← News-Übersicht | Spotmarkthalle
2026-11-05 · Quelle：Computerworld
Die Technologie bekommt die Schuld, wenn KI-Pilotprojekte enttäuschen, doch der tieferliegende Fehlerpunkt ist älter: nicht abgeglichene CMDBs, Asset-Listen in Tabellenkalkulationen und Stammwissen, das die KI nicht sehen kann.
Drei Systeme, ein Inventar: Eine Endpoint-Konsole zählt 9.400 Geräte, ein Sicherheitsscanner findet 8.700, und die Configuration-Management-Datenbank behauptet 10.200 – von denen Hunderte längst außer Betrieb sind. Jede Zahl ist für sich genommen zu verteidigen. Zusammen beschreiben sie eine IT-Umgebung, die niemand vollständig überblicken kann.
Wenn ein KI-Pilotprojekt im IT-Betrieb hinter den Erwartungen zurückbleibt, fällt die Kritik meist auf die Technologie. War das Modell falsch? Hat das Tool zu viel versprochen? Hat das Team den falschen Anwendungsfall gewählt? Diese Fragen sind berechtigt, doch in vielen Organisationen liegt die Antwort an einem weniger glamurösen Ort: in einer Configuration-Management-Datenbank, die seit zwei Jahren nicht mehr abgeglichen wurde, in Asset-Daten, die in Tabellenkalkulationen feststecken, oder in drei Service-Desk-Teams, die dasselbe Kategorie-Feld auf drei verschiedene Arten nutzen.
Diese Schwächen hat die KI nicht geschaffen. Sie legt sie offen – schnell und öffentlich.
Die Zersplitterung ist strukturell, nicht zufällig. Die meisten IT-Umgebungen wuchsen Werkzeug um Werkzeug: Das Endpoint-Team führte eine Managementplattform ein, die Sicherheit brachte einen Scanner mit, das Servicemanagement baute seine Workflows im ITSM-Tool auf, und die Beschaffung verfolgte Käufe in einem separaten System. Jede Entscheidung ergab für sich genommen Sinn. Nur wenige dieser Systeme wurden je darauf ausgelegt, Daten untereinander auszutauschen – jedes Team behält dadurch nur einen Teilblick auf dieselbe Umgebung: Niemand ist völlig falsch informiert, aber niemand ist vollständig.
Die Menschen haben gelernt, um diese Lücken herumzuarbeiten. Ein erfahrener Analyst weiß, welchem System er bei welcher Frage vertrauen kann, und füllt den Rest aus dem Gedächtnis auf. Dieses implizite Organisationswissen ist wertvoll, aber für die KI unsichtbar – und genau dort beginnt der Ärger.
Die Konsequenz für Unternehmen, die KI in den IT-Betrieb drücken wollen, ist unbequem: Die Wahl des Modells und des Anbieters könnte weniger bedeuten als der Zustand der Daten darunter. Solange die Silos nicht abgeglichen sind, werden KI-Pilotprojekte weiter – lautstark und öffentlich – Probleme offenzulegen, die die Organisation von Anfang an nie behoben hat.
Tags: CMDB · ITSM · IT Operations · Data Quality · AI Pilots · IT Asset Management
萬安算交所 AIXX · AIXX · Verifizierte Computing-Börse · Zur Spotmarkthalle