US-Studie: 95 Prozent aller KI-Projekte sind Flops

Nur 5 Prozent aller Tests enden produktiv 

Ein deutlicher Beweis für die GenAI-Kluft in Unternehmen ist die geringe Zahl erfolgreicher Projekte. Lediglich 5 Prozent der für Unternehmen individuell entwickelten KI-Werkzeuge erreichen die Produktionsreife. Die Ausfallrate von 95 Prozent begründet das MIT mit dem schwachen kontextuellen Lernen der Tools, fragilen Arbeitsabläufen und einer mangelnden Abstimmung der Initiativen mit dem Tagesgeschäft zurück.  

Auch die Skepsis der Nutzer gegenüber den Angeboten der Anbieter spielt eine große Rolle: „Wir haben uns dieses Jahr Dutzende von Demos angesehen“, berichtet ein Befragter. „Allenfalls ein oder zwei davon sind für uns wirklich nützlich.“ 

Geht es um erfolgreiche Projekte mit Künstlicher Intelligenz, hängt viel von der Unternehmensgröße ab. Während mittelständische Unternehmen etwa 90 Tage von der Pilotphase bis zur vollständigen Implementierung brauchen, dauert dieser Prozess bei große Unternehmen neun Monate oder länger. 

Große Unterschiede verzeichnet die MIT-Studie, wenn es um die Art der intelligenten Software geht: Allzweck-Tools testen viele Unternehmen und stellen dann fest, dass deren Auswirkungen begrenzt sind: Über 80 Prozent der Unternehmen haben nach eigener Aussage ChatGPT oder Microsoft Copilot getestet oder in Pilotprojekten eingesetzt, aber nur 40 Prozent haben diese Tools auch implementiert.“ Der Grund dafür: Diese Werkzeuge verbessern zwar die individuelle Produktivität der Mitarbeiter, zeigen aber keinen positiven Effekt auf den Gewinn der Unternehmen. Intelligente Systeme zum Steuern von Unternehmensabläufen haben 60 Prozent der Befragten evaluiert. Allerdings erreichen diese Systeme lediglich in 20 Prozent der Unternehmen die Pilotphase und nur in 5 Prozent die Produktionsreife. 

GenAI-Kluft in Unternehmen: Beim kontextuellen Lernen patzen die Tools

Die hoher Ausfallrate erklärt die Studie mit dem schwache kontextuellen Lernen der Werkzeuge: Die meisten Systeme für generative Künstliche Intelligenz speichern kein Feedback, passen sich nicht an den Kontext an und verbessern sich nicht im Laufe der Zeit. „ChatGPT vergisst den Kontext, lernt nicht und kann sich nicht weiterentwickeln“, bringt ein Anwender das zentrale Problem auf den Punkt.

Dieser Mangel mindert die Akzeptanz in bestimmten Anwendungsfällen: Anwender nutzen Large Language Modelle, die für Verbraucher gedacht sind, zwar häufig für Entwürfe, lehnen sie aber für unternehmenskritische Aufgaben ab, weil es an Speicherkapazität und Persistenz mangelt. „ChatGPT eignet sich hervorragend für das Brainstorming“, erklärt ein Befragter. „Allerdings fragt das System für jede Sitzung umfangreiche Angaben ab und wiederholt dann dieselben Fehler immer wieder. Es vergisst den Kontext und verbessert sich nicht, weil es nicht lernt.“ Für unternehmenskritische Aufgaben erwarten Anwender Systeme, die Wissen speichern und daher ihre Antworten im Lauf der Zeit verbessern. 

Trotz aller Mängel kommt Künstliche Intelligenz zunehmend zum Einsatz: Auch wenn die offiziell eingeführten Programme oft auf geringe Akzeptanz stoßen, entwickelt sich in vielen Unternehmen eine Schatten-IT. So geben zwar nur 40 Prozent der Befragten an, ein Large Language Model offiziell abonniert zu haben – gleichzeitig nutzen über 90 Prozent der Mitarbeitenden solche Tools regelmäßig in ihrer täglichen Arbeit. Offenbar greifen viele Beschäftigte eigenständig zu passenden Werkzeugen, selbst wenn unternehmensweite KI-Initiativen ins Stocken geraten.