Kommentar von Simon Kiorgaard, Conet-Gruppe Daten und KI strategisch denken – ein Plan für messbaren Mehrwert

Anbieter zum Thema

Conet Group

INFOMOTION GmbH

QUNIS GmbH

Die Dynamik moderner KI- und Datentechnologien stellt Unternehmen vor die Herausforderung, Wertschöpfungspotenziale zu erkennen und umzusetzen. Eine klare Planung hilft, mit dem Tempo technologischer Veränderungen Schritt halten.

Damit eine Organisation mithilfe von Künstlicher Intelligenz (KI) und Dateninfrastruktur den größtmöglichen Nutzen erzielen kann, benötigt sie eine strategische Vision und einen klaren Rahmen zur Umsetzung. Ausgangspunkt ist ein solides Wertkonzept – also ein Verständnis davon, was im jeweiligen Unternehmenskontext als Wert gilt. Für moderne Organisationen ergibt sich dieser Wert vor allem aus der gezielten Verknüpfung technologischer Möglichkeiten mit strategischen Unternehmenszielen. Die Anbindung der Daten- und KI-Strategie an die Unternehmensstrategie ist daher der erste Schritt.

Die Formulierung einer strategischen Vision – inklusive klarer Zielbezüge – schafft ein notwendiges Wertkriterium. Darauf aufbauend sollte eine grobe, aber fundierte Schätzung des erwarteten Geschäftswerts erfolgen, etwa in Form eines Business Cases. Dieser bildet eine wichtige Grundlage für Ressourcenplanung, Mitarbeitermotivation und Steuerung.

Auch das Risikomanagement spielt eine zentrale Rolle. Strategieentwicklung und operativer Umgang mit Daten und KI erfordern klare Governance-Strukturen – in vielen Fällen auch deren erstmalige Einführung.

Sind Strategie und Governance definiert, folgt eine sogenannte Fit-Gap-Analyse:

• Wo steht das Unternehmen heute?

• Welcher Zielzustand wird angestrebt?

• Welche konkreten Veränderungen sind erforderlich, um im Einklang mit der strategischen Vision einen nachhaltigen Mehrwert zu schaffen?

Sobald die relevanten Potenziale identifiziert sind, geht es schließlich darum, einen priorisierten Fahrplan für die Umsetzung zu entwickeln – inklusive klar definierter Abhängigkeiten.

Strategische Vision als Grundlage für Wertschöpfung mit Daten und KI

Der geschäftliche Nutzen von daten- und KI-getriebenen Initiativen hängt unmittelbar von der zugrunde liegenden strategischen Vision ab. Sie liefert den Rahmen, aus dem sich der konkrete Wertbeitrag eines Projekts ableiten lässt. Wenn ein vorgeschlagenes Vorhaben keinen erkennbaren Bezug zu einem strategischen Unternehmensziel aufweist, ist dessen Nutzen zumindest fraglich.

Die strategische Vision dient daher nicht nur der Qualifizierung von Wertchancen, sondern ist auch eine notwendige Voraussetzung für deren Identifikation. Ohne ein klares Verständnis darüber, was eine Organisation mittel- bis langfristig erreichen will, lässt sich nicht bestimmen, welche daten- oder KI-basierten Maßnahmen zielführend sind.

Darüber hinaus ist die strategische Vision entscheidend für die Priorisierung von Vorhaben. Da Ressourcen grundsätzlich begrenzt sind, kann nicht jedes identifizierte Potenzial gleichzeitig realisiert werden. Umso wichtiger ist eine Orientierung an übergeordneten strategischen Zielen. Ein scheinbar selbstverständlicher, aber zentraler Aspekt sollte nicht übersehen werden: Der Nutzen von Daten und KI ergibt sich ausschließlich aus ihrem Beitrag zu den übergeordneten Zielen der Organisation.

Die strategische Vision sollte dabei nicht pauschal formuliert sein, sondern die technischen und organisatorischen Komponenten differenziert berücksichtigen, die im Umgang mit Daten und KI zusammenspielen. Es empfiehlt sich daher, die übergeordnete Vision in eine Reihe miteinander verbundener Leitbilder zu überführen – etwa zu Infrastruktur, Datenmanagement, KI-Governance oder der Entwicklung datengetriebener Anwendungen.

Ein Beispiel für ein solches Leitbild im Bereich Business Analytics könnte lauten: „Datengestützte Entscheidungen im gesamten Unternehmen ermöglichen, indem mithilfe fortschrittlicher Analysen zeitnahe, genaue und umsetzbare Erkenntnisse geliefert werden.“ Auch wenn dies ein bewusst allgemein gehaltenes Beispiel ist, verdeutlicht es die Funktion eines Leitbilds: Es schafft Orientierung, formuliert einen konkreten Anspruch und beschreibt, was im Kontext von Daten und KI als wertvoll betrachtet werden soll.

Business Cases als Brücke zwischen Vision und Umsetzung

Wie bei jeder ressourcenintensiven Initiative hängt auch der Erfolg einer Daten- und KI-Strategie maßgeblich von der Unterstützung durch Führungskräfte und Mitarbeitende ab. Ohne die klare Zustimmung des Managements ist es unwahrscheinlich, dass die Initiative die nötige Aufmerksamkeit und die erforderlichen Ressourcen erhält. Gleichzeitig besteht ohne das Engagement der Beschäftigten die Gefahr, dass die Umsetzung an mangelnder Akzeptanz oder Motivation scheitert.

Gut ausgearbeitete Business Cases helfen, beide Herausforderungen zu adressieren. Sie zeigen den konkreten Mehrwert einer Daten- und KI-Strategie auf – und leisten damit zweierlei: Sie liefern dem Management eine belastbare Entscheidungsgrundlage für Investitionen und können gleichzeitig dazu beitragen, Mitarbeitende für datengetriebene Ansätze zu gewinnen.

Die Leitbilder zur strategischen Vision definieren in allgemeiner Form, worin ein unternehmensspezifischer Wertbeitrag durch Daten und KI bestehen kann. Business Cases greifen diese Definition auf und konkretisieren sie, indem sie sie mit spezifischen Maßnahmen und Leistungen verknüpfen.

Beispiel: Auf Grundlage des oben genannten Leitbilds für Business Analytics ließe sich ein Business Case für die Einführung eines zentralen Data Lakes entwickeln. Ein solcher Data Lake könnte als technische Grundlage für fortschrittliche Analysen dienen. Um diesen Business Case weiterzuentwickeln, muss sein Wert quantifiziert werden. Wie viel Entwicklungskosten spart das Unternehmen durch einen zentralen Data Lake, wenn es gelingt, mehrere separate Data Warehouses in einer einzigen Lösung zu konsolidieren? Schritt für Schritt wird der Business Case zu einer verlässlichen Messgröße für den voraussichtlichen Wert der Strategie weiterentwickelt.

Business Cases sollten stets die aktuelle IT-Landschaft eines Unternehmens berücksichtigen, jedoch ohne Bezugnahme auf bestimmte Technologien formuliert werden. Die Auswahl spezifischer Technologien erfolgt erst in einem späteren Schritt, wenn das Zielbild der künftigen Daten- und KI-Landschaft definiert wird.

Risikomanagement als zentraler Bestandteil der Daten- und KI-Governance

Die strategische Vision, gestützt durch verschiedene Leitbilder, definiert das langfristige Zielbild einer Organisation sowie ihr Verständnis von Werten und langfristigen Zielen im Kontext von Daten und KI. Business Cases übersetzen diese Vision in konkrete, umsetzbare strategische Ziele. Gemeinsam geben Vision und Business Cases die Richtung vor – sie zeigen, was erreicht werden soll und warum.

Damit die Umsetzung dieser Strategie nicht durch technische, operative, rechtliche oder ethische Risiken gefährdet wird, braucht es jedoch auch klar definierte Leitplanken. Ein effektives Risikomanagement ist dabei ein zentraler Bestandteil der Daten- und KI-Governance – einer der Bausteine des angestrebten Zielzustands der Gesamtstrategie.

Solche Governance-Maßnahmen sollten auf übergeordneten Grundsätzen für den Umgang mit Daten und KI basieren. Diese Prinzipien leiten sich idealerweise aus den grundlegenden Werten und Führungsprinzipien der Organisation ab. Viele Unternehmen formulieren und veröffentlichen heute entsprechende Wertvorstellungen, die sowohl intern als auch extern an die Stakeholder kommuniziert werden. Sie spiegeln etwa die Haltung der Organisation zu Ethik, Entscheidungsfindung, Zusammenarbeit und langfristiger Verantwortung wider.

Analog dazu beschreiben Datenprinzipien, wie Daten erhoben, verwaltet und genutzt werden sollen. Sie bieten Orientierung zu zentralen Themen wie Datenqualität, Datenschutz, Sicherheit, Transparenz und ethische Nutzung – und bilden damit die Grundlage für alle weiteren Governance-Regelwerke. Wenn diese Prinzipien glaubwürdig in der Unternehmenskultur verankert sind, schaffen sie die Voraussetzung dafür, dass daten- und KI-basierte Praktiken mit strategischen Zielen, regulatorischen Vorgaben und gesellschaftlichen Erwartungen im Einklang stehen.

Vom Ist zum Soll: Zielzustand und Fit-Gap-Analyse

Der Zielzustand beschreibt konkret, was mit der Daten- und KI-Strategie erreicht werden soll – technologisch, prozessual und organisatorisch. Im Unterschied zu den technologieoffenen Formulierungen in den Business Cases soll der Zielzustand technologische Komponenten klar benennen und spezifizieren. Darüber hinaus bezieht er sich nicht nur auf die eingesetzten Technologien selbst, sondern auch auf die Prozesse und Strukturen, die diese Technologien stützen und wirksam machen. Er legt somit fest, wie daten- und KI-bezogene Fähigkeiten dauerhaft in die Organisation eingebettet werden sollen.

Um diesen Zielzustand fundiert entwickeln zu können, ist zunächst ein umfassendes Verständnis des bestehenden IT-Betriebs erforderlich. Dabei geht es darum, die aktuellen Abläufe, Systeme und Strukturen systematisch zu erfassen. Hierfür stehen verschiedene Analyseverfahren und Modellierungssprachen zur Verfügung, die je nach Kontext und Bedarf eingesetzt werden können.

Unabhängig vom gewählten Ansatz ist das Ziel dieser Bestandsaufnahme, einen strukturierten Überblick über die sogenannte Ist-Architektur zu erstellen. Auf deren Basis kann der geplante Zielzustand – also die Soll-Architektur – definiert werden. Der Abgleich beider Zustände erfolgt anschließend in einer Fit-Gap-Analyse. Diese identifiziert die Lücken zwischen dem heutigen Stand und dem angestrebten Zielbild – und damit auch die konkreten Veränderungen, die erforderlich sind, um die Strategie wirksam umzusetzen.

Die Strategie-Roadmap als verbindendes Element

Ein klarer Umsetzungsplan gehört zur Strategie – auch wenn er nicht deren Kern ist. Strategisch genügt es, zentrale Meilensteine und einen groben Zeitrahmen zu definieren.

Wichtig ist die Analyse von Abhängigkeiten:

• Welche Maßnahmen bauen aufeinander auf?

• Welche sind parallel möglich?

Diese Fragen sind relevant für Planung und Risikomanagement. Auch die Umsetzungsfähigkeit muss analysiert und geplant werden. Ressourcen wie Budget, Fachexpertise oder Change-Management-Kapazitäten sind begrenzt. Eine gute Roadmap berücksichtigt Prioritäten und Ressourcen.

Strategie-Roadmaps sollten als flexible Dokumente verstanden werden. Interne wie externe Veränderungen machen Anpassungen notwendig – an Prioritäten, Zeitplänen oder Zielbildern. Meilensteine statt fixer Fristen ermöglichen Flexibilität.

Eine erfolgreiche Daten- und KI-Strategie basiert auf einer klaren Vision, konkreten Business Cases, robustem Risikomanagement und einer realistischen Umsetzungsplanung. Nur wenn technologische, organisatorische und strategische Elemente ineinandergreifen, lässt sich nachhaltiger Mehrwert schaffen – sowohl für Unternehmen als auch für deren Stakeholder.

(ID:50478999)