Warum die meisten Investitionen in KI nicht den erwarteten Erfolg haben oder scheitern werden

Menschen und Unternehmen sind vom Potenzial der KI besessen, aber 80% der KI-Projekte werden scheitern – und das liegt nicht am Wunsch oder an der Begeisterung. 

Während KI in alle Branchen und Sektoren vordringt, liegt das Problem darin, dass sich die Unternehmen nicht ausreichend auf diesen technologischen Wandel vorbereiten. 

Laut Boston Consulting Group plant jedes dritte Unternehmen weltweit, über 25 Mio. US$ auf KI. Daher werden Millionen von Dollar verschwendet, wenn Unternehmen weiterhin ohne vorausschauende Planung in KI-Lösungen einsteigen. 

Mit starken Change-Management-Initiativen und einem System zur Unterstützung neuer Innovationen und messbarer KPIs können Unternehmen jedoch die Erfolgsgeschichte ihrer KI umkehren.

Lassen Sie uns die drei Hauptgründe für das Scheitern von KI-Initiativen näher betrachten. 

Technologie an erster Stelle, Geschäft an zweiter Stelle

Hunderte von Berichten und Studien, insbesondere über generative KI, zeigen die Geschwindigkeit und beeindruckende intellektuelle Geschicklichkeit von KI-Algorithmen und -Programmen. 

Im Bereich der KI steckt viel Innovation. Unternehmen möchten daher sofort einsteigen und in modernste Prototypen investieren. Das Risiko besteht jedoch darin, Millionen von Dollar für eine Lösung auszugeben, deren Geschäftsziel unklar ist oder die keine messbaren Auswirkungen hat.

Gartner prognostiziert, dass mindestens 30% der Projekte zur generativen KI werden bis Ende 2025 aufgrund mangelnder Datenqualität, unzureichender Risikokontrollen und steigender Kosten bzw. unklarem Geschäftswert aufgegeben.

Mangelhafte Daten sind eine besondere Hürde, die die meisten Unternehmen nicht überwinden können, insbesondere wenn es darum geht, die Effizienz und Effektivität von KI-Lösungen zu maximieren. Datensilos gehören zu den größten Problemen und stellen ein Geschäftsproblem dar, das nicht ignoriert werden kann. Teams verschwenden oft Stunden damit, fehlende Informationen zu finden, die für strategische Entscheidungen entscheidend sind. 

Und nicht nur die Teams werden geschwächt, sondern auch die Tools. Beispielsweise können Modelle für maschinelles Lernen nicht richtig funktionieren, wenn die Daten nicht miteinander verbunden und voller Fehler sind. 

Um einen positiven ROI der Investition zu gewährleisten, müssen Unternehmen vor Beginn der technischen Arbeiten die spezifischen Geschäftsprobleme identifizieren, die die KI-Lösung lösen soll. Dazu gehört die Festlegung messbarer KPIs und Ziele, wie z. B. Kostensenkung, Umsatzsteigerung oder Effizienzsteigerungen, wie z. B. die Verkürzung der Datenabrufzeit.

Die Geschäftsstrategie sollte im Vordergrund stehen, die Technologieimplementierung folgt entsprechend. Letztlich sollten technologische Lösungen dazu dienen, Geschäftsergebnisse zu erzielen. Darüber hinaus bildet der Geschäftsbedarf im Wesentlichen das Rückgrat von KI und anderen Technologieimplementierungen. 

Ein Logistikunternehmen, das KI nutzen möchte, könnte beispielsweise messbare Ziele für seine KI-Software festlegen, um die Bedarfsprognose zu optimieren und das Flottenmanagement zu verbessern. So könnte die Zahl der nicht ausgelasteten Lkw in den ersten sechs Monaten um 25 % gesenkt und der Gewinn um 5 % gesteigert werden. 

Unternehmen benötigen messbare Ziele, um kontinuierlich zu überprüfen, ob die KI nicht nur die Effizienz steigert, sondern auch messbar ist. Dies ist unerlässlich, um den Stakeholdern des Unternehmens zu erklären, dass sich das teure KI-Risiko nicht nur gelohnt hat, sondern dass sie auch über die entsprechenden Daten verfügen.  

Überambitionierte KI-Implementierung

Das Versprechen der KI, alles zu revolutionieren, wird in den Medien immer wieder wiederholt und oft fälschlicherweise als Allheilmittel dargestellt. Dies kann bei Führungskräften ein falsches Vertrauen wecken und sie glauben lassen, sie könnten neue KI-Systeme nutzen und gleichzeitig in die Geschäftsprozesse integrieren. 

Überambitionierte Versuche, ein Problem auf einen Schlag zu lösen, führen jedoch meist zum Scheitern. Unternehmen sollten stattdessen klein anfangen und strategisch skalieren, um bessere Ergebnisse zu erzielen. 

So wurden beispielsweise in großem Maßstab Erfolge erzielt mit Walmart, bei dem schrittweise Algorithmen für maschinelles Lernen eingeführt wurden, um die Bestandsverwaltung zu optimieren. Das Ergebnis? Eine Reduzierung der Überbestände um 30 % und eine Erhöhung der Regalverfügbarkeit um 20 %.

Um dies zu unterstützen, sollten sich Unternehmen an eine Rahmenwerk „Zone zum Gewinnen“ für die KI-Implementierung, eine bewährte Methodik, die Teams dabei hilft zu verstehen, dass sie den aktuellen Betrieb mit zukünftigen Innovationen in Einklang bringen müssen. 

Das Framework unterteilt Geschäftsaktivitäten in vier Bereiche: Leistung, Produktivität, Inkubation und Transformation. KI kann nicht alles auf einmal verändern, und die Inkubationszone schafft einen dedizierten Raum zum Experimentieren mit KI-Technologien, ohne das Kerngeschäft zu stören.

So könnte das „Zone to Win“-Framework beispielsweise auf ein Kühllagerlogistikunternehmen angewendet werden, das KI implementiert:

• Leistungszone: Die Kerngeschäftsabläufe des Unternehmens, wie Lagerplanung und Wareneinsatz, sind der Schlüssel zur Umsatzgenerierung. KPIs zur Verbesserung der Lagereffizienz, um Verweilzeiten zu verkürzen und die Lieferzeiten zu erhöhen, haben Priorität. 
• Produktivitätszone: Hier werden interne Prozesse angesprochen, um die Effizienz zu steigern und Kosten wie Wartezeiten zu senken, indem datenwissenschaftliche Funktionen wie prädiktive Analysen und Echtzeitanalysetools integriert werden. 
• Inkubationszone: Das Unternehmen investiert Zeit in die Pilotierung datengesteuerter Tools in bestimmten Lagern, sodass die Teams ermitteln können, welche Innovationen zu zukünftigen Einnahmequellen werden könnten.
• Transformationszone: Hier weitet das Unternehmen seine digitale Transformation auf die gesamte Organisation aus und folgt dabei einer umfassenden digitalen Infrastruktur, die wiederkehrende Geschäftsergebnisse gewährleistet. 

Das Framework unterstützt Führungskräfte bei der Entscheidungsfindung hinsichtlich der Ressourcenverteilung zwischen der Aufrechterhaltung des laufenden Betriebs und Investitionen in KI-gestützte Zukunftsfunktionen. Dieses Bewusstsein trägt dazu bei, Probleme und unvermeidliche Misserfolge zu vermeiden, wenn KI-Investitionen zu dünn auf zu viele Abteilungen und Prozesse verteilt werden.

Mangelnde Benutzerakzeptanz

Unternehmen nutzen alle Vorteile von KI und maschinellem Lernen, ohne sich vorher Gedanken über die Menschen zu machen, die sie nutzen. Selbst die ausgefeiltesten KI-Lösungen scheitern, wenn die Endnutzer die Technologie nicht verstehen – Vertrauen und umfassende Schulung sind entscheidend.

Der entscheidende Faktor für die Integration von KI ist deren Operationalisierung. Das bedeutet, dass KI-Tools in Arbeitsabläufe integriert und in Geschäftsprozesse integriert werden müssen. 

Andere Arbeitstools, wie z. B. CRMs, optimieren und steuern einen gesamten Prozess von Anfang bis Ende. Dies erleichtert die Schulung, da jeder Prozessschritt gezeigt und erklärt werden kann. Generative KI hingegen arbeitet auf einer granulareren Aufgabenebene und umfasst nicht ganze Prozesse. Sie kann sporadisch in verschiedenen Schritten unterschiedlicher Methoden eingesetzt werden. Anstatt einen vollständigen Workflow zu unterstützen, kann jeder Benutzer die KI für seine spezifischen Aufgaben leicht unterschiedlich einsetzen. 

Ruth Svensson, Partnerin bei KPMG UK, sagte Forbes: „Da generative KI auf Aufgaben- und nicht auf Prozessebene arbeitet, lassen sich Schulungslücken nicht so leicht erkennen.“ Infolgedessen nutzen Mitarbeiter das KI-Tool möglicherweise, ohne zu verstehen, wie es zu den übergeordneten Geschäftszielen passt. Dies führt zu versteckten Schulungslücken. Zu diesen Lücken kann beispielsweise ein mangelndes Verständnis dafür gehören, wie die Fähigkeiten der KI voll ausgeschöpft, effektiv mit dem System interagiert oder die korrekte Verwendung der generierten Daten sichergestellt werden kann.

In diesem Fall ist ein effektives Änderungsmanagement für die Benutzerakzeptanz entscheidend. Mit Änderungsmanagement können Unternehmen sicherstellen, dass ihre Mitarbeiter die neue Technologie nicht nur annehmen, sondern auch deren volle Auswirkungen auf ihre Aufgaben und Geschäftsprozesse verstehen. 

Ohne ein angemessenes Änderungsmanagement werden Unternehmen die Akzeptanz von KI-Tools durch die Benutzer verfehlen und laufen Gefahr, Technologielücken zu vergrößern, die wiederum zu mehr Ineffizienz und Fehlern führen und dazu, dass das Potenzial der KI-Lösung nicht voll ausgeschöpft wird.

Damit Change-Management-Initiativen erfolgreich sind, benötigen sie ein qualifiziertes Führungsteam, das die Initiative anführt. Führungskräfte müssen Schulungslücken auf Aufgabenebene identifizieren und maßgeschneiderte Schulungen für Mitarbeiter anbieten oder organisieren, die auf die spezifischen Aufgaben abgestimmt sind, für die KI eingesetzt wird.

Ziel ist es, die Mitarbeiter zu befähigen und zu ermutigen, das neue System besser zu verstehen und ihnen mehr Vertrauen zu schenken. Nur dann entstehen Verständnis und Akzeptanz, was zu einer breiten Akzeptanz und besseren Anwendung der Technologie in Unternehmen führt.

KI ist die prägende Technologie dieses Jahrzehnts, doch ohne Operationalisierung bleibt ihre Wirkung ungenutzt. Durch die Verbesserung von Change-Management-Initiativen, die langsame Implementierung von KI-Initiativen und die Nutzung messbarer KPIs investieren Unternehmen nicht nur in KI, sondern profitieren auch davon.