Warum mangelnde Content-Governance die meisten KI-Projekte scheitern lässt

Teil einer modernen Dateninfrastruktur ist eine effektive Content-Governance über den gesamten Datenbestand und dessen Einsatz in KI-Anwendungen.Shutterstock – DC Studio



Ein häufiges Missverständnis über KI besteht darin, sie auf reine ‚Datenverarbeitung‘ zu reduzieren. Während traditionelle Systeme Daten nach festen Regeln transformieren, extrahiert, verarbeitet und generiert KI Informationen. Sie erkennt Zusammenhänge in Daten, interpretiert Informationen und generiert Inhalte, die zu neuem Wissen führen. Es ist Informationsverarbeitung auf Basis von Datenverarbeitung. Der Übergang von der Daten- zur Informationsverarbeitung begründet denn auch den aktuellen Paradigmenwechsel durch KI.



Angesichts dieser Tatsache wird nachvollziehbar, warum so viele KI-Projekte an der Qualität ihrer Daten scheitern. KI kann nur dann ihr volles Potenzial entfalten, wenn sie auf einer soliden, gut aufbereiteten Datengrundlage aufsetzt. Nur besteht diese nicht allein aus Daten, die den verschiedenen Business-Anwendungen verarbeitet werden, sondern auch aus unstrukturierten Inhalten wie Texten, Bildern, Videos oder elektronischer Kommunikation. Gerade diese Inhalte bergen das eigentliche Potenzial für KI, denn sie enthalten Kontext, Erfahrungen und implizites Wissen, etwa in E-Mails, Protokollen, Schulungsvideos oder Kundengesprächen.



Das große Problem in den meisten Unternehmen ist, dass es keine durchgängige, strukturierte Datenbasis gibt, die über alle Abteilungen und Business-Anwendungen hinweg konsistent genutzt wird. Zum einen sitzen die strukturierten Daten isoliert in verschiedenen Anwendungen wie CRM, ERP oder lokalen Datenbanken fest. Zum anderen liegen die unstrukturierten Inhalte nicht in einer von der KI verarbeitbaren Form vor. Was fehlt, ist eine Plattform, die sowohl die technische Aufbereitung als auch eine umfassende Content-Governance ermöglicht, also klare Verantwortlichkeiten, Qualitätsstandards und Compliance-Regeln definiert. Ohne diesen Rahmen bleibt das Wissen ungenutzt, und KI kann ihr Versprechen nicht einlösen.



Der Datenbestand ist nicht lernfähig



Dieser Umstand erklärt auch, warum laut der der letzten Umfrage des Bitkom zum Thema KI im September letzten Jahres 36 Prozent der Befragten die Qualität der Ergebnisse aktuell als eines der größten Hindernisse bei KI-Projekten betrachtet. Als noch größere Hürden werden in der Bitkom-Studie Themen genannt, die unmittelbar mit der Content-Governance zu tun haben: die Einhaltung der hohen Anforderungen an den Datenschutz (48 Prozent) sowie die Gefahr, dass Daten in falsche Hände geraten (39 Prozent).



Eine vielbeachtete Studie des MIT schreckte letzten Sommer die KI-Branche auf mit der Feststellung, dass zu diesem Zeitpunkt nur 5 Prozent aller KI-Projekte auf eine Weise in den Produktivbetrieb überführt werden konnten, dass ein messbarer geschäftlicher Mehrwert nachweisbar war. Außerdem wies die Studie auf einen Effekt hin, den die Autoren eine „Lernlücke“ („Learning Gap“) bezeichnet haben: Viele KI-Systeme konnten ihren Output durch Korrekturen und Feedback der Nutzer nicht verbessern – ganz klar ein Problem, dessen Ursache in der Dateninfrastruktur der Unternehmen zu suchen ist.



Als Hauptgrund für das Scheitern von KI-Projekten identifiziert Deloitte in seiner State of AI in the Enterprise 2026 das grundlegende Missverhältnis zwischen den Anforderungen an Pilotprojekte und denen für den Produktivbetrieb. Ein Pilotprojekt lasse sich in der Regel innerhalb einer isolierten Umgebung und unter Verwendung bereinigter Inhalte durchführen. Der Produktivbetrieb hingegen habe wesentlich höhere Anforderungen, nicht nur hinsichtlich der Computing-Ressourcen und der Integration mit anderen Systemen, sondern auch in Bezug auf Governance, Compliance und der Leistungsfähigkeit der darunterliegenden Dateninfrastruktur.



Unstrukturierte Daten in Wissen verwandeln



Die Verarbeitung unstrukturierter Daten gilt als größte Herausforderung beim Aufbau einer KI-gerechten Dateninfrastruktur. Dies ist jedoch unumgänglich, um KI gewinnbringend zum Einsatz zu bringen, denn darin steckt das meiste Wissen eines Unternehmens. Die KI wiederum setzt die Verfügbarkeit dieses Wissens in einer verarbeitbaren Form voraus. „Das Ignorieren der unstrukturierten Daten wird immer teurer“, warnt die Unternehmensberatung Bain & Company in einem aktuellen Advisory. Unstrukturierte Inhalte sollten stattdessen als strategische Ressource betrachtet werden. Eine Datenplattform müsse mehr leisten, als nur Informationen zu speichern. Vielmehr sollte sie unstrukturierte Inhalte laufzeitgerecht nutzbar und vertrauenswürdig vorhalten.



Doch während die Bereinigung und Aufbereitung strukturierter Daten zwar mit einigem Aufwand, aber über bisher breit angewendete Verfahren möglich ist, ist diese Disziplin bei unstrukturierten Inhalten um einiges komplexer. Notwendig hierfür sind mitunter Tagging, semantische Analyse und Interpretation sowie die Anreicherung mit Metadaten. Auf diese Weise werden Dokumente aller Art, die übers ganze Unternehmen verteilt sind, zu KI-fähigen Ressourcen. Ohne passende Struktur und die richtigen Metadaten hingegen sind selbst hochwertige KI-Modelle für Halluzinationen, Ungenauigkeiten und das Übersehen von Erkenntnissen anfällig.



KI-Vorreiter erzielen höheren ROI



Teil einer modernen Dateninfrastruktur sind außerdem effektive Governance-Mechanismen über den gesamten Datenbestand und dessen Einsatz in KI-Anwendungen. „Im Zeitalter der KI-orientierten Wirtschaft hat sich eine wirksame Governance als entscheidender Faktor für eine nachhaltige Einführung von KI herausgestellt, der Innovation und angemessenes Risikomanagement in Einklang bringt“, stellt die Studie The State of AI in the Enterprise von Box fest. Die Sensibilität der von KI-Systemen verarbeiteten Daten und die potenziellen Folgen algorithmischer Entscheidungen machen dieses Thema deshalb zunehmend zur Top-Priorität in den Unternehmen.



In der Box-Studie nennen 74 Prozent der befragten Unternehmen Datenschutz und Datensicherheit als wichtigstes Anliegen bei der Implementation von KI-Anwendungen, fast ebensoviele (73 Prozent) halten Datensicherheit und Compliance als die wichtigsten Aspekte bei der Auswahl einer KI-Plattform, die Inhalte und unstrukturierten Daten verarbeitet. Über Governance-Rahmenwerke mit einheitlichen Richtlinien über alle KI-Initiativen hinweg verfügen allerdings nur 24 Prozent der befragten Unternehmen. Die Frameworks der meisten (47 Prozent) decken nur einen Teil der Governance-Aspekte ab.



Können sich Unternehmen auf die Qualität und die inhaltliche Korrektheit der Ergebnisse ihrer KI-Anwendungen nicht verlassen, sind die Risiken für den deren Betrieb untragbar. Neben der DSGVO müssen Unternehmen innerhalb der EU seit neuestem auch weitere Regulierungen wie das KI-Gesetz (AI Act) oder das neue Produkthaftungsgesetz einhalten. Das Problem aus Sicht der Unternehmen besteht mitunter darin, dass viele Details zu deren Umsetzung aktuell noch nicht feststehen. In der Bitkom-Umfrage ist aus diesem Grund die Umsetzung und Einhaltung von bis dato nicht festgeschriebenen rechtlichen Vorgaben das mit 53 Prozent am häufigsten genannte Hindernis.



Wie sehr Unternehmen von einer zeitgemäßen Dateninfrastruktur und Governance profitieren können, zeigen in der Box-Studie die KI-Vorreiter. So erzielten sie laut Box-Studie mit ihren KI-Projekten eine Produktivitätssteigerung von durchschnittlich 37 Prozent, während diese bei der Gruppe der „Fortgeschrittenen“ bei 24 Prozent und bei den Verfolgern („Developing“) bei 15 Prozent liegt. Außerdem seien die Vorreiter eher imstande, Routinetätigkeiten zu automatisieren, Betriebskosten zu senken, die Kundenzufriedenheit zu erhöhen und ihren Umsatz zu steigern.



Eine in Kürze erscheinende DACH-Studie wird erstmals systematisch aufzeigen, wie weit Unternehmen bei KI-Governance und Produktionsreife tatsächlich sind – und wo die größten Lücken zwischen Ambition und operativer Realität liegen.



Der State of AI Report zeigt, wie weit Unternehmen bei KI-Reife und Governance wirklich sind und wo Anspruch und Realität auseinandergehen. Jetzt State of AI Report lesen.