Angesichts des „Hypes”, der den kompletten Themenbereich der künstlichen Intelligenz umgibt, möchte man meinen, KI habe unser Leben bereits völlig vereinnahmt. Zudem diskutiert fast jedes Unternehmen aktuell darüber, wie sich KI auf das eigene Geschäft auswirkt. Aber viele dieser Diskussionen spiegeln schlicht nicht die Realität wider. Die meisten Unternehmen würden es nicht zugeben wollen, aber sie stecken nach wie vor im Pilotmodus – also den sprichwörtlichen Kinderschuhen – fest. Tatsächlich hat eine Studie der NANDA-Initiative des MIT ergeben, dass 95 Prozent der KI-Pilotprogramme scheitern und kaum oder gar keine messbaren Auswirkungen haben. Anstatt also technologisch voranzuschreiten, bemühen sich die meisten darum, einen künstlichen Mehrwert zu demonstrieren. Es fehlt ihnen zu oft am nötigen Selbstvertrauen, um wirklich innovativ zu sein.
Daten, stehen im Mittelpunkt der Herausforderung rund um KI.
Der schiere Umfang, die Komplexität und die Sensibilität dessen, was für KI erforderlich ist, können initial einschüchternd und sogar lähmend wirken.
Der Zugriff auf Daten, deren Verwaltung und Sicherung in einer KI-gesteuerten Welt ist eine gewaltige Aufgabe, und die bestehenden Resilienzmaßnahmen erscheinen dafür oft unzureichend. Dennoch ist eine gute Datenhygiene unerlässlich. Nur wenn von Anfang an in Transparenz und Resilienz investiert wird, kann man zuversichtlich voranschreiten und KI-Projekte über die Pilotphase hinaus entwickeln. Andernfalls bleibt es bei bloßen Worten, statt Taten folgen zu lassen.
Die KI auf den Prüfstand stellen
Da sich ein Großteil der Diskussion rund um KI auf das Potenzial für geschäftliche Transformationen konzentriert, vergisst man leicht, worauf jedes erfolgreiche KI-Projekt fußt: saubere und sichere Daten. Generative KI (GenAI), große Sprachmodelle (LLMs), Anomalie-Erkennung, Vorhersagemodelle – sie alle basieren auf Daten, werden mit ihnen trainiert und erzeugen basierend darauf neue Daten. Das ist ein wichtiger Grund dafür, dass allein in diesem Jahr weltweit 181 Zettabyte an Daten erstellt, erfasst, kopiert und verbraucht werden sollen. Das sind dreimal so viele wie noch vor fünf Jahren. Es ist schwer, sich solche großen Zahlen vorzustellen, aber im Grunde genommen gibt es heute weit mehr digitale Informationen als Unternehmen bisher verarbeiten konnten.
KI verändert auch die Vorstellung davon, wie viele Daten Unternehmen tatsächlich nutzen können. 80 Prozent der Unternehmensdaten sind laut Gartner unstrukturiert. Vor der Einführung von KI bedeutete dies, dass sie meist nur herumlagen, oft gespeichert und geschützt werden mussten. Es war jedoch bis vor kurzem unmöglich, einen konkreten Mehrwert aus ihnen zu ziehen. Mit dem Vormarsch von KI hat sich das geändert.
Mit der Weiterentwicklung der KI wächst dieses Problem exponentiell. Die Realität sieht heute so aus, dass Unternehmen Schwierigkeiten haben, sich durch die wachsenden Datenberge zu kämpfen, um zu kategorisieren und katalogisieren, was sie tatsächlich haben. Wenn man dann noch ein KI-Pilotprogramm oben auf diesen Berg legt, wird klar, warum derzeit so viele KI-Projekte scheitern.
Das wiederum zieht eigene, neue Probleme nach sich. Denn auch wenn Unternehmen gerne behaupten würden, dass sie über eine wasserdichte KI-Richtlinie verfügen, bleibt Schatten-IT für die meisten ein sehr reales Problem. Fehlgeschlagene Pilotprogramme halten Unternehmen zurück, sodass Mitarbeiter im Hintergrund mit nicht autorisierten KI-Tools experimentieren. Und dies wird sich nur fortsetzen, wenn es Unternehmen nicht gelingt, sich aus dem Datenstrudel zu befreien, um echte KI-Innovationen voranzutreiben.
Auf den richtigen Fundamenten aufbauen
KI mag als „neue Ära“ angepriesen werden, doch ihr Erfolg fußt auf dem altgedienten Fundament der Datenhygiene. Bestehende Resilienzmaßnahmen sind weiterhin gültig und sogar notwendiger als je zuvor. Unternehmen müssen ihre Daten kennen, sie nach Wichtigkeit einstufen und einer Folgenabschätzung unterziehen. Dieser Auswertung entsprechend müssen die Daten dann behandelt und geschützt werden.
Andernfalls wissen Unternehmen im Ernstfall einer Cyber- oder Ransomware-Attacke nicht, welche Daten sie tatsächlich benötigen, um den Betrieb wieder aufzunehmen. Das macht es unmöglich, den letzten bekannten fehlerfreien Zustand zu identifizieren und wiederherzustellen.
Diese Transparenz zu schaffen ist jedoch keine einmalige Angelegenheit, denn der Datenfluss wird nicht weniger, er wächst exponentiell. Deswegen müssen Unternehmen ihn vollständig und konstant unter Kontrolle halten. Maßnahmen wie Datenstandardisierung, Datenvalidierung und kontinuierliche Wirkungsanalysen sind unerlässlich und ermöglichen Unternehmen, nicht unter ihren eigenen Daten begraben zu werden.
Genau an diesem Punkt kann KI Grundlagenarbeit leisten. Die Klassifizierung von Daten ist eines der größten Automatisierungspotenziale von künstlicher Intelligenz. Sie kann die Nachvollziehbarkeit der Datenherkunft verbessern und Resilienzmaßnahmen stärken. Das erste KI-Projekt in jedem Unternehmen sollte also darin bestehen, die Datenhygiene anzugehen. Denn die Leistungsfähigkeit und Zuverlässigkeit jeder KI steigt mit einer stets gepflegten und sortierten Datengrundlage.
Nur so können Unternehmen und ihre Mitarbeiter mit KI auch wirklich innovativ arbeiten und Pilotprogramme durchführen, die funktionieren und langfristig Früchte tragen.
In kleinen Schritten raus aus den Kinderschuhen
Es ist nicht immer notwendig, die nächste große Innovation hervorzuzaubern. Oftmals reicht es aus, dass man als Unternehmen in der Lage ist, kleine Innovationen zu liefern und tatsächliche Mehrwerte zu schaffen, während gleichzeitig die Kontrolle gewahrt bleibt. Anstatt das Rad neu zu erfinden, sollte man mit einer überschaubaren Initiative beginnen, bei der KI sicher einen messbaren Mehrwert schaffen und Ergebnisse vorweisen kann. Damit stärkt man nicht nur das eigene Selbstvertrauen, sondern zeigt auch dem gesamten Unternehmen, dass Innovationen möglich sind. Anschließend kann man zu größeren, transformativeren Anwendungen übergehen.
Währenddessen sollten jedoch stets die Grundlagen im Blick behalten werden. Es muss sichergestellt werden, dass die Kosten für die Erstellung, die Leistung und die Ausfallsicherheit des KI-Modells aufeinander abgestimmt sind. Andernfalls ist es nicht möglich, darauf aufbauende Geschäftsprozesse zu entwickeln, ohne die Ausfallsicherheit zu gefährden. In jeder Phase sollten die Prozesse nachvollziehbar sein. Ist dies nicht der Fall, muss der Prozess gestoppt und zurückgesetzt werden, bevor er außer Kontrolle gerät. Es gilt also: Auch nach den Kinderschuhen sollte man zunächst einmal gehen lernen, bevor man zu rennen beginnt.
Klein anzufangen ist der Schlüssel für Unternehmen, um die Angst vor dem Scheitern zu überwinden, und den wahren Wert ihrer Daten zu nutzen. Mit Geduld und Gründlichkeit lässt sich aus dem Einsatz von KI ein echter transformativer Geschäftswert erschaffen. Während dieses Prozesses ein wenig Angst mit sich zu tragen, kann womöglich sogar helfen, das entscheidende Gleichgewicht zwischen Kontrolle und Innovationsdrang zu wahren und widerstandsfähig zu bleiben. So können endlich Worte in die Tat umgesetzt werden, wenn es um die Transformation in Richtung der KI-Ära geht.
Von Rick Vanover, Vice President of Product Strategy bei Veeam Software
#Veeam
