Abbildung 1: Bedeutung der Data-, BI- und Analytics-Trends 2026 aus Sicht der Anwender (Skala 0 bis 10, n = 1.579); Quelle: BARC Data, BI and Analytics Trend Monitor 2026<\/em><\/figcaption><\/figure>\n\n\n\nWie h\u00e4ngen Datenstrategie und KI-Strategie zusammen?<\/h2>\n\n\n\n Ob die KI-Strategie Teil der Datenstrategie ist oder daneben steht, h\u00e4ngt davon ab, wie ein Unternehmen organisiert ist. Eine allgemeing\u00fcltige Hierarchie gibt es nicht.<\/p>\n\n\n\n
Wie eng beide zusammenh\u00e4ngen, entscheidet in der Praxis eine einfache Frage: Braucht die KI eigene Unternehmensdaten?<\/strong> Solange Mitarbeiter einen vortrainierten KI-Assistenten als Sparringspartner nutzen, kommt die KI-Strategie fast ohne Datenstrategie aus. Sie regelt dann vor allem Zugang, Use Cases und Lernen. Sobald KI aber rollenspezifische Aufgaben im Unternehmen \u00fcbernehmen soll, braucht sie eigene Daten. Sp\u00e4testens dann lassen sich Daten- und KI-Strategie nicht mehr trennen.<\/p>\n\n\n\nUnternehmen, die ihre Daten bereits als Datenprodukte bereitstellen, k\u00f6nnen eine KI-Strategie auch gesondert entwickeln. Sie setzt dann auf einer funktionierenden Datengrundlage auf. Zugleich erweitert KI die Anforderungen an Governance und Betrieb.<\/p>\n\n\n\n
Bevor Unternehmen KI-Use-Cases skalieren, sollten sie pr\u00fcfen, ob Daten, Verantwortlichkeiten und F\u00e4higkeiten daf\u00fcr bereit sind. Eine Bewertung der KI-Readiness zeigt, wo die gr\u00f6\u00dften L\u00fccken liegen und welche Grundlagen zuerst geschaffen werden m\u00fcssen.<\/p>\n\n\n\n
Welche Bestandteile geh\u00f6ren in eine Datenstrategie?<\/h2>\n\n\n\n Eine vollst\u00e4ndige Datenstrategie verbindet sieben Bausteine. Alle leiten sich aus der Gesch\u00e4ftsstrategie ab. Wie sie konkret aussehen, h\u00e4ngt von Gesch\u00e4ftsmodell, Ausgangslage und Ambition ab.<\/p>\n\n\n\nAbbildung 2: Die sieben Bausteine einer Datenstrategie; Quelle: BARC<\/em><\/figcaption><\/figure>\n\n\n\n\nGesch\u00e4ftliche Ziele und Zielbild<\/strong> Das Zielbild beschreibt, welchen Beitrag Daten zu den wichtigsten Gesch\u00e4ftszielen leisten sollen. Es gibt vor, welche Entscheidungen schneller, verl\u00e4sslicher oder st\u00e4rker automatisiert werden m\u00fcssen. Daraus entsteht ein gemeinsamer Bezugsrahmen f\u00fcr Fachbereiche, IT und Datenteams.<\/li>\n\n\n\nGesch\u00e4ftswert und priorisierte Use Cases<\/strong> Use Cases machen die strategischen Ziele konkret. Jeder priorisierte Use Case braucht einen fachlichen Verantwortlichen und \u00fcberpr\u00fcfbare Erfolgskriterien.<\/li>\n\n\n\nGovernance und Entscheidungsrechte<\/strong> Data Governance legt fest, wer \u00fcber Definitionen, Qualit\u00e4tsanforderungen, Zugriffsregeln und Ausnahmen entscheidet. Dabei m\u00fcssen nicht alle Daten \u00fcberall dieselbe Qualit\u00e4t haben. Es kommt darauf an, f\u00fcr welchen Anwendungszweck welche Qualit\u00e4t sichergestellt werden muss. Bei BARC verstehen wir Governance als Steuerungsmechanismus der Datenstrategie. Rollen, Gremien und Richtlinien m\u00fcssen deshalb an konkrete Entscheidungen und Eskalationswege gebunden sein.<\/li>\n\n\n\nOrganisation und Operating Model<\/strong> Das Operating Model beschreibt die Zusammenarbeit von F\u00fchrung, Fachbereichen, IT und Datenteams. Es kl\u00e4rt, welche Aufgaben zentral, dezentral oder f\u00f6deriert organisiert werden. Es regelt auch, wer Standards setzt, wer Datenprodukte verantwortet und wie gemeinsame Priorit\u00e4ten finanziert werden.<\/li>\n\n\n\nDaten, Architektur und Technologieprinzipien<\/strong> Architekturprinzipien geben Leitplanken f\u00fcr Integration, Interoperabilit\u00e4t, Datenzugriff, Sicherheit und Wiederverwendung. Der Architekturteil der Strategie legt Entscheidungskriterien fest und nimmt keine Produktliste vorweg.<\/li>\n\n\n\nF\u00e4higkeiten, Datenkultur und Verankerung<\/strong> Eine Datenstrategie ver\u00e4ndert Aufgaben und Entscheidungen. F\u00fchrungskr\u00e4fte m\u00fcssen Daten in Steuerungsprozesse einbinden. Fachbereiche \u00fcbernehmen Verantwortung f\u00fcr Definitionen, Qualit\u00e4t und Nutzen. IT und Datenteams ben\u00f6tigen F\u00e4higkeiten f\u00fcr Architektur, Governance, Analytics und Betrieb. Datenkultur entsteht, wenn F\u00fchrungskr\u00e4fte Erwartungen kl\u00e4ren, Teams die n\u00f6tigen Kompetenzen aufbauen und neue Arbeitsweisen im Alltag nutzen.<\/li>\n\n\n\nRoadmap, Erfolgsmessung und Wertrealisierung<\/strong> Die Roadmap verbindet Initiativen, Abh\u00e4ngigkeiten, Ressourcen und Entscheidungspunkte. Sie sollte fr\u00fch erste Ergebnisse liefern und gleichzeitig die n\u00f6tigen Grundlagen aufbauen. Erfolgsmessung umfasst Gesch\u00e4ftsergebnisse und den Fortschritt bei Datenqualit\u00e4t, Nutzung, F\u00e4higkeiten und Governance.<\/li>\n<\/ol>\n\n\n\nWie entwickelt man eine Datenstrategie f\u00fcr ein Unternehmen?<\/h2>\n\n\n\n Wer eine Datenstrategie f\u00fcr das eigene Unternehmen entwickeln will, startet bei der Gesch\u00e4ftsstrategie<\/strong>. Von dort f\u00fchren sechs Schritte zu einer umsetzbaren Roadmap.<\/p>\n\n\n\nAbbildung 3: In sechs Schritten zur Datenstrategie; Quelle: BARC<\/em><\/figcaption><\/figure>\n\n\n\n1. Ausgangslage und Gesch\u00e4ftsziele kl\u00e4ren<\/h3>\n\n\n\n Erfassen Sie laufende Daten-, Analytics- und KI-Initiativen, bestehende Plattformen, Verantwortlichkeiten und bekannte Probleme. Verbinden Sie diese Bestandsaufnahme mit den Gesch\u00e4ftszielen. Das Ergebnis ist eine gemeinsame Sicht auf Handlungsdruck, Ambition und Rahmenbedingungen.<\/p>\n\n\n\n
2. Relevante Entscheidungen und Nutzen bestimmen<\/h3>\n\n\n\n Fragen Sie zuerst, welche Entscheidungen Ihr Unternehmen besser treffen muss, und erst danach, welche Technologie es daf\u00fcr braucht. Das betrifft etwa Vertrieb, Einkauf, Logistik, Produktion oder Finanzen. Bestimmen Sie dort die Entscheidungen und Prozesse, in denen bessere Daten einen messbaren Unterschied machen, zum Beispiel Preissteuerung, Bestandsplanung, Kundenansprache, Risikobewertung oder Kapazit\u00e4tsplanung. Formulieren Sie den erwarteten Nutzen so konkret, dass ein fachlich Verantwortlicher ihn sp\u00e4ter \u00fcberpr\u00fcfen kann. So entsteht die Liste m\u00f6glicher Use Cases.<\/p>\n\n\n\n
3. Use Cases priorisieren<\/h3>\n\n\n\n Ordnen Sie Use Cases Wertfeldern zu und bewerten Sie sie nach Gesch\u00e4ftswert, strategischer Bedeutung, Datenverf\u00fcgbarkeit, Aufwand, Risiken und organisatorischer Bereitschaft. Die Bewertung schafft ein Portfolio mit klaren Stop-, Go- und Scale-Entscheidungen. Eine lange Wunschliste ersetzt keine Priorisierung.<\/p>\n\n\n\n
4. F\u00e4higkeiten und L\u00fccken bewerten<\/h3>\n\n\n\n Pr\u00fcfen Sie f\u00fcr die priorisierten Use Cases, welche Daten, Qualit\u00e4tsniveaus, Rollen, Architekturbausteine, Kompetenzen und Governance-Entscheidungen erforderlich sind. Vergleichen Sie diese Anforderungen mit der Ausgangslage. So werden Abh\u00e4ngigkeiten sichtbar, bevor das Unternehmen Budgets und Termine festlegt.<\/p>\n\n\n\n
Dabei gilt: Ein Unternehmen kommt nur so weit, wie seine schw\u00e4chste Stelle es zul\u00e4sst. Wer bei der Technologie bereits gut aufgestellt ist, gewinnt durch weitere Investitionen dort wenig. Mehr bringt es, die gr\u00f6\u00dfte L\u00fccke zu schlie\u00dfen. Oft fehlen ein gemeinsames Zielbild oder klare Verantwortlichkeiten. Diese L\u00fccke bestimmt, wo Operating Model und Roadmap zuerst ansetzen.<\/p>\n\n\n\n
5. Zielbild und Operating Model festlegen<\/h3>\n\n\n\n Erg\u00e4nzen Sie das Zielbild um die Frage, wie Daten k\u00fcnftig genutzt und gesteuert werden. Dazu geh\u00f6ren Entscheidungsrechte und Rollen, die Zusammenarbeit der beteiligten Funktionen im Operating Model, Architekturprinzipien und zentrale F\u00e4higkeiten. Das Ergebnis muss konkret genug sein, um Investitionsentscheidungen zu leiten, und flexibel genug, damit Fachbereiche innerhalb gemeinsamer Leitplanken handeln k\u00f6nnen.<\/p>\n\n\n\n
6. Roadmap und Erfolgskontrolle aufsetzen<\/h3>\n\n\n\n Kaum ein Unternehmen startet bei null. Ordnen Sie Initiativen deshalb in eine realistische Reihenfolge, die auf bestehenden Systemen, Prozessen und Teams aufbaut. Ber\u00fccksichtigen Sie Ressourcen, Abh\u00e4ngigkeiten, Ver\u00e4nderungsaufwand und Entscheidungstermine. Jede Initiative erh\u00e4lt einen Verantwortlichen, erwartete Ergebnisse und Kriterien f\u00fcr Fortf\u00fchrung, Anpassung oder Stopp.<\/p>\n\n\n\n
Was sollte am Ende vorliegen?<\/h2>\n\n\n\n Eine umsetzbare Datenstrategie passt in ein kompaktes Dokument f\u00fcr das F\u00fchrungsteam. Darin liegen die sieben Bausteine als konkrete Entscheidungen vor. Danach ist klar, welche Ma\u00dfnahmen Vorrang haben, wer Verantwortung \u00fcbernimmt und wann die n\u00e4chsten Entscheidungspunkte anstehen.<\/p>\n\n\n\n
Datenstrategie-Beispiel: Vertriebssteuerung in einem Industrieunternehmen<\/h2>\n\n\n\n Das folgende Beispiel ist fiktiv. Es beschreibt keine reale Kundenreferenz oder nachgewiesenen Projektergebnisse.<\/em><\/p>\n\n\n\nDie Ausgangslage<\/h3>\n\n\n\n Ein Industrieunternehmen stellt technische Komponenten her und verkauft sie \u00fcber internationale Vertriebseinheiten. Es m\u00f6chte bestehende Kunden gezielter entwickeln und profitabler verkaufen. Dashboards und Managementberichte sind bereits vorhanden.<\/p>\n\n\n\n
In einer Vertriebsbesprechung zeigt sich dann das Problem. Bei einem wichtigen Kunden sinkt der Umsatz. Bestellt der Kunde weniger, kauft er andere Produkte oder haben sich die Konditionen ver\u00e4ndert? Vertrieb und Controlling bringen unterschiedliche Auswertungen mit. Kundenzuordnungen und Margendefinitionen stimmen nicht \u00fcberein. Statt Ma\u00dfnahmen zu beschlie\u00dfen, diskutiert die Runde \u00fcber die Zahlen.<\/p>\n\n\n\n
Die erste Reaktion ist der Wunsch nach einem neuen Dashboard und einer leistungsf\u00e4higeren Datenplattform. Die Datenstrategie setzt fr\u00fcher an. Welche Kunden soll der Vertrieb entwickeln? Welche Produkte soll er dabei anbieten? Und auf welcher Grundlage werden Preise und Konditionen beurteilt?<\/p>\n\n\n\n
Die strategischen Entscheidungen<\/h3>\n\n\n\n Die Gesch\u00e4ftsf\u00fchrung priorisiert Kundenentwicklung und Vertriebssteuerung als erstes Wertfeld. Andere Reporting- und KI-Ideen werden zur\u00fcckgestellt, bis Nutzen und Voraussetzungen gekl\u00e4rt sind.<\/p>\n\n\n\n
Das Unternehmen entscheidet, Kunden- und Produktdefinitionen sowie die Kennzahlenlogik gemeinsam festzulegen. Diese Grundlagen sollen zuerst dem Vertrieb dienen und sp\u00e4ter auch Produktmanagement und Unternehmensplanung unterst\u00fctzen. Die regionalen Vertriebseinheiten bleiben f\u00fcr ihre Kundenma\u00dfnahmen verantwortlich. Lokale Auswertungen erg\u00e4nzen die gemeinsame L\u00f6sung nur bei begr\u00fcndetem Bedarf und nutzen dieselben Definitionen.<\/p>\n\n\n\n
Auch die Zusammenarbeit wird verbindlich geregelt. Der Vertrieb verantwortet die Gesch\u00e4ftsfragen und die Nutzung im Kundenmanagement. Controlling sichert die abgestimmte Kennzahlenlogik. Benannte Datenverantwortliche k\u00fcmmern sich um Kunden- und Produktdaten. IT und Datenteam verantworten Integration, Berechtigungen und Betrieb. Ohne fachlich verantwortlichen Business Owner und Zeit f\u00fcr Kl\u00e4rung, Tests und Abnahme startet kein Vorhaben.<\/p>\n\n\n\n
Die Umsetzung und das Zielbild<\/h3>\n\n\n\n Die Umsetzung beginnt in einem ausgew\u00e4hlten Vertriebsbereich. Zun\u00e4chst werden Kundenzuordnungen bereinigt, Kennzahlen abgestimmt und die Informationen in die Kundenplanung eingebunden. Technische Erg\u00e4nzungen werden daraus abgeleitet. Ob eine neue Plattform n\u00f6tig ist, bleibt eine zu pr\u00fcfende Entscheidung.<\/p>\n\n\n\n
In der k\u00fcnftigen Vertriebsbesprechung soll die gemeinsame Datengrundlage erkennen lassen, ob ein Umsatzr\u00fcckgang aus Absatz, Produktmix oder Konditionen entsteht. Die Runde kann dann entscheiden, ob ein Kundenbesuch, ein erg\u00e4nzendes Produktangebot oder eine \u00dcberpr\u00fcfung der Konditionen sinnvoll ist. Verantwortliche und n\u00e4chste Schritte werden festgehalten.<\/p>\n\n\n\n
Ob das gelingt, wird an Nutzung, Abstimmungsaufwand und der Umsetzung von Vertriebsma\u00dfnahmen \u00fcberpr\u00fcft. Die Entwicklung von Umsatz und Marge wird ebenfalls bewertet, ohne Ver\u00e4nderungen automatisch der Datenl\u00f6sung zuzuschreiben.<\/p>\n\n\n\n
Die Datenstrategie f\u00fchrt damit nicht einfach zu einem weiteren Dashboard. Sie legt fest, welche Entscheidungen unterst\u00fctzt werden, welche Grundlagen das Unternehmen gemeinsam aufbaut und wer f\u00fcr deren Nutzung und Wirkung verantwortlich ist.<\/p>\n\n\n\n
Welche Fehler schw\u00e4chen eine Datenstrategie?<\/h2>\n\n\n\n Die meisten Fehler haben eine gemeinsame Ursache: Die Datenstrategie verliert den Bezug zur Gesch\u00e4ftsstrategie.<\/strong> In Kundengespr\u00e4chen geht es oft um Tools, Plattformen und Governance. Meist fehlen aber Klarheit dar\u00fcber, welche Entscheidungen anstehen, und ein realistischer Weg vom heutigen Stand zur Umsetzung.<\/p>\n\n\n\nDie Technologieentscheidung steht am Anfang<\/h3>\n\n\n\n Wer mit der Plattformauswahl beginnt, diskutiert \u00fcber Anbieter und Funktionen, bevor klar ist, welche Entscheidungen unterst\u00fctzt werden sollen. Am Ende stehen teure Systeme, die nur wenige nutzen. Kl\u00e4ren Sie zuerst Gesch\u00e4ftsziele und Use Cases und leiten Sie daraus die Architekturkriterien ab.<\/p>\n\n\n\n
Use Cases werden nicht priorisiert<\/h3>\n\n\n\n Ohne gemeinsame Bewertungskriterien setzt sich oft der Vorschlag durch, der am lautesten eingefordert wird. Budget verteilt sich auf zu viele Vorhaben, und keines erreicht den Regelbetrieb. Legen Sie fest, wer \u00fcber das Portfolio entscheidet, und stoppen Sie Vorhaben, die ihre Erfolgskriterien verfehlen.<\/p>\n\n\n\n
Verantwortung bleibt bei Datenteams oder IT<\/h3>\n\n\n\n IT und Datenteams k\u00f6nnen Plattformen und Datenprodukte bereitstellen, den Gesch\u00e4ftswert aber nicht allein verantworten. Nutzen entsteht erst, wenn Fachbereiche Use Cases in ihre Prozesse \u00fcbernehmen. Die Unternehmensleitung muss die Datenstrategie sichtbar mittragen und Zielkonflikte zwischen Bereichen entscheiden. Ein Chief Data Officer (CDO) oder eine vergleichbare Rolle koordiniert den Gesamtprozess, sofern es diese Rolle im Unternehmen gibt.<\/p>\n\n\n\n
Governance bleibt auf dem Papier<\/h3>\n\n\n\n Rollen wie Data Owner oder Data Steward stehen im Organigramm, werden im Alltag aber nicht gefragt. Qualit\u00e4tsprobleme l\u00f6st dann jedes Team auf eigene Faust. Pr\u00fcfen Sie an einem konkreten Fall, etwa einer umstrittenen Kennzahl, ob die vorgesehenen Rollen tats\u00e4chlich entscheiden.<\/p>\n\n\n\n
Die Roadmap ignoriert Abh\u00e4ngigkeiten<\/h3>\n\n\n\n Plant jedes Vorhaben seine Grundlagen f\u00fcr sich, entstehen doppelte Arbeit und neue Silos. Plant die Roadmap nur Grundlagen, sieht das Management lange keine Ergebnisse. Bauen Sie Grundlagen dort auf, wo sie mehrere priorisierte Vorhaben gleichzeitig unterst\u00fctzen.<\/p>\n\n\n\n
Die Einf\u00fchrung wird zu sp\u00e4t vorbereitet<\/h3>\n\n\n\n Neue Rollen, Standards und Werkzeuge ver\u00e4ndern den Arbeitsalltag. Wer Mitarbeiter erst beim Start informiert, erlebt Widerstand oder Umgehungsl\u00f6sungen wie eigene Excel-Auswertungen. Binden Sie betroffene Fachbereiche fr\u00fch ein und planen Sie Lernen und Kommunikation als Teil der Umsetzung.<\/p>\n\n\n\n
Wann sollte eine Datenstrategie \u00fcberpr\u00fcft werden?<\/h2>\n\n\n\n Eine Datenstrategie sollte \u00fcberpr\u00fcft werden, sobald sich ihre Annahmen oder die Bedingungen f\u00fcr ihre Umsetzung \u00e4ndern. Unabh\u00e4ngig davon empfiehlt sich eine feste Pr\u00fcfung, etwa im Rahmen der Jahresplanung.<\/p>\n\n\n\n
Typische Ausl\u00f6ser sind:<\/p>\n\n\n\n
\neine neue Gesch\u00e4ftsstrategie oder ein neues Gesch\u00e4ftsmodell<\/li>\n\n\n\n gr\u00f6\u00dfere Investitionen in Datenplattformen oder KI<\/li>\n\n\n\n die Modernisierung einer bestehenden Plattform<\/li>\n\n\n\n die Abl\u00f6sung oder Weiterentwicklung von SAP BW<\/li>\n\n\n\n neue regulatorische Anforderungen<\/li>\n\n\n\n \u00dcbernahme von Unternehmen<\/li>\n\n\n\n Warnsignale wie stockende Piloten oder fehlender Wertnachweis, obwohl bereits eine Strategie existiert<\/li>\n<\/ul>\n\n\n\nDie Roadmap braucht regelm\u00e4\u00dfige Entscheidungspunkte. An jedem dieser Punkte sollten F\u00fchrungskr\u00e4fte pr\u00fcfen, welche Annahmen noch gelten, welche Use Cases ihren erwarteten Nutzen erreichen und welche F\u00e4higkeiten f\u00fcr die n\u00e4chste Umsetzungsstufe fehlen.<\/p>\n\n\n\n
Ihre Datenstrategie mit BARC entwickeln<\/h2>\n\n\n\n Ob Sie eine Datenstrategie neu aufsetzen oder eine bestehende \u00fcberpr\u00fcfen: Am Anfang steht meist dieselbe Frage. Welche Entscheidungen soll die Strategie besser unterst\u00fctzen, und was muss daf\u00fcr zuerst passieren?<\/p>\n\n\n\n
Unsere unabh\u00e4ngige Datenstrategieberatung<\/a> baut auf dem Research von BARC auf und begleitet Sie von der ersten Orientierung bis zur umsetzbaren Roadmap.<\/p>\n","protected":false},"excerpt":{"rendered":"Eine Datenstrategie \u00fcbersetzt Gesch\u00e4ftsziele in klare Entscheidungen \u00fcber Daten. Der Leitfaden zeigt, welche Bausteine dazugeh\u00f6ren, wie Unternehmen in sechs Schritten vorgehen und welche Fehler sie vermeiden sollten.<\/p>\n","protected":false},"author":30,"featured_media":131869,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"disabled","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[102,48,150],"tags":[],"plus":[],"content_typ":[209],"layoutvorlage":[],"class_list":["post-159152","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-strategie","category-datenmanagement","category-data-driven-enterprise","content_typ-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/159152","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=159152"}],"version-history":[{"count":2,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/159152\/revisions"}],"predecessor-version":[{"id":159162,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/159152\/revisions\/159162"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/131869"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=159152"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=159152"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=159152"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=159152"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=159152"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=159152"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"Abbildung](\"https:\/\/barc.com\/wp-content\/uploads\/2026\/10\/Bedeutung-der-Data-BI-und-Analytics-Trends-2026.png\")
![\"Abbildung](\"https:\/\/barc.com\/wp-content\/uploads\/2026\/10\/Bausteine-Datenstrategie-1024x613.png\")
![\"\"](\"https:\/\/barc.com\/wp-content\/uploads\/2026\/10\/Schritte-zur-Datenstrategie-1024x362.png\")