Warum BI-Projekte im Mittelstand oft scheitern und wie es besser geht mit einer Datenstrategie
„Alle wollen KI, aber keiner will die Hausaufgaben machen.“ Dies ist ein Satz, der im Gespräch mit Swen Göllner, Gründer und Geschäftsführer der bimanu GmbH, hängen bleibt. Im aktuellen LabtaTalk-Podcast geht es um Datenkompetenz, Business Intelligence (BI), realistische KI-Potenziale und die Frage, warum so viele Unternehmen mit ihren Dateninitiativen scheitern, bevor sie überhaupt richtig loslegen.
Die Realität in vielen Unternehmen ist Excel statt Datenstrategie
Wer im Mittelstand nach BI fragt, bekommt oft Excel. Im Überfluss manuelle Auswertungen, fehleranfällige Workarounds und Berichte, die sich auf lokale Insellösungen stützen. Das Problem ist bekannt und dennoch weit verbreitet. BI-Tools wie Power BI oder QlikView sind zwar zunehmend im Einsatz, doch häufig bleibt es bei der bloßen Visualisierung. Die eigentliche Herausforderung, so Göllner, ist die fehlende Datenstrategie und das unklare Zielbild.
Wunschdenken KI, aber ohne Fundament
Viele Unternehmen wollen direkt in KI-Projekte einsteigen. Doch KI funktioniert nicht ohne ein solides Fundament mit strukturierten, qualitätsgesicherten Daten, nachvollziehbare Prozesse und ein gemeinsames Verständnis davon, was mit den Daten überhaupt erreicht werden soll. „Man muss wissen, was man verbessern möchte, sonst ist jedes Dashboard nur Spielerei“, so Göllner.
Oft fehlt nicht nur die Datengrundlage, sondern auch die personellen Ressourcen und das methodische Know-how. Gerade im Mittelstand teilen sich wenige IT-Mitarbeitende viele Aufgaben. Dies reicht von Netzwerken über Security bis hin zum Reporting.
BI-Projekte scheitern nicht an Tools, sondern an den Erwartungen
Ein häufiger Fehler ist der Wunsch nach „mehr Auswertungen“ und wird vorschnell als BI-Projekt etikettiert, ohne dass man sich die Zeit nimmt, Anforderungen sauber zu definieren. Manche Unternehmen hoffen, dass ein neues Tool bereits die Lösung bringt, ohne die operative Realität zu hinterfragen. Doch BI ist kein Plug-and-Play. Es braucht Fachlichkeit, Verständnis für Zusammenhänge und die Bereitschaft, über Prozesse hinweg zu denken.
Zudem wird BI oft als reines IT-Thema falsch verortet. Dabei betrifft es alle, insbesondere Fachbereiche wie Controlling, Vertrieb oder Produktion. Und genau dort liegt das Potenzial, denn wenn BI als gemeinsames Projekt gedacht wird, lassen sich nicht nur Berichte automatisieren, sondern echte datenbasierte Entscheidungen treffen.
Vom manuellen Bericht zum datengetriebenen Geschäftsmodell
„Ein datengetriebenes Unternehmen entsteht nicht durch Dashboards“, so Göllner. Vielmehr gehe es darum, Datenprodukte zu entwickeln, also Daten so aufzubereiten, dass sie konkrete Entscheidungen ermöglichen oder sogar als Basis neuer Geschäftsmodelle dienen. Einige Unternehmen verdienen heute mit BI sogar aktiv Geld. Dies durch neue Services, Transparenz oder als Bestandteil von Managed Services.
Doch dazu braucht es einen Kulturwandel mit weniger Abhängigkeit von Excel-„Experten“, mehr Bereitschaft zur Fehlerkultur, ein gemeinsames Verständnis für den Nutzen sauberer Datenprozesse und vor allem mit dem Willen, überhaupt zu starten.
Data Governance ist mehr als ein Buzzword
Im Gespräch wird auch deutlich, wer mit BI arbeitet, muss Verantwortung übernehmen, für Datenschutz, Zugriffsrechte und Compliance. Das betrifft nicht nur DSGVO-Vorgaben, sondern auch konzeptionelle Fragen. Beispielsweise, welche Daten überhaupt zusammengeführt werden dürfen. Wie lassen sich Risiken bei personenbezogenen Daten minimieren? Wie viel Cloud ist für welche Daten sinnvoll?
Statt Daten einfach zu „sammeln“, plädiert Göllner für Datenminimierung. Dies bedeutet, dass nur was dem Use Case dient, gespeichert wird. Alles andere belastet Ressourcen, Sicherheit und am Ende auch das Vertrauen der Nutzer.
Einfach anfangen, aber richtig
Wer BI ernst nimmt, braucht keine 12-Monats-Roadmap mit riesigem Budget. Oft reicht ein erster Use Case, ein klarer Schmerzpunkt, ein kleines Booster-Projekt und die Bereitschaft, dazuzulernen. Entscheidend ist der Einstieg. „Weg vom manuellen Berichtswesen, hin zur Automatisierung.“ Erst dann macht es Sinn, über KI, Forecasts oder datenbasierte Services nachzudenken.
Denn BI ist kein Ziel, sondern es ist ein Weg. Und dieser Weg beginnt mit der Entscheidung, sich ehrlich anzuschauen, wo man steht und was die eigenen Daten leisten können.
Hier geht es zur Episode 7 – Episode 7 – von der Datenflut zur Datenstrategie
Sven Mawby im Gespräch mit Björge Dörr, CSIO, innomea GmbH
