Der Executive Circle am 10. Juni, veranstaltet von Glacier in Kooperation mit NetApp, ProLion und IT Power Services, zeigte vor allem eines: Die größte Herausforderung bei KI liegt nicht in den Modellen selbst, sondern in den Daten dahinter.
Managemententscheidungen basieren zunehmend auf KI-gestützten Prognosen, Reports und Analysen. Wenn die Datengrundlage nicht stimmt, werden falsche Annahmen nicht korrigiert, sondern skaliert. KI beendet damit die Komfortzone. Unternehmen müssen aufräumen.
Gleichzeitig verschärft KI einen zentralen Konflikt: Wachstum versus Verantwortung.
Unternehmen müssen schneller werden, effizienter arbeiten und KI produktiv einsetzen. Auf der anderen Seite bringt mehr KI auch mehr Verantwortung mit sich – für Datenqualität, Transparenz, Nachhaltigkeit und das Vertrauen von Kunden, Lieferanten und Partnern.
KI hat einen ökologischen Preis – und ein enormes Potenzial
Die Dimension der Entwicklung ist beeindruckend, wie Jeannette Gorzala von ACT.AI.NOW in ihrer Keynote aufzeigte.
Laut Prognosen der International Energy Agency werden Rechenzentren weltweit im Jahr 2025 rund 485 Terawattstunden Strom verbrauchen. Bis 2030 soll sich dieser Wert auf rund 950 Terawattstunden nahezu verdoppeln.
Parallel dazu wächst auch die globale Datenmenge rasant. Laut IDC werden im Jahr 2025 weltweit rund 175 bis 181 Zettabyte an Daten erstellt, repliziert und konsumiert. Dabei handelt es sich nicht um eine KI-spezifische Kennzahl, sondern um die gesamte weltweit erzeugte Datenmenge. KI ist dabei ein wichtiger Treiber, aber nicht die alleinige Ursache dieses Wachstums.
Mit jedem neuen KI-Modell und jeder zusätzlichen Datenquelle wächst daher auch die Diskussion über Energieverbrauch, Ressourcenbedarf und Nachhaltigkeit.
Gleichzeitig liegt genau hier ein Paradoxon: KI verursacht zusätzlichen Energiebedarf, kann aber selbst zu einem wichtigen Hebel für mehr Effizienz werden. Durch intelligente Datennutzung und KI-gestützte Optimierung lassen sich Ressourcen gezielter einsetzen, Prozesse verbessern und Einsparungspotenziale sichtbar machen.
Die Frage lautet daher nicht, ob Unternehmen KI einsetzen sollen, sondern wie sie dies verantwortungsvoll tun können.
Daten: KI beendet die Komfortzone
Ein zentrales Thema des Abends war die Rolle der Daten.
Jeannette Gorzala brachte es mit einer einfachen Geschichte auf den Punkt: Ein Unternehmen verwahrte seine wichtigsten Daten auf einer Diskette im Safe. Die Daten waren vorhanden – nutzbar waren sie nicht mehr, weil ein funktionierendes Diskettenlaufwerk fehlte.
Genau diese Situation findet sich heute in vielen Organisationen wieder. Informationen liegen in Archiven, Insellösungen oder historisch gewachsenen Systemen. Solange niemand darauf zugreifen muss, bleibt das Problem oft unsichtbar.
Mit KI ändert sich das, weil KI-Systeme Muster verstärken:
- Gute Daten werden wertvoller.
- Schlechte Daten werden gefährlicher.
- Fehlende Daten werden sichtbar.
Während früher viele Datenprobleme verborgen blieben, legt KI offen, wo Informationen fehlen, Qualitätsprobleme bestehen oder Zusammenhänge nicht nachvollziehbar sind.
Eine Aussage zog sich dabei durch den gesamten Abend:
KI-Modelle sind austauschbar. Daten nicht.
Wer seine Daten nicht versteht, wird auch aus der besten KI keinen nachhaltigen Nutzen ziehen können.
Pilot Purgatory: Warum viele KI-Initiativen nicht über die Testphase hinauskommen
Obwohl KI längst in den Unternehmen angekommen ist, bleibt der wirtschaftliche Nutzen häufig hinter den Erwartungen zurück.
Viele Organisationen starten mit Pilotprojekten, Proof-of-Concepts oder einzelnen Anwendungsfällen. Der Sprung in den produktiven Betrieb gelingt jedoch deutlich seltener. Jeanette Gorzala berichtete in ihrer Keynote, dass 88% der Unternehmen KI einsetzen, allerdings nur 6% einen spürbaren Gewinn daraus.
Dieses Phänomen wird häufig als „Pilot Purgatory“ bezeichnet.
Der Grund dafür liegt selten in der Technologie selbst. Viel häufiger fehlen die organisatorischen Voraussetzungen: Daten sind nicht ausreichend verfügbar, Verantwortlichkeiten nicht geklärt oder Prozesse nicht definiert.
Die Diskussion machte deutlich: Der Weg aus dem Pilot Purgatory führt selten über ein weiteres KI-Tool. Er führt über Datenqualität, klare Zuständigkeiten und eine belastbare Governance.
Governance ist kein Bremsklotz, sondern die Grundlage für Geschwindigkeit
Ebenso intensiv wurde über Governance diskutiert.
Oft wird Governance als Gegensatz zu Innovation verstanden. Die Diskussion zeigte jedoch ein anderes Bild: Fehlende Verantwortlichkeiten, unklare Prozesse und mangelnde Messbarkeit bremsen Unternehmen deutlich stärker als klare Regeln.
Jeannette Gorzala formulierte dafür fünf konkrete Handlungsfelder:
- KI braucht eine eindeutige Verantwortung im Unternehmen.
- Für KI-Anwendungen braucht es ein Betriebsmodell.
- KI muss strategisch gedacht werden – nicht als kurzfristiges Experiment.
- Was nicht gemessen wird, kann nicht gesteuert werden.
- Vertrauen muss Teil der Infrastruktur werden.
Besonders die letzte Aussage blieb hängen.
Vertrauen entsteht nicht durch Kommunikation oder Marketing. Vertrauen entsteht durch nachvollziehbare Prozesse, transparente Entscheidungen und belastbare Daten.
Oder anders formuliert:
Governance ist nicht der Preis für Geschwindigkeit. Sie ist das Lenkrad, das Orientierung gibt und Innovation in die richtige Richtung steuert.
Gerade bei KI zeigt sich, dass fehlende Verantwortlichkeiten, unklare Prozesse und mangelnde Transparenz Unternehmen deutlich stärker bremsen als klare Regeln. Governance schafft den Rahmen, in dem Innovation sicher und nachhaltig skaliert werden kann.
Überregulierung oder notwendige Leitplanken?
Wo Governance intern beginnt, setzt Regulierung den äußeren Rahmen. Entsprechend intensiv wurde auch über EU-Regelungen wie den EU AI Act diskutiert.
Auf die Frage, ob Europa Gefahr läuft, Innovation durch Überregulierung auszubremsen, verwies Jeannette Gorzala darauf, dass der EU AI Act eigentlich nur acht klar definierte KI-Praktiken verbietet.
Dazu zählen:
- Manipulative KI-Systeme
- Die Ausnutzung von Schwächen besonders schutzbedürftiger Personen
- Social Scoring
- Predictive Policing
- Der Aufbau von Gesichtsdatenbanken durch massenhaftes Scraping
- Emotionserkennung am Arbeitsplatz
- Die biometrische Ableitung sensibler Merkmale
- Echtzeit-Gesichtserkennung im öffentlichen Raum
Gerade dieser Hinweis sorgte für eine interessante Perspektive. Die verbotenen Anwendungen wurden in der Diskussion weniger als Einschränkung verstanden, sondern vielmehr als notwendige gesellschaftliche Leitplanken für den Einsatz von KI.
Die Herausforderung scheint daher weniger in der Existenz von Leitplanken zu liegen als in der Orientierung innerhalb eines zunehmend komplexen regulatorischen Umfelds. Unternehmen wünschen sich nicht unbedingt weniger Regeln, sondern mehr Klarheit darüber, wie diese zusammenwirken und praktisch umgesetzt werden können.
Auch hier zeigte sich derselbe Konflikt wie zu Beginn des Abends: Wachstum und Verantwortung müssen gemeinsam gedacht werden – nicht als Gegensätze, sondern als zwei Voraussetzungen für nachhaltigen Erfolg.
Der Blick nach vorne: Was jetzt wichtig wird
Die Diskussion reichte von der Frage nach dem steigenden Energieverbrauch über den richtigen Umgang mit Regulierung bis hin zur Verantwortung von Unternehmen und Gesellschaft.
Eine interessante Frage kam dabei von einem spontanen Panelteilnehmer. Ausgangspunkt war die Frage eines Mitarbeiters, wie viel Energie eigentlich für eine Stunde Testen einer Software benötigt wird.
Eine konkrete Antwort darauf gibt es derzeit nicht. Genau an diesem Beispiel wurde deutlich, wie schwierig es oft noch ist, den tatsächlichen Ressourcenverbrauch digitaler Prozesse messbar zu machen.
Die Diskussion machte deutlich, dass Unternehmen künftig nicht nur ihren Ressourcenverbrauch verstehen müssen, sondern auch besser erfassen sollten, welchen positiven Beitrag ihre Technologien und Prozesse leisten, den Handabdruck.
Dazu passten auch die abschließenden Gedanken der Panelteilnehmer.
Christian Sitz betonte die Verantwortung der Unternehmen, die Entwicklung aktiv mitzugestalten. Die technologischen Möglichkeiten seien vorhanden – entscheidend sei, wie wir sie einsetzen.
Robert Graf plädierte dafür, genauer zu analysieren, welche Daten tatsächlich benötigt werden und wo unnötige Komplexität entsteht.
Anna Neureiter hob hervor, wie wichtig es ist, die eigene Bubble zu verlassen und kritisches Denken zu fördern. Gerade im KI-Zeitalter werde die Fähigkeit, Ergebnisse zu hinterfragen und Zusammenhänge einzuordnen, zu einer Schlüsselkompetenz.
Die wichtigste Erkenntnis des Abends fasst die zentrale Botschaft der Veranstaltung zusammen:
KI zwingt Unternehmen dazu, ihre Hausaufgaben zu machen. Wer seine Daten versteht, Verantwortung klar verankert und Governance nicht als Hindernis, sondern als Enabler begreift, schafft die Grundlage für nachhaltigen KI-Erfolg.
Denn die Zukunft wird nicht allein durch bessere KI entschieden. Sie wird von Unternehmen gestaltet, die Verantwortung, Datenqualität und kritisches Denken genauso ernst nehmen wie Innovation und Geschwindigkeit.
