Eine neue Studie von Fivetran über den Einsatz von KI in Unternehmen 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.
Symbolbild Ideogram
Während 57 % 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 % 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 % der Unternehmen, bei denen weniger als die Hälfte ihrer Daten zentralisiert sind, berichten von Umsatzeinbussen aufgrund gescheiterter oder verzögerter KI-Projekte.
- 67 % der Unternehmen, die ihre Daten zentral managen, wenden über 80 % ihrer technischen Ressourcen allein für die Pflege von Datenpipelines auf.
- 59 % 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 % 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 % 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 % der Unternehmen managen oder planen mehr als 500 Datenquellen, was zu einer erheblichen Komplexität bei der Integration der Daten führt.
- 67 % der stark zentralisierten Unternehmen setzen noch immer mehr als 80 % ihrer Data-Engineering-Ressourcen für die Pflege von Pipelines ein. Daher bleibt kaum Zeit für KI-Innovationen.
- 41 % der Unternehmen berichten, dass fehlender Echtzeit-Zugriff auf die Daten KI-Modelle daran hindert, zeitnah Erkenntnisse zu liefern.
- 29 % 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 5000 Mitarbeitenden. Der vollständige Bericht ist verfügbar unter fivetran.com/resources/reports/ai-data-readiness.
Über Fivetran:
Fivetran, Anbieter für Data Movement, hilft Unternehmen wie OpenAI, LVMH, Pfizer und Spotify, Daten aus SaaS-Anwendungen, Datenbanken, Dateien und anderen Quellen in Cloud-Destinationen, einschliesslich Data Lakes, zu zentralisieren. Der deutschsprachige Markt wird aus dem Büro in München betreut. www.fivetran.com/de.