AI-Müdigkeit: Wenn Technikbegeisterung zur Herausforderung wird

Die rasante Entwicklung und Implementierung von Künstlicher Intelligenz (KI) in Unternehmen verläuft nicht immer reibungslos. Laut einer Analyse von S&P Global Market Intelligence hat sich der Anteil an Unternehmen, die die Mehrheit ihrer KI-Initiativen abgebrochen haben, von 17 % im Jahr 2024 auf 42 % in diesem Jahr erhöht. Unternehmen haben im Durchschnitt 46 % ihrer KI-Projekte verworfen, bevor sie diese in die Praxis umsetzten.

Vor dem Hintergrund zweijähriger KI-Entwicklungswelle und dem daraus resultierenden Druck fühlen sich zahlreiche Unternehmensleiter überfordert. Eine Umfrage von Quantum Workplace zeigt, dass Mitarbeiter, die häufig KI nutzen, höhere Burnout-Raten (45%) aufweisen als solche, die KI selten (38%) oder nie (35%) verwenden.

Erik Brown von der Beratungsfirma West Monroe berichtet von einem zunehmenden Frust bei Unternehmen über erfolglose KI-Projekte. Häufig sei das Problem, dass falsche Anwendungsfälle gewählt oder KI-Ansätze missverstanden werden. Unternehmen versuchen oftmals, durch populäre Modelle wie große Sprachmodelle schnell zum Erfolg zu kommen, anstatt die richtige Lösung für spezifische Probleme zu finden.

Auch durch die schiere Komplexität der Materie ist die Gefahr von „KI-Müdigkeit“ hoch. Unternehmen neigen dazu, sich zu großen Herausforderungen zu stellen, ohne diese vollständig durchdacht zu haben. Ein Beispiel: Ein global agierendes Unternehmen scheiterte daran, seine innovativen KI-Technologien produktiv zu nutzen, da diese keine grundlegenden Geschäftsprobleme lösen.

Eoin Hinchy, CEO von Tines, beschreibt, wie seine Organisation nach 70 Misserfolgen endlich eine erfolgreiche KI-Iteration fand. Der technische Fokus lag darauf, eine sichere Umgebung für die Nutzung großer Sprachmodelle zu schaffen. Das Produktivwerden stieß allerdings auf internem Widerstand; die Abstimmung zwischen Produkt- und Verkaufsteam war eine organisatorische Hürde.

James Robinson von Netskope spricht von Enttäuschung über ineffiziente KI-Agenten. Die firmeneigene Governance strebt nun an, den Anfangsprüfungen an Geschäftsbereiche zu delegieren und die Erwartungen klarer zu definieren, bevor die Anforderungen durch das umfassendere KI-Governance-Team geprüft werden.

Experten wie Brown raten zu einem kleineren Maßstab beim Experimentieren. Ein langsameres, durchdachtes Vorgehen mit klaren Zielsetzungen und der Bildung kleinerer Teams kann helfen, die KI-Nutzung effizienter zu gestalten. Im Kern soll KI helfen, intelligenter zu arbeiten – nicht härter.