Warum Industrial AI an der Datenqualität hängt

Im Podcast „Industry Insights“ erläutert Lisa Reehten von Resourcly, warum eine hohe Datenqualität die zentrale Voraussetzung für erfolgreiche KI-Projekte im Maschinenbau ist. Viele KI-Anwendungen scheitern daran, dass Daten über verschiedene Systeme und Abteilungen hinweg verteilt und uneinheitlich benannt sind, was die Nutzung erschwert und Effizienzverluste verursacht. Oft bleiben Projekte deshalb im Pilotstadium stecken, da isolierte Initiativen, überlastete IT-Abteilungen und fehlende durchgängige Prozesse den Praxiseinsatz behindern. Reehten betont, dass Industrial AI nicht bei großen Visionen, sondern bei der grundlegenden Bereinigung und Vereinheitlichung der Datenbasis beginnt. Startups können durch ihre Agilität schneller testen und umsetzen, während Konzerne von klaren Rollout-Perspektiven und der pragmatischen Verbesserung der Datenbasis profitieren.