KI in Industrie und Logistik: Vom Pilotprojekt zum Geschäftswert
Nur 2,4 % der Unternehmen in Industrie und Logistik haben eine transformative KI-Reife erreicht. Die meisten haben die Reise begonnen, doch Fortschritte werden durch Datenqualität und Fachkräftemangel gebremst.
Künstliche Intelligenz (KI) und maschinelles Lernen gehören zu den Top-IT-Investitionsprioritäten im Industrie- und Logistiksektor, doch nur wenige Unternehmen konnten KI-Lösungen erfolgreich von Pilotprojekten in einen greifbaren Geschäftswert überführen. Ein aktueller Bericht zeigt, dass 81 % der Unternehmen in diesem Sektor ein niedriges oder grundlegendes KI-Reifegrad aufweisen, das sich durch sporadische Nutzung oder Projekte ohne strategische Ausrichtung auszeichnet.
Nur 2,4 % der Unternehmen haben eine transformative Stufe erreicht, auf der KI strategische Entscheidungen vorantreibt. Diese Lücke zwischen Ambition und Realität verdeutlicht, dass der Sektor zwar das Potenzial von KI anerkennt, die breite Einführung jedoch auf erhebliche Hindernisse stößt. Obwohl 65 % der Unternehmen ein grundlegendes Niveau erreicht haben – ein positives Zeichen für Engagement –, sind die meisten nicht über die Experimentierphase hinaus in die skalierbare Produktion vorgedrungen.
Die Haupthindernisse sind unzureichende Datenqualität und mangelnde Fachkenntnisse. Unsicherheiten in Bezug auf Cybersicherheit, Datenschutz und regulatorische Compliance verlangsamen ebenfalls die Entwicklung. Darüber hinaus verhindert Widerstand gegen Veränderungen, dass KI-Initiativen über die IT-Abteilung hinaus an Bedeutung gewinnen. Weder Technologie noch Infrastruktur werden als wesentliche Hindernisse angesehen.
Um erfolgreich zu sein, müssen Unternehmen die Verbesserung der Datenqualität priorisieren, da unzuverlässige Daten zu unzuverlässigen KI-Lösungen führen. Darüber hinaus müssen Vereinbarungen über Datenaustausch und -eigentum, insbesondere in Logistikketten, im Voraus klar definiert werden. Auch die Risikoklassifizierung gemäß der EU-KI-Verordnung muss frühzeitig berücksichtigt werden, insbesondere bei sicherheitskritischen Anwendungen. Letztendlich erfordert die Realisierung eines echten KI-Werts Investitionen in organisatorisches und geschäftliches Engagement, nicht nur Maßnahmen der IT-Abteilung.