KI-fähige Datenplattformen: Cloud dominiert, Datenmängel bremsen Erfolg

Daten sind der Rohstoff der KI-Ära, doch erst wenn sie qualitätsgesichert und in Echtzeit verfügbar sind, können KI-fähige Datenplattformen ihr volles Potenzial entfalten. Wie weit Unternehmen dabei tatsächlich sind, zeigt die Studie „AI-ready Data Platforms 2026″, die CIO und COMPUTERWOCHE gemeinsam mit Hyland, Lufthansa Industry Solutions und T-Systems realisiert haben. Den Studienbericht habe ich für die COMPUTERWOCHE verfasst.

KI-fähige Datenplattformen: solide Basis, aber mit Rissen

74 Prozent der befragten Unternehmen in der DACH-Region bezeichnen ihre eingesetzte Datenplattform als KI-fähig, lediglich sieben Prozent verzichten ganz auf solche Plattformen. Doch ein genauerer Blick hinter diese Zahlen offenbart deutliche Risse, vor allem zwischen den Hierarchieebenen. Während 83 Prozent der C-Level-Führungskräfte und 73 Prozent der IT-Verantwortlichen die KI-Reife ihrer Plattform bestätigen, sind es in den Fachbereichen gerade einmal 49 Prozent. Diese Lücke von bis zu 34 Prozentpunkten legt nahe, dass „AI-ready“ sehr unterschiedlich verstanden wird oder dass die operativen Einheiten in der technologischen Realität noch nicht angekommen sind. „Der ROI entsteht dabei nicht durch die Plattform an sich, sondern durch ihre gezielte Nutzung entlang strategischer Business-Ziele“, erläutert Candide Orou-Yorouba, Business Manager Data Platforms & Technology bei Lufthansa Industry Solutions.

Cloud und Data Warehouse als hybrides Fundament

In puncto Plattformarchitektur setzt die Hälfte der Befragten auf eine Cloud-Lösung, dahinter folgen Kundendaten-Plattformen mit 39 Prozent sowie Enterprise-Data- und Big-Data-Plattformen mit 35 und 34 Prozent. Reine KI-Datenplattformen nutzen erst 28 Prozent. Beim Betrieb kombinieren sechs von zehn Befragten Cloud und On-Premises, nur 23 Prozent fahren einen reinen Cloud-first-Ansatz. Bei der Datenarchitektur führt das klassische Data Warehouse mit 62 Prozent deutlich vor moderneren Konzepten wie Data Lake, Data Lakehouse oder Data Mesh. Das KI-Fundament baut also weitgehend auf bewährten Strukturen auf.

Die strategischen Top-Ziele sind klar auf operative Exzellenz ausgerichtet: Effizienzsteigerung (55 Prozent), Kostenreduktion (49 Prozent) und besserer Datenzugang für Fachbereiche (48 Prozent). Mehr zu ähnlichen Studienberichten finden Sie in meiner Analyse zu AI-ready Data Platforms zwischen Anspruch und Wirklichkeit sowie zum Thema SAP S/4HANA Cloud mit KI, BTP und Co.

Governance-Defizite und EU AI Act als Herausforderungen

Wer KI-fähige Datenplattformen ernsthaft nutzen will, braucht ein rechtssicheres und ganzheitliches Datenmanagement. Data Governance ist immerhin bei 77 Prozent der Unternehmen etabliert, bei KI-Governance und KI-Ethik hinkt man allerdings noch deutlich hinterher, denn diese Disziplinen sind erst bei 63 beziehungsweise 64 Prozent der Befragten verankert. Dazu kommt der regulatorische Druck durch den EU AI Act: Lediglich 29 Prozent der Unternehmen erfüllen die Vorgaben bereits vollständig. Trotzdem fällt die Gesamtbewertung verhalten positiv aus, denn 42 Prozent sehen die KI-Regulierung als Vorteil für verantwortungsvolle Innovation, nur 13 Prozent als Bremsklotz.

Datenqualität und Skills-Lücken bremsen die KI-Readiness

Mangelnde Datenqualität (30 Prozent), fragmentierte Datenlandschaften (28 Prozent) und träge IT-Prozesse (25 Prozent) sind in der Praxis die drei größten Bremsklötze bei Daten- und KI-Initiativen. Hinzu kommt, dass nur 67 Prozent den Reifegrad ihrer Datenlandschaft als hoch einstufen, während Datenaktualität und Metadaten-Verfügbarkeit mit unter 58 Prozent besonders schlecht abschneiden. „Sobald es um die Automatisierung der Backend-Prozesse und die Ablösung klassischer RPA geht, wird die Datenanbindung wieder zum Schlüsselfaktor“, erläutert Dr. Emmanuel Klinger, Head of AI & Data Tech Advisory bei T-Systems International. Bei spezialisierten Skills sieht es nicht besser aus: Lücken bei Data Science und Machine Learning sowie bei der Datenstrategie melden jeweils 38 Prozent der Unternehmen, beim Data Engineering sind es 33 Prozent.

Automatisierung schlägt Plattform in der Prioritätenliste

Bezeichnend ist, was Unternehmen in Summe als Top-Priorität setzen. Die Einführung einer KI-fähigen Datenplattform steht mit 25 Prozent nur auf Rang vier, wichtiger sind die Automatisierung und Operationalisierung von KI (39 Prozent), die Modernisierung der Datenarchitektur (32 Prozent) und der Aufbau eines Data-Governance-Frameworks (28 Prozent). Die Plattform ist demnach Mittel zum Zweck, denn das eigentliche Ziel sind automatisierte und datengetriebene Prozesse als Motor für die digitale Unternehmenstransformation.

,