Eine aktuelle Studie von Cloudera zeigt, dass 95 Prozent der Unternehmen im vergangenen Jahr geplante KI-Projekte verschieben oder absagen mussten. Hauptgrund sind veraltete Datenarchitekturen, die für die Anforderungen moderner Künstlicher Intelligenz nicht ausgelegt sind. Obwohl bereits 77 Prozent der Betriebe aktiv mit KI arbeiten, scheitert die Skalierung an Governance-, Compliance- und regulatorischen Hürden.
Warum 95 Prozent der Unternehmen KI-Projekte verschieben müssen
Die Studie, für die 1.500 Enterprise Architects, Cloud-Infrastruktur-Leiter und Datenarchitekten in Unternehmen ab 1.000 Mitarbeitern befragt wurden, offenbart ein grundlegendes Problem: Traditionelle Datenarchitekturen stoßen bei KI-Workloads an ihre Grenzen. 72 Prozent der Befragten geben an, dass ihre Datenarchitektur grundlegend überarbeitet werden muss. Drei Viertel (75 Prozent) berichten, dass KI-Integrationen die Datenspeicherungs- und Architekturpraktiken ihres Unternehmens bereits verändert haben. 84 Prozent verzeichnen gestiegene Infrastrukturkosten durch KI-Workloads. Diese Zahlen machen deutlich: Unternehmen müssen nicht nur den Speicherort ihrer Daten überdenken, sondern auch deren Verwaltung, Steuerung und Bereitstellung für KI-Systeme.
Viele Betriebe stellen fest, dass Architekturen für traditionelle Analysen nicht für den Umfang, die Governance und die Flexibilität ausgelegt sind, die KI heute erfordert. Dies führt dazu, dass selbst vielversprechende KI-Initiativen gestoppt werden, bevor sie produktiv werden können.
Governance als zentrale Hürde für die KI-Skalierung
Mit der zunehmenden Skalierung von KI entwickelt sich Governance zu einem kritischen Erfolgsfaktor. Bereits zu Beginn des Jahres gaben 75 Prozent der Unternehmen im Data Readiness Index von Cloudera an, dass der KI-Einsatz Schwachstellen in ihren bestehenden Governance-Prozessen offenlegt. Die aktuelle Studie bestätigt diese Entwicklung: Fast drei Viertel (73 Prozent) der Befragten sagen, dass Data Governance durch KI komplexer geworden ist. Mehr als die Hälfte (55 Prozent) berichtet, in den letzten zwölf Monaten mehr als sechs KI-Projekte aufgrund von Governance-, Compliance- oder regulatorischen Hürden verschoben oder abgebrochen zu haben.
Die zunehmend verteilte Speicherung von Daten verschärft diese Herausforderungen. Fast alle Befragten (97 Prozent) verschieben mindestens einmal im Monat Daten zwischen verschiedenen Umgebungen – etwa zwischen Public Cloud, Private Cloud, On-Premises und Edge. Eine konsistente Governance über alle Umgebungen hinweg ist für die sichere Skalierung von KI unerlässlich, wird aber durch die Fragmentierung der Datenlandschaft erschwert.
Hybridarchitekturen als neuer Standard für KI
Um Leistung, Governance, Kosten und Flexibilität zu vereinen, setzen Unternehmen zunehmend auf Hybridarchitekturen. Zwei Drittel (66 Prozent) der Befragten haben im vergangenen Jahr KI-Workloads aus Public-Cloud-Umgebungen zurück in die Private Cloud oder ins eigene Rechenzentrum verlagert. Statt sich auf ein einzelnes Bereitstellungsmodell zu verlassen, investieren die Unternehmen in Cloud-, On-Premises-, Edge- und Hybridumgebungen. Ein Viertel (25 Prozent) plant, in den nächsten zwei Jahren eine Hybrid-First-Architektur zu priorisieren.
Der Erfolg hängt davon ab, eine Datengrundlage zu schaffen, die Unternehmen erlaubt, KI dort einzusetzen, wo es am sinnvollsten ist, ohne Kompromisse bei Kontrolle oder Sicherheit einzugehen. Hybridarchitekturen bieten hier die nötige Flexibilität, um KI sowohl kosteneffizient als auch compliant zu skalieren. Die Rückverlagerung von Workloads zeigt zudem, dass viele Unternehmen die Public Cloud nicht mehr als alleinigen Ort für KI-Workloads sehen.
Was Unternehmen aus der Studie lernen können
Die Cloudera-Studie macht deutlich, dass die Verschiebung von KI-Projekten kein Zeichen für mangelndes Interesse an KI ist, sondern strukturelle Ursachen hat. Unternehmen, die KI erfolgreich skalieren wollen, müssen ihre Datenarchitektur modernisieren, Governance-Mechanismen über alle Umgebungen hinweg etablieren und auf hybride Infrastrukturen setzen. Wer diese Hausaufgaben nicht macht, wird auch in Zukunft immer wieder gezwungen sein, KI-Initiativen zu verschieben – während wettbewerbsfähige Unternehmen die Lücke schließen. Die nächsten Jahre werden zeigen, welche Betriebe die notwendigen Investitionen in die Datenbasis tätigen, um KI wirklich produktiv zu machen.
