„Erst die Datenstrategie, dann KI“? Der teuerste Irrtum im Mittelstand.
„Wir machen erst die Datenstrategie, dann KI.“ Klingt vernünftig, oder? In der Praxis ist es der elegante Weg, ein Jahr zu verlieren, und am Ende trotzdem keine KI zu haben.
Der teuerste Irrtum ist, ein KI-Projekt zu starten, bevor klar ist, welche Daten vorhanden, zugänglich und verlässlich sind. Eine schlanke Datenstrategie vorab spart Monate an Nacharbeit und verhindert, dass das Projekt an fehlenden oder unsauberen Daten scheitert.
Der Mythos vom perfekten Datenfundament
Die Erzählung geht so: Bevor man KI einsetzt, braucht man saubere, zentrale, vollständige Daten, ein Data Lake, eine Governance, ein Projekt. Erst das Fundament, dann das Haus. Das klingt nach Ingenieurs-Tugend. Tatsächlich ist es meistens Aufschub mit gutem Gewissen.
Denn das Fundament wird nie „fertig“. Es kommen neue Quellen, neue Sonderfälle, neue Prioritäten. Nach zwölf Monaten hat man ein teures Datenprojekt, und keinen einzigen gelösten Engpass im Betrieb.
Warum „erst die Daten“ in der Industrie scheitert
- Das wertvollste Wissen ist gar nicht in der Datenbank, es steckt in Köpfen, Logs und Belegen.
- Ein zentrales Modell für „alle Daten“ hat keinen Auftraggeber, der den Schmerz spürt, also verhungert es politisch.
- Bis das Fundament steht, ist der Wettbewerber, der einfach angefangen hat, drei Lernzyklen voraus.
Der umgekehrte Weg: erst der Hebel, dann das Fundament
Drehen Sie die Reihenfolge um. Nehmen Sie einen teuren Engpass, Störungswissen, ESG-Reporting, langsame Angebote, und lösen Sie genau den auf den Daten, die heute schon da sind. Unstrukturiert? Genau dafür ist moderne KI gebaut. Am Ende eines 2-Wochen-Checks haben Sie eine Zahl, einen Beweis und ein Datenfundament, das von selbst entsteht, weil es einem echten Zweck dient.
Das ist kein Argument gegen Datenqualität. Es ist ein Argument gegen die Reihenfolge. Qualität entsteht am schnellsten dort, wo Daten tatsächlich genutzt werden, nicht im Vorratsprojekt.
- Woche 0: ein Engpass mit Zahl statt ein Daten-Lastenheft.
- Woche 1–2: Pilot auf echten Daten, Antwort mit Quelle.
- Danach: produktiv in 30 Tagen, das Fundament wächst mit der Nutzung.
Häufige Fragen
Brauche ich wirklich erst eine Datenstrategie, bevor ich mit KI starte?
Sie brauchen keine monatelange Großstrategie, aber eine klare Bestandsaufnahme, welche Daten Sie haben, wo sie liegen und wie gut sie gepflegt sind. Diese Klarheit entscheidet darüber, ob ein KI-Projekt in Wochen oder erst nach langer Datenbereinigung liefert. Eine fokussierte Datenstrategie für den konkreten Anwendungsfall reicht völlig aus, um sicher zu starten.
Was kostet es, ohne Datenstrategie ins KI-Projekt zu gehen?
Der typische Schaden sind Projekte, die nach Monaten feststecken, weil die Daten unvollständig, widersprüchlich oder gar nicht zugänglich sind. Oft wird dann teure Entwicklungszeit für Datenbereinigung statt für die eigentliche KI verbraucht. Im schlimmsten Fall liefert das Modell falsche Ergebnisse, weil es auf schlechten Daten trainiert wurde.
Wie umfangreich muss die Datenstrategie für ein erstes KI-Projekt sein?
Für den Start genügt eine schlanke Strategie, die sich auf den konkreten Anwendungsfall beschränkt. Klären Sie, welche drei bis fünf Datenquellen relevant sind, wer sie verantwortet und in welcher Qualität sie vorliegen. Eine umfassende Data-Governance können Sie später aufbauen, wenn der erste Nutzen sichtbar ist.
Womit beginne ich konkret, wenn meine Daten unstrukturiert sind?
Beginnen Sie mit einem klar abgegrenzten Anwendungsfall und genau den Daten, die dieser benötigt, statt das ganze Unternehmen aufzuräumen. Wir helfen Ihnen in unserer KI-Befähigung, die richtigen Datenquellen zu identifizieren und nutzbar zu machen. So wird die Datenarbeit Teil des Projekts und kein endloses Vorprojekt.
Welcher Hebel bringt bei Ihnen am meisten?
Finden Sie es in 5 Minuten heraus, branchenspezifisch, mit einer Zahl zum Weiterleiten.
Potenzial-Finder starten →
