Kommentar von Sven Selle, Dataiku Ohne einen modernen Tech-Stack bleibt KI ein teures Spielzeug

Anbieter zum Thema

Dataiku GmbH

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Künstliche Intelligenz (KI) – insbesondere Generative AI – hat sich als Schlüssel zum Wettbewerbsvorteil etabliert. Doch während Unternehmen Unsummen in diese Technologien stecken, übersehen sie oft den entscheidenden Faktor: den Tech-Stack. Ein veraltetes, fragmentiertes Fundament blockiert das volle Potenzial der KI.

Eine Studie von Dataiku und Cognizant unter 200 IT-Führungskräften zeigt, dass 43 Prozent der Befragten ihren Tech-Stack als „nicht modern“ betrachten, während 44 Prozent bestätigen, dass ihre Datentools nicht einmal die grundlegenden Anforderungen von KI erfüllen (Dataiku/Cognizant Survey Report, 2024).

Die Diskrepanz zwischen den KI-Ambitionen und der tatsächlichen technologischen Realität wird besonders bei der Integration von KI-Agents deutlich – einer Technologie, die aktuell eine neue Dimension für die Nutzung von Large Language Models (LLMs) eröffnet. Eine aktuelle Studie zeigt, dass nur eine kleine Minderheit von sechs Prozent der deutschen Unternehmen wirklich gut auf KI vorbereitet ist (Cisco, 2024). Die Herausforderung wird zusätzlich verschärft, da mehr als zwei Drittel der Unternehmen mehrere LLMs parallel einsetzen (Dataiku Umfrage, 2024) und zahlreiche verschiedene Tools im gesamten Analytics- und KI-Lebenszyklus verwenden (Dataiku/Cognizant Survey Report, 2024).

Veraltete Systeme bremsen die KI-Entwicklung

KI-Agents führen eigenständig zugewiesene Aufgaben aus und benötigen dafür eine Vielzahl an Komponenten – von Datenbanken über LLMs bis hin zu externen Tools. In fragmentierten Systemen entstehen jedoch erhebliche Risiken: Aufgaben werden möglicherweise nicht korrekt ausgeführt, und es besteht die Gefahr, dass Mitarbeiter auf Daten zugreifen, für die sie keine Berechtigung besitzen. Kommen dann noch Fehlkonfigurationen oder unsachgemäße Handhabung hinzu, können sensible Informationen unbeabsichtigt bei Drittanbietern wie LLM-Betreibern landen.

Die Vielzahl an isolierten Analysetools führt zu mehreren Problemen:

• 1. Intransparente Datenherkunft: Die Nachverfolgung der Datenherkunft über verschiedene Tools hinweg wird zunehmend schwierig.

• 2. Ineffiziente Teamübergaben: Komplexe Übergaben zwischen Teams verlangsamen den gesamten Prozess von der Datenerfassung bis zur Erkenntnisgewinnung.

• 3. Risikoreiche Genehmigungsketten: Die Verwaltung von Berechtigungen zwischen verschiedenen Tools wird zu einem erheblichen Risikofaktor.

• 4. Verschwendetes Automatisierungspotenzial: Potenziale zur Automatisierung zwischen verschiedenen Prozessschritten bleiben ungenutzt.

• 5. Unmögliche Qualitätssicherung: Eine umfassende Prüfung und Versionierung über mehrere Tools hinweg werden zur Herausforderung.

Zudem ist die Fragmentierung der IT-Landschaft finanziell belastend: Unternehmen verwenden einen erheblichen Teil ihres IT-Budgets für die Wartung von Legacy-Systemen. Diese Ressourcen fehlen dann für Innovationen und die Implementierung moderner KI-Lösungen (timetoact-group.com, 2024). Der Markt für KI-Technologien, insbesondere für LLMs, entwickelt sich rasant weiter, was bedeutet, dass die direkte Integration einzelner Lösungen riskant ist – schnell veraltete Technologien erfordern erneute, kostspielige Integrationsprojekte.

Vier Schritte zur erfolgreichen Tech-Stack-Modernisierung

IT-Entscheider sollten einen strukturierten Ansatz zur Modernisierung des Tech-Stacks verfolgen:

1. Transparenz schaffen und Engpässe identifizieren

Der erste Schritt ist eine umfassende Bestandsaufnahme der bestehenden Systemlandschaft. Welche Technologien sind bereits im Einsatz? Wo bestehen Engpässe? Nur so lassen sich gezielte Maßnahmen ableiten und vermeiden pauschale Lösungen.

2. Bestehende Anwendungen modularisieren

Monolithische Anwendungen sollten in kleinere, funktionale Module aufgeteilt werden. Dies reduziert die Abhängigkeit von bestimmten Technologien und erleichtert die flexible Integration neuer Komponenten.

3. Skalierbarkeit von Anfang an mitdenken

Auch wenn neue Lösungen zunächst isoliert getestet werden, ist es wichtig, schon zu Beginn Konzepte für Skalierbarkeit und Wiederverwendbarkeit zu entwickeln. Erfolgreiche Pilotprojekte sollten problemlos auf größere Bereiche ausgedehnt werden können.

4. Technische und organisatorische Silos aufbrechen

Die Modernisierung des Tech-Stacks erfordert nicht nur technologische Anpassungen, sondern auch organisatorische Veränderungen. Teams müssen mit benutzerfreundlichen, kollaborativen Werkzeugen ausgestattet werden, um abteilungsübergreifend effizient zusammenzuarbeiten.

Innovation ohne Betriebsunterbrechung

Eine besondere Herausforderung für IT-Abteilungen besteht darin, dass datengetriebene Anwendungen in vielen Unternehmen geschäftskritisch sind und rund um die Uhr verfügbar sein müssen. Dennoch erfordert die Konsolidierung des Tech-Stacks tiefgreifende technische Veränderungen.

Eine erfolgreiche Entkopplung bestehender und neuer Anwendungen von der zugrunde liegenden Infrastruktur ist entscheidend. Nur so können Cloud-Services oder generative KI flexibel integriert werden, ohne bestehende Prozesse zu beeinträchtigen. Das ermöglicht einen schrittweisen Übergang, bei dem kritische Geschäftsprozesse jederzeit funktionsfähig bleiben.

Eine integrierte Plattform statt isolierter Lösungen

Angesichts der beschriebenen Komplexität gewinnen holistische KI-Lösungen zunehmend an Bedeutung. Sie integrieren alle relevanten Schritte – von der Datenvorbereitung über die Modellierung bis zur Bereitstellung – in einer einzigen Plattform und bieten entscheidende Vorteile:

• Zentraler Datenzugang: Integrierte Plattformen fungieren als zentrale Schnittstelle für den Zugriff auf verteilt gespeicherte Daten – ein wesentlicher Hebel für Effizienz und Transparenz.

• Vereinfachte Governance: Zentrale Richtlinien und Governance-Prinzipien können einheitlich angewendet werden, was Genehmigungsprozesse vereinfacht und regulatorische Risiken minimiert.

• Konsistente Versionierung: Daten, Modelle und Workflows werden gemeinsam verwaltet und nachvollziehbar dokumentiert, was die Qualitätssicherung und Compliance erheblich verbessert.

• Verbesserte Skalierbarkeit: Im Vergleich zu Einzellösungen ermöglichen holistische Plattformen eine wesentlich effizientere Skalierung von KI-Anwendungen über Abteilungen und Geschäftsbereiche hinweg.

• Höhere Effizienz: Durch die Vermeidung von System- und Medienbrüchen steigern integrierte Lösungen die Gesamteffizienz des KI-Entwicklungs- und Bereitstellungsprozesses.

Der Weg zu einem modernen, KI-fähigen Tech-Stack ist eine langfristige strategische Transformation, die nicht von heute auf morgen umgesetzt werden kann. Doch Unternehmen, die diesen Schritt gehen, werden von den Vorteilen eines gut strukturierten Tech-Stacks profitieren.

Mit einem modernen Tech-Stack im KI-Wettlauf vorne

Ein moderner, gut strukturierter Tech-Stack ist längst keine optionale Ergänzung mehr, sondern die Grundlage für erfolgreiche KI-Projekte. Unternehmen, die jetzt in die Modernisierung ihrer Infrastruktur investieren, sichern sich einen entscheidenden Vorsprung im Wettbewerb um KI-Innovationen. Dabei ist der Schlüssel, die Systeme zu konsolidieren und gleichzeitig flexibel für zukünftige Technologien zu bleiben. Wer jetzt eine klare Strategie entwickelt, sorgt dafür, dass die Investitionen in KI-Technologien den maximalen Geschäftswert entfalten und nicht in Sackgassen führen.

(ID:50428716)