Cloudbasierte KI – nur ein schöner Traum?Pavel Chagochkin | shutterstock.com Der Public-Cloud-Markt wächst weiter rasant – in erster Linie getrieben durch KI-Initiativen in Unternehmen. Entsprechend überschlagen sich die Cloud-Anbieter, um ihre jeweils neuesten und revolutionärsten KI-Features anzupreisen und bieten mitunter auch großzügige Rabatte, um Unternehmen dazu zu bringen, diese zu beziehen. Hinter dieser Hype-Fassade verbirgt sich allerdings eine beunruhigende Realität, die nur selten offen thematisiert wird. Immer wieder ist zu beobachten, dass Projekte im Bereich künstliche Intelligenz (KI) mit großem Tamtam an den Start gehen, nur, um in der Folge still und leise in der Versenkung zu verschwinden. Die Enterprise-Kunden sind vor allem gut darin, Geld auszugeben. KI-Fähigkeiten effektiv aufzubauen und zielführend einzusetzen, stellt sie hingegen vor Probleme. Das belegen auch Statistiken: So gehen zum Beispiel die Analysten von Gartner davon aus, dass ganze 85 Prozent der KI-Implementierungen die Erwartungen, die in sie gesetzt werden, nicht erfüllen können. Oder erst gar nicht abgeschlossen werden. Nach außen präsentiert sich ein völlig anderes Bild: Cloud-Anbieter behaupten immer wieder, Schwierigkeiten zu haben, die überwältigende Nachfrage nach KI-Ressourcen zu befriedigen. Gleichzeitig können die Geschäftsergebnisse der Cloud-Riesen aber bislang des Öfteren die Erwartungen der Investoren nicht erfüllen. Trotz der Schwierigkeiten, ein proportionales Umsatzwachstum nachzuweisen, kündigen die Anbieter aber dennoch weiter beispiellose Investitionen in KI-Infrastruktur an – teilweise ist von einer Erhöhung der Budgets um bis zu 40 Prozent die Rede. Das schürt unter Investoren die Sorge, dass die Cloud-Anbieter die potenzielle zukünftige Nachfrage mit der aktuellen Marktrealität verwechseln. Das wiederum könnte zu einer Diskrepanz zwischen Infrastrukturinvestitionen und unmittelbarer Umsatzgenerierung führen. Ist KI am Ende doch nur ein extrem teures Forschungsprojekt, weil die Technologie nicht in großem Maßstab eingesetzt und bezahlt werden kann? Fakt ist jedenfalls, dass die kurzfristige Marktdynamik – dem langfristigen Potenzial von KI zum Trotz – deutlich komplexer ist, als es die Verlautbarungen der Anbieter vermuten lassen. Cloud-KI-Dilemmata Das größte Hemmnis für eine erfolgreiche KI-Implementierung ist wahrscheinlich die Datenqualität. So setzen Unternehmen immer komplexere (generative) KI-Anwendungen ein, die eigentlich maßgeschneiderte, hochwertige Datensätze erfordern. Dabei offenbaren sich allerdings vielerorts gravierende Mängel bei existierenden Dateninfrastrukturen. Zwar dürfte den meisten Anwenderunternehmen durchaus bewusst gewesen sein, dass ihr Datenbestand nicht perfekt ist. Wie es wirklich um die Qualität der Daten bestellt ist, haben die meisten aber erst gemerkt, als ihre KI-Projekte schon nicht mehr zu retten waren. In vielen Fällen liegt die Ursache dafür in jahrelangen Versäumnissen, grundlegende Daten(qualitäts)probleme anzugehen. Die damit angehäuften, technischen Schulden gefährden nun allerdings die KI-Ambitionen. Durch zögerliche Führungskräfte verschärft sich diese Situation noch weiter: Viele Unternehmen geben GenAI-Initiativen auf, weil es ihnen zu kostspielig erscheint, ihre Datenprobleme zu beheben. Das führt in einen Teufelskreis, bei dem mangelnde Investitionen zu anhaltenden Misserfolgen führen, was wiederum die Zögerlichkeit der C-Level-Entscheider befeuert. Zudem entwickelt sich der Return on Investment (RoI) von KI-Initiativen deutlich langsamer als erwartet. Das würde eigentlich erfordern, erfolgskritische Grundlagen wie ein robustes Datenmanagement und eine strategische Planung zu evaluieren – doch auch diese Maßnahmen halten viele Anwender für zu teuer oder zu riskant. Die Cloud-Anbieter reagieren auf diese Zurückhaltung ihrerseits mit immer aggressiveren Marketing- und Incentive-Programmen und selbstbewussten Versprechungen einer besonders einfachen Implementierung. Diese Taktiken verschleiern jedoch oft die tatsächlichen Probleme. Einige Anbieter schaffen gar künstliche Nachfragesignale, indem sie KI-bezogene Stellenanzeigen veröffentlichen, von denen viele gar nicht finanziert sind. Das Ziel ist es, den Eindruck zu erwecken, man habe KI besonders schnell und mit Erfolg eingeführt. Und auch die Kompetenzlücke, beziehungsweise der „gute, alte“ Fachkräftemangel trägt dazu bei, dass KI-Programme nicht in Gang kommen. Die Anwenderunternehmen suchen händeringend nach qualifizierten Fachkräften, die KI-Systeme effektiv implementieren und managen können. An dieser Stelle hilft es auch nichts, dass die Cloud-Anbieter inzwischen diverse Tools und Plattformen anbieten, um ihre Kunden zu unterstützen. Am Ende wird diese Situation sehr wahrscheinlich zu einer Zweiklassengesellschaft mit Blick auf KI führen. Die einen schaffen es, ihre Daten erfolgreich zu organisieren und die Technologie effektiv zu implementieren. Die anderen fallen zurück und werden sehr wahrscheinlich nicht mehr aufholen können. Strategischer Weg, bester Weg Damit sich die Situation bessert, müssten sich die Entscheider in den Anwenderunternehmen von der derzeitigen Praxis verabschieden: Statt sich voreilig in schlecht geplante KI-Implementierungen zu stürzen, jeder neuen KI-Funktion hinterher zu hecheln und sinnlos Cloud-Credits zu verschleudern, wäre es angebracht, KI-Fähigkeiten strategisch und mit Bedacht zu entwickeln. Ganz konkret ließe sich das zum Beispiel in folgende Maßnahmen übersetzen: Zunächst sollten Sie Ihre Daten in Ordnung bringen. Wenn deren Qualität nicht stimmt, liefern selbst die raffiniertesten KI-Tools keinen Mehrwert. Soll heißen: Investieren Sie in angemessene Datenmanagement- und Qualitätskontrollmaßnahmen bevor Sie KI-Projekte in Angriff nehmen. Im nächsten Schritt bauen Sie internes Fachwissen auf. Ihr Team muss verstehen, wie sich die Tools der Anbieter effektiv einsetzen lassen, um Ihre geschäftlichen Herausforderungen zu stemmen. Investieren Sie in die Schulung bestehender Mitarbeiter und stellen Sie gezielt KI-Spezialisten ein. Starten Sie mit kleinen, fokussierten Projekten, die spezifische Business-Probleme adressieren und belegen Sie deren Mehrwert durch kontrollierte Experimente – bevor Sie skalieren. Das hilft dabei, Vertrauen sowie interne Fähigkeiten aufzubauen und zu einem greifbaren RoI zu gelangen. Für die Zukunft sollten sowohl die großen Cloud-, respektive KI-Anbieter als auch ihre Kunden eine realistischere Erwartungshaltung annehmen, wenn es um KI geht. Sie sollten den Fokus künftig auf nachhaltige KI-Implementierungen legen – in ihrem eigenen Interesse. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
Die harte Wahrheit über cloudbasierte KI
Cloudbasierte KI – nur ein schöner Traum?Pavel Chagochkin | shutterstock.com Der Public-Cloud-Markt wächst weiter rasant – in erster Linie getrieben durch KI-Initiativen in Unternehmen. Entsprechend überschlagen sich die Cloud-Anbieter, um ihre jeweils neuesten und revolutionärsten KI-Features anzupreisen und bieten mitunter auch großzügige Rabatte, um Unternehmen dazu zu bringen, diese zu beziehen. Hinter dieser Hype-Fassade verbirgt sich allerdings eine beunruhigende Realität, die nur selten offen thematisiert wird. Immer wieder ist zu beobachten, dass Projekte im Bereich künstliche Intelligenz (KI) mit großem Tamtam an den Start gehen, nur, um in der Folge still und leise in der Versenkung zu verschwinden. Die Enterprise-Kunden sind vor allem gut darin, Geld auszugeben. KI-Fähigkeiten effektiv aufzubauen und zielführend einzusetzen, stellt sie hingegen vor Probleme. Das belegen auch Statistiken: So gehen zum Beispiel die Analysten von Gartner davon aus, dass ganze 85 Prozent der KI-Implementierungen die Erwartungen, die in sie gesetzt werden, nicht erfüllen können. Oder erst gar nicht abgeschlossen werden. Nach außen präsentiert sich ein völlig anderes Bild: Cloud-Anbieter behaupten immer wieder, Schwierigkeiten zu haben, die überwältigende Nachfrage nach KI-Ressourcen zu befriedigen. Gleichzeitig können die Geschäftsergebnisse der Cloud-Riesen aber bislang des Öfteren die Erwartungen der Investoren nicht erfüllen. Trotz der Schwierigkeiten, ein proportionales Umsatzwachstum nachzuweisen, kündigen die Anbieter aber dennoch weiter beispiellose Investitionen in KI-Infrastruktur an – teilweise ist von einer Erhöhung der Budgets um bis zu 40 Prozent die Rede. Das schürt unter Investoren die Sorge, dass die Cloud-Anbieter die potenzielle zukünftige Nachfrage mit der aktuellen Marktrealität verwechseln. Das wiederum könnte zu einer Diskrepanz zwischen Infrastrukturinvestitionen und unmittelbarer Umsatzgenerierung führen. Ist KI am Ende doch nur ein extrem teures Forschungsprojekt, weil die Technologie nicht in großem Maßstab eingesetzt und bezahlt werden kann? Fakt ist jedenfalls, dass die kurzfristige Marktdynamik – dem langfristigen Potenzial von KI zum Trotz – deutlich komplexer ist, als es die Verlautbarungen der Anbieter vermuten lassen. Cloud-KI-Dilemmata Das größte Hemmnis für eine erfolgreiche KI-Implementierung ist wahrscheinlich die Datenqualität. So setzen Unternehmen immer komplexere (generative) KI-Anwendungen ein, die eigentlich maßgeschneiderte, hochwertige Datensätze erfordern. Dabei offenbaren sich allerdings vielerorts gravierende Mängel bei existierenden Dateninfrastrukturen. Zwar dürfte den meisten Anwenderunternehmen durchaus bewusst gewesen sein, dass ihr Datenbestand nicht perfekt ist. Wie es wirklich um die Qualität der Daten bestellt ist, haben die meisten aber erst gemerkt, als ihre KI-Projekte schon nicht mehr zu retten waren. In vielen Fällen liegt die Ursache dafür in jahrelangen Versäumnissen, grundlegende Daten(qualitäts)probleme anzugehen. Die damit angehäuften, technischen Schulden gefährden nun allerdings die KI-Ambitionen. Durch zögerliche Führungskräfte verschärft sich diese Situation noch weiter: Viele Unternehmen geben GenAI-Initiativen auf, weil es ihnen zu kostspielig erscheint, ihre Datenprobleme zu beheben. Das führt in einen Teufelskreis, bei dem mangelnde Investitionen zu anhaltenden Misserfolgen führen, was wiederum die Zögerlichkeit der C-Level-Entscheider befeuert. Zudem entwickelt sich der Return on Investment (RoI) von KI-Initiativen deutlich langsamer als erwartet. Das würde eigentlich erfordern, erfolgskritische Grundlagen wie ein robustes Datenmanagement und eine strategische Planung zu evaluieren – doch auch diese Maßnahmen halten viele Anwender für zu teuer oder zu riskant. Die Cloud-Anbieter reagieren auf diese Zurückhaltung ihrerseits mit immer aggressiveren Marketing- und Incentive-Programmen und selbstbewussten Versprechungen einer besonders einfachen Implementierung. Diese Taktiken verschleiern jedoch oft die tatsächlichen Probleme. Einige Anbieter schaffen gar künstliche Nachfragesignale, indem sie KI-bezogene Stellenanzeigen veröffentlichen, von denen viele gar nicht finanziert sind. Das Ziel ist es, den Eindruck zu erwecken, man habe KI besonders schnell und mit Erfolg eingeführt. Und auch die Kompetenzlücke, beziehungsweise der „gute, alte“ Fachkräftemangel trägt dazu bei, dass KI-Programme nicht in Gang kommen. Die Anwenderunternehmen suchen händeringend nach qualifizierten Fachkräften, die KI-Systeme effektiv implementieren und managen können. An dieser Stelle hilft es auch nichts, dass die Cloud-Anbieter inzwischen diverse Tools und Plattformen anbieten, um ihre Kunden zu unterstützen. Am Ende wird diese Situation sehr wahrscheinlich zu einer Zweiklassengesellschaft mit Blick auf KI führen. Die einen schaffen es, ihre Daten erfolgreich zu organisieren und die Technologie effektiv zu implementieren. Die anderen fallen zurück und werden sehr wahrscheinlich nicht mehr aufholen können. Strategischer Weg, bester Weg Damit sich die Situation bessert, müssten sich die Entscheider in den Anwenderunternehmen von der derzeitigen Praxis verabschieden: Statt sich voreilig in schlecht geplante KI-Implementierungen zu stürzen, jeder neuen KI-Funktion hinterher zu hecheln und sinnlos Cloud-Credits zu verschleudern, wäre es angebracht, KI-Fähigkeiten strategisch und mit Bedacht zu entwickeln. Ganz konkret ließe sich das zum Beispiel in folgende Maßnahmen übersetzen: Zunächst sollten Sie Ihre Daten in Ordnung bringen. Wenn deren Qualität nicht stimmt, liefern selbst die raffiniertesten KI-Tools keinen Mehrwert. Soll heißen: Investieren Sie in angemessene Datenmanagement- und Qualitätskontrollmaßnahmen bevor Sie KI-Projekte in Angriff nehmen. Im nächsten Schritt bauen Sie internes Fachwissen auf. Ihr Team muss verstehen, wie sich die Tools der Anbieter effektiv einsetzen lassen, um Ihre geschäftlichen Herausforderungen zu stemmen. Investieren Sie in die Schulung bestehender Mitarbeiter und stellen Sie gezielt KI-Spezialisten ein. Starten Sie mit kleinen, fokussierten Projekten, die spezifische Business-Probleme adressieren und belegen Sie deren Mehrwert durch kontrollierte Experimente – bevor Sie skalieren. Das hilft dabei, Vertrauen sowie interne Fähigkeiten aufzubauen und zu einem greifbaren RoI zu gelangen. Für die Zukunft sollten sowohl die großen Cloud-, respektive KI-Anbieter als auch ihre Kunden eine realistischere Erwartungshaltung annehmen, wenn es um KI geht. Sie sollten den Fokus künftig auf nachhaltige KI-Implementierungen legen – in ihrem eigenen Interesse. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!
Die harte Wahrheit über cloudbasierte KI Cloudbasierte KI – nur ein schöner Traum?Pavel Chagochkin | shutterstock.com Der Public-Cloud-Markt wächst weiter rasant – in erster Linie getrieben durch KI-Initiativen in Unternehmen. Entsprechend überschlagen sich die Cloud-Anbieter, um ihre jeweils neuesten und revolutionärsten KI-Features anzupreisen und bieten mitunter auch großzügige Rabatte, um Unternehmen dazu zu bringen, diese zu beziehen. Hinter dieser Hype-Fassade verbirgt sich allerdings eine beunruhigende Realität, die nur selten offen thematisiert wird. Immer wieder ist zu beobachten, dass Projekte im Bereich künstliche Intelligenz (KI) mit großem Tamtam an den Start gehen, nur, um in der Folge still und leise in der Versenkung zu verschwinden. Die Enterprise-Kunden sind vor allem gut darin, Geld auszugeben. KI-Fähigkeiten effektiv aufzubauen und zielführend einzusetzen, stellt sie hingegen vor Probleme. Das belegen auch Statistiken: So gehen zum Beispiel die Analysten von Gartner davon aus, dass ganze 85 Prozent der KI-Implementierungen die Erwartungen, die in sie gesetzt werden, nicht erfüllen können. Oder erst gar nicht abgeschlossen werden. Nach außen präsentiert sich ein völlig anderes Bild: Cloud-Anbieter behaupten immer wieder, Schwierigkeiten zu haben, die überwältigende Nachfrage nach KI-Ressourcen zu befriedigen. Gleichzeitig können die Geschäftsergebnisse der Cloud-Riesen aber bislang des Öfteren die Erwartungen der Investoren nicht erfüllen. Trotz der Schwierigkeiten, ein proportionales Umsatzwachstum nachzuweisen, kündigen die Anbieter aber dennoch weiter beispiellose Investitionen in KI-Infrastruktur an – teilweise ist von einer Erhöhung der Budgets um bis zu 40 Prozent die Rede. Das schürt unter Investoren die Sorge, dass die Cloud-Anbieter die potenzielle zukünftige Nachfrage mit der aktuellen Marktrealität verwechseln. Das wiederum könnte zu einer Diskrepanz zwischen Infrastrukturinvestitionen und unmittelbarer Umsatzgenerierung führen. Ist KI am Ende doch nur ein extrem teures Forschungsprojekt, weil die Technologie nicht in großem Maßstab eingesetzt und bezahlt werden kann? Fakt ist jedenfalls, dass die kurzfristige Marktdynamik – dem langfristigen Potenzial von KI zum Trotz – deutlich komplexer ist, als es die Verlautbarungen der Anbieter vermuten lassen. Cloud-KI-Dilemmata Das größte Hemmnis für eine erfolgreiche KI-Implementierung ist wahrscheinlich die Datenqualität. So setzen Unternehmen immer komplexere (generative) KI-Anwendungen ein, die eigentlich maßgeschneiderte, hochwertige Datensätze erfordern. Dabei offenbaren sich allerdings vielerorts gravierende Mängel bei existierenden Dateninfrastrukturen. Zwar dürfte den meisten Anwenderunternehmen durchaus bewusst gewesen sein, dass ihr Datenbestand nicht perfekt ist. Wie es wirklich um die Qualität der Daten bestellt ist, haben die meisten aber erst gemerkt, als ihre KI-Projekte schon nicht mehr zu retten waren. In vielen Fällen liegt die Ursache dafür in jahrelangen Versäumnissen, grundlegende Daten(qualitäts)probleme anzugehen. Die damit angehäuften, technischen Schulden gefährden nun allerdings die KI-Ambitionen. Durch zögerliche Führungskräfte verschärft sich diese Situation noch weiter: Viele Unternehmen geben GenAI-Initiativen auf, weil es ihnen zu kostspielig erscheint, ihre Datenprobleme zu beheben. Das führt in einen Teufelskreis, bei dem mangelnde Investitionen zu anhaltenden Misserfolgen führen, was wiederum die Zögerlichkeit der C-Level-Entscheider befeuert. Zudem entwickelt sich der Return on Investment (RoI) von KI-Initiativen deutlich langsamer als erwartet. Das würde eigentlich erfordern, erfolgskritische Grundlagen wie ein robustes Datenmanagement und eine strategische Planung zu evaluieren – doch auch diese Maßnahmen halten viele Anwender für zu teuer oder zu riskant. Die Cloud-Anbieter reagieren auf diese Zurückhaltung ihrerseits mit immer aggressiveren Marketing- und Incentive-Programmen und selbstbewussten Versprechungen einer besonders einfachen Implementierung. Diese Taktiken verschleiern jedoch oft die tatsächlichen Probleme. Einige Anbieter schaffen gar künstliche Nachfragesignale, indem sie KI-bezogene Stellenanzeigen veröffentlichen, von denen viele gar nicht finanziert sind. Das Ziel ist es, den Eindruck zu erwecken, man habe KI besonders schnell und mit Erfolg eingeführt. Und auch die Kompetenzlücke, beziehungsweise der „gute, alte“ Fachkräftemangel trägt dazu bei, dass KI-Programme nicht in Gang kommen. Die Anwenderunternehmen suchen händeringend nach qualifizierten Fachkräften, die KI-Systeme effektiv implementieren und managen können. An dieser Stelle hilft es auch nichts, dass die Cloud-Anbieter inzwischen diverse Tools und Plattformen anbieten, um ihre Kunden zu unterstützen. Am Ende wird diese Situation sehr wahrscheinlich zu einer Zweiklassengesellschaft mit Blick auf KI führen. Die einen schaffen es, ihre Daten erfolgreich zu organisieren und die Technologie effektiv zu implementieren. Die anderen fallen zurück und werden sehr wahrscheinlich nicht mehr aufholen können. Strategischer Weg, bester Weg Damit sich die Situation bessert, müssten sich die Entscheider in den Anwenderunternehmen von der derzeitigen Praxis verabschieden: Statt sich voreilig in schlecht geplante KI-Implementierungen zu stürzen, jeder neuen KI-Funktion hinterher zu hecheln und sinnlos Cloud-Credits zu verschleudern, wäre es angebracht, KI-Fähigkeiten strategisch und mit Bedacht zu entwickeln. Ganz konkret ließe sich das zum Beispiel in folgende Maßnahmen übersetzen: Zunächst sollten Sie Ihre Daten in Ordnung bringen. Wenn deren Qualität nicht stimmt, liefern selbst die raffiniertesten KI-Tools keinen Mehrwert. Soll heißen: Investieren Sie in angemessene Datenmanagement- und Qualitätskontrollmaßnahmen bevor Sie KI-Projekte in Angriff nehmen. Im nächsten Schritt bauen Sie internes Fachwissen auf. Ihr Team muss verstehen, wie sich die Tools der Anbieter effektiv einsetzen lassen, um Ihre geschäftlichen Herausforderungen zu stemmen. Investieren Sie in die Schulung bestehender Mitarbeiter und stellen Sie gezielt KI-Spezialisten ein. Starten Sie mit kleinen, fokussierten Projekten, die spezifische Business-Probleme adressieren und belegen Sie deren Mehrwert durch kontrollierte Experimente – bevor Sie skalieren. Das hilft dabei, Vertrauen sowie interne Fähigkeiten aufzubauen und zu einem greifbaren RoI zu gelangen. Für die Zukunft sollten sowohl die großen Cloud-, respektive KI-Anbieter als auch ihre Kunden eine realistischere Erwartungshaltung annehmen, wenn es um KI geht. Sie sollten den Fokus künftig auf nachhaltige KI-Implementierungen legen – in ihrem eigenen Interesse. (fm) Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten – direkt in Ihre Inbox!