So setzen Unternehmen Daten- und
KI-Strategien um

Globale Studie herunterladen*

Wir haben mehrere tausend Fachleute befragt, um herauszufinden, wo sie Reibungsverluste feststellen, warum sie auftreten und wie sie sich auf ihre Unternehmensprozesse auswirken. Als die drei Hauptursachen für Reibungsverluste wurden organisatorische, technologische und finanzielle Hürden genannt.

Organisatorische Reibungsverluste entstehen zwischen Abteilungen, Teams und Einzelpersonen.
Technische Reibungsverluste ergeben sich aufgrund unzureichender Infrastruktur.
Finanzielle Reibungsverluste treten auf, wenn die Budgets und die Ressourcen knapp bemessen sind und die Projektrentabilität zu eng gefasst wird.

Herausforderungen

In technischer Hinsicht haben die Befragten die größten Probleme mit der Geschwindigkeit der Datenverarbeitung, der schnellen Entscheidungsfindung und der Datenqualität.

83 % der Befragten geben an, dass sie Schwierigkeiten haben, genügend
Data-Science-Talente zu finden.
83 % der Befragten gaben an, dass ihr Unternehmen mit allgemeinen Einschränkungen konfrontiert ist, die KI-Initiativen ausbremsen.
53 % der Befragten gaben an, dass sie innerhalb des letzten Jahres durch fehlgeschlagene KI-Projekte Geld verschwendet haben.
48% der Befragten haben Schwierigkeiten, sinnvolle Anwendungsfälle für lohnende KI-Projekte zu finden.

Ursachen für das Scheitern von KI-Projekten

Geschwindigkeit

Die mangelnde Fähigkeit der schnellen Datenverarbeitung

Genauigkeit

Unzureichende Datenqualität

Mangelnder Nutzwert

Die eingeschränkte Handhabe, Daten zu nutzen, um fundierte Entscheidungen zu treffen

Kompetenz

Mangel an Talenten und Mitarbeiterqualifikationen

Data-Science-Talente finden

Der Mangel an Talenten und die Zeit, die es braucht, um aktuelle Mitarbeiter weiterzubilden, war mit 56 % das am häufigsten genannte Problem bei der Einführung von KI-Strategien in Unternehmen. Dies spiegelt die weit verbreitete Einschätzung der Data-Science-Branche wider: Es gibt einfach nicht genug Data-Science-Talente für jedes Unternehmen, um genügend Data-Science-Teams in allen Abteilungen zu haben. Dieses Stimmungsbild zeigt sich auch deutlich in einer anderen Frage zur Verfügbarkeit von qualifizierten Mitarbeitern im Bereich Data Science - 83 % der Befragten gaben an, dass sie Schwierigkeiten haben, genügend Data-Science-Talente zu finden.

Ausgebremste KI-Initiativen

Insgesamt gaben 83 % der Befragten an, dass ihr Unternehmen manchmal oder häufig mit Einschränkungen konfrontiert ist, die KI-Initiativen bremsen; 15 % sagten "häufig", weitere 17 % sagten "sehr häufig". Nur 13 % der Befragten gaben an, dass sie von Einschränkungen selten oder nie betroffen sind.

Füllen Sie das Formular aus, um die Globale Studie herunterzuladen

*Hinweis zur statistischen Grundlage:
Die dargestellten Ergebnisse beziehen sich auf die Stichprobe der deutschen Unternehmen (n=203).
Die Grundgesamtheit umfasst Antworten aus China, Deutschland, Frankreich, Indien, Italien, Japan, Korea, Spanien, UK und den USA (N=2037).

So setzen Unternehmen Daten- und KI-Strategien um