Viele Unternehmen erkennen das Potenzial von Artificial Intelligence (AI) – doch der Weg von der Idee zur produktiven Anwendung ist oft steinig. Woran liegt das, und wie lässt sich der Sprung vom Proof of Concept in den Alltag meistern? Diese und weitere Fragen beantwortet CANCOM-Experte Daniel Kiehl im Gastbeitrag.
2. Oktober 2025
|
Lesedauer: ca. 3 Min.

Viele AI-Projekte scheitern bereits in einer frühen Phase. Damit das nicht passiert, sind eine sorgfältige Planung und Koordination der Projekte entscheidend. CANCOM kann Unternehmen dabei umfassend unterstützen (Bild: © CANCOM).
Viele Unternehmen scheitern bei AI-Projekten früh – etwa wegen fehlender Business-Ziele, mangelnder technischer Basis oder unklarer Datenlage. Wie sich das vermeiden lässt und der produktive Einsatz von AI gelingen kann, beschreibt CANCOM-Experte Daniel Kiehl (Competence Center Datacenter & Cloud bei CANCOM) im Gastbeitrag. Im Fokus steht dabei, inwiefern CANCOM Unternehmen mit einem klar strukturierten Ansatz entlang der gesamten AI-Journey unterstützt – von der Use-Case-Definition über die Entwicklung bis zur Integration. Weitere Informationen erhalten Sie auf der Themenseite.
Dieser Text wurde mit Unterstützung von AI erstellt und redaktionell überprüft.
Artificial Intelligence gilt als Schlüsseltechnologie für die digitale Transformation. Dennoch zögern viele Unternehmen beim Einstieg. Die Gründe sind vielfältig: Der wirtschaftliche Nutzen von AI-Projekten ist häufig schwer greifbar, insbesondere im Vergleich zu klassischen IT-Investitionen. Hinzu kommt, dass es oft an interner Expertise fehlt, um das Potenzial der Technologie realistisch einzuschätzen – oder überhaupt zu wissen, ob die eigenen Daten für AI geeignet sind.
Nach diesen, oft von Unsicherheit geprägten, Vorüberlegungen folgt die nächste Herausforderung: der Start von Pilotprojekten. Einige Vorhaben bleiben bereits in dieser frühen Proof of Concept-Phase stecken. Ein häufiger Grund: Es fehlt die klare Verbindung zwischen AI-Initiativen und konkreten Business-Zielen. Projekte werden isoliert in Fachabteilungen getestet, entfalten aber keinen erkennbaren operativen Nutzen. Auch kulturelle Hürden spielen eine Rolle – Data Scientists und IT sprechen häufig unterschiedliche Sprachen.
Damit die AI-Projekte nicht in dieser frühen Phase scheitern, ist es empfehlenswert, interdisziplinäre Teams einzusetzen, die beide Welten verstehen und AI-Projekte vom Prototypen in den produktiven Betrieb überführen können. CANCOM begegnet dieser Herausforderung beispielsweise mit einem spezialisierten Team, das genau diese beiden Welten versteht und gezielt die Koordination der AI-Projekte übernimmt.

Bild: © CANCOM
Wer die Prototypphase nun erfolgreich abgeschlossen hat, muss für die Überführung der AI-Projekte in den produktiven Betrieb vor allem eines beachten: Die Gewährleistung einer soliden technologischen Basis. Nur so lassen sich die entsprechenden AI-Anwendungen reibungslos in die bestehende IT-Infrastruktur integrieren.
Hier bieten zentrale, standardisierte Plattformen entscheidende Vorteile: Sie ermöglichen eine schnellere und risikoärmere Umsetzung als individuell entwickelte Lösungen. Besonders wichtig ist Flexibilität – viele Unternehmen starten AI-Projekte in der Public Cloud und verlagern sie später aus Compliance- oder Kostengründen ins eigene Rechenzentrum. Eine zentrale Plattform erlaubt diesen Wechsel, ohne in eine Anbieterabhängigkeit zu geraten. Gleichzeitig bilden solche Plattformen die Grundlage für „Trustworthy AI“: Sie sorgen für Transparenz, Nachvollziehbarkeit und Regeltreue – etwa im Hinblick auf den EU AI Act.
Neben einer hohen Flexibilität muss auch das Thema Cybersicherheit priorisiert werden. Denn mit der rasanten Entwicklung generativer AI verschieben sich die Risiken: Nicht nur Daten, sondern auch die zugrundeliegenden Modelle geraten ins Visier von Angreifern. Manipulierte Trainingsdaten, die als Data Poisoning bezeichnet werden, oder Schadcode, der über Lieferketten in Modelle eingeschleust wird, auch Model Poisoning genannt, können schwerwiegende Folgen haben – von Fehlentscheidungen bis hin zu gezielten Angriffen.
Entsprechend müssen Firmen moderne Sicherheitsstrategien implementieren, die den gesamten Lebenszyklus eines AI-Modells absichern – vom Training bis zur Inferenz.
Datensouveränität bleibt dabei ein zentraler Faktor. Unternehmen müssen die volle Kontrolle über ihre Daten und Modelle behalten, sowohl technisch als auch rechtlich.
All das zeigt: Bis zur erfolgreichen Realisierung von AI-Projekten ist es oft ein steiniger Weg. So sehen sich Unternehmen in jeder Phase des Projektes mit einer Reihe von Herausforderungen konfrontiert.
Als CANCOM unterstützen wir Firmen dabei, all diese und weitere Herausforderungen zu meistern. Wir begleiten Unternehmen mit einem klar strukturierten Ansatz entlang der gesamten AI-Journey – von der Use-Case-Definition über die Entwicklung bis zur Integration.
Dabei setzen wir auf die Enterprise AI-Plattform, die Infrastruktur, Tools und bewährte Methoden für die Entwicklung und den sicheren Betrieb von AI-Anwendungen vereint. Unternehmen mit eigenen Data-Science-Teams können damit direkt loslegen. Für alle anderen bieten wir eine Reihe von einsatzbereiten Modellen oder AI Bundles, die sofort verfügbar sind. Und wer höchste Anforderungen an Datensouveränität hat, kann künftig auch auf eine AI-as-a-Service-Plattform in der CANCOM Cloud zugreifen.
Der Weg zu produktiver AI ist anspruchsvoll, aber machbar – mit der richtigen Strategie, Technologie und einem erfahrenen Partner an der Seite. Wer mehr erfahren möchte, findet weiterführende Informationen und konkrete Lösungen auf der exklusiven AI-Themenseite von CANCOM.
Daniel Kiehl
Director Competence Center Datacenter & Cloud, CANCOM
Daniel Kiehl leitet das Competence Center Datacenter & Cloud bei CANCOM. Er und sein Team beschäftigen sich täglich mit den unterschiedlichen Facetten der Bereiche AI, Cloud und Datacenter.
Dazu gehört beispielsweise die erfolgreiche Umsetzung von AI-Projekten – vom Proof of Concept bis zur Integration von AI-Modellen in den laufenden Betrieb.