Kommentar von Srinivasaa HG, Wipro KI-Initiativen stehen und fallen mit der Datenreife

Anbieter zum Thema

Wipro Technologies

Fsas Technologies GmbH

Board Deutschland GmbH

INFOMOTION GmbH

Ein großer Teil der Unternehmen sieht Technologien auf Basis von Künstlicher Intelligenz (KI) heute als entscheidenden Teil ihres (zukünftigen) Geschäfts. Schaut man aber auf den technologischen Status quo, sind viele längst nicht genügend auf eine skalierbare KI-Implementierung vorbereitet.

So können nur etwa 14 Prozent der befragten Organisationen im kürzlich vom internationalen IT-Beratungsunternehmen Wipro veröffentlichten State of Data4AI Report 2025 mit Fug und Recht behaupten, eine ausreichende Datenreife erreicht zu haben. Der Bericht basiert vor allem auf Wipros firmeneigenen Data Health Clinics – kuratierten Workshops zur Datenbewertung mit dem Ziel, Kunden bei der Entwicklung ihrer Datenreife zu unterstützen. Diese wurden mit 30 global tätigen Unternehmen durchgeführt und offenbaren eine anhaltende Lücke zwischen KI-Ambitionen und Bereitschaft der Daten. Mit dieser steht und fällt jedoch die Fähigkeit, das Potenzial von KI-Technologien voll auszuschöpfen.

Kommentar von Alexander Zschaler, Fivetran

KI funktioniert nur, wenn das Fundament steht

Es kristallisieren sich mehrere Grundpfeiler heraus, anhand derer eine qualitative, datengetriebene Umgebung für KI-Technologien geschaffen werden kann. Entscheidend ist auch, ob Unternehmen es schaffen, dieses Ziel mit ihrer übergeordneten Geschäftsstrategie in Einklang zu bringen.

Wie „reif“ sind meine Daten?

Zunächst einmal sollten Unternehmen detailliert analysieren, wie gut ihre Datenbasis bereits aufgebaut ist. Das kann anhand der fünf Kriterien Governance, Daten als Produkt, Unternehmenseigene Daten, KI-Agenten und KI-Fertigkeiten erfolgen.

Im ersten Bereich ist vor allem entscheidend, ob Vorgänge und Prozesse einheitlich über die gesamte Organisation gesteuert werden und ein allumfassender Überblick über die Datenstrategie herrscht. Eine bruchstückhafte Governance kann zu Inkonsistenzen und vermeidbaren Bruchstellen in der Datenerfassung führen sowie im Extremfall Compliance-Defizite hervorrufen.

Außerdem sollten sich Unternehmen fragen, inwiefern bereits das Bewusstsein verankert ist, Daten nicht nur als Werkzeug, sondern als monetisierbares Produkt mit einem nicht zu vernachlässigenden Wert zu sehen. Ähnliches gilt für den Umgang mit unternehmenseigenen Daten (proprietary data). Auch wenn deren Pflege zunächst als zusätzliche „Bürokratie“ empfunden werden kann, ist es wichtig, hier vor allem die Stellen zu identifizieren, an denen die Daten wertvolle Optimierungspotenziale und hochwertige Wissensvorsprünge bieten.

Kommentar von Sascha Beck, GFT

KI-Nutzung im Mittelstand: Zwischen Wunsch und Wirklichkeit

Hinsichtlich KI-Agenten sind Anwendungsfälle zwar (noch) in den Kinderschuhen. Unternehmen sollten aber dennoch früh genug damit beginnen, zukünftige Potenziale der Technologie für ihr konkretes Geschäftsmodell zu identifizieren, beispielsweise in der IT oder anderen Geschäftsprozessen. In diesem Kontext kann es unter anderem zielführend sein, einen geschützten Raum zu bieten, um damit zu experimentieren. Wichtige Analyseparameter mit Blick auf die Datenbereitschaft von KI-Agenten sind unter anderem semantische Vielfalt, Echtzeit-Verfügbarkeit sowie die Fähigkeit zur Unterstützung autonomer Entscheidungsfindung.

Was den Pfeiler der KI-Fertigkeiten betrifft, so sollten Organisationen ihren Status quo anhand von Kriterien wie Endanwender-Kompetenz, anwendungsbezogenen Schulungen und einer Organisationskultur analysieren, die eine sinnvolle Nutzung, Steuerung und Einführung von KI ermöglicht.

Auf dem Weg zum KI-Vorreiter

Unternehmen, die sich von der Anfänger- und Experimentierphase ins oberste Feld der KI-Nutzer bewegen möchten, sollten eine strategische Entwicklung entlang der bereits erwähnten Kriterien priorisieren. Die Herausforderung einer zügigen Datenreife mag auf den ersten Blick überwältigend wirken. Um den Fokus nicht zu verlieren, sollten zu Beginn erst einmal zielgerichtet einige Anwendungsfälle mit konkretem Geschäftsbezug und erwartetem Mehrwert identifiziert und im Anschluss entwickelt werden.

Ein zentraler Schritt in der Vorarbeit besteht darin, sich die entsprechende „Rückendeckung von oben“ zu sichern. Das kann beispielsweise dadurch gelingen, erforderliche Budgets anhand eines konkreten Bedarfsfalls mit positivem operativen Einfluss zu rechtfertigen. Eine klare Abstimmung von Anfang an beschleunigt Projekte und greift vermeidbaren Nachjustierungen vorweg.

Unternehmen, die sich in der Umfrage als KI-Spitzenreiter behaupten konnten, zeichneten sich außerdem durch ein modulares Verständnis von Datenprodukten aus: Heutige Marktbedingungen legen es nahe, Letztere nach dem „Baukastenprinzip“ aufzugliedern und von der Infrastruktur zu entkoppeln. Dieser Aspekt stellt Unternehmen in puncto Agilität und Souveränität resilienter auf.

Was die Implementierung von KI-Agenten angeht, können Unternehmen bisher auf wenig Erfahrungswerte zurückgreifen. Gerade dieser Moment ist aber eine Chance für „early adopters“. In jedem Fall ergibt es Sinn, im Unternehmen einen souveränen und geschulten Umgang zu fördern – sowohl mit Blick auf die Breite der Belegschaft als auch auf die Ausbildung einiger Spezialisten, die auch aufkommende Trends proaktiv identifizieren.

Solide Governance beugt Skalierungs-Hürden vor

Die Relevanz von Governance im Datenumfeld ist nicht neu – was viele Unternehmen jedoch unterschätzen ist, dass diese holistisch mit Blick auf Daten und KI angegangen werden sollte. Denn wenn bestehende Anlagen im Nachhinein auf strengere Richtlinien umgerüstet werden müssen, ergeben sich zwangsläufig Sollbruchstellen. Viele Governance-Risiken entstehen an Schnittstellen im System, insbesondere zwischen den für Daten und KI zuständigen Teams. Wo Zuständigkeiten (bisher) unklar sind, kann eine ganzheitliche Strategie zur Steuerung Abhilfe schaffen.

Künstliche Intelligenz als eine weitere Technologie zu betrachten, die es zu implementieren gilt, greift zu kurz: Die Metapher eines Ökosystems, das gepflegt werden will, ist hier treffender. Gleichzeitig ist der altbewährte, zentralisierte Ansatz ist in vielen Fällen nicht mehr zeitgemäß: Es gilt, neue, kollaborative Wege einzuschlagen und sich zu trauen, Verantwortlichkeiten über ein verteiltes System zu managen.

Erfolgreich in der Praxis

Vor diesem Hintergrund hatte sich ein führendes globales Getränkeunternehmen mit bedeutender Präsenz in Deutschland zum Ziel gesetzt, die Kundeninteraktion technologiegestützt zu verbessern und seine Online-Präsenz auszubauen. Um das zu erreichen, leitete man einen Direct-to-Consumer (DTC)-Transformationsprozess ein: Verbraucherdaten aus verschiedenen Kanälen sollten auf einer einheitlichen Datenplattform zusammengeführt werden, um eine bessere Segmentierung, Personalisierung und Aktivierung zu ermöglichen.

Kommentar von Benedikt Höck, KPMG Financial Services

KI – so arbeiten Mensch und Maschine sinnvoll zusammen

Teil des Erfolgsrezeptes der Initiative war eine enge Zusammenarbeit aus Betrieb und Technologieteams, insbesondere zur Stärkung von Grundlagenkenntnissen in den Bereichen Datenverwaltung, Governance und Datenschutz bei verbraucherzentrierten Anwendungsfällen. Mit einem schrittweisen Ansatz zur Erhöhung seiner Datenreife konnte das Unternehmen die Kundenakquise und DTC-Bemühungen zur Kundenbindung beschleunigen – ermöglicht durch verbesserte und personalisierte Marketing- sowie Aktivierungsfähigkeiten.

Als zielführend hat es sich in diesem Kontext außerdem für Unternehmen verschiedener Branchen erwiesen, einen „gesunden“ Mittelweg zwischen robusten Kontrollen und Innovation zu finden – und weder auf der einen noch auf der anderen Seite in Extreme zu verfallen.

(ID:50550335)