Dutzende Studien haben bereits die Adoptionsrate von Künstlicher Intelligenz (KI) in Unternehmen untersucht. Die überwiegende Mehrheit kommt zum gleichen Ergebnis: Unternehmen haben die großen Optimierungspotenziale erkannt, setzen KI-Systeme aber trotzdem fast nie im operativen Regelbetrieb ein.

In einer Umfrage unter mehr als 100 Qualitätsexperten konnten wir belegen, dass die Einschränkungen der manuellen Qualitätskontrolle zwar allgemein bekannt sind, ihr tatsächliches Ausmaß jedoch oft unterschätzt wird. Werden diese Risiken in der manuellen Kontrolle nicht adäquat berücksichtigt, führt dies zwangsläufig zu hohen Kosten durch Kundenreklamationen oder Pseudoausschuss.

Eine KI selbst zu trainieren ist heute so einfach und zugänglich wie nie zuvor – vorausgesetzt, es steht eine ausreichend hochwertige Datengrundlage zur Verfügung. Doch ein erfolgreiches Pilotprojekt ist nicht gleichzusetzen mit einer dauerhaft funktionierenden Vision-Software. Um KI-basierte Bilderkennungsprobleme langfristig und skalierbar zu lösen, reicht jedoch ein leistungsfähiger Algorithmus allein nicht aus. Der Aufwand für den Aufbau einer eigenen KI-Lösung wird oft unterschätzt – die eigentliche KI-Programmierung macht in vielen Fällen weniger als 5 % der Gesamtlösung aus.