BARC hat die neue Studie Lessons from the Leading Edge: Successful Delivery of AI/GenAI veröffentlicht. Die Ergebnisse basieren auf den Rückmeldungen von 421 Unternehmen und bieten einen umfassenden Überblick darüber, wie AI und GenAI aktuell produktiv eingesetzt werden. Die Studie zeigt deutliche Unterschiede, wie reif und leistungsfähig Organisationen sind, wenn sie AI-Initiativen umsetzen.
Die Untersuchung macht deutlich, dass Unternehmen mit etablierten AI-Leadership-Praktiken signifikant erfolgreicher arbeiten. Sie betreiben mehr produktive AI-Anwendungen, setzen Projekte stabiler um und erzielen messbare Ergebnisse. Zugleich erfüllt nur ein kleiner Teil der befragten Unternehmen die Kriterien für AI-Leadership. Dieses geringe Reifelevel hindert den Markt daran, AI flächendeckend und zuverlässig zu skalieren.
„Wir sehen jetzt eindeutig, was erfolgreiche AI-Anwender auszeichnet“, sagt Shawn Rogers, CEO BARC US. „Vorreiter investieren früh in Governance, Datenqualität und eine klare Architektur. Wer diese Basis vernachlässigt, sieht sich später mit steigenden Kosten, Datenengpässen und stockenden Projekten konfrontiert.“
Datenqualität wird zum wichtigsten Erfolgsfaktor
Ein zentrales Ergebnis der Studie: Mangelnde Datenqualität entwickelt sich zur größten Hürde für erfolgreiche AI-Projekte. 44 Prozent der Unternehmen nennen sie als wichtigstes Hindernis (siehe Abbildung 1). Im Vorjahr spielte sie noch eine deutlich geringere Rolle. Gleichzeitig steigen die Kosten für Software, Validierung, Qualitätssicherung und Training. Das führt zu vorsichtigeren Projektumfängen und schrittweisen Implementierungen.
Interne IT im Mittelpunkt der Umsetzung, aber mit geringer Zufriedenheit
Die meisten AI-Projekte werden weiterhin durch interne IT-Teams umgesetzt. Laut Studie erzielen sie jedoch die niedrigsten Zufriedenheitswerte im Vergleich zu externen Partnern. Die Befragten bewerten regionale und globale Beratungsunternehmen beim Projekterfolg und bei der Effizienz deutlich besser.
„Das Reifegefälle bleibt bestehen“, erklärt Merv Adrian, BARC Fellow. „Viele Unternehmen stehen unter hohem Druck, schnell Ergebnisse zu liefern. Ohne eine belastbare Grundlage ist es jedoch kaum möglich, AI nachhaltig zu skalieren. Die Daten zeigen, dass Organisationen mit einem klaren Lernprozess und struktureller Weiterentwicklung die größten Fortschritte erzielen.“
Die Studie beleuchtet zudem die zunehmende Verbreitung agentischer AI, den Einsatz domänenspezifischer Modelle sowie die wachsende Bedeutung von Responsible AI. Themen wie Datenschutz und Compliance erhalten dabei weltweit höhere Priorität.
Lessons from the Leading Edge: Successful Delivery of AI/GenAI steht dank der Unterstützung von BigEye, InterSystems und Board hier kostenlos zum Download bereit.
