Die Implementierung künstlicher Intelligenz in Unternehmen stößt derzeit auf massive Hindernisse. Einer aktuellen Untersuchung von Cloudera sowie Google und dem MIT zufolge haben 95 Prozent der 1.500 befragten IT-Architekten KI-Projekte aufgrund von Problemen bei der Daten-Governance verzögert oder gänzlich gestoppt. Die Studie verdeutlicht, dass die Integration von KI-Systemen bestehende Governance-Strukturen erheblich belastet; 73 Prozent der IT-Architekten gaben an, dass die KI-Einführung die Kontrolle und Verwaltung von Daten deutlich erschwere.
Rückzug aus der Cloud und mangelnde Datenbereitschaft
Infolge dieser Schwierigkeiten ist ein Trend zur Dezentralisierung erkennbar. In den letzten zwölf Monaten verlagerten 66 Prozent der Unternehmen ihre KI-Workloads von der Public Cloud zurück in eigene Rechenzentren. Ein wesentlicher Grund hierfür scheint die mangelnde Qualität und Verfügbarkeit der Daten zu sein. Während Unternehmen mit umfassendem Datenzugriff (über 70 Prozent der Daten) laut der Studie zu 100 Prozent korrekte KI-Entscheidungen verzeichnen, sinkt diese Quote bei Firmen mit geringem Datenzugriff (unter 30 Prozent) auf lediglich 22 Prozent.
Diese Diskrepanz spiegelt sich auch in der Vorbereitung auf moderne Technologien wider. Eine gemeinsame Untersuchung von SAP und der Universität Oxford zeigt, dass zwar 89 Prozent der Führungskräfte Potenzial in agentischer KI sehen, aber nur 2 Prozent der Unternehmen voll darauf vorbereitet sind. Die allgemeine Datenbereitschaft sei demnach zuletzt von 62 Prozent auf 55 Prozent gesunken. 82 Prozent der Befragten berichteten von unvollständigen Datenbeständen, was in 81 Prozent der Fälle zu fehlerhaften KI-Ergebnissen führte.
Vertrauenskrise und operative Ineffizienz
Trotz der offensichtlichen Mängel herrscht in vielen Abteilungen eine riskante Sorglosigkeit. Eine Umfrage von Workiva unter mehr als 2.200 Finanz- und Risikoexperten ergab, dass 84 Prozent der Befragten KI-Ergebnissen vertrauen, ohne diese einer manuellen Prüfung zu unterziehen. Dies geschieht, obwohl nur 11 Prozent der Teilnehmer die aktuelle Datenqualität für ausreichend halten. Die Folgen sind bereits spürbar: 26 Prozent meldeten KI-Fehler, die bis in die Vorstandsebene oder an externe Stellen kommuniziert wurden. Investoren zeigen sich alarmiert; 89 Prozent äußerten Besorgnis über die Genauigkeit von KI-generierten Daten.
Welche KI-Systeme als Hochrisiko gelten und welche rechtlichen Pflichten die neue EU-Gesetzgebung für Unternehmen vorsieht, klärt dieser kostenlose Report auf. EU AI Act in 5 Schritten verstehen
Zudem belasten ineffiziente Prozesse die Produktivität. Laut einer Studie von Workday verlieren Mitarbeiter in der ASEAN-Region signikante Zeit durch den Abgleich inkonsistenter Daten; jeder Fünfte gibt an, mehr als sieben Stunden pro Woche dafür aufzuwenden. Nur 30 Prozent der befragten Unternehmen haben KI bisher tiefgreifend in ihre Kernprozesse integriert.
Sicherheitsrisiken und wirtschaftlicher Druck
Neben der Datenqualität rücken Sicherheitsaspekte in den Fokus. Eine Analyse von VentureBeat Pulse unterstreicht, dass 53 Prozent der Unternehmen, die bereits agentische KI einsetzen, Sicherheitsvorfälle erlebten. Davon wurden 19 Prozent bestätigt, während es sich bei 38 Prozent um Beinahe-Unfälle handelte. Kritisch bewertet wird hierbei das Identitätsmanagement: 63 Prozent der Nutzer teilen Zugangsdaten mit KI-Systemen, aber nur 18 Prozent isolieren Hochrisiko-Agenten in sicheren Umgebungen.
Compliance-Experten warnen davor, die neuen regulatorischen Anforderungen für KI-Systeme zu ignorieren, da empfindliche Strafen drohen. Sichern Sie sich den kostenlosen Umsetzungsleitfaden zum EU AI Act inklusive aller relevanten Übergangsfristen. Kostenloses KI-Verordnung E-Book herunterladen
Trotz dieser Hürden wird für das Jahr 2026 mit globalen KI-Ausgaben von 2,5 Billionen US-Dollar gerechnet, was einem Anstieg von 44 Prozent gegenüber dem Vorjahr entspricht. In einer Lünendonk-Studie gaben 55 Prozent der CIOs an, ihre IT-Budgets zu erhöhen, wobei Cyber-Security für 92 Prozent die oberste Priorität darstellt. Unternehmen wie Docusign und Yum Brands reagieren bereits auf die steigenden Kosten, indem sie den Token-Verbrauch reduzieren oder vermehrt auf kostengünstigere KI-Modelle setzen, um die Rentabilität zu sichern. Dennoch bleibt der Nachweis eines Return on Investment (ROI) schwierig; laut Forbes können derzeit rund 50 Prozent der Unternehmen mit KI in der Produktion keinen klaren wirtschaftlichen Erfolg belegen.
