Auf dem diesjährigen BARC Data & AI Summit skizzierte unser Geschäftsführer Dr. Carsten Bange die zentralen Herausforderungen und Handlungsfelder, die Data und AI im Jahr 2026 bestimmen werden. Eine Botschaft stand dabei im Mittelpunkt: Der Druck, nachweisbaren Geschäftsnutzen zu liefern, steigt spürbar. Vorstände und Geschäftsführungen wollen klarer sehen, welchen konkreten Beitrag ihre Investitionen in Datenplattformen, Analytics und AI leisten.
Die folgenden fünf Prioritäten prägten die Keynote und geben Orientierung für Data Leader auf dem Weg zu messbarem Erfolg.
1. Die Basis sichern
Data Quality Management und Data Security sind die wichtigsten Stellhebel für den Erfolg aller nachgelagerten Dateninitiative. Das bestätigt der BARC Research und unsere Projekterfahrung immer wieder.
- Data Quality steht für Genauigkeit, Konsistenz und Vollständigkeit der Datenlandschaft.
- Data Security umfasst Schutz vor Diebstahl, Manipulation und Ausfall. Trotz steigender Bedrohungslage verfügen viele Unternehmen weiterhin nicht über aktuelle Risikoanalysen oder erprobte Notfallkonzepte.
Einen zusätzlichen Schwerpunkt legte Dr. Bange bei seinem Vortrag die Datensouveränität. Laut BARC-Daten bewerten 84 Prozent der Organisationen sie als strategisch relevant. Aufgrund politischer Rahmenbedingungen und regulatorischer Unsicherheiten gewinnen hybride Architekturen, regionale Cloud-Anbieter und On-premises-Strategien wieder an Bedeutung.
Das Fazit: Ohne stabile und vertrauenswürdige Datenfundamente bleibt jeder AI-, Analytics- oder Automatisierungsansatz fragil.
2. Datenkultur stärken
Technologie schafft nur dann einen Mehrwert, wenn Menschen sie nutzen und verstehen. Erfolgreiche Organisationen investieren daher gezielt in drei Hebel:
- Vermittlung von Data Literacy.
- Mitarbeitern aufzeigen, wie Daten und AI ihre tägliche Arbeit erleichtern.
- Aktive Einbindung der gesamten Belegschaft, nicht nur einzelne Innovationstreiber.
Das BARC Data and AI Culture Framework bietet dafür eine hilfreiche Struktur. Es betont die Wirkung von Strategie, Führung, Governance, Empowerment, Kommunikation und Datenzugang. Kultur lässt sich nicht anordnen, sondern entwickelt sich durch die kontinuierliche Arbeit am Verhalten und an den Entscheidungsprozessen einer Organisation.
3. AI operationalisieren und skalieren
Viele Unternehmen haben inzwischen Prototypen entwickelt oder erste AI-Lösungen in Betrieb genommen. Oft fehlt jedoch der Schritt zur Skalierung und ein klarer Nutzennachweis. Einzeln erzielte Effizienzgewinne durch GenAI reichen dafür nicht aus.
Entscheidend ist, jene Prozesse zu identifizieren, in denen Automatisierung spürbare Effekte erzeugen kann – und diese Prozesse zuvor konsequent zu transformieren. Erst dann lässt sich AI strategisch verankern und im gesamten Unternehmen ausrollen.
4. Data Products: kontrollierte Dezentralisierung
Data Products ermöglichen es, Datenverantwortung zu verteilen und zugleich Qualität, Transparenz und Governance zu sichern. Organisationen, die dieses Modell einführen, profitieren von mehr Geschwindigkeit und stärkerer Beteiligung diverser Teams.
Für die Umsetzung sind drei Elemente zentral:
- Verträge, die Qualität und Erwartungen definieren.
- Marktplätze, die Auffindbarkeit und Wiederverwendung fördern.
- Verrechnungsmodelle, die sicherstellen, dass die Ersteller von Data Products angemessen honoriert werden.
Das richtige Maß an Dezentralisierung hängt dabei immer vom Reifegrad der Organisation ab.
5. Impact sichtbar machen
In wirtschaftlich angespannten Zeiten rückt die Frage nach dem tatsächlichen Wert von Daten- und AI-Investitionen stärker in den Fokus. Unternehmen müssen Kosten im Griff behalten und gleichzeitig belastbar zeigen, wo Daten, Analytics und AI konkreten Nutzen stiften. Dazu gehören messbare KPIs wie ROI, Prozesskosten oder Durchlaufzeiten ebenso wie qualitatives Feedback aus den Fachbereichen.
Data- und Analytics-Teams entwickeln sich dabei zunehmend zu internen Serviceprovidern mit klaren, nachvollziehbaren Verrechnungsmodellen. Je mehr Mitarbeitende in die Wertschöpfung eingebunden werden, desto leichter lassen sich erzielte Effekte transparent dokumentieren.
Ohne eine überzeugende Value Story bleibt Datenarbeit ein technisches Unterstützungsinstrument. Mit einer Value Story wird sie zu einem strategischen Hebel, der Prioritäten, Budgets und Entscheidungen maßgeblich beeinflusst.
Fazit: Vertrauen, Verantwortung, Wirkung
Diese fünf Prioritäten bilden eine Roadmap von stabilen Fundamenten bis zu messbarem Geschäftswert. Data und AI gestalten die Zukunft. Jene Organisationen gestalten die datengetriebene Wirtschaft, die Vertrauen durch solide Datenfundamente schaffen, Verantwortung durch effektive Governance und kulturelle Transformation übernehmen und ihre Wirkung durch operative Exzellenz und klare Value Stories nachweisen.
