KI-Einführung Generative KI: Welche Faktoren über den produktiven Einsatz entscheiden

Anbieter zum Thema

Dataiku c/o Intertrust (Deutschland) GmbH

Softeq Development GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Laut einer aktuellen Studie von Dataiku und Cognizant will fast jede zweite IT-Führungskraft in den nächsten zwölf Monaten mehr als eine Million US-Dollar in generative KI investieren. Und das, obwohl fast jeder Dritte bereits auf größere Hindernisse bei der Einführung gestoßen ist. Führungskräfte sollten daher auf einige Faktoren achten.

Wie die Studie von Dataiku und und Cognizant zeigt, entsteht eine Lücke zwischen den Investitionen von Unternehmen in generative KI einerseits und der Fähigkeit von IT-Führungskräften, von diesen im großen Umfang operativ zu profitieren. So werden IT-Führungskräfte in den nächsten zwölf Monaten ihre generative KI-Initiativen zwar vorantreiben. So planen 73 Prozent der Befragten, mehr als 500.000 US-Dollar auszugeben, und etwa die Hälfte (46 Prozent) rechnet mit Ausgaben in Höhe von mehr als einer Million US-Dollar. Die Ergebnisse zeigen aber ebenfalls, dass die IT-Stacks in Unternehmen den modernen Standards für Infrastruktur nicht entsprechen. Dies erschwert die Maximierung der Effizienz und die Kontrolle der steigenden Kosten. 

Für die Studie „CIOs: See How You Stack Up With Modern Analytics“ von Dataiku und Cognizant wurden im April 2024 weltweit 200 leitende Analytiker und IT-Führungskräfte in Unternehmen befragt, um das Verhältnis zwischen Befähigung und Anwendung von generativer KI zu untersuchen. Die meisten der Befragten waren sich einig, dass die Verbreitung einzelner nicht angebundener Tools, der Mangel an technischer Optionalität und veraltete Prozesse die aktuellen Herausforderungen wie Datenqualität, Governance und Risikomanagement verstärken werden.

Daten-Tools sind für generative KI nicht geeignet

44 Prozent gaben der IT-Führungskräfte gaben an, dass ihre aktuellen Datentools nicht für ihre Analyse- und KI-Anwendungen geeignet sind. 43 Prozent berichteten, ihr aktueller Daten-Analyse-Stack entspreche nicht den modernen Standards für Infrastrukturen. Weiteren 88 Prozent fehlt es an spezifischen Tools oder Prozessen für die Verwaltung von LLMs. Mehr als drei Viertel der IT-Führungskräfte sind sich einig, dass die Modernisierung ihres Data Stacks das Hinzufügen von KI-Funktionen erfordert, gefolgt von der Konsolidierung von Tools (65 Prozent).

Eine Mehrheit der IT-Führungskräfte von 60 Prozent gab an, dass sie mehr als fünf Tools für jeden Schritt im Analyseprozess verwenden, von der Datenaufnahme bis zu MLOps und LLMOps. Demgegenüber wünschen sich 71 Prozent fünf oder weniger Tools, um den Aufwand zu reduzieren, wenn Projekte mit zusammengeschusterten Systemen skaliert werden.74 Prozent der Befragten verlassen sich für schnelle Analysen nach wie vor auf Tabellenkalkulationen. Und 62 Prozent haben aufgrund von Fehlern in Tabellenkalkulationen bereits ernsthafte Probleme erlebt.

Generative KI erfordert Vereinfachung des Data Stacks

Datenqualität und -verwendbarkeit bleiben die größte Herausforderung für IT-Führungskräfte (45 Prozent), selbst bei einer großen Anzahl von Tools in ihrem Data Stack. Vor dem Hintergrund, dass 27 Prozent der Befragten zudem Probleme beim Datenzugriff sieht, haben Unternehmen das Problem der Datenqualität noch nicht gelöst. Der Prozess, den Daten- und Analyse-Stack in Unternehmen umzugestalten, ist ein komplexer Wandel, der sich mit der Einführung generativer KI noch verstärkt hat. 

Als nächsten Schritt zur Erweiterung der Unified AI Platform hat Dataiku kürzlich eine eingebettete und sofort einsatzbereite Infrastruktur für Datenqualität vorgestellt, die es jedem in einer Organisation ermöglicht, die Datenqualität über den gesamten Analyse- und Generative-KI-Lebenszyklus hinweg effektiver zu operationalisieren. Neben der Erweiterung des LLM Mesh um eine Generative-KI-Lösung für das Monitoren von Kosten sowie der Möglichkeit, maßgeschneiderte KI-Chatbots zu erstellen, entwickelt Dataiku die Plattform weiter, um die KI-Transformation in Unternehmen verantwortungsvoll und in großem Umfang zu ermöglichen.

Compliance und Governance entscheidet über Produktivität der KI

Unternehmensinterne Richtlinien, Compliance und Governance beeinflussen maßgeblich, wie effektiv Organisationen durch generative KI ihre Produktivität steigern und Ressourcen einsparen können. Diese Vorgaben können und werden sich aber mit hoher Wahrscheinlichkeit im Laufe der nächsten Jahre ändern. Denn die Gesetzgebung ist noch längst nicht in Stein gemeißelt; der EU AI Act gerade erst verabschiedet, die Umsetzung in nationalstaatliche Gesetze folgt noch. 

Flexibilität, also die Möglichkeit, im Fall der Fälle von einem Modell oder Tool auf ein anderes wechseln zu können, ist ein wichtiges Charakteristikum für alle IT-Entscheider, die perspektivisch denken und handeln. Ebenfalls entscheidend ist die eigene Infrastruktur. Organisationen sollten Abhängigkeiten von einzelnen Anbietern oder spezifischen Cloud-Infrastrukturen vermeiden. Cloud-Agnostizismus führt zu mehr Unabhängigkeit und mehr Optionen. Welchen Anforderungen die Infrastruktur in zehn Jahren gerecht werden muss, damit Organisationen das Potenzial von GenAI ausschöpfen können, kann niemand heutzutage sicher prognostizieren. Sich Alternativen offen zu halten, kann dann Gold wert sein.

Entscheidungsfindung

KI-Tools: Wie Unternehmen die passende Lösung für Projekte finden