Trotz eines weltweiten Interesses an der GenAI hebt eine kürzlich von IDC durchgeführte und von Qlik, einem führenden Unternehmen für Datenintegrations-, Analyse- und KI/ML-Lösungen, gesponserte Studie eine signifikante Kluft zwischen den Ambitionen der Unternehmen und ihrer effektiven Vorbereitung auf diese Technologien hervor. Während 89 % der Organisationen ihre Datenmanagementstrategie als Reaktion auf das Aufkommen der generativen KI überarbeitet haben, haben nur 26 % GenAI-Lösungen im großen Maßstab implementiert und nur 12 % schätzen, dass sie über eine geeignete Infrastruktur für agentenbasierte KI-Workflows verfügen.
Laut dem Bericht "The Global Impact of Artificial Intelligence on the Economy and Jobs: AI will Steer 3.5% of GDP in 2030", veröffentlicht von Qlik im August 2024, soll KI bis 2030 mit 19.900 Milliarden Dollar zur Weltwirtschaft beitragen, was 3,5 % des globalen BIP entspricht. 
Angesichts dieser beispiellosen Gelegenheit beschleunigen Unternehmen ihre Investitionen, um KI in ihre Abläufe zu integrieren: 41 % davon sind der GenAI gewidmet, 16 % der agentenbasierten KI. Trotz dieser Bemühungen heben die Umfrageergebnisse von IDC ihre Defizite hervor und unterstreichen ihren Mangel an Vorbereitung.

Eine Adoption, die durch strukturelle Herausforderungen gebremst wird

Eine der wichtigsten Schwierigkeiten, die durch die Studie identifiziert wurden, ist das Datenmanagement und die Datengovernance.
Wie Stewart Bond, Research VP for Data Integration and Intelligence bei IDC, betont: 
"Um sicherzustellen, dass Unternehmen KI-Workflows mit nachhaltigem und skalierbarem Mehrwert nutzen, müssen sie grundlegende Herausforderungen bewältigen, wie die, die mit der Genauigkeit und der Governance von Daten verbunden sind."
Organisationen, die das Modell "Data as a Product" übernehmen, sind siebenmal wahrscheinlicher in der Lage, KI im großen Maßstab einzusetzen, was die Bedeutung einer rigorosen Datenstrukturierung zeigt. Dieses Modell, das darin besteht, Daten als eigenständiges Produkt zu verwalten, beinhaltet hohe Standards in Bezug auf Qualität und Zugänglichkeit. Dennoch integrieren oder planen 94 % der Organisationen, Analysefunktionen in ihre Anwendungen zu integrieren, aber nur 23 % von ihnen erreichen dies tatsächlich.
Datengovernance und Infrastruktur: der entscheidende Faktor
Um diese Kluft zu schließen, müssen Unternehmen über das Experimentieren hinausgehen und sich auf die Schaffung solider Grundlagen konzentrieren:
  • Strikte Datengovernance: Sicherstellung der Qualität, Genauigkeit und Sicherheit der von der KI genutzten Informationen.
  • Angepasste und skalierbare Infrastruktur: Organisationen müssen in Systeme investieren, die in der Lage sind, autonome Entscheidungsprozesse zu unterstützen.
  • Effektive Integration der Analyse: Umwandlung von Daten in verwertbare Erkenntnisse, um Wert zu schaffen und fundierte Entscheidungen zu fördern.
James Fisher, Chief Strategy Officer bei Qlik, betont die Bedeutung dieser Transformation: 
"Das Potenzial der KI hängt davon ab, wie effektiv Organisationen ihre KI-Wertschöpfungskette verwalten und integrieren. Unternehmen, die es nicht schaffen, Systeme zu entwickeln, die zuverlässige und verwertbare Erkenntnisse liefern, werden schnell ins Hintertreffen geraten."
Der IDC-Bericht hebt eine einfache Realität hervor: Begeisterung allein reicht nicht aus, insbesondere wenn sie sich nicht in konkrete Maßnahmen umsetzt. Der erfolgreiche Einsatz von GenAI beruht auf der Fähigkeit der Unternehmen, ihre Daten effektiv zu strukturieren und zu nutzen, ein strategischer Vorteil, dessen Potenzial sonst ungenutzt bliebe.

Übersetzt von GenAI : selon Qlik, combler l’écart entre ambition et réalité organisationnelle devient urgent pour les entreprises

Besser verstehen

Was ist das 'Data as a Product'-Modell und warum ist es wichtig ffcr die grodffle4chige KI-Einffchrung?

Das 'Data as a Product'-Modell behandelt Daten wie Produkte und stellt sicher, dass sie mit hohen Qualite4tsstandards verwaltet werden. Dies ist ffcr KI entscheidend, da es den Zugang zu genauen und zuverle4ssigen Daten sichert, die ffcr KI-gesteuerte Entscheidungen wesentlich sind.

Was sind die wichtigsten regulatorischen Herausforderungen im Zusammenhang mit der Einffchrung von generativer und agentischer KI?

Regulatorische Herausforderungen umfassen den Datenschutz, die Transparenz von KI-Modellen und die Verantwortlichkeit ffcr automatisierte Fehlentscheidungen. Regulierungsbehf6rden streben an, die Einhaltung von AI mit ethischen und rechtlichen Standards sicherzustellen.