Die Datenbasis für KI aufbauen — ohne Großprojekt und ohne Data Lake
23.07.2026 · 6 Min · Masiar Ighani · CEOJeder Industriebetrieb, der KI ernsthaft nutzen will, braucht am Ende eine belastbare Datenbasis — da hat die Data-Strategie-Fraktion recht. Ihr Irrtum ist der Weg: die Basis VOR dem Nutzen zu bauen. Der funktionierende Weg baut sie ENTLANG des Nutzens — Use Case für Use Case. So geht das konkret.
Das Prinzip: Der Use Case zieht die Daten
Statt zu fragen „Welche Daten haben wir und wie zentralisieren wir sie?", fragt der pragmatische Weg: „Welcher Engpass ist der teuerste — und welche Daten braucht genau er?" Für den Service-Piloten sind das drei Quellen, nicht dreißig. Diese drei werden angeschlossen, im Realbetrieb geprüft und dabei automatisch inventarisiert: Was ist brauchbar, was veraltet, was fehlt.
Der Schneeball-Effekt
- Pilot 1 (Service) erschließt Tickethistorie, Handbücher, Serviceordner.
- Use Case 2 (Vertrieb) ergänzt Angebotsarchiv und ERP-Sichten — und nutzt die Handbücher gleich mit.
- Use Case 3 (Planung) findet drei der fünf nötigen Quellen bereits angeschlossen vor.
Nach drei Use Cases ist der Kern der Wissensinfrastruktur da — finanziert und legitimiert durch drei gemessene Erfolge, statt als Vorleistung auf Verdacht. Und jede Quelle wurde unter Realbedingungen geprüft, nicht im Workshop bewertet.
Die Aufräum-Frage, richtig gestellt
„Erst aufräumen, dann anschließen" kehrt die Logik um: Man räumt monatelang Ordner auf, deren Inhalt nie gefragt wird. Der Pilot zeigt, WAS gefragt wird — und nur dort lohnt Kuratierung: doppelte SOPs zusammenführen, veraltete Anleitungen markieren, die eine fehlende Doku nachziehen. Aufräumen nach Nachfrage statt nach Alphabet.
Wann zentrale Plattformen doch sinnvoll werden
Wenn viele Use Cases dieselben strukturierten Daten in Echtzeit brauchen (Planung, Analytics, Predictive), lohnt irgendwann eine sauberere Datenhaltung. Der Unterschied: Dann wissen Sie aus gelaufenen Use Cases genau, welche Daten es sein müssen — die Plattform-Entscheidung fällt informiert statt auf Verdacht. Der Data Lake ist ein mögliches Kapitel zehn, nicht das Vorwort.
Häufige Fragen
Entsteht so nicht ein Flickenteppich?
Nein, wenn die Use Cases auf einer gemeinsamen Plattform laufen: Jede angeschlossene Quelle steht allen folgenden Anwendungen zur Verfügung. Der Flickenteppich entsteht umgekehrt — durch isolierte Einzeltools je Abteilung.
Was ist mit Datenqualität in den Quellen?
Sie wird dort verbessert, wo der Realbetrieb Mängel zeigt — priorisiert nach Nachfrage. Das ist der Unterschied zum Vorab-Aufräumen: Sie investieren nur in Daten, die nachweislich gebraucht werden.
Ihre erste Quelle festlegen?
Im 30-Minuten-Gespräch bestimmen wir Engpass, Quellen und Messgröße — der Startpunkt Ihrer Datenbasis.
Gespräch buchen → →
