{"id":159172,"date":"2026-10-16T10:24:20","date_gmt":"2026-10-16T10:24:20","guid":{"rendered":"https:\/\/barc.com\/?p=159172"},"modified":"2026-10-16T10:30:33","modified_gmt":"2026-10-16T10:30:33","slug":"systemuebergreifende-ki-use-cases-datenplattform","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/systemuebergreifende-ki-use-cases-datenplattform\/","title":{"rendered":"Wenn KI-Use-Cases Systemgrenzen \u00fcberschreiten: Warum die Datenplattform \u00fcber unternehmensweite KI entscheidet"},"content":{"rendered":"\n

Anbieter von ERP-, CRM- und Data-Warehouse-Software liefern KI-Funktionen inzwischen direkt in ihren Anwendungen aus. F\u00fcr Aufgaben innerhalb eines Systems ist das ein Fortschritt: Ein Assistent im CRM fasst etwa eine Kundenhistorie zusammen, eine Prognosefunktion im ERP schl\u00e4gt Bestellmengen vor. Schwieriger wird es, sobald ein Use Case Daten und Kontext aus mehreren Systemen braucht.<\/strong> Diese Arbeit nimmt keine einzelne Anwendung ab.<\/p>\n\n\n\n

In der BARC Studie Lessons From the Leading Edge<\/a> nennen 30 Prozent der Befragten Integrationsprobleme als Hindernis f\u00fcr ihre KI-Projekte<\/strong>. F\u00fcr system\u00fcbergreifende Use Cases braucht es eine Datenplattform und eine klare fachliche Verantwortung f\u00fcr die Daten.<\/p>\n\n\n\n

Wo KI in der Anwendung an ihre Grenze kommt<\/h3>\n\n\n\n

Ich beobachte im Markt, dass immer mehr Anbieter KI-Funktionen in ihre Anwendungen einbetten. Das senkt die Einstiegsh\u00fcrde, denn die Funktion arbeitet mit dem Datenmodell, den Berechtigungen und den Prozessen der jeweiligen Anwendung.<\/p>\n\n\n\n

Die Grenze ist das System selbst. Eine Frage wie \u201eWelche Kunden mit offenen Reklamationen stehen vor einer Vertragsverl\u00e4ngerung, und welchen Deckungsbeitrag erwirtschaften sie?\u201c braucht Daten aus Service, CRM und ERP. Keine dieser Anwendungen hat den vollst\u00e4ndigen Kontext, auch wenn jede einzelne KI-Funktionen mitbringt.<\/p>\n\n\n\n

Die Studienlage zeigt, dass Unternehmen KI \u00fcberwiegend in ihre bestehende Landschaft einbauen<\/strong>. 62 Prozent erg\u00e4nzen ihre vorhandene Architektur um KI-spezifische Technologie. 35 Prozent \u00fcberarbeiten oder konsolidieren ihre Datenmanagement-Architektur grundlegend. In der Vorjahresbefragung, damals unter Unternehmen in der Planungsphase, waren es 44 Prozent.<\/p>\n\n\n\n

Auch reife Unternehmen k\u00e4mpfen mit Integration<\/h3>\n\n\n\n

AI Leaders nennen Integrationsprobleme genauso h\u00e4ufig wie die \u00fcbrigen Unternehmen, jeweils 30 Prozent. Als AI Leaders gelten Unternehmen, die alle sieben BARC Voraussetzungen f\u00fcr KI-Reife formalisiert haben oder \u00fcberarbeiten. Unternehmen mit drei oder mehr KI-Projekten in Produktion nennen sie mit 33 Prozent etwas h\u00e4ufiger als Unternehmen mit ein bis zwei Projekten (28 Prozent).<\/p>\n\n\n\n

In der Studie Preparing and Delivering Data for AI<\/a> geben 37 Prozent der AI Leaders inkompatible Tools oder Systeme als Herausforderung beim Datenmanagement f\u00fcr KI an. Bei den \u00fcbrigen Unternehmen sind es 24 Prozent.<\/p>\n\n\n\n

Einen urs\u00e4chlichen Zusammenhang belegen die Studien nicht. Eine m\u00f6gliche Erkl\u00e4rung: Mit jedem weiteren produktiven Use Case steigt die Wahrscheinlichkeit, dass Daten aus mehreren Systemen gebraucht werden. <\/strong>Integration wird damit zur Daueraufgabe des KI-Programms. Integration wird damit zur Daueraufgabe, die mit jedem weiteren Use Case w\u00e4chst. Dazu passt ein weiterer Befund: Von den sieben Reifekriterien sind Anforderungen an die Unternehmensarchitektur am seltensten formalisiert, mit 22 Prozent.<\/p>\n\n\n\n

Was eine Datenplattform f\u00fcr unternehmensweite KI leisten muss<\/h3>\n\n\n\n

System\u00fcbergreifende Use Cases brauchen eine moderne Datenplattform und eine stimmige Datenarchitektur. Plattform und Architektur m\u00fcssen daf\u00fcr drei Anforderungen erf\u00fcllen:<\/p>\n\n\n\n