Foto: BOY ANTHONY - shutterstock.com
Die Begeisterung für das Potenzial der (generativen) künstlichen Intelligenz ist branchenübergreifend nach wie vor groß. Aktuelle Umfrage-Ergebnisse zeigen jedoch, dass die Realität mit dem Hype nicht ganz mithalten kann.
So verspricht KI zwar, die betriebliche Effizienz zu verbessern, die Produktivität zu steigern und Arbeitsabläufe zu optimieren - diese Vorteile hängen laut dem "Global AI & Digital Experience Survey" von Riverbed jedoch von verschiedenen anderen Faktoren ab. So glauben zwar 94 Prozent (Deutschland: 95 Prozent) der Befragten, dass KI ihrem Unternehmen helfen wird, den Endnutzern ein besseres digitales Erlebnis zu bieten, aber nur 37 Prozent sind der Meinung, dass ihr Unternehmen heute vollständig darauf vorbereitet ist, seine KI-Strategie umzusetzen. Bei den Befragten aus Deutschland sind es immerhin fast die Hälfte (48 Prozent).
"Bei aller Begeisterung hat unsere Studie mehrere Lücken aufgedeckt, die Unternehmen schließen müssen, um das volle Potenzial von KI auszuschöpfen", sagt Jim Gargan, Chief Marketing Officer bei Riverbed. "Was Führungskräfte wirklich wollen, ist der Übergang vom KI-Hype zu einer praktischen KI, die funktioniert und messbare Ergebnisse liefert."
Experimentierphase meist abgeschlossen
Um herauszufinden, wie KI und GenAI in Organisationen eingesetzt werden, befragte Coleman Parkes Research im Auftrag von Riverbed 1.200 Entscheidungsträger aus IT, Wirtschaft und öffentlichem Sektor in sieben Ländern (Australien, Deutschland, Frankreich, Großbritannien, Saudi-Arabien, Spanien und USA). Die Studie ergab, dass viele Organisationen die Evaluierungs- und Experimentierphase von KI hinter sich gelassen haben: 65 Prozent (Deutschland: 69 Prozent) beschleunigen inzwischen ihre KI-Strategien durch Investitionen in die Infrastruktur und Fachkräfte. Weitere 23 Prozent befinden sich in der Endphase, in der die KI vollständig in ihre Geschäftsprozesse integriert ist.
Die Unternehmen haben jedoch nach wie vor Probleme mit der Datenerfassung und -standardisierung sowie mit der Bereitschaft ihrer Organisation, KI zu implementieren.
Ganze 85 Prozent der Befragten gaben an, dass sie Daten für den entscheidenden Faktor bei der Implementierung von KI halten.
Allerdings haben 69 Prozent (Deutschland: 67 Prozent) Bedenken hinsichtlich der Effektivität der Daten ihrer Organisation für den Einsatz von KI.
Nur 43 Prozent (Deutschland: 46 Prozent) halten ihre Daten in Bezug auf Vollständigkeit und 40 Prozent (Deutschland: 42 Prozent) in Bezug auf Genauigkeit für "exzellent".
Insgesamt 42 Prozent (Deutschland: 47 Prozent) gaben an, dass ihre Datenqualität ein Hindernis für weitere KI-Investitionen darstellt.
Auch die Datensicherheit bereitet 76 Prozent der Befragten (Deutschland: 68 Prozent) Sorgen, da sie befürchten, dass ihre proprietären Daten öffentlich zugänglich werden könnten.
"Bessere Daten bedeuten bessere KI und präzisere KI-Ergebnisse", erklärt Riverbed-Manager Gargan, "aber immer mehr Daten befinden sich am Edge, auf Edge-Geräten, in der Cloud und in Rechenzentren - wirklich überall." Die Konsequenz, so Gargan: Unternehmen müssten Daten dorthin bringen, wo sie benötigt werden, um generative KI wirklich umzusetzen. Die Fähigkeit, dies auf sichere, geschützte, schnelle und effiziente Weise zu tun, sei eines der Dinge, an denen IT-Teams, insbesondere Netzwerkabteilungen, arbeiteten.
Klaffende Realitätslücke
Riverbed stellte in der Studie auch eine deutliche Diskrepanz zwischen Wahrnehmung und Realität in Bezug auf KI fest. So glaubt die Mehrheit der Befragten (82 Prozent, Deutschland 85 Prozent), dass sie ihren Wettbewerbern bei der Einführung von KI für IT-Services und digitale Erlebnisse voraus ist. Jeweils rund 30 Prozent schätzen ihren Vorsprung sogar als "signifikant" ein. Demgegenüber gaben nur fünf Prozent der Befragten (Deutschland: vier Prozent) an, etwas hinter ihren Wettbewerbern zurückzuliegen. Diese (Fehl-)Wahrnehmung deutet laut Riverbed darauf hin, dass viele der Befragten sich ihrer KI-Reise zu sicher sind.
Etwas anders sieht es bei der Erwartungshaltung aus. "Wir sehen jetzt, dass Unternehmen die überzogenen Erwartungen des KI-Hypes hinter sich lassen und beginnen, einen pragmatischeren Ansatz zu verfolgen", sagt Gargan. "Sie wollen eine praktische KI, die sie jetzt einsetzen können, die skalierbar ist und aussagekräftige Erkenntnisse liefert. Es ist an der Zeit, dies zu realisieren."