Dabei zeigte sich immer wieder: Das Scheitern lag selten an der Technologie oder an einer unpassenden Strategie. In den meisten Fällen waren mangelhafte Daten der entscheidende Faktor. Heute bin ich überzeugt davon, dass unser gesamter Ansatz zur Business-Transformation grundsätzlich überdacht werden muss.
„Gut genug" darf nicht mehr der Standard sein
Viel zu lange haben wir uns mit dem Label „gut genug" zufrieden geben: mit ausreichend guten Daten, ausreichend guter Umsetzung, einer ausreichend guten Definitionen von Erfolg. Doch wenn der Rollout enttäuscht, die Dashboards nicht die Realität widerspiegeln und das Geschäft trotz hoher Investitionen unverändert bleibt, stellt sich die entscheidende Frage: Wie sind wir hier gelandet?
Historisch gesehen haben wir Erfolg lediglich an technischen Meilensteinen gemessen. Wurde die Migration rechtzeitig abgeschlossen? Ist das System live gegangen? Haben wir den Zeitplan eingehalten? All das garantiert allerdings nicht, dass das Unternehmen tatsächlich besser dasteht. Führungskräfte investieren nicht in Transformation, um Häkchen zu setzen. Sie tun es, um Ergebnisse zu erzielen: effizientere Prozesse, klügere Entscheidungen, echten ROI.
Wie mir ein CIO einmal sagte:
„Man wird nicht entlassen, weil das Projekt technisch nicht korrekt umgesetzt wurde. Man wird entlassen, weil die Ziele nicht erreicht wurden."
Wenn wir bessere Ergebnisse wollen, müssen wir deshalb unsere Ansprüche erhöhen.
Validiert ist nicht dasselbe wie wertvoll
Viele Unternehmen gehen noch immer davon aus, dass ihre Daten „gut" sind, sobald alle Felder ausgefüllt und die Formate korrekt sind. Doch formale Korrektheit bedeutet nicht automatisch, dass Daten auch tatsächlich nützlich sind.
Häufig wird stolz verkündet, die Datenqualität liege bei 85 % oder gar 95 %. Das mag auf den ersten Blick beeindruckend klingen. Was allerdings in der Schule einer guten Note entspräche, ist im Geschäftsleben ein alarmierendes Ergebnis. Ich habe Daten gesehen, die auf den ersten Blick einwandfrei aussahen, zugleich aber enorme Probleme verursacht haben:
Bestandsdaten wiesen Produkte als verfügbar aus, die tatsächlich allerdings nicht lieferbar waren. Lieferantendaten erfüllten zwar alle formalen Prüfregeln, enthielten jedoch fehlerhafte Bankverbindungen. Kundendaten erschienen auf den ersten Blick einwandfrei, führten aber zu Abrechnungsfehlern und Compliance-Verstößen.
Selbst eine Genauigkeit von 95 % ist in solchen Fällen nicht ausreichend. Die verbleibenden 5 % können sich rasch zu millionenschweren Verlusten summieren: durch Zeitverschwendung, entgangene Umsätze sowie Vertrauensverlust.
Geschäftsrelevante Daten unterscheiden sich grundlegend von bloß „sauberen" Daten. Sie sind vollständig, kontextbezogen und eng an die tatsächlichen Geschäftsprozesse gekoppelt. Sie werden nicht nur von Systemen überprüft, sondern auch von Entscheidungsträgern validiert, die deren Bedeutung im operativen Kontext verstehen.
Denn die zugrunde liegenden Systeme sind längst keine reinen Backoffice-Werkzeuge mehr – sie bilden das Rückgrat moderner Unternehmen. Sie steuern Bestände, Aufträge, Lohn- und Gehaltsabrechnungen, Finanzen, Beschaffung und Lieferketten. Warum also sollten wir bei der Frage der Datenqualität, die all diese Prozesse schlussendlich antreibt, weniger als 99,9 % erwarten?
Trägt Ihr Unternehmenspartner die Last – oder verlagert er sie nur?
Zu viele Partner werden lediglich an der Lieferung gemessen, nicht an der Wirkung. In vielen Fällen liegt das daran, dass die Verantwortung für die Datenarbeit an die Fachbereiche delegiert wird, anstatt dort verortet zu sein, wo sie hingehört.
Teams kennen ihr Geschäft. Es ist allerdings die Aufgabe des Partners, die Daten tatsächlich auch zu verstehen: tiefgehend, präzise und wirkungsorientiert. Wenn er diese Verantwortung nicht übernimmt, bleiben Lücken, die Unternehmen langfristig bremsen. Aus diesem Grund mein Appell an alle, die eine digitale Transformation vorantreiben: Partner sollten in die Pflicht genommen werden.
Stellen Sie die entscheidenden Fragen:
Verfügt der Partner über echte Daten-Expertise sowie ein qualifiziertes Team?
Bringt er tiefes Branchenwissen und belastbare Referenzen mit?
Arbeitet er mit einer bewährten, wiederholbaren Methodik, die messbare Ergebnisse liefert?
Legt er vom ersten Tag an einen klaren Plan mit eindeutigen Verantwortlichkeiten vor?
Jedes Unternehmen verdient einen Partner, der hilft, schnell und smart zu entscheiden.
Wer diese Fragen nicht stellt, erwartet schlicht zu wenig.
‚Abgeschlossen’ ist nicht gleich ‚Geliefert’
Alle sprechen über KI, aber kaum jemand über das, was sie antreibt: Daten. Wenn Daten doppelt, unvollständig oder inkonsistent sind, wird KI das Chaos nur beschleunigen. Sind Daten hingegen akkurat und zweckgerecht, wird KI zum echten Beschleuniger. Sie hilft, Datensätze abzugleichen, Validierungen zu automatisieren sowie Probleme zu erkennen, bevor sie eskalieren. KI kann kein brüchiges Fundament reparieren. Aber sie kann helfen, ein solideres zu bauen.
„Gut genug" ist nicht mehr gut genug
Wir wissen, was passiert, wenn Erwartungen niedrig sind: Mittelmäßigkeit gerät zur Norm.
Doch sobald wir beginnen, mehr zu erwarten, verändert sich alles. Transformation bedeutet dann nicht mehr reine Implementierung, sondern Wirkung. Aus diesem Grund setze ich mich seit Jahren für eine Data-First Mentalität ein, denn Daten stellen nicht nur die Grundlage dar, sie geben die Richtung vor.
Mehr zu erwarten endet nicht mit dem Go-Live. Unsere Branche hat die Werkzeuge und das Know-how. Es ist an der Zeit, uns selbst in die Pflicht zu nehmen, damit alle mehr erreichen, weil sie mehr erwarten.
