Ich beschäftige mich seit Ewigkeiten mit Daten in Unternehmen. Schnittstellen bauen, Systeme verbinden, Daten so aufbereiten, dass sie nutzbar werden. Und das Thema hat sich durch meine gesamte berufliche Laufbahn gezogen.
Was mir in all den Jahren immer wieder begegnet: ein wiederkehrendes Muster im Mittelstand. Man hat ein CRM eingeführt, irgendwann ein ERP dazugeholt, eine Buchhaltungssoftware, ein Projektmanagement-Tool, und irgendwo liegen noch Excel-Listen, die keiner mehr anfassen will. Jedes System wurde eingeführt, weil es ein konkretes Problem gelöst hat. Das war damals die richtige Entscheidung.
Aber jedes dieser Systeme kennt nur seine eigene Sicht auf dieselben Daten. Das CRM hält Kundendaten. Das ERP hält auch Kundendaten. Sind die synchron? Aufeinander abgestimmt? Meistens nicht. Beide Systeme reden über denselben Kunden – und erzählen trotzdem unterschiedliche Geschichten.
Das war jahrelang ärgerlich, aber verkraftbar. Im KI-Zeitalter wird es zum echten Wettbewerbsnachteil.
Die KI kennt den Kunden, aber nicht das Produkt
Ein Beispiel, das wir immer wieder sehen: Ein Maschinenbauer, dessen Vertrieb im CRM arbeitet, unterstützt durch KI. Die KI kennt den Kunden. Umsatzhistorie, Ansprechpartner, letzte Bestellungen. Soweit, so gut.
Was die KI nicht kennt: die Maschinen selbst. Technische Spezifikationen. Kalibrierintervalle. Einsatzbedingungen. Welche Normen gelten. Welche Qualifikationsfragen vor einem Auftrag geklärt werden müssen. Dieses Wissen liegt in einem anderen System – und die CRM-KI hat keine Brücke dorthin.
Die KI sieht den Kunden. Aber sie hat keine Ahnung, was sie ihm verkaufen soll und unter welchen Bedingungen. Das ist, als hätte man einen Vertriebsmitarbeiter eingestellt, der zwar jeden Kunden beim Vornamen kennt – aber den Produktkatalog noch nie gesehen hat.
Das alte Denkmodell funktioniert nicht mehr
Bisher galt: Jede Anwendung besitzt ihre Daten. Das CRM hält die Kundendaten. Das ERP die Produktdaten. Das Dokumentenmanagement die Verträge. Jedes System ist eine Insel.
Dieses Modell hat ausgedient. Nicht weil es schlecht war – sondern weil sich die Anforderungen geändert haben.
Das Ziel ist eine gemeinsame Datenbasis. Ein Fundament, auf das alle Systeme und KI-Agenten gleichberechtigt zugreifen. Nicht die Anwendung bestimmt, welche Daten verfügbar sind. Die Datenbasis ist das Fundament – Anwendungen und KI-Funktionen setzen darauf auf.
Das klingt nach einem großen Umbau. Ist es auch. Aber die Alternative ist schlimmer.
Das unsichtbare Wissen
Es gibt noch ein zweites Problem, das tiefer sitzt. Ein erheblicher Teil des Firmenwissens steckt gar nicht in Systemen. Er steckt in den Köpfen der Mitarbeiter.
Herr Müller aus der Technik weiß, wo das Dokument liegt. Frau Weber kennt die Ausnahmen im Prozess. Der Lehrling fragt den Meister, weil es nirgendwo aufgeschrieben steht. Das funktioniert – solange der Meister da ist.
Einer KI geht es genauso wie dem Lehrling. Woher soll sie wissen, wo was steht? Wen soll sie fragen? Beide stehen vor demselben Problem: Das Wissen existiert – aber es ist für sie unsichtbar. Der Lehrling hat wenigstens den Meister. Die KI hat niemanden.
Und selbst das dokumentierte Wissen hat zwei Hürden. PDFs, eingescannte Dokumente, Excel-Tabellen mit 47 Tabellenblättern – eine KI könnte damit arbeiten, wenn man sie ihr gibt. Aber wie soll sie überhaupt dorthin finden? Und selbst wenn: Sie muss das Gelesene in Relation setzen können zum restlichen Firmenwissen. Eine Fertigungsanweisung allein ist nutzlos – erst wenn die KI sie mit den Kundenanforderungen und den Fähigkeiten der Maschine abgleichen kann, wird daraus verwertbares Wissen. Ohne diese Verbindungen liest die KI zwar Dokumente, versteht aber nicht, was sie bedeuten.
Die gute Nachricht: KI kann hier auch Teil der Lösung sein. Ein Sprachmodell kann bestehendes Wissen aus Dokumenten und Datenquellen aufbrechen, strukturieren und als nutzbare Datenbasis verfügbar machen. Aber dafür braucht es einen Plan – und den Willen, das Thema strategisch anzugehen.
Wem gehören eigentlich die Daten?
Eine Frage, die unbequemer ist, als sie klingt. Rechtlich gehören einem Unternehmen seine Daten. Praktisch? Da sieht es oft anders aus.
Theoretisch muss jeder Anbieter den Export der Daten ermöglichen. Praktisch heißt das: ein CSV-Dump, einmal im Quartal, manuell angestoßen. Aber über Schnittstellen live und strukturiert darauf zugreifen? Das bieten die wenigsten Systeme. Die Daten sind da – aber sie sind eingesperrt. Für den laufenden Betrieb, für dynamische Prozesse, für KI-Agenten sind sie damit tot.
Das ist kein abstraktes Risiko. Wenn die Daten nur innerhalb eines Systems leben, hat der Anbieter mehr Kontrolle über den Geschäftsbetrieb, als einem lieb sein sollte.
Echte Datenhoheit bedeutet: strukturierter, dynamischer Zugriff auf die eigenen Daten. Jederzeit. Unabhängig vom Tool. Nicht nur als Export, sondern als lebendige Schnittstelle.
Daten sind Infrastruktur, kein Projekt
Viele Unternehmen behandeln ihre Datenbasis wie ein einmaliges IT-Projekt. Einmal aufräumen, dann ist Ruhe. Das funktioniert nicht.
Tools kommen und gehen. Die KI von heute wird in drei Jahren anders aussehen. Aber die Daten bleiben. Und jedes neue Tool, jedes bessere Modell, jede zukünftige KI-Generation setzt an genau dieser Datenbasis an.
Wenn die Basis stimmt, können neue Werkzeuge sofort produktiv arbeiten. Wenn nicht, fängt man jedes Mal wieder bei null an.
Eine gute Datenbasis ist wie Buchhaltung: Niemand findet sie aufregend. Aber ohne sie funktioniert nichts. Und wenn man sie vernachlässigt, merkt man es erst, wenn es teuer wird.
Warum gerade jetzt?
Weil sich das Fenster schließt. Jede neue Modellgeneration wird leistungsfähiger. Jedes neue KI-Tool kann mehr. Aber nur für Unternehmen, die eine Datenbasis haben, auf der diese Tools aufsetzen können.
Wer seine Daten heute nicht konsolidiert und strukturiert, kann von technologischen Sprüngen morgen nicht profitieren. Das Fundament fehlt. Und während man noch diskutiert, baut der Wettbewerber seines bereits auf.
Wo anfangen?
Nicht mit einem Tool. Nicht mit einer KI-Lösung. Sondern mit drei Fragen:
- Wo liegen unsere Daten – und kommen wir auch wirklich dran? Eine ehrliche Bestandsaufnahme. Welche Systeme halten welche Daten? Kann man sie exportieren, strukturiert und vollständig?
- Welches Wissen existiert nur in den Köpfen unserer Mitarbeiter? Die kritischen Wissensträger identifizieren. Nicht um sie zu ersetzen – sondern um ihr Wissen zu sichern.
- Haben wir eine Datenstrategie oder nur eine Tool-Strategie? Wenn die IT-Planung vor allem aus Softwarelizenzen besteht, fehlt das Fundament.
Man muss nicht alles auf einmal lösen. Aber man muss anfangen.