de.wedoany.com-Bericht: Hersteller im Mid-Market-Segment stehen bei der Anwendung von Künstlicher Intelligenz vor Herausforderungen wie einer schwachen Datenbasis und Schwierigkeiten bei der Integration von Altsystemen. Die meisten Unternehmen verharren noch in der Pilotphase und haben keine skalierte Implementierung erreicht. Die Diskussion um Künstliche Intelligenz weist eine wenig beachtete Lücke auf: Der aktuelle Fokus liegt auf Chatbots und Content-Tools sowie auf Branchen, in denen das Feedback unmittelbar und die Ausgabe für die Bildschirmanzeige geeignet ist. Die Situation der Hersteller im Mid-Market-Segment ist eine völlig andere und deutlich komplexer.
Der Bericht „The State of AI in the Mid-Market" von Kaufman Rossin befragte leitende Entscheidungsträger von US-amerikanischen Mid-Market-Unternehmen. Der Bericht offenbart eine deutliche Kluft: Industrie- und Mid-Market-Hersteller experimentieren in großem Umfang mit KI, aber unternehmensweite, großflächige Implementierungen sind noch selten. Die Welle der digitalen Disruption hat diesen Bereich nun endlich erreicht, aber die Grundlage ist noch nicht bereit, um KI-Anwendungen zu tragen.
Die digitale Disruption des letzten Jahrzehnts fand nicht in allen Branchen gleichzeitig statt, sondern begann wie eine Welle an der kundenorientierten wirtschaftlichen Front. Einzelhändler, Banken und Konsumgütermarken spürten den Druck zuerst und transformierten sich daher als erste, indem sie ihre Investitionen auf Dateninfrastruktur, digitale Plattformen und neue Arbeitsweisen konzentrierten. Heute wandert dieser Druck entlang der Wertschöpfungskette nach hinten. Hersteller, Distributoren und Industriezulieferer werden von ihren Kunden und Partnern aufgefordert, digital, integriert und automatisiert zu werden. Diese Unternehmen sind nicht langsam, sie kamen nur zuletzt dran; der Unterschied besteht darin, dass ihre Vorbereitungszeit kürzer ist und die Erwartungen, die an ihre Tür klopfen, bereits ausgeprägt sind.
Schafft KI Datenprobleme oder deckt sie sie nur auf? Ohne saubere, verbundene und zugängliche Daten funktioniert KI nicht, und Industrieunternehmen haben traditionell nicht in diese Grundlage investiert. Der Bericht zeigt, dass nur 27 % der Fertigungsunternehmen über ein Data Warehouse oder einen Data Lake verfügen, während dieser Anteil im gesamten Mid-Market bei 60 % liegt. 45 % der Fertigungsunternehmen arbeiten immer noch mit isolierten Daten, und keines nutzt eine Machine-Learning-Plattform. Im gesamten Mid-Market haben nur 16 % der Unternehmen einen Zustand vollständiger Daten-Governance und -Integration erreicht. Altsysteme (Legacy System) sind ebenfalls eine Herausforderung. Alle Hersteller in der Studie nutzen ERP-Systeme, diese tief integrierten Systeme lassen sich nicht einfach mit modernen KI-Tools verbinden. Die Integration von Altsystemen stellt mit 55 % das größte Hindernis im verarbeitenden Gewerbe dar, weit über dem Marktdurchschnitt von 41 %.
Unter der technischen Ebene gibt es auch eine kulturelle Ebene. Industrieunternehmen bauen ihren Wettbewerbsvorteil auf operativer Exzellenz, Prozessbeherrschung und tiefem Fachwissen auf, nicht auf datengesteuerten Entscheidungen. Die über Jahrzehnte an der Front gesammelte Intuition hat den Unternehmen gute Dienste geleistet, aber KI verlangt von ihnen, auf der Grundlage anderer Annahmen zu operieren – dieser Wandel ist schwieriger als die Installation eines jeden Werkzeugs.
73 % der Fertigungsunternehmen befinden sich noch in der KI-Testphase, keines der untersuchten Unternehmen ist ein vollständig operativer Anwender. Betrachtet man den gesamten Mid-Market, befinden sich 73 % der Unternehmen noch in einer frühen oder grundlegenden Vorbereitungsphase, nur 7 % sind bereit für eine unternehmensweite Skalierung. Die aktuellen, tatsächlichen Ergebnisse sind in ihrem Umfang begrenzt, wie z. B. Zeitersparnis in einzelnen Prozessschritten oder die Automatisierung der Kreditorenbuchhaltung. Diese individuellen Produktivitätssteigerungen helfen einer Person, in einem Prozess, der noch mit getrennten Systemen verbunden ist, schneller zu handeln, aber diese Ergebnisse sind keine Transformation. Die Gefahr besteht darin, erfolgreiche Pilotprojekte fälschlicherweise als das Ende der Reise zu betrachten. Die organisatorische Bereitschaft (Organizational Readiness) überbrückt die Lücke zwischen vielversprechenden Pilotprojekten und operativem Maßstab.
Die gute Nachricht ist, dass der Wille vorhanden ist: Alle befragten Hersteller stimmen zu, dass KI Zeit sparen kann, und 91 % planen, ihre Investitionen zu erhöhen. Investitionen ohne eine solide Grundlage werden jedoch nur mehr Pilotprojekte hervorbringen, keinen größeren Maßstab. Drei Prioritäten können diese Entwicklung ändern. Erstens: Daten verbinden. Beginnen Sie damit zu verstehen, welche Daten Sie haben, wo sie sich befinden und wie sauber sie sind. Brechen Sie die wichtigsten Datensilos auf und investieren Sie in ein oder zwei Integrationsplattformen, um die am häufigsten genutzten Systeme zu verbinden. Zweitens: Beginnen Sie mit datenbereiten Anwendungsfällen. Finden Sie Prozesse, deren Daten bereits sauber genug sind, um einen unternehmensweiten Wert nachzuweisen, und bauen Sie von dort aus auf. Drittens: Betrachten Sie dies als kulturellen Wandel, nicht als IT-Projekt. Die Führungsebene muss Daten von einer Backend-Funktion zu einem strategischen Vermögenswert umdefinieren und diese Denkweise in der gesamten Organisation verankern. Werkzeuge allein verändern kein Unternehmen, Menschen schon.
Dieselbe Welle der Disruption, die den Einzelhandel und das Finanzwesen neu gestaltet hat, hat nun die Produktionshallen erreicht. Die Unternehmen, die den Unterschied machen werden, sind nicht diejenigen, die die meisten Werkzeuge kaufen, sondern diejenigen, die die Grundlage schaffen, Daten verbinden und KI als das sehen, was sie mit sich bringen kann: einen organisatorischen Wandel. Die Technologie ist bereit, die eigentliche Frage ist, ob das Betriebsmodell bereit ist, KI wirken zu lassen.
