Isolierte Datensammlungen bremsen die fundierte Entscheidungsfindung in Unternehmen.

Datensilos sind verbreitet und stellen Unternehmen vor erhebliche Herausforderungen. Wie sich diese Barrieren überwinden lassen, erklärt Andreas Fachinger, Experte für Datenmanagement beim Beratungsunternehmen KPMG.

Die Welt ist zunehmend datengetrieben: Im Zeitalter der Künstlichen Intelligenz (KI) wird der Umgang mit spezifischen Informationen zum entscheidenden Erfolgsfaktor für Unternehmen. Doch gerade hier haben deutsche Betriebe Nachholbedarf, wie eine Umfrage im Auftrag des Handelsblatt Research Institute (HRI) zeigt. Demnach sieht gut ein Fünftel der befragten Unternehmensvertreter die Verfügbarkeit von Daten als größte Herausforderung beim Einsatz von KI.

Ein häufiges Hindernis sind sogenannte Datensilos: vereinzelte Datenansammlungen in verschiedenen IT-Systemen, die die Nutzung der Informationen erheblich erschweren. Fast ein Drittel der im Auftrag des HRI Befragten sieht dieses Problem innerhalb der eigenen Organisation. Für Datenexperte Andreas Fachinger lässt sich diese Hürde jedoch nicht allein mit technischen Lösungen überwinden. Er plädiert stattdessen für einen ganzheitlicheren Ansatz: eine Kultur der Datenpflege.

Andreas Fachinger ist Partner Consulting, Lighthouse Germany - AI & Data Solutions bei KPMG Deutschland.

Herr Fachinger, welche konkreten Herausforderungen bringen Datensilos mit sich?
Der Begriff „Silo“ impliziert, dass nur ein kleiner Teil der Organisation auf diese Daten zugreifen kann – oder dass es mit erheblichem Aufwand verbunden ist, die Daten für andere Zwecke nutzbar zu machen. Diese Isolation behindert die Entscheidungsfindung und hemmt effiziente Prozesse, insbesondere wenn Unternehmen dafür neue Technologien wie z.B. KI einsetzen wollen, welche durch die Qualität der Daten beeinflusst werden.

Dezentrale Datenhaltung ist also immer problematisch?
Nein, man muss differenzieren. In einigen Fällen ist eine dezentrale Datenhaltung aus technischen Gründen erforderlich und kann sogar einen positiven Effekt z.B. auf die Datenqualität haben, insbesondere wenn die Expertise zu den Datendomänen in den dezentralen Fachbereichen angesiedelt ist. Problematisch wird es erst, wenn andere Abteilungen keinen Zugang zu benötigten Daten erhalten – oder wenn sie unverhältnismäßig viel Zeit darauf verwenden müssen, diese Daten zu suchen, zusammenzuführen und aufzubereiten, statt sie zu analysieren.

In welchen Branchen treten solche Probleme besonders häufig auf?
Hier lässt sich keine Eingrenzung vornehmen. Datensilos und die damit verbundenen Probleme sind ein branchenübergreifendes Phänomen, von der Finanzindustrie bis zur produzierenden Wirtschaft. Ein typisches Beispiel: In einem Unternehmensbereich wird ein Teil der Kundendaten gepflegt, während in einem anderen Bereich andere relevante Kundendaten vorliegen – häufig sogar in unterschiedlichen IT-Systemen. Das Ergebnis: Abteilungen haben keine ganzheitliche Sicht auf die Kundenbeziehung.

Fast acht von zehn im Auftrag des HRI befragten Unternehmen mit 50-250 Millionen Euro Umsatz sagen von sich, es gebe bei ihnen keine Datensilos mehr. Bei größeren Unternehmen hingegen sind es nur knapp vier von zehn. Wie erklären Sie sich diese Unterschiede?
Große Organisationen nutzen oft eine Vielzahl spezialisierter IT-Systeme, die auf die Bedürfnisse einzelner Abteilungen zugeschnitten sind. Diese Vielfalt erschwert die Integration. Hinzu kommt, dass es selten jemanden gibt, der den Überblick über alle Daten der Organisation hat. Deshalb ist eine Kultur der Datenpflege mit klaren Strukturen und Regeln unerlässlich.

Warum die Datenqualität über den Erfolg von Unternehmen entscheidet

Lesen Sie hier einen Beitrag auf der Website von KPMG Klardenker.

Zum Beitrag wechseln

Welche Elemente sind für eine solche Data-Governance-Strategie essenziell?
Zentral ist die Definition sogenannter Datenprodukte: Informationen, die zwar dezentral gespeichert werden, aber nach festgelegten Standards – also unter einheitlichen Bedingungen – zugänglich sind. Wichtig ist außerdem, die Qualität und Konsistenz der Daten sicherzustellen, damit die gesamte Organisation effizient mit ihnen arbeiten kann. Auf technischer Ebene helfen Werkzeuge wie Datenkataloge oder zentrale Datenplattformen, um Transparenz über die vorhandenen Informationen herzustellen, den Zugriff zu erleichtern und gleichzeitig Datenschutzstandards zu gewährleisten.

Und wie beginnt man diesen Prozess?
Ein erster Schritt besteht darin, klare Verantwortlichkeiten zu schaffen – etwa durch die Ernennung eines Chief Data Officers. Sinnvoll ist auch die Analyse der Datenqualität in Bereichen wie Controlling oder Finanzen, da hier Daten aus unterschiedlichen Quellen zusammenlaufen. So lässt sich ermitteln, ob und wo Handlungsbedarf besteht.

Welche Fehler treten häufig bei der Umsetzung einer solchen Strategie auf?
Oft liegt der Fokus auf kurzfristigen Lösungen, etwa einmaligen Datenbereinigungen, und das Unternehmen versäumt es, nachhaltige Mechanismen zu etablieren. Eine langfristige Planung ist jedoch entscheidend, um zu verhindern, dass bekannte Probleme wie Dubletten in Stammdaten immer wieder neu entstehen. Viele Unternehmen vernachlässigen auch die Sensibilisierung ihrer Mitarbeitenden: Ohne entsprechende Schulungen bleiben viele Maßnahmen wirkungslos.

Talkbook: Digitale Transformation im Mittelstand

Wie mittelständische Unternehmen digitale Geschäftsmodelle entwickeln, künstliche Intelligenz erfolgreich einsetzen und Cyberrisiken begegnen.

Jetzt herunterladen

Wie können Unternehmen den Erfolg ihrer Maßnahmen messen?
Dazu können sie etwa den Aufwand für die Datenaufbereitung, die Nutzung von Datenprodukten oder Verbesserungen der Datenqualität erfassen. Langfristige Messungen sind dabei essenziell, um Fortschritte sichtbar zu machen.

Wann lohnen sich Investitionen zum Beseitigen von Datensilos?
Die Kosten für Governance-Strukturen und technische Tools wie Datenplattformen und Mitarbeiterschulungen variieren stark je nach Art und Größe des Unternehmens. Insofern müssen Firmen sicherlich im Einzelfall abwägen, was sinnvoll ist und was nicht. Grundsätzlich lohnen sich Investitionen in eine Data-Governance-Strategie jedoch immer. Organisationen, die ihre Datenstrukturen systematisch optimieren, profitieren davon, weil sie Innovationen wie Künstliche Intelligenz schneller und effizienter umsetzen können.

Vielen Dank für das Gespräch.