AI-ready Data Platforms: Zwischen Aufbruch und Datenwirklichkeit

width="1024" height="576" sizes="auto, (max-width: 1024px) 100vw, 1024px">In Sachen AI Readiness liegen Anspruch und Wirklichkeit noch weit auseinander.hasan as’ari – shutterstock.com



Generative und agentische KI hält zunehmend Einzug in Geschäftsanwendungen und wird in ERP-, CRM- oder HCM-Prozesse integriert. Damit KI ihr volles Potenzial entfalten kann, braucht sie eine KI-gestützte Datenplattform mit vollständigen, jederzeit verfügbaren Daten in hoher Qualität als solides Fundament.



Die meisten Unternehmen in Deutschland haben ihre Hausaufgaben in Sachen Datenplattform gemacht, zumindest auf dem Papier. Mehr als sieben von zehn Befragten (74 Prozent), die eine Datenplattform nutzen, geben an, dass diese bereits über dedizierte KI-Funktionen verfügt und/oder KI-Anwendungen unterstützt. Nur ein Fünftel bezeichnet die eingesetzte Datenplattform als nicht „KI-ready“. Das zeigt die Studie „AI-ready Data Platforms 2026“, die CIO und COMPUTERWOCHE mit den Partnern Hyland, Lufthansa Industry Solutions und T-Systems realisiert haben und an der 315 Entscheiderinnen und Entscheider aus deutschen Unternehmen unterschiedlicher Branchen und Größen teilnahmen.



Dieses positive Bild hat bei genauerer Betrachtung jedoch Risse. Bescheinigen 84 Prozent der C-Level-Führungskräfte und 75 Prozent der IT-Leitenden ihren Plattformen KI-Reife, teilen nur 56 Prozent der Fachbereiche diese Einschätzung. Diese Kluft von 34 Prozentpunkten deutet darauf hin, dass der Begriff „AI-ready“ entweder unterschiedlich definiert wird oder die technologische Realität in den Fachabteilungen noch nicht angekommen ist. Dafür spricht, dass immerhin 14 Prozent der Fachbereiche angeben, dass keine Datenplattform genutzt wird; auf C-Level-Ebene sind es nur vier Prozent.



Hybrid-Cloud und Data Warehouse: Das bewährte Fundament



Geht es um den Betrieb einer KI-fähigen Datenplattform, setzen Unternehmen mehrheitlich auf ein Hybridmodell aus Cloud und on-Premises, nämlich in sechs von zehn Fällen. Nur 23 Prozent bevorzugen eine Cloud-first-Strategie. Bei der Datenarchitektur dominiert das klassische Data Warehouse (62 Prozent) klar vor moderneren Alternativen wie Data Lake (37 Prozent), Data Lakehouse (34 Prozent) oder Data Mesh (27 Prozent). Das zeigt, dass Unternehmen KI-Datenplattformen primär auf einem stabilen Fundament aus bewährter Data-Warehouse-Architektur und hybridem Betriebsmodell aufbauen. Interessant ist, dass große Unternehmen (über 1000 Beschäftigte) überdurchschnittlich häufig ein Data Warehouse einsetzen: nämlich 73 Prozent gegenüber 49 Prozent der kleineren Betriebe (weniger als 500 Beschäftigte).


Reine Cloud-First-Strategien kommen bislang nur auf 23 Prozent, und das klassische On-Premises-Modell spielt mit acht Prozent eine untergeordnete Rolle.
Research Services: Christine Plote



Effizienzsteigerung und Kostensenkung dominieren die Agenda



Wer eine KI-fähige Datenplattform einführt, strebt zudem primär nach operativer Exzellenz wie Effizienzsteigerung (55 Prozent), Kostenreduktion (49 Prozent) und besseren Datenzugang für Fachbereiche (48 Prozent). Mehr Umsatzwachstum (23 Prozent) spielt erstaunlicherweise eine nachrangige Rolle, wobei es hier eine starke Diskrepanz zwischen den Funktionsträgern gibt. Nur 22 Prozent der C-Level-Verantwortlichen und 15 Prozent der IT-Leitenden betrachten eine KI-Datenplattform als Hebel für Umsatzwachstum, aber 40 Prozent der Fachbereiche. Das ist ein Indiz, dass Letztgenannte nach dem Revenue-First-Ansatz stärker vertriebsorientiert agieren.



Datenqualität und Fragmentierung: Die hartnäckigen Bremsklötze



Obwohl die Investitionsbereitschaft in KI relativ hoch ist – 32 Prozent planen für die nächsten zwei Jahre sehr hohe oder hohe und 45 Prozent mittlere Investitionen in Datenplattformen und KI ein –, holen Datenprobleme viele Unternehmen auf den Boden der Tatsachen zurück. Als größte Hindernisse für Daten- und KI-Initiativen nennen 30 Prozent der Befragten mangelnde Datenqualität, 28 Prozent eine fragmentierte Datenlandschaft und 25 Prozent träge IT-Prozesse. Das Fazit daraus ist so einfach wie unbequem: Ohne eine solide Datenbasis bleiben selbst die besten KI-Algorithmen wirkungslos. Interessant ist, dass große Unternehmen am meisten mit Datenfragmentierung (35 Prozent) und Datensilos (26 Prozent) kämpfen, kleinere Betriebe dagegen mit mangelnder Datenqualität (34 Prozent).



Hohes Datenvertrauen, aber Risse unter der Oberfläche



Daher überrascht es, dass 89 Prozent ihren Unternehmensdaten grundsätzlich vertrauen, vor allem C-Level-Verantwortliche (92 Prozent) und große Unternehmen (93 Prozent). Geht es um konkrete Datenaspekte, fällt die Zufriedenheitsquote deutlich geringer aus. Bei der Datenqualität liegt sie bei lediglich 62 Prozent, bei der Datenintegration und Metadatenverfügbarkeit sogar bei nur jeweils 57 Prozent.



Noch schlechter steht es um die tatsächliche Datenverfügbarkeit für KI. Nur ein Viertel der Befragten gibt an, dass alle benötigten Daten uneingeschränkt verfügbar sind. Das lässt darauf schließen, dass man vielerorts unter Datensilos leidet, die eine 360-Grad-Sicht verhindern. Die Lücke zwischen den Funktionsträgern ist auch hier enorm: Konstatieren 34 Prozent der C-Level-Entscheider eine vollständige Datenverfügbarkeit für KI-Tools, sind es in den Fachbereichen gerade einmal zwölf Prozent.



Wichtige Themen: KI-Ontologie und digitale Souveränität



Die Studie förderte noch eine ganze Reihe weiterer interessanter Erkenntnisse zutage. Zum Beispiel nutzen 44 Prozent der Befragten bereits eine semantische Ebene oder Ontologie für KI-Agenten, die Geschäftslogik und Kontext für KI-Systeme definiert, um die nächste KI-Evolutionsstufe zu zünden. Vorreiter sind hier große und mittelgroße Unternehmen (50 und 48 Prozent), während kleinere Betriebe (36 Prozent) hinterher hinken. Interessant ist in diesem Zusammenhang, dass 23 Prozent diese semantische Ebene in einer souveränen Cloud betreiben und weitere 23 Prozent diesen Schritt in den nächsten zwölf Monaten planen.



Dieser Aspekt führt direkt zum Thema „digitale Souveränität“, die im Kontext KI-fähiger Datenplattformen an Relevanz gewinnt. 58 Prozent der Befragten stufen ihre Bedeutung als hoch bis sehr hoch ein. In der Detailbetrachtung wird vor allem die technische Souveränität (52 Prozent) als geschäftskritisch bewertet, die operative Souveränität und die Datensouveränität (jeweils 44 Prozent) jedoch weniger.



Governance und EU AI Act: Vorteile überwiegen Nachteile



Wer eine KI-fähige Datenplattform einsetzt, braucht auch eine robuste Governance. Die klassische Data Governance ist in deutschen Unternehmen weitgehend etabliert. 77 Prozent sehen sich hier gut aufgestellt, während bei KI-Governance (63 Prozent) und KI-Ethik (64 Prozent) Nachholbedarf herrscht. Als größte Hürden bei der Umsetzung von Governance-Anforderungen nennen die Befragten Datenschutz und DSGVO-Konformität (42 Prozent) sowie Zugriffskontrolle und Rollenmodelle (40 Prozent).


Die klassische Data Governance ist in deutschen Unternehmen weitgehend etabliert.
Research Services: Christine Plote



In Bezug auf KI-Governance und -Ethik sind auch die Anforderungen des EU AI Act von hoher Bedeutung, der ab August 2026 gilt. Diese erfüllen gegenwärtig nur 29 Prozent vollständig oder übertreffen sie. 36 Prozent der Befragten geben an, bis zum Stichtag compliant zu sein, 15 Prozent schaffen das nach eigener Einschätzung nicht. Trotzdem überwiegt die positive Bewertung: 42 Prozent sehen den EU AI Act als Vorteil, das trifft besonders auf C-Level-Verantwortliche zu (56 Prozent), nur 13 Prozent als Bremsklotz. Allerdings befürchten 64 Prozent, dass die Regulierung die Datennutzung und Innovationen in starkem Maß behindert.



Risiken durch Kompetenzlücken und Zuständigkeits-Wirrwarr



Es gibt aber auch zwei strukturelle Schwachstellen, die die KI-Ambitionen vieler Unternehmen langfristig bremsen könnten. Das sind Kompetenzlücken und unklare Zuständigkeiten. Zwar geben 81 Prozent an, über ausreichend Daten- und KI-Skills zu verfügen, doch nur bei 27 Prozent sind sie vollständig vorhanden. Die größten Skill-Lücken tun sich bei Data Science und Machine Learning (ML) sowie bei Datenstrategie und Produktdenken auf (jeweils 38 Prozent).



Geht es um die Zuständigkeit, gibt die IT-C-Level-Ebene formal den Ton bei Daten und KI an (24 und 23 Prozent), C-Level-Businessverantwortliche beanspruchen aber strategische Mitsprache (Daten = 18 Prozent; KI = 20 Prozent). Da zusätzlich der IT-Bereich in rund 20 Prozent der Fälle federführend ist, kommt es zu einem Kompetenzgerangel, das eine ganzheitliche KI-Datenstrategie ausbremsen kann.


Die neue Studie “AI-ready Data Platforms 2026” von CIO und Research Services
Research Services: Christine Plote



Studiensteckbrief



Herausgeber: CIO, CSO und COMPUTERWOCHE



Studienpartner: Hyland Software Germany GmbH; Lufthansa Industry Solutions; T-Systems International GmbH



Grundgesamtheit: Oberste (IT-)Verantwortliche in Unternehmen der DACH-Region: Beteiligte an strategischen (IT-)Entscheidungsprozessen im C-Level-Bereich und in den Fachbereichen (LoBs); Entscheidungsbefugte sowie Experten und Expertinnen aus dem IT-Bereich



Teilnehmergenerierung: Persönliche E-Mail-Einladung über die Entscheiderdatenbank von CIO, CSO und COMPUTERWOCHE sowie – zur Erfüllung von Quotenvorgaben – über externe Online-Access-Panels



Gesamtstichprobe: 315 abgeschlossene und qualifizierte Interviews



Untersuchungszeitraum: 10. bis 21. Januar 2026



Methode: Online-Umfrage (CAWI) Fragebogenentwicklung & Durchführung: Custom Research Team von CIO, CSO und Computerwoche in Abstimmung mit den Studienpartnern