KI-Budget: Nicht genehmigen, bevor die Netzwerkbereitschaft geprüft wurde.
Bevor Sie ein Budget für KI bereitstellen, stellen Sie sicher, dass Ihr Netzwerk die erforderlichen Voraussetzungen erfüllt. Analysieren Sie, wie Ihre Netzwerkinfrastruktur den Erfolg und die Leistung von KI-Anwendungen beeinflusst, und vermeiden Sie Ausfälle.
Die wichtigsten Dinge, die Sie wissen müssen
- Probleme mit der KI-Performance werden häufig auf eine schwache Netzwerk- und Verbindungsinfrastruktur zurückgeführt. 24 % der britischen Unternehmen, deren KI-Anwendungen die Erwartungen nicht erfüllten, nannten dies als einen mitwirkenden Faktor.
- Neue operative KI-Anforderungen, wie z. B. sicherer Datentransfer und intelligentes Workload-Routing, erfordern, dass das Netzwerk zu einem Kernbestandteil der ROI-Berechnung wird und nicht nur eine Backend-Infrastruktur darstellt.
- Vor der Genehmigung eines KI-Budgets sollten die Vorstände gezielte Fragen zum Datenverkehr, zur Fähigkeit des Netzwerks, KI nach der Pilotphase zu unterstützen, und zum Vorgehen bei Fehlern stellen, um einen nachhaltigen Nutzen zu gewährleisten.
Künstliche Intelligenz hat sich rasant von der experimentellen Phase zu einer Priorität in den Chefetagen entwickelt. Doch bevor das nächste KI-Budget genehmigt wird, sollten sich britische Wirtschaftsführer eine grundlegende Frage stellen: Können ihre Netzwerke KI in großem Umfang unterstützen, sobald sie die experimentelle Phase hinter sich gelassen hat?
Eine aktuelle britische Studie hat ergeben, dass 55 % der Unternehmen Investitionen in künstliche Intelligenz (KI) oder maschinelles Lernen (ML) in den nächsten zwölf Monaten priorisieren werden, während fast jedes sechste Unternehmen zugibt, hohe Summen zu investieren, ohne dass der Wert der Produkte oder Dienstleistungen ausreichend bewertet wird, aus Angst, den Anschluss zu verpassen.
Dieser Druck ist verständlich, aber hier wird die Diskussion über die Kapitalrendite (ROI) sehr engstirnig.
Der Nutzen künstlicher Intelligenz wird nicht immer sofort nach dem Einsatz sichtbar sein. Einige Vorteile ergeben sich durch Automatisierung und Produktivitätssteigerung, andere durch langfristigen Kompetenzaufbau: höhere Resilienz, bessere Immunität, schnellere Entscheidungsfindung und neue Arbeitsweisen.
Die Gefahr besteht darin, dass Vorstände KI als Transformationsprojekt finanzieren und sie dann als kurzfristiges Softwareprojekt betrachten. In Großbritannien geben nur 15 % der Unternehmen an, dass ihre KI-Implementierungen die Erwartungen übertroffen haben. Dies erfordert eine eingehendere Diskussion über die Bedingungen, die KI für ihren Erfolg benötigt.
Wo hat die künstliche Intelligenz Schwächen?
Wenn die Leistung von KI nachlässt, richtet sich die Aufmerksamkeit oft auf das Modell, die Daten oder das Team, das den Anwendungsfall entwickelt hat. Diese Faktoren sind wichtig, erklären aber selten das gesamte Problem.
Künstliche Intelligenz ist abhängig vom Kontext, in dem sie operiert: Daten, Netzwerk, Sicherheitsmodell, Governance und die erforderlichen Kompetenzen. Sind diese Bedingungen unzureichend, kann selbst ein vielversprechender Anwendungsfall Schwierigkeiten haben, sich in einer Produktionsumgebung nachhaltig und wertvoll zu entwickeln.
Ein Machbarkeitsnachweis mag in einer begrenzten Umgebung mit sauberen Daten, kontrollierten Nutzern und einem klaren Weg zur Wertschöpfung überzeugend erscheinen. Die Schwierigkeiten beginnen jedoch, wenn das Projekt selbst über verschiedene Standorte, Clouds, Systeme und Datenbanken hinweg funktionieren muss, die nie für künstliche Intelligenz konzipiert wurden.
Hier wird Konnektivität Teil der Rentabilitätsberechnung (ROI). Wenn Daten zu langsam fließen, Arbeitsabläufe zwischen Systemen gestört werden, Reaktionszeiten je nach Standort variieren oder Teams nicht erkennen können, wo die Leistung nachlässt, entstehen Unternehmen Kosten durch Verzögerungen, Nacharbeiten und Vertrauensverlust.
Von den britischen Unternehmen, deren KI-Anwendungen die Erwartungen nicht erfüllt haben, nennen 24 % eine mangelhafte Netzwerk- oder Verbindungsleistung als mitwirkenden Faktor. Diese Zahl ist bedeutsam, da sie verdeutlicht, wie schnell ein ambitioniertes KI-Projekt zu einem kostspieligen Pilotprojekt verkommen kann, wenn die notwendige Infrastruktur fehlt.
Das Netzwerk ist zu einem unverzichtbaren Bestandteil der Berechnung der Kapitalrendite geworden.
Viele Jahre lang wurden Netzwerke als reine Backend-Infrastruktur betrachtet. Dies ließ sich leichter rechtfertigen, solange die Arbeitslast auf E-Mail, Dateiaustausch oder den Standardzugriff auf SaaS-Dienste beschränkt war. Doch die Verteidigung dieses Ansatzes wird deutlich schwieriger, sobald künstliche Intelligenz in den laufenden Betrieb, Kundenprozesse, Betrugserkennung, Prognosen oder Außendienstleistungen integriert wird.
Künstliche Intelligenz (KI) schafft veränderte betriebliche Anforderungen. Unternehmen müssen Daten sicher übertragen, Workloads intelligent verwalten, die Geschäftskontinuität gewährleisten und Kostenquellen identifizieren. Ohne diese Transparenz reagiert die Investition nur reaktiv; ohne Agilität bleiben KI- gestützte Prozesse anfällig; und ohne sichere Konnektivität entstehen durch neue Anwendungsfälle neue Schwachstellen. Daher muss die Infrastrukturdiskussion bereits früh im KI-Lebenszyklus beginnen.
Mit Blick auf die Zukunft geben 54 % der britischen Unternehmen an, dass sie flexiblere und skalierbarere Netzwerke benötigen, um in einem KI-gesteuerten Umfeld erfolgreich zu sein, während 57 % angeben, dass sie mehr Flexibilität und Zuverlässigkeit benötigen, um die Betriebszeit zu maximieren.
Diese Zahlen sollten nicht als Wunschliste für technologische Entwicklungen interpretiert werden, sondern vielmehr als Indikatoren dafür, dass künstliche Intelligenz Unternehmen zwingt, das Umfeld ihrer digitalen Performance neu zu gestalten. Wenn KI Entscheidungsfindung, Kundenbetreuung und Prozesse unterstützen soll, wird das Kernnetzwerk zu einem integralen Bestandteil der Wachstumsstrategie – eine Tatsache, die durch die zunehmende KI-Einführung in Unternehmen unterstrichen wird.
Vier Fragen im Vorfeld der nächsten Finanzierungsrunde für KI
Vor der Genehmigung des nächsten KI-Budgets sollten sich die Aufsichtsräte folgende Fragen stellen: Wohin fließen die Daten? Wer kann diese Datenbewegungen einsehen? Kann das Netzwerk KI nach der Pilotphase unterstützen? Und was geschieht im Fehlerfall?
Diese Fragen zwingen Aufsichtsräte, über die Anwendungsebene hinauszublicken und zu prüfen, ob die Organisation die notwendigen Voraussetzungen für die Skalierung ihrer Investitionen erfüllt. Sie bieten dem Chief Information Officer (CIO) zudem die Möglichkeit, ambitionierte Ziele an den grundlegenden betrieblichen Realitäten zu verankern: Infrastruktur, Kompetenzen, Governance, Sicherheit, Datenverkehr und Kostendisziplin.
Die größte Schwierigkeit bei der Berechnung des ROI von KI besteht darin, dass manche Werte Zeit benötigen, um sich zu entwickeln. Kein Aufsichtsrat würde den Wert des Internets nach dem ersten Jahr beurteilen, und mit demselben Verständnis sollte man auch an KI herangehen. Kurzfristige Messungen sind wichtig, dürfen aber keine Ausrede dafür sein, nicht ausreichend in den Aufbau der Fähigkeiten zu investieren, die langfristigen Wert ermöglichen.
Die nächste Welle von KI-Investitionen wird nicht allein durch Begeisterung entstehen. Bevor britische Vorstände das nächste Modell auswählen, die nächste Plattform finanzieren oder das nächste Pilotprojekt ankündigen, müssen sie das zugrundeliegende Netzwerk überdenken.
Investitionen in KI, die von der Angst, etwas zu verpassen (FOMO), getrieben sind, werden Unternehmen nicht voranbringen. Nachhaltiger Wert entsteht nur durch die Schaffung der richtigen Rahmenbedingungen von Anfang an.
Kommentarfunktion ist geschlossen.