Kommentar von Jochen Olbrich, ThoughtSpot So gelingt die Umstellung auf KI-gesteuerte Aktivitäten

Anbieter zum Thema

QUNIS GmbH

BigData-Insider

Fivetran Germany GmbH

Unternehmen möchten in vielen Bereichen von KI-gestützten Entscheidungen und Abläufen profitieren. Dennoch stecken Datenteams meist noch immer in der Vergangenheit fest, da sie weiterhin mit statischen Dashboards und veralteten Modellen arbeiten. KI-Funktionen werden zwar nachträglich ergänzt, doch das entwickelt sich zunehmend zum Wettbewerbsnachteil. Mit den richtigen Ansätzen und Lösungen gelingt die Umstellung auf „AI-first“ im Analytics-Bereich effizient und reibungslos.

Zwar leisten Dashboards Unternehmen seit Jahrzehnten gute Dienste, doch die ausschließliche Nutzung veralteter Arbeitsabläufe birgt erhebliche Nachteile. Wenn Antworten erst eintreffen, nachdem das Entscheidungsfenster bereits geschlossen ist, werden Analysen irrelevant. Genau hier kann KI ansetzen.

Der „New Operating Model for Analytics“-Report 2026 von ThoughtSpot zeigt, wie Unternehmen die Chancen durch KI bereits nutzen, um schneller verlässliche Antworten zu gewinnen. Dazu wurden kürzlich 1.200 Daten- und Geschäftsverantwortliche in Nordamerika, Europa und im asiatisch-pazifischen Raum zu ihrer KI-Reife im Bereich Analytik befragt. Die Unternehmen haben entweder GenAI in der Analytik bereits implementiert oder planen dies innerhalb der nächsten zwölf Monate.

Obwohl Unternehmen den Wert ihrer eigenen Daten immer deutlicher erkennen und massiv in moderne KI-Datenarchitekturen, Cloud-Migrationen und Daten-Pipelines investieren, dauert es oft immer noch zu lange, bis aus Daten verwertbare Erkenntnisse werden. Der Report zeigt, dass vier von zehn Unternehmen weiterhin länger als 24 Stunden auf auswertbare Daten warten. Bei 24 Prozent dauert das sogar länger als eine Woche. Das geschieht in einer Zeit, in der Entscheidungen im Millisekundenbereich zu treffen sind. Dies liegt daran, dass Unternehmen Agentic Analytics nicht strategisch genug einsetzen. Die Folge: Latenzzeiten werden zu einer Bedrohung für die eigene Wettbewerbsfähigkeit, denn trotz einer guten Datenbasis misslingt das Heben des vorhandenen Wissensschatzes.

Der Datenengpass ist kein Technologieproblem, sondern eine strategisches

Es geht also darum, wie schnell und sicher Teams verlässliche Antworten in großem Maßstab erhalten, um die Entscheidungen für richtige Maßnahmen zu treffen. Doch viele Unternehmen setzen KI-Technologien bisher primär nur für punktuelle Prozessoptimierungen ein. Sie haben in Sachen KI-Implementierung zwar erfolgreich die ersten Schritte gemeistert und den technologischen Stack aufgebaut, aber der nächste Schritt vom Prototyp zur produktiven Anwendung steht noch aus. Das ist keine Frage der technologischen Reife als vielmehr der strategischen und organisatorischen Verankerung. Denn das Ziel sollte nicht sein, KI möglichst schnell einzusetzen. Vielmehr muss sich die KI-Nutzung am konkreten Geschäftswert ausrichten und strategisch als Change-Management-Prozess umgesetzt werden.

Hürden für den Datenzugang abbauen

Bisher bremsen starre Dashboards und langwierige IT-Ticket-Prozesse die schnelle Nutzung von Daten aus. Ohne einen reibungslosen Datenzugang für alle Anwender greifen Fachbereiche im Alltag auf isolierte Excel-Tabellen zurück, obwohl das Unternehmen eigentlich über ausreichend Daten verfügt. Das ist gerade bei geschäftskritischen Entscheidungen ein erheblicher Nachteil.

Das Ziel muss es deshalb sein, Daten für die Fachbereiche intuitiver bereitzustellen. Interaktionen mit Daten müssen heute so einfach und selbstverständlich sein wie die Suche im Internet. Deshalb zielt moderne Business Intelligence (BI) darauf ab, Daten über eine intuitive Benutzeroberfläche direkt für jeden Mitarbeiter zugänglich und nutzbar zu machen. Statt aufwendig und zeitintensiv statische Berichte über die IT-Abteilung anzufordern, setzt dieses Konzept auf Self-Service-BI durch eine KI-unterstützte Analyseplattform. Entscheidend ist nicht mehr die Anzahl der erstellten Dashboards, sondern wie schnell, umfassend und zuverlässig Antworten geliefert werden können.

Dazu muss sich die Datenarchitektur von einem reinen Expertenthema zu einer universellen Grundlage für die Unterstützung des Business wandeln. Mithilfe von Agentic Analytics lassen sich Daten und Analysen direkt in Prozesse, Anwendungen und Entscheidungen einbetten. KI ermöglicht den sofortigen Zugriff auf Antworten in der Breite und löst damit die seit langem bestehende Latenzkrise. In den USA oder in Asien haben Unternehmen datenbasierte Entscheidungen bereits als Standard etabliert, weil dezentrale Datenkompetenzen vorhanden sind. Das schafft entscheidende Wettbewerbsvorteile.

Was führende Unternehmen bereits umgesetzt haben

Unternehmen, die bereits von Agentic Analytics profitieren, beschränken sich nicht darauf, die neuesten Technologien einzuführen. Diese Vorreiter entwickeln Prozesse, um den Kreislauf zwischen Daten und Entscheidungen zu schließen, und legen dabei Wert auf Zugriff, Vertrauen und Geschwindigkeit. Diese fünf Punkte kann man von ihnen lernen:

• 1. Die Zeit für KI in der Analytik ist jetzt: Agentic Analytics liefert bereits überzeugende Einsichten. Unternehmen sollten KI deshalb nicht länger als Nebenprojekt betrachten, sondern mit der Entwicklung eines strategischen Plans für agentenbasierte Analytik beginnen. So steigern sie den Wert ihrer Daten im gesamten Unternehmen und ermöglichen die Umsetzung von Erkenntnissen in großem Maßstab. Eine Verzögerung bei der Einführung dieser Innovation wirkt sich negativ auf die Geschäftsergebnisse aus und lässt sich nur schwer wieder aufholen.

• 2. Datenzugang priorisieren: Heute werden Verzögerungen bei der Entscheidungsfindung in Minuten gemessen – nicht mehr in Tagen. Das herkömmliche Dashboard-Modell kann mit den wachsenden Anforderungen nicht mehr Schritt halten. Anstatt einmalige Berichte zu erstellen und zu pflegen, müssen Unternehmen sich auf KI-Lösungen konzentrieren, die ihrer gesamten Belegschaft Antworten liefern – wann und wo auch immer Entscheidungen zu treffen sind. Nur durch eine solche Umstellung des Datenbetriebsmodells können sie das KI-Leistungspotenzial in großem Maßstab ausschöpfen.

• 3. Vertrauen in jeden Workflow schaffen: Vertrauen bildet die Grundlage für Akzeptanz. Um den Wert von Daten und KI-Investitionen zu erhöhen, sind Governance, Erklärbarkeit und Überprüfbarkeit unverzichtbar. Dies beginnt mit einem robusten semantischen Modell, das klare, vertrauenswürdige Definitionen unternehmensweit bereitstellt. Wenn Unternehmen mithilfe von KI die Daten für Interaktionen in natürlicher Sprache aufbereiten sowie sicherstellen, dass ihre Plattform auf menschliches Feedback basiert, um Fehlinterpretationen zu minimieren, können sie über statische Dashboards hinausgehen. Dann versetzen sie Nutzer in die Lage, mit agentenbasierten und autonomen Workflows sichere Entscheidungen zu treffen.

• 4. Mit Partnern schneller skalieren: Statt Zeit und ohnehin bereits ausgelastete Ressourcen für selbst entwickelte KI-Lösungen zu vergeuden, sollten Unternehmen mit erstklassigen Partnern zusammenarbeiten, um die Markteinführungszeit zu verkürzen. Bei der Auswahl eines Partners ist nicht nur auf einfache Funktionserweiterungen zu achten. Es sollten Plattformen gewählt werden, die vollständig integrierte, umsetzbare KI-Funktionen bieten. Mit diesem Ansatz lässt sich ein Kompromiss zwischen selbst entwickelten und zugekauften Lösungen umgehen. So können Unternehmen ihr Produkt durch ausgefeilte, integrierte Datenfunktionen differenzieren, die Nutzerbindung fördern und neue Einnahmequellen erschließen.

• 5. Menschen mitnehmen und schulen: Technologie allein reicht nicht aus. Bei der strategischen KI-Einführung dürfen Unternehmen nicht vergessen, dass ihre Mitarbeiter die treibende Kraft hinter dem neuen Betriebsmodell der Analytik sind. Um KI in der Analytik in großem Maßstab umzusetzen, müssen Unternehmen deshalb das Veränderungsmanagement und die Talentförderung in den Mittelpunkt ihrer Strategie stellen. Die Besetzung strategischer Positionen zur Überwachung von KI-Transformationsinitiativen und zur Steuerung der unternehmensweiten Umsetzung wird den Erfolg beschleunigen und die Akzeptanz sicherstellen.

Auf dieser Basis nutzen führende Unternehmen bereits KI in der Praxis, um ihre Daten in Entscheidungen umzuwandeln. Das geschieht in der Geschwindigkeit und im Umfang, die das Geschäft erfordern. Nahezu alle Befragten (99 %), die agentische KI in der Analytik einsetzen, erzielen bereits messbare Vorteile oder erwarten diese. Dabei stehen Produktivität, Zeitersparnis und Effizienz ganz oben auf der Liste. Dagegen bremsen mangelnde Investitionen in GenAI zukünftige Investitionen und vergrößern die Lücke in der KI-Reife im Bereich Analytik.

Um Datenengpässe zu vermeiden und Entscheidungen zu beschleunigen, müssen Unternehmen veraltete Dashboards durch ein neues, KI-gestütztes Betriebsmodell für Analysen ersetzen. Erste Erfolge erschließen dabei größere Budgets und verstärken den Fortschritt. Für deutsche Unternehmen ist deshalb jetzt ist der richtige Zeitpunkt zum Investieren.

(ID:50947173)