Studie
15.06.2021, 13:08 Uhr
Daten- und KI-Projekte: Das sind die Stolpersteine
Im Rahmen einer Studie untersuchte der IT-Dienstleister Zühlke, über welche Hürden Unternehmen bei der Umsetzung von Daten- und KI-Projekten stolpern.
(Quelle: Franki Chamaki / Unsplash)
Von früh bis spät werden heutzutage Daten generiert. Wer diese geschickt auszuwerten und zu nutzen weiss – beispielsweise mithilfe von künstlicher Intelligenz –, sichert sich Wettbewerbsvorteile. Unternehmen investieren deshalb zunehmend in Daten- und KI-Projekte. Auch beschäftigen sich immer mehr Firmen mit Datenstrategien, wie unsere diesjährige Swiss-IT-Studie zeigte. 43,2 Prozent der Teilnehmenden gaben an, dass sie in eine solche investieren oder gerade erarbeiten.
Im Rahmen einer neuen Studie ging der IT- und Innovationsdienstleister Zühlke der Frage nach, mit welchen Hindernissen Unternehmen sich auf dem Weg zur datengetriebenen Organisation konfrontiert sehen. 70 Schweizer Firmen wurden hierzu befragt. Auch sie sehen grosse Möglichkeiten, aus Daten einen Mehrwert fürs Unternehmen zu gewinnen. 85 Prozent der Teilnehmenden stuften das Potenzial für Daten- und KI-Projekte laut Zühlke als hoch oder sehr hoch ein. Dennoch hätten lediglich 43 Prozent der Befragten von einer eigenen KI-Strategie berichtet. Nur 10 Prozent der Firmen bezeichneten sich als «Data-Driven».
Fünf Hürden für die Umsetzung
Die Expertinnen und Experten bei Zühlke beschäftigten sich mit den Ursachen für diese Diskrepanz. Schliesslich identifizierten sie fünf typische Hürden für die erfolgreiche Umsetzung von Daten- und KI-Projekten:
- Eine inaktive Daten-Innovationspipeline
Den Angaben zufolge sind die fortlaufende und holistische Planung und die Umsetzung von Daten- und KI-Projekten von entscheidender Bedeutung für ein datengetriebenes Unternehmen. Klappe dies nicht, etwa weil die Projekte immer noch stark aus der Technologie und zu wenig aus dem Business getrieben werden, bleibe die Innovationspipeline inaktiv. Das wichtigste Werkzeug zur Überwindung dieser Hürde stelle deshalb ein aktives Portfoliomanagement dar, wodurch – abgestimmt auf die unternehmensübergreifende Datenstrategie – die werterzeugenden Daten- und KI-Projekte definiert, geplant und umgesetzt würden. - Proof-of-Concepts, die auf der Strecke bleiben
Zudem komme eine Vielzahl von Projekten nicht über die «Proof-of-Concept»-Phase hinaus. Laut den Expertinnen und Experten von Zühlke kann dies grundsätzlich zwei Ursachen haben: Der PoC zeigt, dass das Vorhaben nicht machbar ist – oder aber der Transfer vom Prototyp in eine operativ nutzbare Lösung gelingt nicht. - Technisch perfekte Lösungen, die nicht wie geplant genutzt werden
Häufig würden KI-basierte Lösungen von der Nutzergruppe auch nicht wie geplant angenommen und genutzt. Als wichtigster Grund dafür hätten die Studienteilnehmenden die mangelnde Integration der Lösung in die bestehende Infrastruktur genannt. - Kompetenzen im Bereich Daten
Weiter heisst es, dass personelle Kompetenzen im Bereich Daten «ein fundamentaler Schlüsselfaktor für den Erfolg von Daten- und KI-Projekten» seien. Und obwohl diese in den meisten Unternehmen erstaunlicherweise bereits vorhanden waren, habe die Studie gezeigt, dass die interdisziplinäre Zusammenarbeit in Datenprojekten die grösste Herausforderung darstelle. - Die Daten an sich
Das Thema Daten spielt in Daten- und KI-Projekten natürlich eine zentrale Rolle. Die meistgenannten Ursachen für Probleme in diesem Bereich sind gemäss der Umfrage ein fehlender einfacher Datenzugang und eine mangelnde Datenqualität.
Wie die Transformation gelingt
Aus den identifizierten Hürden in Bezug auf Daten- und KI-Projekte leiteten die Expertinnen und Experten verschiedene Erfolgsprinzipien ab – darunter etwa die unternehmensübergreifende Planung & Orchestrierung, die Businessorientierung oder auch die schnelle Umsetzung der Projekte mit bewussten Sollbruchstellen.
Die fundamentale Transformation hin zu einer «Data-driven Company» ist aber lang und geschieht nicht von heute auf morgen. Das Vorhaben sollte laut Zühlke deshalb grundsätzlich in diesen drei Schritten angepackt werden:
Die fundamentale Transformation hin zu einer «Data-driven Company» ist aber lang und geschieht nicht von heute auf morgen. Das Vorhaben sollte laut Zühlke deshalb grundsätzlich in diesen drei Schritten angepackt werden:
- Festlegen der Vision auf C-Level Ebene
- Definition der Datenstrategie und Etablierung eines KI-Portfolio Managements
- Fortlaufende, inkrementelle Erstellung von Grundlagen und parallel dazu Umsetzung von wertgenerierenden Lösungen. Anhand dieser können die entsprechenden Grundlagen getestet und gegebenenfalls nachjustiert werden.
Weitere Insights zur Studie und detailliertere Handlungsanweisungen liefert das Unternehmen unter diesem Link.
