Saubere Daten: Die Basis für erfolgreiche KI

Die aktuell stattfindenden IT-Transformationen sind von einem klaren Trend geprägt: dem Einsatz künstlicher Intelligenz (KI). Diese ist nicht länger Zukunftsmusik, sondern inzwischen ein wichtiger Treiber digitaler Veränderung.

Im Rahmen einer von Natuvion und NTT Data Business Solutions umgesetzten Studie zur IT-Transformation, nennen knapp 57 Prozent der Unternehmen die Einführung moderner Technologien, wie beispielsweise KI, als Hauptmotiv für ihr Transformationsvorhaben – ein Rekordwert, der die Richtung vorgibt.

Wer langfristig wettbewerbsfähig bleiben will, investiert besser heute als morgen in KI-basierte Systeme und Prozesse.

Doch je stärker KI zur strategischen Zielsetzung wird, desto deutlicher zeigt sich eine zentrale Schwäche: Die Leistungsfähigkeit von KI ist unmittelbar abhängig von der Qualität der verfügbaren Daten. Genau hier klafft eine gefährliche Lücke.

Ohne saubere Daten keine intelligente Entscheidung

KI lebt von Daten – nicht nur hinsichtlich der Quantität, sondern vor allem in Bezug auf deren Qualität. Damit sich die Wirkungskraft von KI voll entfalten kann, braucht es strukturierte, konsistente und zugängliche Informationen. Nur so lassen sich fundierte Analysen durchführen, Automatisierungspotenziale ausschöpfen oder realistische Prognosen treffen. Doch die Realität ist in vielen Unternehmen eine andere. Sie ist geprägt von unvollständigen, inkonsistenten, oder redundanten Daten, Dubletten, Medienbrüchen und fragmentierten Systemlandschaften, die das Potenzial von KI bestenfalls begrenzen, schlimmstenfalls aber sogar in die falsche Richtung lenken.

47 Prozent der im Rahmen der IT-Transformationsstudie 2025 befragten Unternehmen sehen die mangelhafte Datenqualität als größte Hürde ihrer Transformationsprojekte. Damit steht dieses Thema zum vierten Mal in Folge unter den Top drei der größten Herausforderungen – dieses Jahr sogar auf Platz eins. Vor allem größere Unternehmen oder Konzerne haben hier strukturelle Defizite, denn ihre komplexen Systemlandschaften und historisch gewachsenen Datenbestände erschweren die nachhaltige Bereinigung der Ausgangsdaten.

Die Unvereinbarkeit dieser Aspekte und das sich daraus ergebende Spannungsfeld ist offensichtlich: Unternehmen setzen zwar auf KI und investieren in diese Technologie, liefern den Systemen aber keine verlässliche Datenbasis. So wird aus einem ambitioniert gestarteten Digitalisierungsprojekt oft nur eine digitalisierte Ineffizienz.

Wer langfristig wettbewerbsfähig bleiben will, investiert besser heute als morgen in KI-basierte Systeme und Prozesse.

Patric Dahse, CEO, Natuvion GmbH

KI-Investitionen setzen Data Readiness voraus

Wer die Möglichkeiten von KI wirklich nutzen will, muss deshalb zuerst die Grundlage schaffen. Das bedeutet, Datenbestände müssen geprüft, bereinigt, vereinheitlicht und so aufbereitet werden, dass sie sich strategisch managen lassen. Genau an dieser Stelle verbirgt sich ein Schlüsselfaktor für die erfolgreiche Umsetzung eines Transformationsprojekts: In der Studie gaben 43 Prozent der Unternehmen an, dass Housekeeping-Aktivitäten, wie etwa Bestandsanalysen und Readiness-Checks, entscheidend für den Erfolg ihrer Transformation waren.

Nicht ohne Grund rangiert die „Analyse der bestehenden IT-Landschaft“ mit 38,6 Prozent auf Platz 1 der größten Planungshürden. Diese Zahlen zeigen: Die Qualität der Vorbereitung entscheidet maßgeblich über den Output und damit auch über die Qualität von KI-Systemen. Unternehmen, die in diese Basisarbeit Zeit, Manpower und strategische Überlegungen investieren, erreichen signifikant häufiger ihre Transformationsziele – insbesondere dann, wenn KI bereits im Rahmen des Transformationsprojekts selbst eine Rolle spielt. Fest steht: Nur wer weiß, welche Daten in welchem Zustand vorhanden sind, kann diese sinnvoll in Machine-Learning-Prozesse überführen und verlässliche Ergebnisse erzielen.

Die Cloud kann KI-Innovationen erleichtern

Ein weiteres zentrales Ergebnis der Studie: Fast die Hälfte der Unternehmen nutzt vermehrt Cloud-Plattformen, um einen schnellen und unkomplizierten Zugang zu KI-Innovationen zu erhalten. Das unterstreicht, dass die Cloud als Enabler gesehen wird. Das löst zwar Technologieprobleme, behebt aber keine Datenmängel. Im Gegenteil, wer fehlerhafte oder falsche Daten migriert beziehungsweise transformiert, dem kann das teuer zu stehen kommen – nicht nur weil unnötige Kosten anfallen, sondern auch, weil diese Daten potenzielle Fehlerquellen mit sich bringen.

Wer also glaubt, durch den Plattformwechsel in die Cloud automatisch KI-ready zu sein, unterschätzt die Komplexität der Anforderungen. Eine strategische Datenbereinigung ist keine Kür, sondern zählt zum Pflichtprogramm beim Umstieg auf ein neues System. Erst dann kann im nächsten Schritt die KI im Cloud-Umfeld ihre volle Wirkung entfalten und das Unternehmen auf das nächste Digitalisierungslevel heben.

So leistungsfähig KI auch ist, sie verändert Arbeitsabläufe, Rollenbilder und Entscheidungsketten. Diese Veränderungen erzeugen Unsicherheit, besonders dann, wenn die Ergebnisse der Systeme nicht nachvollziehbar sind oder wenig vertrauenswürdig erscheinen. Und auch das ist eine Frage der Datenqualität: Je verlässlicher, transparenter und erklärbarer die Datenbasis ist, desto größer ist die Nachvollziehbarkeit und das Vertrauen in KI- gestützte Entscheidungen.

Deshalb rückt auch die Kommunikation als Change-Faktor zunehmend in den Fokus. In der aktuellen IT-Transformationsstudie rangieren Maßnahmen wie „Kommunikationswege etablieren“ oder „Bereichsübergreifende Abstimmung“ ganz oben auf den To-do-Listen der Unternehmen. Auf die Frage, was sie beim nächsten Mal anders machen würden, steht „bessere Kommunikation mit Abteilungen“ mit 35,2 Prozent unangefochten auf dem ersten Platz.

IT-Transformation im Spannungsfeld

Gerade mit Blick auf die Datenqualität wundert es nicht, dass insbesondere Projekte mit hohem KI-Anteil häufig als Greenfield-Projekte aufgesetzt werden. Das Ziel: sich von den Altlasten lösen. Doch ein solcher Neustart hat durchaus seinen Preis wie die aktuellen Zahlen zeigen. Nur die Hälfte der Greenfield-Vorhaben bleiben im geplanten Budget und 63 Prozent müssen den Go-live verschieben. Besonders kritisch wird es, wenn darüber hinaus noch ein Anbieterwechsel vorgenommen wird. Dann treten Budgetüberschreitungen von über 30Prozent drei Mal so häufig auf wie bei denjenigen, die bei ihrem ERP-Anbieter bleiben. Sprich, wer neu anfängt, benötigt ein tiefes Verständnis von der eigenen Datenstruktur sowie eine klare Vorstellung von der eigenen Governance-Strategie – anderenfalls wird aus der „grünen Wiese“ schnell ein Minenfeld.

Die IT-Transformationsstudie 2025 macht deutlich: Wer das Ziel KI erreichen möchte, benötigt auf dem Weg dorthin best- mögliche Datenqualität. Ohne eine saubere, integrierte und gepflegte Datenbasis besteht nicht nur die Gefahr, dass das KI-Projekt floppt, sondern auch dass viel Geld ohne Nutzen investiert wird. Technologie allein reicht also nicht für eine erfolgreiche IT-Transformation. Die Systempflege muss stimmen. Die Analyse muss auf verlässlichen Informationen beruhen. Der Wandel braucht Rückhalt im gesamten Unternehmen. Und: Die Daten müssen für heutige und künftige KI-Anwendungen geeignet sein.