Fivetran: Daten-Nacharbeit treibt KI-Steuer für Unternehmen in die Höhe

Unternehmen verlieren laut einer neuen Studie von Fivetran einen erheblichen Teil ihrer KI-Ausgaben durch vermeidbare Datenarbeit. Organisationen, die mindestens 25 % ihrer KI-Budgets dafür aufwenden, berichten rund fünfmal so häufig von erheblichen Projektverzögerungen.
- 39 % der Befragten verwendeten mindestens ein Viertel ihrer KI/ML-Budgets für vermeidbare Arbeit.
- Organisationen mit einer hohen KI-Steuer berichteten rund fünfmal so häufig von erheblichen Verzögerungen.
- Bei 66 % der Befragten waren Datenqualität und Integration die Ursache für unerwartete Arbeit, Verzögerungen oder Kosten.
- Nur 37 % der Organisationen hatten mehrere KI-Initiativen im großen Maßstab in Betrieb.
- 31 % würden zusätzliche KI-Investitionen in die Datengrundlage lenken.
Datenprobleme verschlingen KI-Budgets
Fivetran befragte 500 leitende Entscheider aus den Bereichen IT, Daten und KI/ML zu den KI-Ausgaben und -Projekten ihrer Unternehmen. Das Unternehmen bezeichnet den Anteil der KI/ML-Ausgaben, der durch vermeidbare Nacharbeit entsteht, als „KI-Steuer“. Dazu zählen die Behebung von Problemen mit der Datenqualität, der Wiederaufbau von Integrationen, die erneute Verarbeitung von Daten und das erneute Training von Modellen.
Laut Fivetran gaben 39 % der Befragten an, dass in den vergangenen 12 Monaten mindestens ein Viertel ihrer KI/ML-Ausgaben auf vermeidbare Arbeit entfiel. Nur 16 % sagten, dass die KI-Steuer unter 10 % blieb. Die Ausgaben für KI sind bereits beträchtlich: Mehr als 80 % der befragten Organisationen gaben im vergangenen Jahr mindestens 1 Million $ für KI/ML aus, während 54 % mindestens 5 Millionen $ investierten.
Trotz dieser Investitionen hatten nur 37 % der Organisationen mehrere KI-Initiativen produktiv im Einsatz und im großen Maßstab in Betrieb. Laut Fivetran führten 66 % der Befragten unerwartete Arbeit, Verzögerungen oder Kosten auf Datenqualität und Datenintegration zurück.
Hohe KI-Steuern gehen mit Verzögerungen und geringeren Erträgen einher
Die Studie stellt einen Zusammenhang zwischen einer schwachen Datengrundlage, ins Stocken geratenen Projekten und längeren Verzögerungen her. Bei Organisationen mit einer niedrigen KI-Steuer gaben 17 % an, dass mindestens ein Viertel ihrer KI-Initiativen wegen Lücken in der Datengrundlage verzögert worden oder ins Stocken geraten war. Bei Organisationen mit einer moderaten KI-Steuer stieg dieser Anteil auf 50 %, bei jenen mit einer hohen Steuer auf 86 %.
76 % der Organisationen in der Gruppe mit hoher Steuer sagten, dass Verzögerungen typischerweise 3 Wochen oder länger dauerten. In der Gruppe mit niedriger Steuer waren es 46 %. Auch die gemeldeten Erträge unterschieden sich. 62 % der Organisationen mit niedriger Steuer gaben an, dass der ROI ihrer KI die Erwartungen übertraf. In der Gruppe mit sehr hoher Steuer waren es 40 %.
Schlechte Daten beeinträchtigten auch das Vertrauen in KI-Systeme. Laut Fivetran berichteten 57 % der Befragten von ungenauen Ausgaben oder Vorhersagen, und derselbe Anteil musste Modelle erneut trainieren oder kalibrieren. In jeder untersuchten Region sagten 51 % bis 54 %, dass schlechte Daten dazu führten, dass Stakeholder das Vertrauen in KI-Ausgaben verloren.
Standardisierte Integration könnte wiederholte Arbeit reduzieren
Die Art und Weise, wie Organisationen Daten anbinden, war einer der deutlichsten Unterschiede in den Ergebnissen. Bei Unternehmen, die sich hauptsächlich auf maßgeschneiderte, projektspezifische Integrationen stützten, gaben 53 % an, dass mindestens ein Viertel ihrer KI-Budgets auf vermeidbare Arbeit entfiel. Bei Organisationen, die standardisierte Integrationsplattformen nutzten, waren es 40 %. Bei jenen, die eine standardisierte Plattform einsetzten und zugleich für spezielle Anforderungen einen Teil der Entwicklung individuell umsetzten, lag der Anteil bei 35 %.
Fivetran betonte, dass die Ergebnisse nicht bedeuten, dass Unternehmen individuelle Entwicklungen abschaffen sollten. Stattdessen verwiesen sie darauf, gemeinsame Integrationsinfrastrukturen für Standardaufgaben zu nutzen und maßgeschneiderte Lösungen für Ausnahmen zu reservieren. Das Unternehmen empfiehlt außerdem, die Kosten für Datenaufbereitung, Integration, erneute Verarbeitung und Wartung projektübergreifend zu erfassen.
Auch Zuständigkeiten spielen eine Rolle. 42 % der Befragten nannten unklare Verantwortlichkeiten oder eine fehlende Abstimmung zwischen Teams als Grund dafür, dass Initiativen ins Stocken geraten oder hinter ihren Erwartungen zurückbleiben. Organisationen mit einer starken Abstimmung sagten mehr als doppelt so häufig wie Organisationen mit gemeldeten Abstimmungsproblemen, dass der ROI die Erwartungen übertraf.
Wenn die KI/ML-Budgets in den kommenden 12 Monaten steigen, würden 31 % der Befragten zusätzliche Investitionen in die Datengrundlage lenken, mehr als in jede andere Kategorie. Laut Fivetran erwarten 41 %, dass die Beseitigung vermeidbarer Datenarbeit die Zeit bis zur Wertschöpfung durch KI um mehr als 25 % verkürzt. Fast 9 von 10 rechnen mit einer Verbesserung von mehr als 10 %.


