Alle reden über KI. Aber die eigentliche Baustelle liegt in vielen Unternehmen ganz woanders.
Neue KI-Anwendungen, automatisierte Geschäftsprozesse und individuelle Softwarelösungen stehen auf der Agenda vieler mittelständischer Unternehmen. Doch häufig wird übersehen, dass diese Vorhaben eine gemeinsame Voraussetzung haben: eine verlässliche Datenbasis. Ohne sie entstehen technische Insellösungen, unnötige Abhängigkeiten und Digitalisierungsvorhaben, die ihr Potenzial nicht ausschöpfen.
Ein Kundengespräch, das die Perspektive verändert hat
Vor Kurzem saß ich mit Verantwortlichen eines mittelständischen Unternehmens zusammen. Wir haben darüber gesprochen, wie sich unterschiedliche Digitalisierungsvorhaben technisch und organisatorisch umsetzen lassen.
Dabei ging es nicht ausschließlich um künstliche Intelligenz. Auch Application Development, also die Entwicklung individueller Geschäftsanwendungen, und Prozessautomatisierung spielten eine Rolle.
Während wir gemeinsam erörterten, wie die einzelnen Lösungen funktionieren und welche Voraussetzungen dafür erforderlich sind, kam beim Kunden selbst eine wichtige Erkenntnis auf: Die Datenbasis ist nicht nur für ein einzelnes KI-Projekt relevant. Sie wird für unterschiedliche Digitalisierungsvorhaben benötigt.
Genau dieser Perspektivwechsel ist entscheidend.
Denn in vielen Unternehmen werden KI, Softwareentwicklung und Prozessautomatisierung noch immer als weitgehend eigenständige Initiativen betrachtet. Unterschiedliche Teams entwickeln Lösungen, erschließen Datenquellen und schaffen Schnittstellen.
Dabei greifen diese Vorhaben häufig auf dieselben Informationen zu.
Meine zentrale Frage lautet deshalb: Warum sollten wir für jedes neue Digitalisierungsprojekt die gleichen Datenprobleme erneut lösen?
Data Foundation ist kein Synonym für eine Datenbank
Wenn über Data Foundation gesprochen wird, denken viele zunächst an technische Themen: Data Warehouses, Data Lakes, Datenplattformen oder Schnittstellen.
Diese Technologien können wichtige Bestandteile sein. Aber eine Data Foundation umfasst deutlich mehr.
Es geht darum, Daten im Unternehmen so bereitzustellen, dass sie zuverlässig, nachvollziehbar und über unterschiedliche Anwendungsfälle hinweg nutzbar sind.
- Datenqualität: Sind die Informationen vollständig, aktuell und korrekt?
- Datenintegration: Können Informationen aus unterschiedlichen Systemen sinnvoll zusammengeführt werden?
- Datenverständnis: Ist eindeutig definiert, was einzelne Datenfelder und Kennzahlen bedeuten?
- Governance: Wer trägt die Verantwortung für Datenqualität, Zugriffsrechte und Änderungen?
- Zugänglichkeit: Können berechtigte Anwendungen und Mitarbeitende auf benötigte Informationen zugreifen?
- Nachvollziehbarkeit: Woher stammen Informationen und wie sind Ergebnisse entstanden?
Entscheidend ist dabei nicht, sämtliche Unternehmensdaten in einem einzigen System zu speichern.
Eine zentrale Data Foundation kann durchaus auf einer verteilten Architektur beruhen. Wichtig sind gemeinsame Standards, definierte Verantwortlichkeiten und einheitliche Regeln für den Zugriff und die Nutzung.
Für die Geschäftsführung ist das keine rein technische Frage. Es geht darum, wie effizient sich digitale Investitionen wiederverwenden lassen und welche Abhängigkeiten zwischen unterschiedlichen Vorhaben entstehen.
Das vergessene Problem: Entscheidungen sind oft nicht dokumentiert
Eine weitere Beobachtung aus meiner Beratungspraxis passt unmittelbar dazu.
In einem Unternehmen haben wir uns mit Prozessen beschäftigt, in denen zahlreiche Entscheidungen von Menschen getroffen wurden.
Das Problem war nicht allein, dass diese Entscheidungen manuell erfolgten. Viel entscheidender war, dass ihre Bewertung häufig nicht dokumentiert wurde.
Das Ergebnis einer Entscheidung war möglicherweise im Prozess sichtbar. Warum sich jemand für genau dieses Ergebnis entschieden hatte, ließ sich jedoch nicht ohne Weiteres nachvollziehen.
Für klassische Prozessautomatisierung ist das bereits eine Herausforderung. Für datengetriebene Automatisierung und KI wird es besonders relevant.
Stellen wir uns beispielsweise einen Freigabeprozess vor. Ein Mitarbeiter prüft einen Vorgang und entscheidet, ob er freigegeben oder zurückgestellt wird.
Ein technisches System kann diese Entscheidung erfassen und den weiteren Ablauf steuern.
Aber was passiert, wenn wir diesen Prozess intelligenter gestalten wollen?
Dann müssen wir verstehen, auf welcher Grundlage entschieden wurde. Welche Informationen waren relevant? Welche Regeln galten? Welche Ausnahmen wurden berücksichtigt?
Fehlen diese Informationen, lässt sich zwar der technische Ablauf digitalisieren. Die eigentliche Entscheidungslogik bleibt aber weiterhin an einzelne Menschen gebunden.
Wir automatisieren dann möglicherweise den Prozess, ohne das Wissen hinter dem Prozess verfügbar zu machen.
Genau hier erweitert sich die Bedeutung einer Data Foundation.
Es reicht nicht, vorhandene Datenbestände miteinander zu verbinden. Unternehmen müssen auch überlegen, welches bislang implizite Wissen sie für zukünftige Anwendungen erfassen und strukturieren sollten.
Das bedeutet nicht, jede menschliche Entscheidung vollständig formal abbilden zu müssen. Gerade komplexe Entscheidungen benötigen weiterhin Erfahrung und Kontext.
Aber wenn Unternehmen künftig automatisierte Entscheidungen ermöglichen oder KI zur Entscheidungsunterstützung einsetzen wollen, sollten sie zumindest die relevanten Bewertungskriterien kennen.
Sonst fehlt der Technologie ein wesentlicher Teil der fachlichen Grundlage.
Drei Digitalisierungsvorhaben, eine gemeinsame Grundlage
Warum ist diese Diskussion gerade für mittelständische Unternehmen wichtig?
Weil Data Foundation weit über klassische Datenanalyse hinausgeht.
KI benötigt Daten mit Kontext
Ein KI-System kann sprachlich überzeugende Antworten erzeugen. Ob diese Antworten im Unternehmenskontext brauchbar sind, hängt jedoch wesentlich von den bereitgestellten Informationen ab.
Ein KI-Agent, der Kundenanfragen bearbeitet, benötigt beispielsweise nicht nur Kundendaten. Er muss auch relevante Vertragsinformationen, Bearbeitungsstände, Zuständigkeiten und Geschäftsregeln berücksichtigen können.
Wenn diese Informationen in unterschiedlichen Systemen liegen, unterschiedliche Bedeutungen haben oder nicht zuverlässig zugänglich sind, wird die Anwendung unnötig komplex.
Auch eine moderne KI-Architektur löst diese Probleme nicht automatisch.
Application Development benötigt verlässliche Informationen
Bei der Entwicklung neuer Geschäftsanwendungen tauchen häufig ähnliche Fragen auf.
Welche Daten werden benötigt? Wo liegen diese? Welche Anwendung ist führend? Wie werden Änderungen übernommen?
Fehlt eine gemeinsame Datenbasis, muss jedes Entwicklungsvorhaben eigene Antworten darauf finden.
Neue Anwendungen erhalten individuelle Schnittstellen und implementieren eigene Regeln zur Datenverarbeitung. Dadurch steigt das Risiko, dass unterschiedliche Anwendungen zu unterschiedlichen Ergebnissen kommen.
Eine Data Foundation kann hier einen gemeinsamen Rahmen schaffen, auf dem sich neue Anwendungen schneller und konsistenter entwickeln lassen.
Prozessautomatisierung benötigt Daten und Entscheidungsregeln
Bei der klassischen Prozessautomatisierung steht häufig der Ablauf im Mittelpunkt.
Eine Information wird ausgelesen, in ein anderes System übertragen oder löst einen definierten Folgeschritt aus.
Datengetriebene Prozessautomatisierung geht darüber hinaus.
Hier beeinflussen Informationen den Ablauf selbst. Das System muss beispielsweise erkennen, welcher Bearbeitungsweg sinnvoll ist, wann eine Ausnahme vorliegt oder welche Entscheidung vorbereitet werden soll.
Dafür braucht es mehr als technische Schnittstellen.
Es braucht zuverlässige Daten, verständliche Geschäftsregeln und dokumentierte Entscheidungskriterien.
KI, Application Development und Prozessautomatisierung sind unterschiedliche Disziplinen. Ihre Anforderungen an die Datenbasis überschneiden sich jedoch erheblich.
Wer diese Gemeinsamkeiten erkennt, kann Digitalisierung anders organisieren.
Warum Data Foundation zentral verantwortet werden sollte
Damit kommen wir zur organisatorischen Frage.
Wer trägt die Verantwortung für die gemeinsame Datenbasis?
Meine Position ist klar: Data Foundation sollte zentral verantwortet werden.
Das bedeutet nicht, sämtliche Datenexperten in einer einzigen Abteilung zusammenzuführen oder die Fachbereiche von Entscheidungen auszuschließen.
Vielmehr braucht es eine übergreifende Verantwortung für Architektur, Standards, Governance und die Wiederverwendbarkeit von Daten.
Die Fachbereiche bleiben für die fachliche Bedeutung und Qualität ihrer Daten verantwortlich. Entwicklungsteams, KI-Spezialisten und Automatisierungsexperten nutzen diese Grundlage für ihre jeweiligen Anwendungen.
Das verhindert, dass jedes Team eigene Standards entwickelt und sich neue Datensilos bilden.
Interessant ist in diesem Zusammenhang auch die Frage, wie Data- und KI-Centers-of-Excellence zusammenarbeiten sollten.
Aus meiner Sicht spricht viel für eine enge organisatorische Abstimmung. Eine vollständige Verschmelzung ist dafür nicht zwangsläufig erforderlich.
Schließlich umfasst Data Foundation deutlich mehr Anwendungsfälle als künstliche Intelligenz.
Die gemeinsame Datenbasis muss die Anforderungen des gesamten Unternehmens unterstützen. Sie darf nicht allein aus der Perspektive einzelner KI-Projekte entwickelt werden.
Auch in der Managementforschung findet sich dieser übergreifende Gedanke wieder: Eine Untersuchung von 150 Unternehmen beschreibt das Zusammenspiel von Kompetenzen, Technologien und Architektur als wichtigen Faktor erfolgreicher digitaler Transformation. Die Betrachtung macht deutlich, warum neue Technologien allein noch keine erfolgreiche Transformation ausmachen.
Eine Data Foundation benötigt daher sowohl technische Grundlagen als auch organisatorische Verantwortung und geeignete Kompetenzen.
Was Entscheider jetzt anders machen sollten
Wer als CIO, CTO oder Geschäftsführer über neue Digitalisierungsinvestitionen entscheidet, sollte Data Foundation nicht als weiteres isoliertes Großprojekt betrachten.
Besser ist es, die gemeinsame Datenbasis schrittweise entlang konkreter Geschäftsanforderungen aufzubauen.
Ich würde dabei mit fünf Fragen beginnen:
1. Welche Daten benötigen mehrere unserer Digitalisierungsprojekte?
Wenn KI, neue Anwendungen und Automatisierungen dieselben Informationen benötigen, liegt dort ein sinnvoller Ausgangspunkt für gemeinsame Investitionen.
2. Wo entstehen heute doppelte Datenintegrationen?
Individuelle Schnittstellen sind nicht grundsätzlich schlecht. Werden dieselben Integrationsprobleme jedoch immer wieder gelöst, lohnt sich eine gemeinsame Architektur.
3. Welche relevanten Entscheidungen werden bislang nicht nachvollziehbar dokumentiert?
Gerade bei manuellen Prozessen sollten Unternehmen untersuchen, welche Entscheidungskriterien künftig für Automatisierung oder KI-Unterstützung relevant werden könnten.
4. Wer ist für die Daten verantwortlich?
Ohne klare fachliche und technische Verantwortlichkeiten hilft auch die beste Plattform wenig. Datenqualität und Governance benötigen verbindliche Zuständigkeiten.
5. Wie vermeiden wir das nächste Datensilo?
Neue Digitalisierungsprojekte sollten nicht nur hinsichtlich ihres unmittelbaren Geschäftsnutzens bewertet werden. Entscheidend ist auch, ob sie auf vorhandenen Datenfähigkeiten aufbauen und diese für weitere Anwendungsfälle verbessern.
Wichtig ist dabei die Reihenfolge.
Eine Data Foundation muss nicht vollständig fertig sein, bevor das erste KI- oder Automatisierungsprojekt startet.
Das wäre weder realistisch noch wirtschaftlich sinnvoll.
Stattdessen sollten Unternehmen konkrete Anwendungsfälle nutzen, um gemeinsame Datenfähigkeiten aufzubauen und diese schrittweise zu erweitern.
So entstehen Ergebnisse für das operative Geschäft und gleichzeitig eine langfristig nutzbare Grundlage.
Fazit: Die wichtigste Investition ist manchmal die, die niemand sieht
Die Erkenntnis aus dem Kundengespräch beschäftigt mich weiterhin.
Wir haben über unterschiedliche Technologien und Digitalisierungsvorhaben gesprochen. Aber im Verlauf der Diskussion wurde deutlich, dass die entscheidende Gemeinsamkeit an einer anderen Stelle liegt: bei den Daten.
Und bei der Frage, wie Informationen, Zusammenhänge und menschliche Entscheidungen für zukünftige Anwendungen nutzbar gemacht werden.
Für mich ist Data Foundation deshalb keine zusätzliche Disziplin neben KI, Application Development und Prozessautomatisierung.
Sie ist die gemeinsame Grundlage, auf der diese Disziplinen ihre Wirkung entfalten können.
Wer sie ausschließlich als Vorbereitung für KI versteht, denkt zu kurz.
Wer sie dagegen als strategische Fähigkeit des Unternehmens etabliert, schafft die Voraussetzungen dafür, dass unterschiedliche Digitalisierungsinvestitionen langfristig zusammenwirken.
Die Frage ist deshalb nicht nur, welches Digitalisierungsprojekt als Nächstes gestartet wird. Sondern auch, ob dieses Projekt die Grundlage für das übernächste verbessert.
Wie ist das bei euch organisiert? Gibt es bereits eine zentrale Verantwortung für die Datenbasis, oder bauen KI-, Entwicklungs- und Automatisierungsteams ihre Grundlagen noch weitgehend unabhängig voneinander auf?
Quellen
Marco Iansiti und Satya Nadella: „Innovation? Kann doch jeder“, Harvard Business Manager, Ausgabe 8/2022, S. 28–39. Bibliografischer Nachweis bei EconBiz (ZBW).
