Die Geschichte der Informationstechnologie ist ein faszinierendes Auf und Ab, geprägt von triumphalen Erfolgen und ebenso lehrreichen Misserfolgen. Dabei scheitern viele Technologien nicht aufgrund mangelnder Rechenleistung, sondern vielmehr an menschlichem Timing, Alltagsreibung oder gar dem Übermut der Entwickler. Ein Begriff, der in diesem Zusammenhang immer wieder auftaucht, ist das „Shiny Object Syndrome“. Dieses Phänomen bindet Budgets und Innovationskraft, indem es die Menschen dazu verleitet, neuen Technologietrends hinterherzujagen, ohne die bestehenden Herausforderungen zu meistern.
Ein Blick in die Vergangenheit zeigt uns einige eindrucksvolle Beispiele gescheiterter Technologien, die vor ihrer Zeit waren oder einfach nicht die breite Akzeptanz fanden, die ihre Entwickler erhofft hatten. Der CueCat, ein kabelgebundener Barcodescanner, versuchte 2000 die Verbindung von Printmedien und Internet herzustellen, scheiterte jedoch an der komplizierten Nutzung und der hohen Investition von 185 Millionen US-Dollar. Ähnlich erging es der Juicero, einer Saftpresse, die mit WLAN ausgestattet war, aber letztlich aufgrund der einfachen Möglichkeit, die Saftbeutel von Hand auszupressen, keinen Markt fand.
Lektionen aus gescheiterten Technologien
Diese Misserfolge sind nicht nur unterhaltsame Anekdoten; sie bieten wertvolle Lektionen für die Zukunft. CIOs sollten sich im Jahr 2027 an vier entscheidenden Filtern orientieren, um Fehlentscheidungen zu vermeiden: dem Reibungs-Filter, der Ökosystem-Filter, dem Kontext-Filter und dem sozialen Filter. Diese Kriterien helfen dabei, Technologien auszuwählen, die robust, reibungsarm und kulturell kompatibel sind.
Ein aktuelles Beispiel für die Herausforderungen in der Technologieadaption ist die generative KI. Laut einer Studie von K2view haben nur 2% der Unternehmen in den USA und UK KI-Lösungen implementiert. Die Hauptbarrieren sind Kosten und datenspezifische Probleme. Fast die Hälfte der Unternehmen äußert Bedenken hinsichtlich der Datensicherheit und Privatsphäre in generativen KI-Systemen. Darüber hinaus kämpfen 33% der Unternehmen mit der Datenbereitschaft, was besonders für größere Firmen zu einer Herausforderung wird.
Die Einführung von KI erfordert erhebliche Anstrengungen in der Datenaufbereitung. Nick Elprin, CEO von Domino Data Lab, weist darauf hin, dass Unternehmen alle Datenwissenschaftslösungen bewerten sollten, bevor sie in generative KI investieren. Der Einsatz traditioneller Datenmethoden könnte für viele Organisationen effektiver sein als der Hype um neue Technologien.
Psychologische Aspekte des Shiny Object Syndrome
Das Shiny Object Syndrome beschreibt ein Verhalten, bei dem Menschen ihre Aufmerksamkeit ständig auf neue, glitzernde Ideen richten. Dies führt oft dazu, dass Projekte nicht abgeschlossen werden, was zu Stress und Zeitverschwendung führt. Die Ursachen sind vielfältig, von psychologischen Faktoren wie Neugier bis hin zu externen Einflüssen wie sozialen Medien und technologischen Fortschritten. Die Flut an Möglichkeiten kann zu Orientierungslosigkeit führen, was es schwierig macht, Prioritäten zu setzen.
Um diesem Syndrom entgegenzuwirken, ist es wichtig, klare Ziele zu setzen, Prioritäten zu definieren und Ablenkungen zu minimieren. Ein strukturierter Ansatz kann helfen, den Fokus zu bewahren und die eigenen Ziele nicht aus den Augen zu verlieren.
Zusammenfassend lässt sich sagen, dass die Analyse gescheiterter Technologien und das Verständnis psychologischer Phänomene wie das Shiny Object Syndrome entscheidend sind, um zukünftige Investitionen in Technologien besser zu steuern und zu optimieren. In der schnelllebigen Welt der Technologie ist es unerlässlich, sowohl die Chancen als auch die Risiken im Blick zu behalten und einen klaren Plan zu verfolgen, um nicht in die Falle des Übermuts zu tappen.