Viele Data & AI Diskussionen starten bei Technologie. Tobias Riedner setzt früher an: bei Geschäftsstrategie, Stakeholdern und messbarer Wirkung.
Nach 4,5 Jahren als Head of Data Analytics & AI bei Danone bringt er heute als Vice President Data & AI Strategy & Culture bei BARC genau diese Praxisperspektive ein. Im Interview teilt er vier Learnings, die Data & AI Leader kennen sollten.
1. Der Business Impact steht am Anfang
„Es gibt keine Datenstrategie, nur eine Geschäftsstrategie. Die muss ich mit Data und AI Capabilities maximal unterstützen.“
Die Geschäftsstrategie legt fest, welche Wirkung Data & AI entfalten soll. Sie definiert, ob ein Unternehmen mehr Umsatz erzielen, Kunden besser bedienen, Warenverfügbarkeit verbessern oder ein anderes Geschäftsziel erreichen will.
Daraus ergibt sich die eigentliche Aufgabe von Data & AI: die richtigen Daten zum richtigen Zeitpunkt verfügbar machen und sie mit passenden Reporting- oder AI-Capabilities nutzbar machen.
Dann zählen nicht mehr Nutzerzahlen auf Plattformen oder die Menge an Datenprodukten. Solche Kennzahlen können hilfreich sein, treffen aber nicht den Kern. Business Impact entsteht, wenn Data & AI direkt auf die Ziele des Geschäfts einzahlt.
2. Wer zu früh über Technologie spricht, verliert Stakeholder
„Ich habe am Anfang sehr viel über Datenplattformen und Technologie gesprochen. Dadurch habe ich viele Stakeholder verloren.“
Wer Stakeholder zu früh mit Plattform- und Technologiethemen konfrontiert, riskiert, sie auf dem Weg zu verlieren. Entscheidend ist das frühe Alignment: Die richtigen Stakeholder müssen vor dem Start verstehen, wohin die Initiative führen soll und welchen Beitrag Data & AI für ihren Bereich leistet. Erst dann entsteht die gemeinsame Richtung, aus der schnell wirksame Lösungen werden können.
3. Das Operating Model entscheidet über Geschwindigkeit und Kosten
„Das Data Team zu internalisieren, war genau richtig. Wir waren dann um den Faktor drei günstiger und um den Faktor fünf schneller.“
Das zentrale Learning liegt nicht im Insourcing allein. Entscheidend ist, ob Data & AI nah genug an den Geschäftsfragen arbeitet, Anforderungen schnell versteht und Lösungen ohne lange Übersetzungsschleifen umsetzt.
Weiterlesen: Wie Unternehmen Data-Fähigkeiten intern aufbauen, zeigt auch der Beitrag Ihre nächsten Data Leader arbeiten längst bei Ihnen Am Beispiel Merck wird deutlich, warum kontextnahes Upskilling wirksamer ist als extern eingekauftes Standardtraining.
4. Governance macht Demokratisierung skalierbar
„Datendemokratisierung ist wichtig, um Mitarbeitende zu befähigen. Data Governance legt die Spielregeln fest.“
Demokratisierung wird schnell missverstanden. Sie bedeutet nicht, dass alle Mitarbeiter alles mit Daten machen können. Sie bedeutet, dass Mitarbeiter Daten sinnvoll nutzen können, um ihre Arbeit zu verbessern.
Dafür sind klare Spielregeln nötig. Wer darf mit welchen Daten arbeiten? Welche Daten sind für welche Zwecke freigegeben? Wo braucht es Freigabe, Schulung oder technische Schutzmechanismen? Diese Fragen gewinnen an Gewicht, sobald mehr Menschen mit Daten und AI arbeiten.
Governance bremst Demokratisierung nicht, sondern macht sie skalierbar. Ohne sie bleibt Demokratisierung entweder zu vorsichtig oder zu riskant für den produktiven Einsatz.
Von Technologieagenda zu Business Impact
Tobias Riedners Learnings haben einen gemeinsamen Kern: Data & AI wirkt nicht durch mehr Plattformen, Datenprodukte oder Anwendungsfälle. Es wirkt, wenn es nah an den Entscheidungen sitzt, die das Geschäft verändern.
Der BARC Data, BI & Analytics Trend Monitor 2026 bestätigt dieses Muster: Bei 1.579 Befragten rangieren Datenqualität, Kultur, Governance und Data & AI Literacy vor AI und ML. Reife hängt nicht nur an Technologie, sondern an Organisation, Rollen und Zusammenarbeit.
Für Data & AI Leader heißt das: weniger über Technologie als eigene Agenda sprechen, mehr über den Beitrag zu besseren Entscheidungen, schnelleren Lösungen und sicherer Datennutzung.
Jetzt reinschauen: Tobias Riedner im Interview
Tobias Riedner bringt seine Learnings auf den Punkt. Sehen Sie sich das Interview an und nehmen Sie seine Impulse direkt mit in Ihre nächste Data & AI Diskussion.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
