Compliance als größte Herausforderung
Fast die Hälfte der KI-Projekte in Unternehmen scheitert an unzureichender Data Readiness
Eine neue globale Umfrage zeigt steigende Kosten durch gescheiterte KI-Projekte: Komplexität der Datenbereitstellung und Wartung der Datenpipelines verbrauchen technische Ressourcen
Fivetran, Anbieterin für Data Movement, präsentiert eine neue Studie über den Einsatz von KI in Unternehmen. Die von Redpoint Content durchgeführte Umfrage zeigt, dass fast die Hälfte der Unternehmen von verzögerten, unzureichenden oder gescheiterten KI-Projekten berichten - und das trotz ehrgeiziger Strategien und großer Investitionen in KI und Datenzentralisierung. Die Studie belegt, dass eine unzureichende Datenbereitstellung das größte Hindernis für die Umsetzung von KI darstellt und zu höheren Kosten, Innovationsstillstand sowie zu Umsatzeinbußen führt.
Während 57 Prozent der Unternehmen ihre Strategie zur Datenzentralisierung als sehr effektiv einstufen, sagen fast ebenso viele, dass mehr als die Hälfte ihrer KI-Projekte immer noch scheitern. Als Gründe geben die Befragten an, dass Daten nicht vollständig zentralisiert bzw. organisiert seien oder nicht in Echtzeit für KI-Modelle zur Verfügung gestellt werden können.
Die wichtigsten Ergebnisse:
>> 42 Prozent der Unternehmen geben an, dass mehr als die Hälfte ihrer KI-Projekte aufgrund von Problemen mit der Datenbereitstellung verzögert wurden oder nicht gebracht haben, was man sich erhofft hat oder komplett gescheitert sind.
>> 68 Prozent der Unternehmen, bei denen weniger als die Hälfte ihrer Daten zentralisiert sind, berichten von Umsatzeinbußen aufgrund gescheiterter oder verzögerter KI-Projekte.
>> 67 Prozent der Unternehmen, die ihre Daten zentral managen, wenden über 80 Prozent ihrer technischen Ressourcen allein für die Pflege von Datenpipelines auf.
>> 59 Prozent der Unternehmen nennen Compliance als größte Herausforderung beim Daten-Management für KI.
Nicht realisierte KI-Ambitionen bedrohen den Unternehmensserfolg
Eine mangelhafte KI-Leistung ist nicht bloß ein technisches Problem. Es ist ein Geschäftsrisiko: 38 Prozent der Unternehmen berichten über erhöhte Betriebskosten aufgrund von KI-bedingten Misserfolgen. Zudem seien geringere Kundenzufriedenheit und -bindung die häufigste Folge gescheiterter KI-Projekte.
Automatisierung und Integration sind die Schlüssel zum KI-Erfolg
Die Ergebnisse der Umfrage zeigt den Weg zum Erfolg für Unternehmen: Eine Modernisierung der Dateninfrastruktur mit Tools zur automatisierten Integration, reduziert die Komplexität von Datenpipelines und setzt technische Ressourcen frei.
Die Befragten nennen folgende Investitionsprioritäten:
>> 65 Prozent planen Investitionen in Tools zur Datenintegration als primäre Strategie zur Implementierung von KI.
>> Fast drei Viertel der Unternehmen managen oder planen mehr als 500 Datenquellen im Unternehmen. Das erhöht den Bedarf an skalierbaren, automatisierten Lösungen noch weiter.
Die tatsächlichen Gründe für die Verzögerung von KI
Die Umfrage ergab, dass viele Unternehmen Schwierigkeiten haben, über die Phase von KI-Pilotprojekten hinauszukommen. Dies liegt insbesondere an der mangelnden Effizienz bei der Aufbereitung, Integration und Operationalisierung ihrer Daten.
Zu den wesentlichen Stolpersteinen zählen:
>> 74 Prozent der Unternehmen managen oder planen mehr als 500 Datenquellen, was zu einer erheblichen Komplexität bei der Integration der Daten führt.
>> 67 Prozent der stark zentralisierten Unternehmen setzen noch immer mehr als 80 Prozent ihrer Data-Engineering-Ressourcen für die Pflege von Pipelines ein. Daher bleibt kaum Zeit für KI-Innovationen.
>> 41 Prozent der Unternehmen berichten, dass fehlender Echtzeit-Zugriff auf die Daten KI-Modelle daran hindert, zeitnah Erkenntnisse zu liefern.
>> 29 Prozent der Unternehmen berichten, dass Datensilos den Erfolg von KI behindern.
Solange diese Herausforderungen nicht angegangen werden, werden Unternehmen weiterhin mit der Performance von KI zu kämpfen haben und den vollen Wert ihrer Investitionen nicht ausschöpfen können.
Regionale und branchenspezifische Unterschiede bei der KI-Readiness
Branchen wie das Gesundheitswesen und der Einzelhandel sind aufgrund stärkerer Automatisierungs- und Datenintegrationsstrategien führend bei der KI-Readiness. Branchen wie das Finanzwesen und die Fertigungsindustrie haben dagegen noch mehr mit Altsystemen und Integrationshindernissen zu kämpfen.
Regionale Unterschiede sind ebenfalls signifikant. Der asiatisch-pazifische Raum liegt mit einer KI-Readiness von 8,8 von 10 Punkten an der Spitze aller Regionen, gefolgt von den Vereinigten Staaten mit 8,2 Punkten und EMEA mit 8 Punkten. Das Vereinigte Königreich hinkt mit einem Wert von 6,0 hinterher, was auf schwache Integrationsstrategien und eine fragmentierte Infrastruktur zurückzuführen ist.
Die Umfrage wurde im ersten Quartal 2025 von Redpoint Content durchgeführt. Es wurden 401 Führungskräfte und Fachleute aus den USA, dem Vereinigten Königreich, Europa, dem Nahen Osten und Afrika sowie dem asiatisch-pazifischen Raum befragt. Die Teilnehmer repräsentierten Unternehmen aus den Bereichen Technologie, Finanzen, Gesundheitswesen, Einzelhandel und Fertigung mit 500 bis über 5.000 Mitarbeitern.
Der vollständige Bericht ist verfügbar unter www.fivetran.com/resources/reports/ai-data-readiness. (Fivetran: ra)
eingetragen: 26.05.25
Fivetran: Kontakt und Steckbrief
Fivetran automatisiert alle Arten von Data Movement im Zusammenhang mit Cloud-Datenplattformen. Das gilt vor allem für die zeitaufwendigsten Teile des ELT-Prozesses (Extract, Load, Transform) - von der Extraktion von Daten über das Handling von Schema-Drifts bis hin zu Daten-Transformationen. Damit können sich Data Engineers auf wichtigere Projekte konzentrieren, ohne sich um die Data Pipelines kümmern zu müssen. Mit einer Up-Time von 99,9 Prozent und sich selbst reparierenden Pipelines ermöglicht Fivetran Hunderten von führenden Marken weltweit, darunter Autodesk, Lionsgate und Morgan Stanley, datengestützte Entscheidungen zu treffen und so ihr Unternehmenswachstum voranzutreiben. Fivetran hat seinen Hauptsitz in Oakland, Kalifornien, und verfügt über Niederlassungen auf der ganzen Welt.
Der deutschsprachige Markt wird aus dem Büro in München betreut. Zu den Kunden in Deutschland zählen DOUGLAS, Hermes, Lufthansa, Siemens, VW Financial Services und Westwing. Weitere Informationen unter www.fivetran.com.
Kontaktdaten
Fivetran Germany GmbH
Franz-Joseph-Str. 11
80801 München
E-Mail: hallo[at]fivetran.com
Webseite: https://fivetran.com/de
Dieses Boilerplate ist eine Anzeige der Firma Fivetran.
Sie zeichnet auch für den Inhalt verantwortlich.
Lesen Sie mehr:
Compliance als größte Herausforderung
Fivetran: Monica Ohara mit umfassender Erfahrung
Fivetran: Vereinbarung zur Übernahme von Census
Managed Data Lake Service auf Microsoft Azure
KI erfordert riesige Mengen hochwertiger Daten
Datenintegration für Unternehmen jeder Größe
Fivetran vereinfacht Datenintegration
Nahtlose Replikation großer Datensätze
Die Datenkultur hat sich grundlegend gewandelt
Data Governance und Datensicherheit
Fivetran weiter auf der Erfolgsspur
Cloud-Deployment für Fivetran-Plattform
Fivetran erweitert Partnerschaft mit Snowflake
Datenautobahn ohne Stau für die Logistik
Nutzung von KI- und Generative-KI-Technologien
Data Lake Management automatisiert und vereinfacht
Daten sind Basis für alle Formen der KI
Schlechte Datenpraktiken noch weit verbreitet
Datenbasierte Entscheidungen treffen
Datenaustausch im Unternehmen automatisieren
Reduzierte Latenzzeiten und Kosten
25 Jahre Erfahrung im SaaS-Umfeld
Fivetran sorgt für Business Insights
Kontrollierte, benutzerfreundliche Repositories
Aufbau einer soliden Data-Lake-Grundlage
Cloud Data Lake, Lakehouse oder Warehouse
Skalierbare Konnektoren und Destinationen
Fivetran als Launch-Partnerin
Prozess zur Datenintegration in BigQuery
Weniger Kosten für Neukundengewinnung
Inspirierende Führungspersönlichkeit
Anbindung an praktisch jede SaaS-Anwendung
Unterstützung von Amazon S3
Fivetran setzt Wachstum fort
Daten in Cloud- & On-Premise-Umgebungen
Fivetran: Führungsteam ausgebaut
Data Act könnte schon 2024 in Kraft treten
Mit Cloud-Architektur zum "Master of Data"
Vorteile automatisierter Datenintegration
Schwierigkeiten bei der Bereitstellung der Daten