KI-Initiativen ohne intelligente Dateninfrastruktur scheitern

Das von NetApp beauftragte IDC-Whitepaper „Scaling AI Initiatives Responsibly: The Critical Role of an Intelligent Data Infrastructure“ gibt Einblicke in Strategien führender Unternehmen, KI-Workloads verantwortungsvoll zu skalieren. Der Bericht zeigt Ansätze auf und hilft Unternehmen, Fallstricke zu vermeiden und die Wahrscheinlichkeit erfolgreicher KI-Initiativen zu erhöhen. Die Untersuchung stellt zudem ein detailliertes KI-Reifegradmodell vor, das entwickelt wurde, um den Fortschritt von Unternehmen auf der Grundlage ihres KI-Ansatzes zu bewerten – von KI-Neulingen und KI-Pionieren bis hin zu KI-Führern und KI-Experten.

Intelligente Dateninfrastruktur ist Grundlage für KI-Erfolg

Den Ergebnissen zufolge benötigen Unternehmen eine intelligente Dateninfrastruktur, um KI-Initiativen verantwortungsvoll zu skalieren. Wo ein Unternehmen auf der KI-Reifeskala steht, hängt von der vorhandenen Infrastruktur ab, die nicht nur den langfristigen Erfolg von KI-Projekten, sondern auch die damit verbundenen Geschäftsergebnisse fördert. Unternehmen, die erst am Anfang ihrer KI-Reise stehen oder diese erst vor kurzem begonnen haben, verfügen in der Regel über nicht zueinander passende Datenarchitekturen oder Pläne für eine vereinheitlichte Architektur, während KI-Führer und KI-Experten wahrscheinlich bereits eine einheitliche Vision umsetzen. Infolgedessen scheitern Unternehmen mit viel KI-Erfahrung seltener.

48 Prozent der KI-Experten gaben an, dass ihre strukturierten Daten sofort verfügbar sind, gegenüber 26 Prozent bei den KI-Neulingen. Zudem ermöglichen bei zwei Drittel der KI-Experten die  aktuellen Datenarchitekturen die nahtlose Integration privater Unternehmensdaten in KI-Cloud-Dienste.

Effektive Data Governance und Sicherheitsprozesse fördern den KI-Erfolg

Die Schwierigkeiten von KI-Neulingen, Fortschritte zu erzielen, sind häufig auf das Fehlen standardisierter Governance-Richtlinien und -Verfahren zurückzuführen; nur 8 Prozent der KI-Neulinge haben diese Richtlinien für alle KI-Projekte implementiert und standardisiert, verglichen mit 38 Prozent der KI-Experten.

Während 51 Prozent der KI-Experten angaben, über standardisierte Richtlinien zu verfügen, die von einer unabhängigen Gruppe in ihrem Unternehmen rigoros durchgesetzt werden, sagten dies nur 3 Prozent der KI-Neulinge.

Der verantwortungsvolle und sichere Umgang mit Daten bleibt ein zentrales Thema für Unternehmen, da KI-Teams häufig versuchen, Sicherheitsprozesse abzukürzen, um die Entwicklung zu beschleunigen. Rückmeldungen von Unternehmen, die mit ihren KI-Initiativen erfolgreich waren, zeigen, dass Governance und Sicherheit nicht nur Kostenfaktoren sind, sondern auch entscheidende Innovationstreiber. Durch die Priorisierung von Sicherheit, Datenhoheit und Compliance können Unternehmen die Risiken ihrer KI- und GenAI-Initiativen mindern.

Effiziente Ressourcennutzung unerlässlich für verantwortungsvolle Skalierung von KI

43 Prozent der KI-Experten verfügen über klar definierte Metriken zur Bewertung der Ressourceneffizienz bei der Entwicklung von KI-Modellen, die zudem für alle KI-Projekte abgeschlossen und standardisiert wurden. Bei den KI-Neulingen gaben dies nur 9 Prozent an.

63 Prozent aller Befragten gaben an, dass sie größere Verbesserungen oder eine vollständige Überarbeitung benötigen, um sicherzustellen, dass ihr Storage für KI optimiert ist. Nur 14 Prozent gaben an, dass sie keine Verbesserungen benötigen.

Da KI-Workflows in fast allen Branchen zunehmend an Bedeutung gewinnen, ist es wichtig, die Auswirkungen auf die Rechen- und Speicherinfrastruktur, die Daten- und Energieressourcen und die damit verbundenen Kosten zu berücksichtigen. Ein wichtiger Maßstab für die KI-Reife ist die Definition und Implementierung von Metriken, um die Effizienz der Ressourcennutzung bei der Erstellung von KI-Modellen zu überwachen.

Methodik

Im Dezember 2023 und Januar 2024 führte IDC 24 detaillierte Interviews und 1.220 quantitative Online-Interviews mit globalen Entscheidungsträgern aus den Bereichen IT-Betrieb, Data Sciences, Data Engineering und Softwareentwicklung im Zusammenhang mit KI-Initiativen durch