Welche Hindernisse bremsen die KI-Reife? Eine Umfrage unter 108 Fachleuten

Auf einen Blick

Quelle

van Veen, Zhu and Ravesteyn (2026). How AI Implementation Barriers Shape AI Maturity? The Interacting Roles of Skilled Employees, Technological Infrastructure and Data Quality. CONF-IRM 2026 Proceedings, 17. aisel.aisnet.org

Wie sie durchgeführt wurde

Eine Umfrage, ausgewertet mit einem statistischen Modell, das mehrere Zusammenhänge zugleich prüft. Umfrage. Menschen beantworteten einmal Fragen. Sie zeigt, was zusammen auftritt, nicht was was verursacht.

Wer teilnahm

108 Fachleute aus verschiedenen Branchen. Die Stichprobe sind 108 Personen, nicht 108 Organisationen.

Wo

Niederlande.

“Barriers related to skilled employees exert the strongest influence: they directly hinder AI maturity and intensify perceived barriers in technological infrastructure and data quality.” [Hindernisse rund um qualifizierte Beschäftigte haben den stärksten Einfluss: Sie behindern die KI-Reife direkt und verstärken die wahrgenommenen Hindernisse bei technischer Infrastruktur und Datenqualität.]

Was sie fand

• Ein Mangel an qualifizierten Beschäftigten war das Hindernis, das am stärksten mit geringer KI-Reife zusammenhing.
• Hindernisse bei Infrastruktur und Datenqualität hatten keine eigene direkte Wirkung, die über Zufall hinausging.
• Ein Mangel an Fachkräften ließ auch die beiden anderen Hindernisse größer wirken.

Wann das Ergebnis gilt

Die Antworten sind die Sicht von Fachleuten, die mit KI arbeiten. Sie bewerteten sowohl die Hindernisse als auch die Reife ihrer Organisation.

Grenzen

• Ein Konferenzbeitrag. Er wird weniger streng begutachtet als ein Zeitschriftenartikel.

Praktiken, die sich auf diese Studie stützen

Diese Studie stützt:

• Planen Sie Budget für Menschen und Prozesse ein, nicht nur für Werkzeuge Lizenzen sind der kleine Teil der Kosten. Planen Sie den Großteil von Zeit und Geld für Schulung, die Umgestaltung der Arbeit und die Begleitung der Menschen durch die Veränderung ein. Zuerst · Aufwand: gering (Tage, eine Person) Evidenz: Vorläufig Strategie · Einführen

Diagnoseinstrumente zu dieser Studie

• Was wird die Einführung fördern oder bremsen? Consolidated Framework for Implementation Research (CFIR) Menschen auf mehreren Ebenen, in Interviews · Interviews zu den Faktoren, die Sie auswählen, aus 48 Frei nutzbar, vor Änderungen fragen Prüfung: Stark Interviewleitfäden und Checklisten
• Was macht dieses Technikprojekt schwierig? NASSS-CAT: complexity assessment tools for technology projects Das Projektteam und Beschäftigte in Interviews · Zwei Checklisten, ein Formular mit 35 Fragen und ein Interviewleitfaden Frei nutzbar, vor Änderungen fragen Prüfung: Mittel Interviewleitfäden und Checklisten
• Ist alles bereit, bevor ein KI-System in Betrieb geht? AI readiness pre-implementation checklist (SID and ADE) Das Team, das für die Einführung verantwortlich ist · Eine Checkliste in 8 Bereichen Frei nutzbar und anpassbar Prüfung: Vorläufig Interviewleitfäden und Checklisten

Faktenchecks, die diese Studie zitieren

• „MIT Sloan zeigt, dass die Hindernisse der digitalen Transformation vor allem kulturell sind“ Kein Beleg gefunden