KI im Unternehmen – aber auf welchem Fundament?
Warum künstliche Intelligenz ohne saubere Daten und moderne Prozesse scheitert
Kaum ein Tag vergeht, an dem nicht über künstliche Intelligenz gesprochen wird. KI optimiert Lieferketten, erstellt Forecasts, automatisiert Buchhaltungsprozesse, beantwortet Kundenanfragen – die Versprechen sind groß. Und tatsächlich: Das Potenzial ist real. Doch in der Praxis scheitern KI-Initiativen in Unternehmen erschreckend häufig. Nicht an der Technologie selbst – sondern an dem, was darunter liegt.
Laut der vielzitierten McKinsey-Analyse “Beyond the Hype: Unlocking Value from the AI Revolution” scheitern bis zu 80 % aller KI-Initiativen im Unternehmensumfeld daran, einen echten Return on Investment zu liefern. Gartner beziffert den Anteil von KI-Projektmisserfolgen, die auf mangelnde Datenqualität zurückzuführen sind, auf 30 % – Tendenz steigend. Andere Studien gehen sogar davon aus, dass insgesamt bis zu 85 % aller KI-Projekte scheitern, wenn man Abbrüche, Fehlinvestitionen und enttäuschende Ergebnisse zusammenzählt.
Die Ursache? Fast immer dieselbe: schlechte, inkonsistente oder fragmentierte Daten – und fehlende oder inkonsistente Prozesse dahinter.
Die enventa Wertschöpfungspyramide: Reihenfolge ist alles
Bei enventa denken wir digitale Transformation strukturiert– als Pyramide, in der jede Ebene die Voraussetzung für die nächste bildet:
Die Basis ist das ERP-System. Es ist das operative Herzstück eines jeden Unternehmens: Aufträge, Lagerbestände, Einkauf, Produktion, Lieferkette – all das läuft durch das ERP-System. Darauf baut das Rechnungswesen auf. Darüber liegt Business Intelligence, die aus den Rohdaten steuerungsrelevante Informationen macht. Und ganz oben, an der Spitze der Pyramide, steht KI.
Diese Reihenfolge ist kein Zufall. Sie ist das Ergebnis von Logik und Erfahrung.
Das Grundproblem: „Garbage In, Garbage Out"
In der Informatik gibt es einen uralten Grundsatz: „Garbage in, Garbage out." Was man hineinsteckt, das kommt auch heraus – egal wie intelligent das System dazwischen ist. KI macht da keine Ausnahme. Im Gegenteil: Sie verstärkt das Problem sogar.
Stellen wir uns folgendes Szenario vor:
Ein mittelständisches Produktionsunternehmen führt ein KI-gestütztes Demand-Forecasting-System ein. Die KI soll künftige Nachfrage vorhersagen und den Einkauf automatisch optimieren. Klingt hervorragend. Doch im ERP-System sind Artikelstammdaten unvollständig gepflegt, Lagerbestände werden teilweise noch manuell in Excel geführt, und Kundenaufträge aus zweiverschiedenen Systemen werden unregelmäßig synchronisiert. Das Ergebnis: Die KI prognostiziert auf Basis von Datenmüll – und bestellt zu viel vom Falschen, zu wenig vom Richtigen. Schneller und in größerem Maßstab als je zuvor.
Was als Innovation gedacht war, wird zur Kostenfalle. Der Fehler lag nicht in der KI – er lag im Fundament.
Drei Fragen, die vor jedem KI-Projekt stehen sollten
Bevor ein Unternehmen auch nur einen Euro in KI investiert, sollte es drei ehrliche Fragen beantworten:
1. Sind unsere Daten vollständig, konsistent und aktuell?
Daten müssen nicht perfekt sein – aber sie müssen verlässlich sein. Fehlende Pflichtfelder in Stammdaten, doppelte Datensätze, veraltete Preislisten oder Lücken in der Auftragshistorie sind keine Kleinigkeiten. Für eine KI sind es fatale Fehlerquellen.
Typische Warnsignale:
- Artikelstammdaten werden in mehreren Systemen gepflegt und laufen auseinander
- Buchungen erfolgen verspätet oder unregelmäßig
- Berichte aus dem ERP und aus Excel liefern unterschiedliche Zahlen
- Mitarbeitende vertrauen den Systemdaten nicht und führen eigene Listen
2. Bildet unser ERP-System unsere Prozesse konsistent ab?
Ein ERP-System ist nur dann wertvoll, wenn es tatsächlich genutzt wird – und zwar von allen, konsequent und nach denselben Regeln. Wenn Vertrieb, Einkauf und Produktion unterschiedliche Workflows im System abbilden, entstehen Dateninseln, die keine KI der Welt zuverlässig zusammenführen kann.
Typische Warnsignale:
- Prozesse werden „um das ERP herum" in Excel oder per E-Mail abgewickelt
- Verschiedene Abteilungen nutzen dasselbe Feld für unterschiedliche Zwecke
- Das ERP ist veraltet und bildet das aktuelle Geschäftsmodell des Unternehmens nur lückenhaft ab
3. Haben wir eine funktionsfähige Business-Intelligence-Schicht?
BI ist das Bindeglied zwischen rohen ERP-Daten und intelligenter Analyse. Wer keine klaren, validierten Reports und KPIs hat, wer nicht weiß, wie die Zahlen zustande kommen – der wird mit KI-generierten Insights nichts anfangen können, weil er sie nicht einordnen und hinterfragen kann.
Was „saubere Daten" in der Praxis bedeutet
Datenqualität ist kein abstraktes IT-Thema. Sie ist eine unternehmerische Entscheidung. In der Praxis umfasst sie mehrere Dimensionen:
Das ERP-System als Fundament – kein nice-to-have
Ein modernes ERP-System ist nicht nur eine Softwarelösung. Es ist die digitale Abbildung des gesamten Unternehmens – seiner Prozesse, seiner Regeln, seiner Wertschöpfungskette. Wer dieses Fundament nicht in Ordnung gebracht hat, baut auf Sand.
Ein zeitgemäßes ERP erfüllt dabei mehrere Voraussetzungen für KI-Readiness:
- Zentralisierung: Alle relevanten Daten laufen an einem Ort zusammen – kein Datenchaos durch Insellösungen
- Standardisierung: Prozesse sind einheitlich definiert und werden systemgestützt durchgeführt
- Nachvollziehbarkeit: Jede Transaktion ist protokolliert und auswertbar
- Integrationsfähigkeit: Die Voraussetzung für den nahtlosen Datenaustausch mit BI- und KI-Systemen
Studien zeigen: 64 % der Unternehmen berichten von Workflow-Störungen und Datensilos, weil KI-Systeme nicht sauber in bestehende Prozesse integriert wurden. Das Ergebnis sind keine KI-Probleme – es sind Integrations- und Datenprobleme, die durch KI sichtbar werden.
Warum KI Fehler nicht verzeiht – sondern skaliert
Hier liegt ein oft unterschätztes Risiko: KI arbeitet schneller und in größerem Maßstab als jeder Mensch. Das ist ihre Stärke – aber es macht Fehler in den Eingangsdaten umso folgenreicher.
Ein Sachbearbeiter, der auf Basis falscher Lagerdaten eine Fehlbestellung vornimmt, richtet begrenzten Schaden an. Eine KI, die auf Basis derselben Daten automatisiert tausende Bestellvorgänge auslöst, kann in kürzester Zeit erhebliche finanzielle Schäden verursachen – und das, ohne dass ein Mensch eingreift.
KI verstärkt, was schon da ist. Gute Daten werden durch KI noch wertvoller. Schlechte Daten werden durch KI zum systemischen Risiko.
Der richtige Weg: Schritt für Schritt zur KI-Readiness
Die gute Nachricht: Der Weg zur KI-Readiness ist klar strukturiert – und er beginnt nicht mit KI.
- ERP-System modernisieren und konsolidieren – Wer noch mit einem veralteten System arbeitet oder mehrere Insellösungen betreibt, sollte hier anfangen. Ein modernes, integriertes ERP ist die Basis für alles Weitere.
- Datenpflege als Unternehmensdisziplin etablieren – Datenqualität ist keine einmalige Aktion, sondern ein kontinuierlicher Prozess. Verantwortlichkeiten müssen klar definiert sein: Wer pflegt welche Stammdaten? Wer validiert Prozesse?
- Business Intelligence aufbauen – Sobald die Datenbasis steht, können BI-Tools eingesetzt werden, um Berichte, Dashboards und KPIs verlässlich abzubilden. Erst wenn Entscheider den Zahlen vertrauen, ist der Boden für KI bereitet.
- KI gezielt einsetzen – Auf diesem Fundament kann KI ihr volles Potenzial entfalten: als Prognosetool, als Automatisierungsschicht, als Analyseinstrument – schnell, skalierbar und zuverlässig.
Fazit: Der erste Schritt ist Klarheit, nicht KI
KI ist kein Allheilmittel und keine Abkürzung: Die eigentliche Hausaufgabe lautet: Saubere Daten und klare Prozesse in einemmodernen ERP-System. Wer über diese Basis verfügt, wird mit KI echte Wettbewerbsvorteile erzielen. Wer sie nicht hat, riskiert, mit viel Budget sehr schnell sehr schlechte Ergebnisse zu skalieren.
Der erste Schritt ist nicht KI. Der erste Schritt ist Klarheit – und die beginnt im Fundament.
Sie fragen sich, ob Ihr Unternehmen KI-ready ist? enventa Group begleitet Sie auf dem Weg – von der ERP-Modernisierung über saubere Datenprozesse bis zur intelligenten Auswertung.