Künstliche Intelligenz KI-Modelle: Deutsche Unternehmen sind eher Nachzügler

Anbieter zum Thema

d.velop AG

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

KI ist gekommen, um zu bleiben: Laut einer neuen Studie von Fivetran vertrauen 81 Prozent der befragten Unternehmen den Ergebnissen ihrer KI-Modelle. Gleichzeitig geben die Befragten an, fundamentale Daten-Ineffizienzen zu haben. Demnach verlieren sie im Durchschnitt sechs Prozent ihres weltweiten Jahresumsatzes, was 406 Millionen US-Dollar entspricht.

Für die Studie „AI in 2024 – Hopes & Hurdles“ hat das Marktforschungshaus Vanson Bourne im Auftrag von Fivetran 550 Unternehmen mit 500 oder mehr Mitarbeitern in den USA, Großbritannien, Irland, Frankreich und Deutschland zum Thema KI und den damit verbundenen Prozessen und Strukturen befragt. Die Ursache für fundamentale Daten-Ineffizienzen sind unzureichende KI-Modelle, die mit ungenauen oder minderwertigen Daten erstellt werden und dadurch zu falschen Geschäftsentscheidungen führen.

Die Umfrage ergab, dass fast neun von zehn Unternehmen KI-/ML-Methoden einsetzen, um Modelle für die autonome Entscheidungsfindung zu erstellen. 97 Prozent werden in den nächsten ein bis zwei Jahren in generative KI investieren. Zugleich haben die Unternehmen Probleme mit Datenungenauigkeiten und -Halluzinationen sowie Bedenken hinsichtlich Data Governance und Sicherheit.

Bildergalerie

KI-Modelle: Wo steht Deutschland?

Deutsche Unternehmen stehen noch eher am Anfang der KI-Nutzung (60 Prozent), während es in den USA 39 Prozent und in Frankreich sogar nur 36 Prozent sind. Dementsprechend sehen sich Unternehmen dort als fortgeschritten: 31 Prozent (USA) beziehungsweise 28 Prozent (Frankreich) nutzen nach Möglichkeit K-Modelle, die keine oder kaum menschliche Eingriffe erfordert. In Deutschland sind es hingegen nur 14 Prozent. Insgesamt setzen fast neun von zehn Unternehmen (89 Prozent) KI-/ML-Methoden für die Erstellung von Modellen ein, die automatisch Vorhersagen und Entscheidungen treffen können. Auch das Vertrauen in die Ergebnisse einer KI ist in Deutschland gering: Während 30 Prozent der deutschen Unternehmen den Ergebnissen von generativer KI vollständig vertrauen, sagen dies 47 Prozent der US-amerikanischen und 48 Prozent der französischen Unternehmen.

Unterschiedliche „KI-Realitäten" in den Unternehmen

Fast ein Viertel der Unternehmen (24 Prozent) gab an, ein fortgeschrittenes Stadium der KI-Nutzung erreicht zu haben, in dem es die Vorteile der KI voll ausschöpft und nur noch wenig oder gar nicht mehr auf menschliche Eingriffe angewiesen ist. Allerdings gibt es Meinungsunterschiede zwischen den Befragten: Technische Führungskräfte, die KI-Modelle entwickeln und betreiben, sind von der KI-Reife ihrer Unternehmen weniger überzeugt. Von ihnen bezeichnen nur 22 Prozent sie als „fortgeschritten", verglichen mit 30 Prozent der nicht-technischen Mitarbeitenden.

Anders bei generativer KI: Ihr vertrauen 63 Prozent der nicht-technischen Mitarbeitenden völlig, bei den technischen Führungskräften sind es 42 Prozent. Eine weitere Uneinigkeit besteht zwischen den Datenexperten auf unterschiedlichen Führungsebenen eines Unternehmens: Während Junior-Positionen veraltete IT-Infrastrukturen als größtes Hindernis für die Entwicklung von KI-Modellen betrachten (49 Prozent), sehen leitende Kollegen das Hauptproblem darin, dass sich Mitarbeitende mit den richtigen Fähigkeiten auf andere Projekte konzentrieren (51 Prozent). So sind diese gezwungen, ihre Ressourcen für manuelle Datenprozesse wie die Bereinigung von Daten und die Reparatur defekter Datenpipelines zu nutzen. Unternehmen geben zu, dass ihre Data Scientists den Großteil (67 Prozent) ihrer Zeit mit der Aufbereitung von Daten verbringen, anstatt KI-Modelle zu erstellen.

Schlechte Datenpraktiken sind immer noch weit verbreitet

Die Ursache für das vergeudete Potenzial von Datenspezialisten und die unzureichende Performance von KI-Programmen ist dieselbe: unzugängliche, unzuverlässige und falsche Daten. Die meisten Unternehmen haben Schwierigkeiten, auf alle Daten zuzugreifen, die sie für die Ausführung von KI-Programmen benötigen (69 Prozent) und diese in ein brauchbares Format zu bringen (68 Prozent). Neue Ansätze bei generativer KI bringen weitere Komplikationen mit sich: 42 Prozent der Befragten hatten schon mit Datenhalluzinationen zu tun. Diese können zu schlechten Entscheidungen führen, da die Informationsbasis mangelhaft ist. Sie verringern das Vertrauen in LLMs oder die Bereitschaft der Mitarbeitenden, das Tool zu nutzen. Zudem rauben sie viel Zeit für das Auffinden und Korrigieren der Daten.

KI-Modelle: Data Governance als Schlüsselbereich

Befürchtungen hinsichtlich generativer KI bleiben auch bestehen, wobei „die Aufrechterhaltung der Data Governance" und „finanzielle Risiken aufgrund der Sensibilität der Daten" die größten Bedenken der Unternehmen darstellen (37 Prozent). Solide Data-Governance-Grundlagen sind besonders wichtig für Unternehmen, die entweder eigene generative-KI-Modelle entwickeln oder eine Kombination aus bestehenden externen sowie intern entwickelten Modellen verwenden wollen. Da jedoch die Mehrheit (67 Prozent) der Befragten den Einsatz neuer Technologien plant, um grundlegende Datenbewegungen, Governance- und Sicherheitsfunktionen zu stärken, gibt es Grund zum Optimismus.

Zukunftsprognose von Experten

KI Trends 2024: Zwischen Challenge und Chance