Daten- und Analyseexperten glauben, dass sie für KI bereit sind. Das sind sie wahrscheinlich nicht.

Der Bericht „Datenintegrität & KI-Bereitschaft 2026“ ist veröffentlicht.

Wichtige Erkenntnisse:

Obwohl die meisten Befragten angaben, über eine angemessene Infrastruktur, Kompetenzen, Datenverfügbarkeit, Strategie und Governance für KI zu verfügen, nennt ein erheblicher Teil genau diese Elemente gleichzeitig als ihre größten Herausforderungen.

• Obwohl 71 % der Befragten angaben, dass KI mit ihren Geschäftszielen übereinstimmt, haben nur 31 % Kennzahlen, die an geschäftliche KPIs gekoppelt sind.
• 71 % der Unternehmen mit Daten-Governance-Programmen geben an, großes Vertrauen in ihre Daten zu haben, gegenüber nur 50 % der Unternehmen ohne Governance-Programme.
• 96 % der Unternehmen nutzen Standortdaten und Datenanreicherung durch Dritte erfolgreich, um die Ergebnisse ihrer KI zu verbessern.

Wie KI‑bereit ist Ihre Organisation wirklich? Wahrscheinlich weniger, als Sie hoffen. Der diesjährige Bericht „State of Data Integrity and AI Readiness“, der in Partnerschaft zwischen Precisely und dem Center for Applied AI and Business Analytics der LeBow College of Business an der Drexel University erstellt wurde, legt eine unbequeme Wahrheit offen: Es gibt eine erhebliche Diskrepanz zwischen dem wahrgenommenen KI‑Fortschritt von Datenverantwortlichen und den tatsächlichen Herausforderungen, die noch zu bewältigen sind.

Die Ergebnisse dieses Jahres treffen einen Nerv. In meinen Jahren beim Aufbau von Daten‑ und KI‑Programmen als Chief Data Officer bei Precisely habe ich aus erster Hand erlebt, wie der Optimismus in Bezug auf KI‑Bereitschaft der Realität oft vorausläuft. Während die Branche vor Aufbruchsstimmung vibriert, beginnt die eigentliche Arbeit – die Ausrichtung von Technologie, Menschen und Governance – gerade erst.

Die Studie zeigt, dass diese Herausforderung allgegenwärtig ist. Wir haben über 500 leitende Daten‑ und Analytics‑Führungskräfte aus großen globalen Unternehmen zu ihrer KI‑Bereitschaft, Datenintegrität und den größten Hürden befragt. Das sind die wichtigsten Erkenntnisse:

Die meisten Befragten geben an, über die zentralen Voraussetzungen für KI zu verfügen:

• Datenbereitschaft (88 %)
• Geschäftsstrategie und finanzielle Unterstützung (88 %)
• KI‑Governance (87 %)
• Infrastruktur (87 %)
• Kompetenzen / Skills (86 %)

Gleichzeitig führen genau diese Faktoren die Liste der größten KI‑Herausforderungen an. Genannt werden unter anderem:

• Infrastruktur (42 %)
• Kompetenzen / Skills (41 %)
• Datenbereitschaft (43 %)
• Geschäftsstrategie und finanzielle Unterstützung (41 %)
• KI‑Governance (39 %)

Das ist keine kleine Abweichung, sondern ein grundlegender Widerspruch.

Die Daten zeigen Folgendes über die KI-Bereitschaft und darüber, was Unternehmen, die auf dem richtigen Weg sind, von denen unterscheidet, die auf Probleme zusteuern:

Die Vertrauens‑Realitäts‑Lücke gefährdet den KI‑Erfolg

Unsere Studie zeigt, dass KI die Diskussionen rund um Datenstrategien dominiert. Mehr als die Hälfte der Organisationen (52 %) gibt an, dass KI der wichtigste Treiber ihrer Datenprogramme ist. Unternehmen investieren breit in KI‑Anwendungsfälle – von Sicherheit und Compliance (33–34 %) über Supply‑Chain‑Optimierung (33 %) und Softwareentwicklung (32 %) bis hin zu Customer‑Service‑Chatbots (31 %) und mehr.

Doch hier wird es interessant: 40 % der Befragten nennen die technische Infrastruktur als Hürde für die Ausrichtung von KI auf Geschäftsziele – obwohl die meisten gleichzeitig sagen, ihre Infrastruktur sei bereits KI‑bereit. Dieses Ergebnis verdeutlicht ein tieferliegendes Problem: Viele Organisationen fühlen sich zwar gut aufgestellt, doch ihre technischen Grundlagen reichen nicht aus.

Ein ähnliches Bild zeigt sich bei der Business‑Ausrichtung. 71 % geben an, dass ihre KI‑Initiativen mit den Unternehmenszielen übereinstimmen. Aber nur 31 % messen den Erfolg anhand von Kennzahlen wie Umsatzwachstum, Kostensenkung oder Kundenzufriedenheit.

Das ist eine Menge Selbstvertrauen, wenn man bedenkt, dass es keine Beweise gibt. In jüngsten Gesprächen mit anderen CDOs haben wir alle zugegeben, dass wir zwar sehr gut darin sind, den Nutzen zu messen, aber der tatsächliche ROI ist viel schwieriger zu bestimmen.

Die Umfrage zeigt zudem, dass viele Organisationen beim ROI zu optimistisch sind. 32 % erwarten einen positiven ROI aus KI‑Investitionen innerhalb der nächsten sechs bis elf Monate, weitere 16 % sogar innerhalb der nächsten sechs Monate – obwohl viele Antworten auf erhebliche Defizite bei Governance, Skills und Datenqualität hinweisen.

Es ist offensichtlich, dass Unternehmen von KI begeistert sind. Dies kann jedoch zu übertriebenem Optimismus führen, wenn sie nicht wirklich darauf vorbereitet sind, was erforderlich ist, um KI-Pilotprojekte in echte, unternehmensübergreifende Produktionsumgebungen zu überführen.

Data Governance wird zum entscheidenden Erfolgsfaktor

Es gibt auch gute Nachrichten: Der Bericht zeigt, dass Data Governance einen messbaren Einfluss hat. 71 % der Organisationen mit Data‑Governance‑Programmen berichten von hohem Vertrauen in ihre Daten. Ohne Governance sinkt dieser Wert auf 50 %.

Das leuchtet ein, wenn man bedenkt, was Governance eigentlich leistet: Sie verwaltet die Datenqualität, die Herkunft, die Nutzung und die Zugriffsrichtlinien für kritische Daten. Unternehmen in stark regulierten Branchen verfügen aufgrund verbindlicher Compliance-Anforderungen oft über eine höhere Reife in Sachen Data Governance.

Am aussagekräftigsten finde ich, wie Unternehmen neue KI-Governance-Programme neben ihren bestehenden Data-Governance-Maßnahmen handhaben. Die wahren Gewinner sind diejenigen, die ihre bestehende Data Governance um KI-Governance erweitern, anstatt sie als separate oder einmalige Projekte zu behandeln – oder, schlimmer noch, ihren Fokus auf Data Governance zugunsten von KI-Investitionen zurückzufahren.

Daten-Governance ist der entscheidende Faktor, der zu einer Verbesserung von 10 bis 20 % bei den Ergebnissen führt, die Führungskräften am wichtigsten sind – vor allem:

• Betriebliche Effizienz (19 %)
• Umsatzgenerierung (16 %)
• Modernisierung (15 %)
• Einhaltung gesetzlicher Vorschriften (13 %)

Über die geschäftlichen Ergebnisse hinaus geben 42 % der Datenverantwortlichen an, dass Governance ihre KI-Bereitschaft verbessert, und 39 % berichten, dass sie die Qualität der KI-Ergebnisse direkt verbessert. Dies beweist, dass Daten-Governance weit mehr ist als nur eine Compliance-Checkliste – sie ist unverzichtbar.

Aus meiner Sicht ist es riskant, Daten- und KI-Governance als eine Art „Mission erfüllt“-Kästchen zu betrachten, das man einfach abhaken kann. Die Unternehmen, die ihre Governance kontinuierlich weiterentwickeln – insbesondere im Zuge der zunehmenden Reife der KI – werden langfristig die Gewinner sein.

Bericht„2026 State of Data Integrity and AI Readiness“.

Wichtige Erkenntnisse von Daten- und Analyseexperten.

Jetzt Bericht lesen

Datenqualitäts‑Schulden untergraben KI‑Ambitionen

Datenqualität steht für 51 % der Datenverantwortlichen an oberster Stelle der Prioritäten im Bereich Data Integrity. Für 51 % der Datenverantwortlichen steht die Datenqualität ganz oben auf der Prioritätenliste für Datenintegrität. Sie ist das wichtigste Thema in sieben von acht Fragen unserer Umfrage zu Herausforderungen bei der Datenverwaltung, Problemen bei der Datenintegration, Datenanreicherung durch Dritte und KI-Initiativen.

Das überrascht mich nicht. Unternehmen haben seit den Anfängen von Data Warehouses, über den Big-Data-Hype bis hin zum Cloud Data Lake mit der Datenqualität zu kämpfen.

Wir haben beobachtet, wie sich die Datenerfassungslandschaft dramatisch verändert hat – von den Tagen der Lochkartenoperateure bis hin zur heutigen dezentralisierten Realität, in der jeder ein Dateningenieur ist. Die Auswirkungen davon sind jeden Tag sichtbar: mehr Einstiegspunkte, mehr Apps und mehr Möglichkeiten, dass schlechte Daten einschleichen. Anreize und Standards sind wichtig, und ohne sie wächst die Datenqualitätsverschuldung immer weiter.

Aber KI hat die Spielregeln verändert und das potenzielle Risiko von Datenmangel erhöht. Wenn Sie KI-Modelle mit unzuverlässigen Daten trainieren, werden diese Daten in ungenauen KI-Ergebnissen weitergegeben. Und wenn Ihr Unternehmen von autonomen KI-Agenten profitieren möchte, können Sie diesen Agenten keine Entscheidungsbefugnis übertragen, wenn die Gefahr besteht, dass sie mit schlechten Daten arbeiten.

Das Schlimmste daran? 29 % geben an, dass ihr größtes Hindernis für die Beschaffung hochwertiger Daten darin besteht, die Datenqualität überhaupt zu messen. Und leider kann man nicht beheben, was man nicht messen kann.

Die Studie enthält jedoch auch gute Nachrichten. Wenn Unternehmen in Data Governance und Datenintegration investieren, verbessert sich die Qualität:

• 44 % geben an, dass die verbesserte Qualität der größte Vorteil von Governance ist.
• 45 % nennen die Datenqualität als größten Vorteil der Integration.

Kontext verschafft KI einen entscheidenden Wettbewerbsvorteil

Die Daten, die Sie aus Ihren eigenen Abläufen sammeln, sind nur der Ausgangspunkt. Um kluge Entscheidungen zu treffen, müssen Sie verstehen, was in der realen Welt geschieht und sich auf Ihre Kunden, Lieferanten, Lieferwege, Immobilien und Netzwerke auswirkt.

Standortintelligenz und Datenanreicherung liefern diesen Kontext und verwandeln Rohdaten in etwas Verwertbares. 96 % der Unternehmen tun dies bereits, was zeigt, wie sehr sich diese Praxis etabliert hat.

Unternehmen nutzen Standortdaten für Anwendungsfälle wie:

• Gezieltes Marketing auf Basis von Kundendemografien (41 %)
• Validierung und Bereinigung von Adressdaten (41 %)
• Optimierung von Lieferungen und Dienstleistungen (40 %)
• Risikobewertung und Bearbeitung von Schadensfällen (39 %)

Was die Datenanreicherung angeht, nutzen 44 % Kundensegmentierungs- und Zielgruppendaten, 38 % Verbraucherdemografien und 39 % Verwaltungsgrenzen für den geografischen Kontext.

Die Datenanreicherung erfordert jedoch Konzentration, um häufige Probleme zu vermeiden. Bei der Nutzung von Standortdaten äußern Daten- und Analyseexperten Bedenken hinsichtlich Datenschutz und Sicherheit (46 %) sowie der Komplexität der Integration (44 %). Bei der Einbindung von Datensätzen Dritter kommen weitere Herausforderungen hinzu:

• Qualitätsprobleme (37 %)
• Fragen zum Datenschutz und zur Ethik (33 %)
• Einhaltung gesetzlicher Vorschriften (32 %)
• Systeme, die sich nicht leicht integrieren lassen (31 %)

Wenn Ihnen das bekannt vorkommt, dann liegt das daran, dass diese Herausforderungen denen in den Bereichen Governance und Compliance sehr ähnlich sind, die immer wieder auftreten, wenn Unternehmen versuchen, KI mit ihren Geschäftszielen in Einklang zu bringen.

Bei Precisely haben wir gesehen, wie die Hinzufügung von Kontext durch Datenanreicherung bahnbrechende Veränderungen bewirken kann – allerdings nur, wenn Sie in Bezug auf Qualität, Datenschutz und Integration wachsam sind.

Fachkräftemangel als größte Hürde

Unternehmen haben KI-Plattformen aufgebaut, Daten gesammelt und Initiativen zur Datenintegrität gestartet. Die Umfrage zeigt jedoch, dass der eigentliche Engpass nicht die Technologie, sondern die Menschen sind. Mehr als die Hälfte der befragten Datenmanager (51 %) gibt an, dass Fähigkeiten ihr wichtigster Bedarf für die KI-Bereitschaft sind, während nur 38 % davon überzeugt sind, dass sie über die richtigen Mitarbeiterfähigkeiten und -schulungen verfügen.

Interessant ist, wie gleichmäßig die Qualifikationslücken verteilt sind. Datenverantwortliche melden Qualifikationslücken für jede gemessene Kompetenz, die sich zwischen 25 % und 30 % pro Kompetenz bewegen. Die Antwort ist nicht so einfach wie die Einstellung weiterer Datenwissenschaftler oder Business-Analysten. Unternehmen benötigen Mitarbeiter, die über ein breites Spektrum an Fähigkeiten verfügen, um die Größe und Komplexität der KI zu unterstützen.

Hier die Aufschlüsselung:

• 30 % können KI nicht in großem Umfang in einer Geschäftsumgebung einsetzen.
• 29 % fehlt es an Fachwissen in Bezug auf verantwortungsvolle KI und Compliance.
• 28 % haben Schwierigkeiten, Geschäftsanforderungen in KI-Lösungen umzusetzen.
• 27 % benötigen Hilfe bei der Entwicklung von KI-Modellen und grundlegenden KI-Kenntnissen.
• 26 % haben Probleme, eine Brücke zwischen technischen und geschäftlichen Teams zu schlagen, KI-Erkenntnisse in die Tat umzusetzen und Geschäftsprozesse zu verstehen.

Im Laufe meiner Karriere habe ich beim Aufbau von Teams gelernt, dass Generalisten – also Personen, die eine Brücke zwischen Technik und Wirtschaft schlagen können – genauso wichtig sind wie Spezialisten. Die Umsetzung von KI-Erkenntnissen in umsetzbare Geschäftsstrategien ist oft der schwierigste Teil, und hier macht die richtige Mischung aus Fähigkeiten den Unterschied.

Aufbau Ihrer Data‑Integrity‑Strategie für 2026

Wenn ich über die diesjährigen Ergebnisse nachdenke, fällt mir auf, wie sehr sie meine Erfahrungen aus meiner gesamten beruflichen Laufbahn bestätigen: Die Grundlagen der Datenstrategie, -verwaltung und -kompetenzen sind wichtiger denn je. Die in diesem Bericht hervorgehobenen Herausforderungen und Chancen entsprechen genau den Realitäten, mit denen ich persönlich konfrontiert bin, und ich weiß, dass viele meiner Kollegen sich in derselben Situation befinden.

Was mich am meisten begeistert, ist, wie diese Erkenntnisse anderen Datenverantwortlichen helfen können, den Überblick zu behalten und sich auf das Wesentliche zu konzentrieren. Ganz gleich, ob Sie gerade erst mit KI beginnen oder bereits ausgereifte Programme skalieren – die hier vorgestellten Erkenntnisse darüber, wie Sie durch Investitionen in Datenintegrität und den Aufbau der richtigen Teams Lücken schließen können, sind für den langfristigen Erfolg unerlässlich.

Für weiterführende Analysen und Empfehlungen lesen Sie bitte den vollständigen Bericht „2026 State of Data Integrity and AI Readiness“.