeutet oft lediglich, dass sie über die grundlegenden Fähigkeiten für einige KI-Projekte verfügen, jedoch keine unternehmensweite Fähigkeit besitzen. Dies ignoriert die Notwendigkeit von KI-Reife, Datenqualität, Datenvertrauen und der Fähigkeit zur Skalierung.
30 % der Befragten geben an, dass die Skalierung eine Herausforderung aufgrund mangelnder Fähigkeiten darstellt. Sie glauben, über die Infrastruktur zu verfügen, weil sie andere Anwendungen und Prozesse skaliert haben, wissen jedoch nicht, wie sie das auf KI-Projekte anwenden können.
AI-Reife: Ein komplexes Thema
Die Reife von KI ist ein komplexes Thema. Es geht nicht nur darum, die richtigen Daten zu haben und skalieren zu können; es erfordert Prozesse, die sich mit Datenqualität, Infrastruktur, geschäftlicher Nutzung und der Überwachung von ROI befassen. Die mangelnde KI-Reife zeigt sich in mehreren Antworten. 71 % geben zu, dass KI nicht mit den Geschäftszielen in Einklang steht. Ohne diese Ausrichtung muss die Effektivität von KI und die Rechtfertigung der Ausgaben in Frage gestellt werden.
Nur 31 % sagen, dass sie tatsächliche Metriken haben, die an wichtige Leistungsindikatoren (KPIs) gebunden sind. Es bleibt unklar, welche KPIs das sind oder woher sie stammen. 32 % erwarten innerhalb von 6 bis 11 Monaten einen positiven ROI aus KI-Investitionen, obwohl es an Fähigkeiten, Datenverwaltung und Datenqualität mangelt.
Entwicklung von KPIs
Organisationen müssen KPIs entwickeln, die in Echtzeit überwacht werden. Diese KPIs müssen definiert werden, einschließlich dessen, was sie bedeuten, worauf sie sich beziehen und wie sie erreicht werden. Sie sollten von den Geschäftseinheiten vereinbart und gemeinsam überwacht werden, um die Validierung des Fortschritts eines KI-Projekts zu gewährleisten.
Mangelnde KI-Reife: Ein bedeutendes Anliegen
Datenreife ist eine etablierte Disziplin. 83 % der Befragten haben etablierte Praktiken, aber wie übersetzt sich das in KI-Reife und Governance? 63 % der Organisationen haben eine Form der KI-Governance etabliert, wobei sich diese in zwei Ansätze aufteilen: 40 % haben die bestehende Daten-Governance auf KI-Governance ausgeweitet und 23 % haben KI-Governance als separates Programm initiiert. 31 % planen noch oder haben keine KI-Governance-Maßnahmen implementiert.
Von den Organisationen mit etablierten KI-Governance-Programmen haben nur etwa 34 % Leistungsüberwachungs- oder Optimierungsphasen erreicht. Die Reife dieser Programme sowie die Leistung der anderen bleibt unklar. 39 % der Organisationen überwachen die Datenprivatsphäre und -sicherheit, was eine überraschend niedrige Zahl ist, angesichts der Ausgaben für deren Verbesserung.
Neuer Datenschutz durch Standortintelligenz
96 % der Organisationen investieren jetzt in Standortintelligenz, was jedoch eine Reihe von Bedenken hinsichtlich der Datenqualität und der Privatsphäre mit sich bringt. 41 % nutzen sie für gezieltes Marketing, 41 % zur Validierung und Standardisierung von Adressdaten, 40 % zur Optimierung der Produktlieferung und 39 % zur Risikobewertung.
Die Standortintelligenz ist nun Teil der Kernprozesse von Unternehmen, was neue Herausforderungen mit sich bringt. 46 % nennen Datenschutz- und Sicherheitsbedenken als das größte Hindernis bei der Implementierung von Standortintelligenz. Zu den Problemen gehören ungenaue Geokodierung (29 %), niedrige Adressdatenqualität (30 %) und Integrationskomplexität (44 %).
Die Organisationen, die es richtig machen, können jedoch erhebliche Vorteile erzielen. Die Daten zeigen, dass Datenanreicherung und Standortintelligenz zusammen mit starker Daten-Governance die KI-Bereitschaft und die Ergebnisse von KI verbessern.
Fazit
KI kann erhebliche Vorteile für eine Organisation bringen, wenn sie korrekt umgesetzt wird. Um effektiv und skalierbar zu sein, muss KI jedoch über einige Projekte hinausgehen, die gut aussehen. Organisationen müssen in echte Grundlagen investieren und KPIs etablieren, denen sie vertrauen können, um Herausforderungen mit KI zu erkennen.
Ohne diese Grundlagen wird KI weiterhin Budgets aufbrauchen und wenig oder keinen realen Wert liefern. Organisationen, die behaupten, KI-fähig zu sein, müssen über Selbsttäuschung hinausgehen und die grundlegenden Anforderungen erfüllen, um echten ROI aus ihren Investitionen zu zeigen.
