Warum KI oft hinter den Erwartungen bleibt
Worum es geht
Laut der CEO-Umfrage 2026 von PwC konnten zwei Drittel der deutschen Unternehmenslenkerinnen und -lenker bisher keinen messbaren Nutzen aus ihren KI-Investitionen ziehen.
Eric Brabänder sieht die Ursache weniger in der Technik als in der fehlenden Grundlage: Das Wissen eines Unternehmens liegt verstreut in Systemen, Abteilungen und Köpfen, ist teils widersprüchlich und geht mit ausscheidenden Fachkräften verloren. Eine KI, die darauf zugreift, liefert entsprechend unzuverlässige Ergebnisse. Er schlägt einen Wissenszyklus in vier Schritten vor – erfassen, aufbereiten, bereitstellen, mit KI nutzen – mit klaren Begriffen und festen Verantwortlichkeiten.
Einordnung
Bemerkenswert ist, wo der Autor die Ursache sucht: nicht bei den Werkzeugen, sondern im Wissen der Organisation. Solange es verstreut, widersprüchlich oder nur in Köpfen vorhanden ist, liefert auch die beste KI keine verlässlichen Ergebnisse.
Bevor eine KI-Lösung ausgewählt wird, lohnt der Blick darauf, welches Wissen vorhanden ist, wo es liegt und wer dafür verantwortlich ist.
Zur Einordnung der Quelle: Der Autor arbeitet für einen Anbieter von Software für Wissensmanagement, das Praxisbeispiel im Artikel stammt aus dessen Kundenkreis.