Warum KI-Projekte an Daten scheitern – und nicht am KI-Modell

Kaum ein Technologiethema prägt die strategische Agenda vieler Unternehmen derzeit so stark wie Künstliche Intelligenz. Ob Copiloten, Agentic AI oder datengetriebene Automatisierung: Die Erwartungen sind hoch, und entsprechend groß ist die Bereitschaft, in neue Anwendungsfälle zu investieren.

In der Praxis zeigt sich jedoch schnell: Viele KI-Diskussionen beginnen zwar bei konkreten Use Cases, führen aber schon nach kurzer Zeit zu grundlegenderen Fragen. Welche Daten stehen zur Verfügung? Wie verlässlich, aktuell und zugänglich sind sie? Und welche Architektur ist erforderlich, damit KI nicht nur als Pilotprojekt funktioniert, sondern dauerhaft produktiv eingesetzt werden kann?

Genau an diesem Punkt setzte der erste Beitrag meiner dreiteiligen Blogserie an. Darin habe ich dargelegt, warum IT-Architekturentscheidungen längst keine rein technische Fragestellung mehr sind, sondern eine strategische Managementaufgabe. Diese Perspektive begegnet mir inzwischen in nahezu allen Gesprächen mit CIOs und Enterprise Architects: Architektur entscheidet zunehmend darüber, wie schnell Unternehmen auf neue Anforderungen reagieren können.

Das gilt besonders für KI. Denn die Frage, wie sich Künstliche Intelligenz produktiv und mehrwertstiftend einsetzen lässt, kann nicht losgelöst von Daten- und Architekturfragen beantwortet werden. Der Grund dafür ist einfach: Die meisten KI-Projekte scheitern nicht daran, dass Unternehmen keine Daten besitzen. Im Gegenteil. Noch nie standen Organisationen so viele Informationen zur Verfügung wie heute. Dies stellt auch eine vom Analystenhaus BARC veröffentlichte Studie fest, welche Sie hier kostenlos herunterladen können: Entscheidend für erfolgreiche KI-Projekte ist nicht allein die Verfügbarkeit von Daten, sondern vor allem deren Qualität, Zugänglichkeit und Integrationsfähigkeit.

Die eigentliche Herausforderung besteht also darin, diese Informationen überhaupt für KI-Anwendungen nutzbar zu machen. Denn Daten liegen häufig verteilt über ERP-Systeme, Fachanwendungen, Data Warehouses, Cloud-Dienste, Integrationsplattformen und spezialisierte Datenbanken. Sie existieren häufig mehrfach, werden ständig transformiert und für unterschiedliche Zwecke erneut gespeichert. Und KI? Sie vergrößert dieses Problem nicht automatisch. Sie legt es jedoch offen, sobald Anwendungen auf inkonsistente, schwer zugängliche oder nicht nachvollziehbare Daten treffen. 

Was mir in den vergangenen Jahren, klar wurde: Viele Organisationen und Unternehmen haben enorme Summen in Data Lakes, Analytics-Lösungen und Cloud-Technologien investiert und trotzdem fällt es ihnen schwer, neue datengetriebene Anwendungen schnell bereitzustellen.

Warum? Wie bereits in meinem letzten Blogartikel beschrieben, liegt die Antwort aus meiner Sicht selten in den Daten selbst, sondern vielmehr in der Daten- und Integrationsarchitektur.
Daten entstehen heute an unterschiedlichsten Stellen. Operative Anwendungen erzeugen sie, Integrationsplattformen bewegen sie, Analysewerkzeuge kopieren sie und Reporting-Systeme bereiten sie erneut auf. Jeder dieser Schritte erfüllt zunächst einen sinnvollen Zweck. Zusammengenommen entsteht jedoch eine IT-Landschaft, in der Daten permanent bewegt, kopiert und neu abgelegt werden – häufig in isolierten Umgebungen, in denen fachlicher Kontext verloren geht.

Wenn Unternehmen über Datenintegration sprechen, wird Datenbewegung häufig als selbstverständlich betrachtet: Daten werden extrahiert, transformiert, zwischengespeichert, erneut gespeichert, für die Analyse vorbereitet, für KI erneut aufbereitet, und, und, und. Technisch funktioniert das.

Architektonisch entsteht jedoch mit jeder zusätzlichen Bewegung ein neuer Übergang, und an genau diesem entstehen viele Probleme, denn:

• Jede Datenkopie erzeugt Synchronisationsaufwand.
  
• Jede Transformation erhöht die Komplexität.
  
• Jeder zusätzliche Speicherort vergrößert die Frage, welche Version eigentlich aktuell ist.
  
• Hinzu kommen Datenschutz, Governance, Sicherheitsanforderungen und steigender Betriebs- und Kostenaufwand aufgrund redundanter Datenhaltung.

Je häufiger Daten bewegt werden müssen, desto größer wird der Aufwand, sie konsistent, aktuell und nachvollziehbar zu halten. Daher lautet meine These: In Zeiten von KI sind Datenkopien nicht mehr nur ein Architekturproblem. Sie werden zum Risiko für Skalierung, Vertrauen und Wertschöpfung.

In unserem kürzlich veröffentlichten großen Leitfaden zu InterSystems IRIS stellen wir der Datenbewegung die Datennähe entgegen. Der Begriff beschreibt ein einfaches Prinzip. Daten sollten möglichst dort verarbeitet, integriert und ausgewertet werden, wo ihr fachlicher Zusammenhang bereits vorhanden ist.

Nicht weil Datenbewegung grundsätzlich vermieden werden muss, sondern weil sie nicht zum Standard werden sollte. Je näher Daten an ihrem Nutzungskontext bleiben, desto geringer werden Integrationsaufwand, Synchronisationsrisiken und betriebliche Reibung.

Diese Sichtweise verändert Architektur grundlegend. Nicht die Frage „Wo speichern wir Daten?“, sondern „Wie schaffen wir einen gemeinsamen Datenkontext, den unterschiedliche Anwendungen nutzen können?“ stehen im Mittelpunkt.

Genau hier zeigt sich der Unterschied zwischen gewachsenen Technologie-Stacks und Plattformarchitekturen, welche ich hinsichtlich ihrer Architektur bereits im ersten Blogpost dieser dreiteiligen Serie verglichen habe:

• In fragmentierten IT-Landschaften führt eine neue Anforderung häufig zur Einführung weiterer Technologien, Integrationsschichten oder Datenkopien. Die zentrale Frage lautet dann: „Welche zusätzliche Technologie benötigen wir?“
  
• Eine Plattformarchitektur verfolgt einen anderen Ansatz. Statt neue Bausteine neben den bestehenden Technologie-Stack zu stellen, versucht sie, neue Anforderungen innerhalb des vorhandenen Architekturkerns umzusetzen.
  
• Datennähe, wie ich sie oben beschrieben habe, benötigt also eine Plattform, die Integration, Interoperabilität und Verarbeitung zusammenführt. So entstehen weniger Kopien, weniger Schnittstellenaufwand und eine belastbarere Grundlage für KI-gestützte Anwendungen.

Davon profitieren insbesondere Unternehmen, die ihre Architektur nicht nur mit Blick auf KI, sondern auch für Analytics, Automatisierung und künftige digitale Initiativen strategisch weiterentwickeln möchten. Denn neue Anforderungen lassen sich häufiger auf bestehenden Strukturen aufbauen, statt immer neue Datenstrecken zu schaffen. Das reduziert nicht nur technischen Aufwand, sondern stärkt zugleich Nachvollziehbarkeit, Governance und Time-to-Value.

Unternehmen investieren derzeit zurecht in Künstliche Intelligenz. Der langfristige Erfolg dieser Projekte entscheidet sich jedoch häufig deutlich früher. Und zwar nicht beim Modell, dem Algorithmus oder Prompt, sondern bei der zugrunde liegenden Daten- und Integrationsarchitektur.

Je häufiger Informationen kopiert, transformiert und zwischen unterschiedlichen Plattformen bewegt werden müssen, desto größer wird das Risiko von Inkonsistenzen, Verzögerungen und Qualitätsverlusten. Gerade KI-gestützte Anwendungen benötigen jedoch Daten, die aktuell, konsistent und nachvollziehbar sind.

Vor dem Hintergrund der Datennähe für u.a. KI-Anwendungen bin ich also einmal mehr überzeugt, dass, wie auch schon im ersten Blogartikel dieser Serie erörtert, Datenarchitektur in den kommenden Jahren zu einer der wichtigsten Managementaufgaben moderner IT wird und Unternehmen künftig nicht danach unterschieden werden, wie viele Daten sie besitzen, sondern danach, wie sie mit ihnen arbeiten.

Im dritten Beitrag dieser Blog-Miniserie zeige ich, warum erfolgreiche Modernisierung heute nicht mehr mit einem kompletten Austausch bestehender Systeme beginnt. Stattdessen betrachten wir, weshalb Interoperabilität und schrittweise Integration für viele Unternehmen der wirtschaftlichere Weg zu einer zukunftsfähigen IT-Architektur, wie sie in den beiden vorausgegangenen Artikeln beschrieben wurde, sind.

Sie möchten einen echten Deep Dive ins Thema Architektur und seine vielen Facetten? Laden Sie unseren kürzlich veröffentlichten großen Leitfaden zu InterSystems IRIS jetzt kostenlos herunter.