Trotz eines rasanten Anstiegs der Ausgaben für Künstliche Intelligenz haben bisher nur 27 Prozent der Unternehmen KI vollständig in ihre Betriebsabläufe integriert. Das zeigt die aktuelle Roland Berger-Studie „The Data Imperative“, für die 150 Führungskräfte aus verschiedenen europäischen Branchen befragt wurden. Seit 2023 haben sich die KI-Investitionen auf rund 14 Milliarden US-Dollar (ca. 13 Mrd. Euro) versechsfacht – ohne dass sich dieser finanzielle Einsatz in breitem Umsetzungserfolg widerspiegelt.

Datenqualität bleibt das größte Hindernis

Der Hauptgrund für das Scheitern vieler Projekte liegt in unzureichenden Datenstrukturen. 28 Prozent der Unternehmen kämpfen mit Problemen bei Datenqualität, -zugänglichkeit und -management. Besonders stark betroffen sind der Einzelhandel und das Gesundheitswesen. Im Gegensatz dazu berichten Unternehmen aus dem Technologie- und IT-Sektor deutlich seltener über solche Schwierigkeiten.

Komplexe Integration und Fachkräftemangel bremsen Umsetzung

Ein weiteres zentrales Problem: die Komplexität bei der Einbindung von KI-Anwendungen in bestehende IT- und Prozesslandschaften. 25 Prozent der Befragten gaben dies als Hürde an. Hinzu kommen der Mangel an qualifizierten Fachkräften (15%), ethische Bedenken (12%) sowie wirtschaftliche Hemmnisse wie Kosten oder mangelndes Vertrauen von Kunden und Stakeholdern (jeweils 10%).

Doppelstrategie als Schlüssel zum Erfolg

Die Studienautoren empfehlen einen zweigleisigen Ansatz: Unternehmen sollen gleichzeitig ihre Dateninfrastrukturen strategisch ausbauen und individuelle KI-Anwendungen entwickeln. Nur so könne langfristiger Erfolg gesichert werden. „Wer nur auf schnelle Erfolge setzt, stößt bald an die Grenzen seiner Datenbasis“, so Roland Berger-Partner Manuel Schieler. Gleichzeitig zeigte sich: Unternehmen, die ein eigenes Team für das Datenmanagement etabliert haben, sind signifikant erfolgreicher bei der Umsetzung von KI-Projekten.

Positive Rückkopplung zwischen KI und Datenstrategie

Interessant ist auch: 93 Prozent der Befragten sehen einen positiven Effekt der KI-Projekte auf das Datenmanagement selbst. Die parallele Arbeit an Daten- und KI-Themen führt demnach nicht nur zu schnelleren Erfolgen, sondern verbessert auch langfristig die Datenqualität. Dies schafft wiederum die Grundlage für komplexere, datengetriebene Anwendungen in der Zukunft.