Die meisten KI-Initiativen scheitern nicht, weil die Modelle falsch sind, sondern weil die zugrunde liegenden Daten nie für die Aufgabe vorbereitet wurden.
PixeloneStocker / Getty Images
Einer der weltweit größten PC-Hersteller sammelte sieben Jahre lang Telemetriedaten von seinen Geräten. Als Sachin Dharmapurikars Team bei The Modern Data Company sie schließlich untersuchte, entdeckten sie, dass zwei der 70 Felder falsch aufgezeichnet worden waren. die ganze Zeit. Niemand hatte es überprüft. Die Daten lagen einfach da, erhöhten Volumen und Kosten, aber nicht den Wert.
Diese Anekdote erfasst ein Muster, das sich in ganz unternehmerischen Amerika abspielt. Unternehmen haben das letzte Jahrzehnt damit verbracht, Daten in der Cloud zu horten, in der Hoffnung, dass mehr Informationen letztendlich zu besseren Entscheidungen führen würden. Dann kam ChatGPT, und Führungskräfte dachten, sie könnten all diese gespeicherten Daten in ein großes Sprachmodell einspeisen und zusehen, wie Erkenntnisse entstehen. Dharmapurikar nennt dies den "ChatGPT-Fluch."
Die Ergebnisse waren schlecht. Laut McKinseys Globalem AI-Umfrage 2025, die etwa 2.000 Teilnehmer aus 105 Ländern umfasste, nutzen jetzt 88 % der Organisationen KI in mindestens einer Unternehmensfunktion, aber nur 39 % berichten von einem EBIT-Einfluss auf Unternehmensebene. Eine RAND Corporation Studie festgestellt, dass mehr als 80 % der KI-Projekte scheitern, ungefähr doppelt so hoch wie die Ausfallrate von IT-Projekten, die keine KI beinhalten. Die Technologie ist meistens nicht das Problem. Die Daten sind es.
Dharmapurikar identifiziert vier Voraussetzungen, die Unternehmen routinemäßig überspringen: Datenqualität im großen Maßstab, Nachvollziehbarkeit der Herkunft, Governance und semantische Metadaten. Jede ist ein eigenständiger Fehlerpunkt.
Die erste Voraussetzung ist die offensichtlichste und am meisten vernachlässigte. Gartner schätzt, dass schlechte Datenqualität Organisationen im Durchschnitt 12,9 Millionen Dollar pro Jahr kostet. Laut einer Gartner-Umfrage 2020, messen 59 % der Organisationen nicht einmal die Datenqualität.
KI verstärkt die Konsequenzen. Ein fehlerhafter Bericht kann von einem menschlichen Analysten gefunden und korrigiert werden. Ein fehlerhaftes Modell, das mit den gleichen Daten trainiert wird, wird Fehler in Maschinenzeit, im großen Maßstab, ohne dass jemand die Mathematik überprüft, produzieren. Informatica's CDO Insights Eine Umfrage von 600 Datenverantwortlichen im Jahr 2025 ergab, dass 43 % die Datenqualität, Vollständigkeit und Bereitschaft als die größten Hindernisse nannten, die verhindern, dass generative KI-Initiativen vom Pilotversuch zur Produktion übergehen.
Die Kosten von Datenqualitätsfehlern sind nicht hypothetisch. Im Jahr 2022 erlitt Unity Technologies einen Umsatzverlust von 110 Millionen Dollar, teilweise aufgrund der Tatsache, dass seine Ad-Targeting-Plattform korrupte Daten von einem großen Kunden einbezog, was die maschinellen Lernalgorithmen, die das Audience Pinpointer Tool antreiben, beeinträchtigte und zu einem Rückgang des Jahresgewinns um 8 % führte. Unitys eigene SEC-Einreichungen beschrieben das Problem als „die Folgen der Aufnahme schlechter Daten von einem großen Kunden“ und stellten fest, dass das Unternehmen Ressourcen umleiten musste, um Datenqualitätsprobleme anzugehen.
Die Lehre ist direkt: KI-Modelle sind nur so zuverlässig wie die Daten, die sie konsumieren. Volumen ist nicht dasselbe wie Qualität.
Wenn ein KI-Modell eine Antwort liefert, muss ein Unternehmen wissen, wie es zu dieser Antwort gekommen ist. Welche Daten wurden eingegeben? Woher kamen diese Daten? Welche Transformationen haben sie durchlaufen? Ohne diese Nachverfolgbarkeit gibt es keine Möglichkeit, Fehler zu debuggen, Regulierungsbehörden zufriedenzustellen oder Vertrauen bei den Interessengruppen aufzubauen.
Dies ist das Problem der Abstammungsnachvollziehbarkeit. Eine von Capital One $COF in Auftrag gegebene Forrester-Studie Studie über datengestützte Entscheidungsträger stellte fest, dass 73% Transparenz, Nachverfolgbarkeit und Erklärbarkeit von Datenflüssen als eine der größten Herausforderungen für maschinelles Lernen nannten.
Betrachten Sie, was mit Zillow passiert ist. Zillows KI-gesteuertes iBuying-Programm brach 2021 zusammen, als sein Zestimate-Algorithmus Immobilien in volatilen Märkten überbewertete, was zu mehr als 500 Millionen US-Dollar an Abschreibungen führte. und zur Schließung der gesamten Geschäftseinheit. Das Unternehmen konnte ein Modell erstellen. Es konnte nicht nachvollziehen, ob die Eingaben für dieses Modell noch die Realität widerspiegelten.
Ohne Abstammung gibt es kein Frühwarnsystem. Fehler summieren sich stillschweigend, bis sie zu Finanzkrisen werden.
Governance ist in Dharmapurikars Framework keine Compliance-Übung. Es ist das Regelwerk und die Kontrollen, die bestimmen, auf welche Daten ein KI-System zugreifen kann, wie diese Daten klassifiziert werden und was passiert, wenn das Modell auf Lücken stößt.
Ohne Governance füllen KI-Modelle Lücken mit plausibel klingendem Unsinn. Eine Gartner-Umfrage unter Datenmanagement-Führungskräften ergab, dass 63 % der Organisationen entweder keine oder unsicher sind, ob sie die richtigen Datenmanagementpraktiken für KI haben. Gartner prognostiziert, dass Organisationen bis 2026 60 % der KI-Projekte aufgeben werden, die keine KI-bereiten Daten haben.
BCGs Bericht vom Oktober 2024, „Wo bleibt der Wert in KI?“, befragte 1.000 Führungskräfte aus 59 Ländern und stellte fest, dass 74 % der Unternehmen noch keinen greifbaren Wert aus KI erzielen konnten, wobei etwa 70 % der Implementierungsherausforderungen aus menschen- und prozessbezogenen Problemen und nicht aus Technologie resultieren. Governance befindet sich am Schnittpunkt von Menschen und Prozessen. Es erfordert jemanden, der die Datenklassifizierung besitzt, Zugriffsrichtlinien festlegt und Standards über Abteilungen hinweg durchsetzt. In den meisten Organisationen fehlt diese Zuständigkeit.
Verkaufsteams, Fertigungsteams und Webteams sammeln jeweils Daten in ihren eigenen Silos, und der Informationsaustausch zwischen Abteilungen erfordert Bürokratie. KI benötigt Daten aus der gesamten Organisation. Die Realität, wie die Arbeit von Dharmapurikar zeigt, sind fragmentierte Systeme, die nicht miteinander kommunizieren.
Die vierte Voraussetzung ist die am wenigsten intuitive, aber möglicherweise die folgenreichste. Semantische Metadaten sind die Schicht, die einem KI-Modell den Geschäftskontext vermittelt, was ein Datenfeld tatsächlich bedeutet.
Eine Spalte mit der Bezeichnung „customer_LTV“ in einem Einzelhandelsdatensatz bedeutet etwas anderes als dieselbe Bezeichnung in einer Unternehmenssoftware-Datenbank. Der Lebenszeitwert eines Verbrauchers, der Laufschuhe kauft, wird in Hunderten von Dollar über mehrere Jahre gemessen. Der Lebenszeitwert eines Fortune-500-Kunden mit einem mehrjährigen Softwarevertrag wird in Millionen gemessen. Ohne Metadaten, die diesen Unterschied erfassen, wird ein auf beiden Datensätzen trainiertes Modell Durchschnittswerte liefern, die keinen der beiden Kunden genau beschreiben.
Dieses Problem erstreckt sich auf grundlegende Begriffe. Definitionen von fundamentalen Konzepten wie "Kunde", "Bestellung" und "Umsatz" unterscheiden sich zwischen den Abteilungen in den meisten Organisationen. Historische Aufzeichnungen enthalten Lücken, Inkonsistenzen und Formatierungsunterschiede. "Umsatz" kann in einem System gebuchte Bestellungen bedeuten, in einem anderen versandte und in Rechnung gestellte und in einem dritten anerkannter Umsatz nach ASC 606-Regeln.
Zwei Drittel der von Informatica befragten Datenleiter gaben an, dass sie nicht in der Lage waren, auch nur die Hälfte ihrer generativen KI-Pilotprojekte in die Produktion zu überführen. Die semantische Ebene ist ein wesentlicher Grund dafür. Pilotprojekte arbeiten mit kleinen, kuratierten Datensätzen, bei denen der Geschäftskontext vom Team verstanden wird, das das Experiment durchführt. Produktionseinsätze beziehen sich auf unternehmensweite Datenspeicher, bei denen kein solches gemeinsames Verständnis besteht.
"Die Leute sind jetzt berechnender, rationaler und pragmatischer bei diesen Dingen", sagte Dharmapurikar Quartz gegenüber.. "Die Realität setzt massiv ein, dass es keine einfache Lösung gibt."
Die Daten unterstützen seine Einschätzung. Laut der 2025-Umfrage von S&P Global $SPGI Market Intelligence unter mehr als 1.000 Unternehmen haben 42 % der Unternehmen die meisten ihrer KI-Initiativen aufgegeben, im Vergleich zu 17 % im Jahr 2024, und die durchschnittliche Organisation hat 46 % der KI-Proof-of-Concepts verworfen, bevor sie die Produktion erreichten.
Die vier Voraussetzungen, die Dharmapurikar identifiziert, sind keine Wunschliste. Sie sind ein Diagnosetool. Unternehmen, die die Datenqualität überspringen, werden Modelle auf Rauschen trainieren. Unternehmen, die die Abstammung überspringen, werden nicht in der Lage sein, Ausgaben zu erklären oder zu debuggen. Unternehmen, die die Governance überspringen, werden zusehen, wie Modelle halluzinieren. Unternehmen, die semantische Metadaten überspringen, werden Schlussfolgerungen ziehen, die richtig klingen, aber nichts bedeuten.
Die Forschung von BCG ergab, dass KI-Führer Ressourcen nach einer 10-20-70 Regelverteilen: 10 % für Algorithmen, 20 % für Technologie und Daten und 70 % für Menschen und Prozesse. Die Unternehmen, die bei KI erfolgreich sind, beginnen nicht mit dem Modell. Sie beginnen mit den darunter liegenden Daten.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
