KI ist heute einer der attraktivsten Bereiche für alle, die in das nächste Ding mit hohem Wachstumspotenzial und äußerst lukrativen Möglichkeiten investieren wollen. Die Investition ist natürlich nicht ohne Risiko, denn derzeit sind mehr als 80 % der KI-Projekte zum Scheitern verurteilt. Zu diesem Schluss kommen zumindest die Analysten der RAND Corporation, die mit 65 Datenwissenschaftlern und Ingenieuren gesprochen haben. Das ist doppelt so hoch wie die Misserfolgsquote bei herkömmlichen Start-ups und Projekten. Diese Experten arbeiten seit vielen Jahren auf dem Gebiet der KI und kennen die Unzulänglichkeiten von Start-ups und Projekten, die manche Projekte schon in der Ideenphase zum Scheitern verurteilen können.

Die Untersuchung zeigt, dass eines der größten Probleme, das ähnliche Projekte zum Scheitern verurteilt, die fehlende Abstimmung zwischen den Zielen der Partner ist - und wenn es mehrere Ziele gibt, treten in der Regel Schwierigkeiten auf. Das Image der KI in der Managementwelt ist in der Realität weitgehend unbegründet, was vor allem darauf zurückzuführen ist, dass der KI beispielsweise in Hollywood-Produktionen eine Reihe von Eigenschaften verliehen werden, die beim derzeitigen Stand der technologischen Entwicklung nicht erreicht werden können. Die fehlende Übereinstimmung zwischen Management und Praktikern führt häufig dazu, dass die Projektbeteiligten nicht über die finanziellen Mittel und die Zeit verfügen, um die Ziele zu erreichen, wenn sie überhaupt realisierbar sind.

Das heißt natürlich nicht, dass nur und ausschließlich die Manager schuld sind und die Ingenieure ihre Arbeit fehlerfrei machen, sondern vielmehr, dass sie es tun. Die Interviews haben auch gezeigt, dass Datenwissenschaftler oft von den neuesten Entwicklungen in der KI abgelenkt werden und versuchen, sie in das Projekt, an dem sie arbeiten, einzubauen, dabei aber vergessen, den Wert und die Auswirkungen der Entwicklung auf das Projekt als Ganzes zu berücksichtigen. Keine Frage, es ist wichtig, dass Ingenieure sich über neue Technologien auf dem Laufenden halten, aber es ist wichtig zu überlegen, ob eine neue Entwicklung zur Lösung der aktuellen Probleme beiträgt oder ob sie das Projekt noch komplexer und undurchsichtiger macht als es ohnehin schon ist.

Es ist sehr wichtig, dass solche Projekte mit ordnungsgemäß vorbereiteten Datensätzen arbeiten, dass die Infrastruktur angemessen ist und dass eine "Kompatibilität" zwischen der KI und dem zu lösenden Problem besteht. Leider sind oft eine oder mehrere dieser Bedingungen nicht erfüllt, was ein Vorbote des Scheiterns ist. Darüber hinaus sind diese Probleme nicht nur spezifisch für den privaten Sektor, sondern auch für die akademische Forschung, bei der das Ziel oft eine Veröffentlichung ist, bei der aber oft nicht darauf geachtet wird, wie die Forschungsergebnisse im wirklichen Leben genutzt werden können.

Die Forschungsergebnisse machen es weniger überraschend, warum es in den letzten Jahren so viele Fehlschläge im KI-Sektor gegeben hat. Der Vorstandsvorsitzende von Baidu, Robin Li Yanhong, hat beispielsweise erklärt, dass es in China zu viele große Sprachmodelle (Large Language Models, LLM) gibt, die oft eine Verschwendung wertvoller Ressourcen sind und sich bei realen Problemen oft als wenig nützlich und manchmal sogar als völlig nutzlos erweisen.

Inmitten des überstürzten Vorstoßes in die künstliche Intelligenz lohnt es sich, einen Blick auf die wahren Gründe für das Scheitern von Projekten zu werfen, damit Investoren und Manager bei neuen Projekten nicht die gleichen Fehler machen, die andere bereits gemacht haben. Wenn KI-Projekte aufgrund der vielen Misserfolge längerfristig die Erwartungen nicht erfüllen, könnte dies schließlich zum Zusammenbruch der gesamten Branche führen, die zu einer Billionen-Dollar-Blase zerplatzt und zu einem Nichts wird.