Daten und Storage KI-Reifegrad: Wie weit ist mein Unternehmen bei der Künstlichen Intelligenz?

Anbieter zum Thema

NetApp Deutschland GmbH

CADFEM Germany GmbH

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Der KI-Reifegrad spaltet die Unternehmenswelt: Während Experten in Künstlicher Intelligenz die neue Technologie und ihre Möglichkeiten bereits voll ausschöpfen, stehen KI-Neulinge noch am Anfang.

Wer KI-Experte sein möchte und entsprechende Initiativen für Künstliche Intelligenz verantwortungsvoll skalieren will, braucht in erster Linie eine intelligente Datenstrategie. Führungskräfte gehen in der Regel davon aus, dass KI-Lösungen automatisch eine schnellere Time-to-Market und niedrigere Kosten bedeuten. Doch wenn Unternehmen beginnen, ihre KI-Bemühungen zu skalieren, fällt es ihnen oft schwer, den innovativen Schwung aufrechtzuerhalten. 

Unerwartet hohe Kosten, fehlende Fähigkeiten oder mangelnder Zugang zu hochwertigen Datensätzen sind ebenso wie Bedenken hinsichtlich der Datensicherheit und des Datenschutzes die größten Hemmnisse für eine aussagekräftige KI-Skalierung.  Eine aktuelle Studie von IDC kommt nun zu folgendem Ergebnis: Ob KI-Initiativen langfristig Erfolg haben, hängt stark von der KI-Reife eines Unternehmens ab und diese wiederum definiert sich durch den Umgang mit Daten und Storage-Infrastruktur.

KI-Reifegrad: Wo steht mein Unternehmen?

Im Dezember 2023 und Januar 2024 führten die Marktforscher von IDC Interviews mit globalen Entscheidungsträgern aus dem IT-Betrieb zum Stand der KI-Transformation in ihrem Unternehmen durch. Im Rahmen dieser tiefgreifenden Analyse entwickelte das Institut ein KI-Reifegradmodell, das Unternehmen in einen von vier Reifegraden einteilt. 

Wer KI-Experte sein möchte und entsprechende Initiativen für Künstliche Intelligenz verantwortungsvoll skalieren will, braucht in erster Linie eine intelligente Datenstrategie.

Johannes Pape, NetApp

Die ausschlaggebenden Kriterien basieren auf der vorhandenen Daten- und Speicherinfrastruktur, der Datenpolitik und -Governance, Ressourceneffizienz sowie der Zusammenarbeit mit den Entscheidungsträgern.

KI-Neuling: Diese Unternehmen stehen am Anfang der Prozesse, die für die KI-Transformation entscheidend sind. Das bedeutet zum Beispiel, dass je nach Speicherort und Format der Daten unterschiedliche Datenarchitekturen zum Einsatz kommen. Die Unternehmen konzentrieren sich in diesem Stadium überwiegend auf Verbesserungen der Speicherinfrastruktur, von denen viele jedoch nicht direkt mit den Anforderungen von KI-Initiativen zusammenhängen. 

Hier gibt es Ansätze, um den Reifegrad in Bezug auf KI in dieser Phase zu steigern – außer der Infrastruktur und Datenbereitstellung trifft das vor allem auf die Themen Governance, Sicherheit und Produktivität zu.

KI-Pionier: In dieser Phase beginnen Unternehmen mit der konkreten Umsetzung von Prozessen und Ansätzen zur Skalierung von KI-Initiativen. Pläne für eine einheitlichere Datenarchitektur sind im Gange, befinden sich aber noch in einem Anfangsstadium. Es muss noch viel an den Grundlagen gearbeitet werden, zum Beispiel daran, Datenbewegungen zu verwalten, sensible Daten und Endpunkte zu sichern, Wiederherstellungspläne zu erarbeiten und eine einheitliche Steuerungsebene einzurichten.

KI-Führer: Unternehmen befinden sich mitten in der Umsetzung einer ausgearbeiteten KI-Strategie. Eine einheitliche Vision für die Datenarchitektur ist vorhanden und die Verantwortlichen haben erhebliche Fortschritte dabei erzielt, den Umgang mit Datensätzen bezüglich Format und Storage unternehmensweit zu vereinheitlichen. Mehrere Data-Governance-Ziele wurden erreicht, darunter die Verwaltung von prüfbaren Datenkopien zur Rückverfolgbarkeit und die Einschränkung sensibler Daten für das KI-Training.

KI-Experte: Es gibt eine nahezu kohärente unternehmensweite Datenarchitektur, die eine Vielzahl von Datenformaten, -strukturen und -zugriffsmechanismen unterstützt – ganz gleich ob On-Premise, in der Private Cloud oder in der Public Cloud. Die Speicherinfrastruktur ist optimiert auf Datenbewegungen und Migration zwischen Standorten und die Nutzung durch KI-Lösungen. 

Warum ist ein hoher KI-Reifegrad so wichtig?

So gut wie jedes Unternehmen sieht einen kurzfristigen Schub von Produktivität und Profit, wenn es zum ersten Mal Lösungen mit Künstlicher Intelligenz einsetzt. Doch eine langfristig erfolgreiche Skalierung von KI-Initiativen benötigt einen ausgeprägten KI-Reifegrad. So berichten 13 Prozent der befragten KI-Experten von gescheiterten Initiativen zu Künstlicher Intelligenz, während bei KI-Neulingen die Fehlschlag-Rate bei wesentlich höheren 20 Prozent liegt. 

So gut wie jedes Unternehmen sieht einen kurzfristigen Schub von Produktivität und Profit, wenn es zum ersten Mal Lösungen mit Künstlicher Intelligenz einsetzt.

Johannes Pape, NetApp

Die Gründe für die Fehlschläge sind dabei unterschiedlich. Während es bei KI-Neulingen häufig bereits an mangelhafter Dateninfrastruktur, Qualität und Budgetgrenzen scheitert, stecken KI-Experten ihre Skalierungsambitionen häufig etwas zu hoch. Das führt zu Problemen, wenn Change-Management nicht aktiv betrieben wird. Zudem sind fehlende Sicherheiten im Datenschutz und zu geringe Datensätze auch für KI-Experten Hürden.  

Treiber für die KI-Transformation gibt es dabei viele. So berichten KI-Neulinge wie KI-Experten unter anderem von einer gesteigerten Produktivität (25 beziehungsweise 20 Prozent) und vermehrten Profiten (25 und 19 Prozent). Zudem sehen die Befragten eine bessere Geschäftsagilität (23 und 19 Prozent) sowie eine hohe Kostenersparnis durch die Implementierung von KI-Initiativen (26 und 17 Prozent). Eine schnellere Time to Market stellten 25 Prozent der Neulinge sowie 18 Prozent der Experten fest.

Künstliche Intelligenz

Microsoft Copilot 365: Höhenflug oder Bruchladung?

KI-Initiativen bieten handfeste Geschäftsvorteile: KI-Experten können ihre Geschäftsergebnisse schneller und konsistenter erzielen als Neulinge in dem Bereich Die Voraussetzungen für eine erfolgreiche KI-Adaption und Skalierung sind eine intelligente Dateninfrastruktur und eine durchdachte Strategie für Storage und Data Governance. Auch für KI-Experten ist es dabei ratsam, ihre Ambitionen nicht zu schnell zu hoch zu stecken und sich stattdessen an umsetzbaren Zielen zu orientieren.  

Fazit

Um KI-Initiativen verantwortungsvoll zu skalieren, brauchen Unternehmen eine intelligente Dateninfrastruktur, die die Flexibilität bietet, überall auf Daten zuzugreifen – gleich welches Format oder welcher Speicherort. Aktives Datenmanagement wiederum führt zu mehr Sicherheit und Schutz und ermöglicht eine einheitliche Governance. Die gezielte Optimierung der Dateninfrastruktur für KI-Anwendungen kann somit Kosten erheblich senken und gleichzeitig Effizienz sowie Produktivität steigern – und so das angestrebte Geschäftsergebnis besser erreichbar machen.

Abwehr von Cyberangriffen

Fünf Einsatzmöglichkeiten von künstlicher Intelligenz in der Cybersicherheit