Altair veröffentlicht Frictionless AI Global Survey Report Die drei größten Hindernisse für Daten- und KI-Projekte

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Fivetran Germany GmbH

Xpand Solutions GmbH

Altair Engineering GmbH

Akzeptanz und Umsetzung von KI- und Datenprojekten in Unternehmen weltweit sind hoch – das ergab eine Umfrage im Auftrag von Altair. Die Befragung offenbarte allerdings auch: Viele Projekte geraten aus organisatorischen, technologischen und finanziellen Gründen ins Stocken.

Altairs aktueller Frictionless AI Global Survey Report basiert auf einer unabhängigen, branchenübergreifenden Umfrage unter mehr als 2.000 Fachleuten in zehn Ländern. Insgesamt wurden in dieser Umfrage organisatorische, technologische und finanzielle Reibung als die größten Hindernisse für den Erfolg von Daten- und KI-Projekten genannt.

Organisatorische Ursachen

Die Umfrage ergab, dass Unternehmen Schwierigkeiten haben, ausgeschriebene Stellen im Bereich Data Science zu besetzen, was eine erhebliche Ursache für Reibungsverluste darstellt.

• 75 Prozent der Befragten geben an, dass sie Schwierigkeiten haben, Data-Science-Talente zu finden.

• 35 Prozent geben an, dass die Mehrheit ihrer Belegschaft nur über geringe KI-Kenntnisse verfügt.

• 58 Prozent geben an, dass der Mangel an Talenten und die Zeit, die es braucht, um aktuelle Mitarbeiter weiterzubilden, das größte Problem bei der Einführung von KI-Strategien sind.

Technologische Defizite

Mehr als die Hälfte der Befragten gibt an, dass ihr Unternehmen häufig mit technischen Einschränkungen konfrontiert ist, die Daten- und KI-Initiativen ausbremsen.

• Insgesamt haben die Befragten am meisten mit der Geschwindigkeit der Datenverarbeitung zu kämpfen, ebenso wie mit der schnellen und fundierten Entscheidungsfindung und mit Problemen bei der Datenqualität.

• Fast zwei Drittel der Befragten (63 %) geben an, dass ihr Unternehmen dazu neigt, die Arbeit mit KI-gesteuerten Datentools komplizierter zu machen, als sie sein müsste.

• 33 Prozent nennen die Einschränkungen von Bestandssystemen, fortschrittliche KI- und maschinelle Lerninitiativen zu entwickeln, als ein wiederkehrendes technologiebezogenes Problem, das zu Reibungen führt.

Finanzielle Gründe

Trotz der Unternehmensziele, Daten- und KI-Strategien zu skalieren, stoßen Abteilungen und Anwender immer wieder auf finanzielle Hindernisse.

• 25 Prozent der Befragten nennen eingeschränkte finanzielle Mittel als Hinderungsgrund, der sich negativ auf KI-Initiativen in ihrem Unternehmen auswirkt.

• 28 Prozent geben an, dass sich die Führungskräfte zu sehr auf strategische Vorlaufkosten konzentrieren, um zu verstehen, wie die Investition in KI und maschinelles Lernen ihrem Unternehmen nutzen würde.

• 33 Prozent der Befragten geben an, dass, wenn man sich auf ein KI-Tool einlässt, die „hohen Implementierungskosten“ als schwierig zu planen wahrgenommen und so zum organisatorischen Hemmnis werden.

Projekte scheitern häufig, generell herrscht aber Optimismus

Unternehmen aller Branchen und Regionen setzen KI trotz hoher Misserfolgsquoten bei Projekten weiterhin ein.

• Einer von vier Befragten gibt an, dass mehr als 50 Prozent seiner Projekte scheitern.

• 42 Prozent der Befragten geben zu, dass sie in den letzten zwei Jahren mit KI gescheitert sind; bei diesen Befragten lag die durchschnittliche Fehlerquote in ihrem Unternehmen bei 36 Prozent.

• Trotz des Scheiterns von KI-Projekten setzen Unternehmen KI weiterhin ein, weil sie der Meinung sind, dass es noch immer die Möglichkeit gibt, Fähigkeiten oder Dienstleistungen langfristig zu verbessern (78 %), und weil die kleinen Erfolge das Potenzial für den langfristigen Durchbruch aufzeigen (54 %).

Viele Unternehmen haben Schwierigkeiten, ihre Data-Science-Projekte abzuschließen.

• 33 Prozent der Befragten geben an, dass mehr als die Hälfte ihrer Data-Science-Projekte in den letzten zwei Jahren nie in Produktion gegangen sind.

• Darüber hinaus geben 55 Prozent der Befragten an, dass mehr als ein Drittel ihrer Data-Science-Projekte in den letzten zwei Jahren nicht in Produktion gegangen sind.

• Erstaunliche 67 Prozent der Befragten geben an, dass es mehr als ein Viertel der Projekte nie in den produktiven Einsatz gehen.

Reibungsverluste gibt es überall auf der Welt

Weltweit ergab die Umfrage, dass sowohl die Technologie als auch der Mangel an Talenten die größten Hindernisse für Unternehmen bei der Umsetzung von Daten- und KI-Strategien darstellen.

• Die Befragten in den Regionen Asien-Pazifik (APAC) und Europa-Mittlerer Osten (EMEA) geben an, in den letzten zwei Jahren mehr KI-Ausfälle erlebt zu haben (54 % und 35 %) als die Befragten in der Region Nord-Südamerika (AMER; 29 %).

• 65 Prozent der APAC-Befragten und 61 Prozent der EMEA-Befragten geben an, dass ihr Unternehmen die Arbeit mit KI-Tools komplizierter macht als nötig.

• 78 Prozent der Befragten aus der APAC-Region und 75 Prozent der Befragten aus der EMEA-Region geben an, dass sie Schwierigkeiten haben, genügend im Bereich Data Science ausgebildete Fachleute zu finden.

Wie können Reibungsverluste bei KI-Projekten eliminiert werden?

Wenn Unternehmen „reibungslose KI“ gelingt, dann wird die Datenanalyse zu einem einfachen, natürlichen Teil des Projektalltags, die schnell, wiederholbar und skalierbar ist. Es gibt keine technischen Reibungsverluste zwischen Nutzern und Daten, keine organisatorischen Reibungsverluste zwischen Daten- und Fachexperten, keine Reibungsverluste in den Arbeitsabläufen zwischen der Entwicklung der Datenanwendung und der produktiven Bereitstellung für eine effektive Entscheidungsfindung und keine Reibungsverluste bei der Migration, wenn sich Infrastruktur oder Werkzeuge ändern.

„Unternehmen erkennen heute die Notwendigkeit, ihre Daten als strategische Ressource zu nutzen, um Wettbewerbsvorteile zu erschließen“, sagt James R. Scapa, Gründer und Chief Executive Officer von Altair. „Was Unternehmen daran hindert, ihre Daten so einzusetzen, dass sie die für Innovationen nötigen Ergebnisse liefern, ist auf mangelnde Mitarbeiterqualifikation, Technologieverfügbarkeit und fehlende Investitionsmöglichkeiten zurückzuführen. Um zu erreichen, was wir „Frictionless AI“ nennen, müssen Unternehmen auf Datenanalysetools umsteigen, die es auch nichttechnischen Anwendern ermöglichen, einfach und kosteneffizient komplexe Technologien anzuwenden. So lassen sich Reibungsverluste vermeiden, die sie daran hindern, voranzukommen.“

Über die Umfrage

Die globale Umfrage wurde von Atomik Research im Auftrag von Altair zwischen dem 14. und 31. März 2023 durchgeführt. 2.037 Fachleute aus verschiedenen Branchen, die sich in ihrer Funktion mit Daten und Datenanalyse befassen, haben geantwortet. Die Stichprobe bestand aus Teilnehmern aus zehn verschiedenen Ländern weltweit, darunter die Vereinigten Staaten, China, Frankreich, Deutschland, Indien, Italien, Japan, Südkorea, Spanien und das Vereinigte Königreich.

(ID:49688539)