Müll rein, Müll raus. Und warum Ihre KI-Strategie mit Ihren Daten steht und fällt.

Unternehmen haben mehr Daten als je zuvor. Trotzdem treffen viele Führungskräfte Entscheidungen nachwievor auf Basis ihres Bauchgefühl. Doch die beste Heuristik ersetzt keine hochwertige Datenstrategie und deren Umsetzung auf einem umfassenden Datenbestand. Genauso wenig tun das große Datenmengen ohne einen durchdachte Plan und dessen konsequente Umsetzung. Wenn diese Mengen auch noch mangelhaft sind, erzeugen sie auch in großer Menge keine qualitativ hochwertigen Ergebnisse. Mit oder ohne dem Zauberwort KI. Die Kombination dieser Zutaten potenziert die Mängel vielmehr.

Dass diese Problematik System hat, macht eine aktuelle Bitkom-Studie [1] unter 603 repräsentativ befragten deutschen Unternehmen deutlich: Lediglich 6 % glauben, das Potenzial ihrer Daten vollständig auszuschöpfen. Weitere 42 % nutzen es nur begrenzt, 18 % gar nicht.

Datenstrategie ist keine IT-Aufgabe. Sie ist eine Führungsentscheidung.

Wollen Sie KI ernsthaft einsetzen? Dann kommen Sie an dieser Frage nicht vorbei: Wie gut sind die Daten, auf denen die KI arbeitet?

Datenmenge ist kein Qualitätsbeweis

Mehr Daten bedeuten nicht automatisch bessere Entscheidungen. Das ist ein hartnäckiger Irrtum. Sind Ihre Daten unstrukturiert erfasst, inkonsistent gepflegt oder über Systemgrenzen hinweg nicht verknüpft, produzieren sie kein Wissen. Sie erzeugen Rauschen. Dieses Rauschen verstärken KI-Systeme, indem auch sie mangelhafte Eingaben nicht in hochwertigen Ausgaben verwandeln.

Gartner belegt diese Aussage mit konkreten Zahlen: 63 % der analysierten Unternehmen haben entweder keine geeigneten Datenpraktiken für KI oder sind unsicher, ob ihre Daten KI-tauglich sind [2]. Gleichzeitig prognostiziert Gartner, dass bis 2026 bis zu 60 % aller KI-Projekte, die auf mangelhaften Daten aufbauen, scheitern oder eingestellt werden. Das Problem ist altbekannt. Der Einsatz von KI macht es sichtbarer und noch teurer.

Datenstrategie und Datenprojekte

Scheitert ein KI-Projekt, helfen bessere Daten bei der Reparatur. Fehlt eine Datenstrategie, reicht das nicht. Ein Datenprojekt löst ein konkretes Problem: Es bereitet einen Datensatz auf, integriert eine neue Quelle oder baut ein Dashboard. Jedes der Beispiele kann sinnvolle Ergebnisse erzeugen, aber keines davon ersetzt ein strategisches Fundament.

Dieses strategische Fundament schafft eine Datenstrategie auf Basis zentraler Einsichten. Starten Sie dafür mit diesen Fragen:

• Welche Daten brauchen wir für welche Entscheidungen?

• Wer ist verantwortlich für Qualität und Pflege?

• Wie stellen wir sicher, dass Daten unternehmensweit vertrauenswürdig sind?

• Welche Abhängigkeiten entstehen durch externe Systeme und Dienste?

Offensichtlich geht der Rahmen dieser Fragen über technische Aspekte hinaus und stellt eine Führungsaufgabe dar.

Damit ein Datenprojekt nachhaltig erfolgreich sein kann, schafft eine Datenstrategie den notwendigen Unterbau. Gartner bestätigt den Unterschied in Zahlen: Organisationen mit erfolgreichen KI-Initiativen investieren bis zu viermal mehr in Datenqualität und Governance als jene mit schlechten KI-Ergebnissen [3].

Wie können Sie beginnen?

Ein häufiger Fehler ist, auf das perfekte Framework zu warten. Doch eine Datenstrategie muss nicht in der Theorie perfekt sein, um wirksam zu sein. Sie muss praktisch geschehen und letztlich da sein, um zu wirken.

Beginnen Sie dazu mit einem Anwendungsfall, der für Ihr Unternehmen strategisch relevant ist. Klären Sie, welche Daten der Anwendungsfall benötigt, wer Verantwortung für deren Qualität trägt und unter welchen Bedingungen Sie die Einbindung externer Dienste zulassen. Bauen Sie darauf auf.

76 % der befragten deutschen Unternehmen sehen die Datenökonomie als entscheidend für ihre künftige Wettbewerbsfähigkeit [1]. Das Bewusstsein ist also da, die dargestellten Defizite aber auch.

Wie fit ist Ihre Datenstrategie?

Bei der Antwort auf diese Frage hilft Ihnen der KI-Readiness-Check.

---

Quellen

1. Bitkom e. V. (2024): Data Economy – Wo steht die deutsche Wirtschaft? Presseinformation, 11. Juni 2024. https://www.bitkom.org/Presse/Presseinformation/Deutsche-Unternehmen-nutzen-ihre-Daten-kaum

2. Gartner (2025): Lack of AI-Ready Data Puts AI Projects at Risk. Pressemitteilung, 26. Februar 2025. https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk

3. Gartner (2026): Gartner Says Organizations with Successful AI Initiatives Invest Up to Four Times More in Data and Analytics Foundations. Pressemitteilung, 16. April 2026. https://www.gartner.com/en/newsroom/press-releases/2026-04-16-gartner-says-organizations-with-successful-ai-initiatives-invest-up-to-four-times-more-in-data-and-analytics-foundations