KI-fähige Datenplattformen: Cloud dominiert, aber Datenmängel bremsen den Erfolg

Daten sind der Rohstoff der KI-Ära. Doch erst wenn sie qualitätsgesichert und in Echtzeit verfügbar sind, können KI-Modelle ihr Potenzial entfalten. Die Grundlage dafür schafft eine AI-ready Data Platform. 74 Prozent der Unternehmen bezeichnen ihre eingesetzte Datenplattform als KI-fähig, nur sieben Prozent verzichten ganz auf solche Plattformen. So lautet das zentrale Ergebnis der Studie „AI-ready Data Platforms 2026“, die CIO und COMPUTERWOCHE mit den Partnern Hyland, Lufthansa Industry Solutions und T-Systems realisiert haben.

„Da fast drei Viertel der Unternehmen ihre Datenplattformen als KI-bereit sehen, ist nicht mehr entscheidend, ob KI die Geschäftsprozesse transformieren wird, sondern wie. Die eigentlichen Hürden sind fragmentierte Datensilos, die KI den Zugang zu hochwertigem ‚Treibstoff‘, also Informationen, verwehren“, kommentiert Arsalan Minhas, AVP EMEA & APAC bei Hyland, dieses Ergebnis.

Im Unterschied dazu ist Candide Orou-Yorouba, Business Manager Data Platforms & Technology bei Lufthansa Industry Solutions, überrascht, dass bereits rund drei Viertel der Unternehmen ihre Datenplattformen als AI‑ready einschätzen. “Der ROI entsteht dabei nicht durch die Plattform an sich, sondern durch ihre gezielte Nutzung entlang strategischer Business-Ziele.“

41 Prozent der Befragten stufen die KI-Relevanz als sehr hoch oder extrem hoch ein, 46 Prozent planen KI in den nächsten zwei bis drei Jahren als strategisch essenziell zu priorisieren. Ein Blick hinter die Fassade der zunächst ermutigenden Zahlen offenbart deutliche Risse, vor allem zwischen den Funktionsträgern: Während 83 Prozent der C-Level-Führungskräfte und 73 Prozent der IT-Verantwortlichen die KI-Reife ihrer Plattformen bestätigen, sind es in den Fachbereichen nur 49 Prozent.

Diese enorme Differenz von bis zu 34 Prozentpunkten lässt mehrere Schlussfolgerungen zu: Entweder wird „AI-ready“ sehr unterschiedlich verstanden, oder die operativen Einheiten sind in der technologischen Realität noch nicht angekommen.

Cloud und Data Warehouse: das hybride KI-Fundament

Geht es um die Art der Datenplattform, setzt die Hälfte der Befragten auf eine Plattform aus der Cloud. Deutlich dahinter folgen Kundendaten-Plattformen (39 Prozent), Enterprise-Data- und Big-Data-Plattformen (35 und 34 Prozent). Reine KI-Datenplattformen nutzen dagegen erst 28 Prozent.

Große Unternehmen agieren in Bezug auf Cloud- und KI-Datenplattformen klar als First Mover. 58 Prozent von ihnen nutzen Cloud-Data-Platforms, verglichen mit nur 44 Prozent der kleineren Betriebe. Bei KI-Plattformen ist der Abstand noch deutlicher. 37 Prozent der großen Firmen sie bereits ein, aber lediglich 18 Prozent der kleineren Betriebe.

Beim Betrieb setzen sechs von zehn Befragten auf eine hybride Cloud- und On-Premises-Strategie, 23 Prozent bevorzugen einen reinen Cloud-first-Ansatz. Bei der Datenarchitektur führt das klassische Data Warehouse mit 62 Prozent deutlich vor moderneren Konzepten wie Data Lake (37 Prozent), Data Lakehouse (34 Prozent), Data Mesh (27 Prozent) oder Data Fabrics (25 Prozent). Das Fundament der KI-Transformation baut also weitgehend auf bewährter Business-Warehouse-Architektur und hybridem Betriebsmodell auf.

Die strategischen Top-3-Ziele beim Einsatz einer AI-ready Plattform sind primär auf operative Exzellenz ausgerichtet: nämlich Effizienzsteigerung (55 Prozent), Kostenreduktion (49 Prozent) und besserer Datenzugang für Fachbereiche (48 Prozent).

„Diese Top-3-Prioritäten verdeutlichen, dass KI-fähige Plattformen keine Innovationsprojekte mehr sind, sondern der Motor für operative Exzellenz“, erläutert Arsalan Minhas. “Vorausschauende Führungskräfte setzen auf Lösungen, die inhaltsintensive Prozesse vereinfachen, Routineaufgaben automatisieren und Daten als Kronjuwel jedes Unternehmens in fundierte Entscheidungen überführen.”

Das Umsatzwachstum spielt mit 23 Prozent eine überraschend untergeordnete Rolle. Das gilt nicht für die Fachbereiche, von denen 40 Prozent dort den größten Hebel sehen, anders als C-Level-Verantwortliche (22 Prozent) und IT-Leitung (15 Prozent).

Auf technischer Seite sind für jeweils 70 Prozent die Echtzeitdatenverarbeitung und eine lückenlose Data Lineage sowie für jeweils zwei Drittel der Befragten skalierbare Rechenkapazitäten für KI und Self-Services-Analytics sehr essenziell oder essenziell. „Bei der Skalierung von KI in Unternehmen besteht die größte Herausforderung darin, der KI die Geschäftsdaten zur Verfügung zu stellen“, erläutert Dr. Emmanuel Klinger, Head of AI & Data Tech Advisory bei T-Systems International. “ChatGPT und Co. wurden hoffentlich nicht auf unternehmensinternen Daten trainiert und kennen diese nicht.”

Governance, Souveränität, EU AI Act: ein strategischer Dreiklang

Wer eine KI-fähige Datenplattform einsetzt, braucht ein effizientes, ganzheitliches und rechtssicheres Datenmanagement. Das ist ein weiteres wichtiges Ergebnis der Studie. Bei der Data Governance sieht es gut aus; sie ist in mehr als drei Viertel der Unternehmen (77 Prozent) etabliert. Bei neueren Disziplinen wie der KI-Governance und der KI-Ethik hinkt man noch hinterher. Sie sind erst bei 63, beziehungsweise 64 Prozent der Befragten verankert. Gebremst werden Governance-Initiativen vor allem von Datenschutz und DSGVO-Konformität (42 Prozent), Zugriffskontrolle und Rollenmodellen (40 Prozent) sowie vom KI-Modell-Monitoring bei Bias und Data Drift (35 Prozent).

Der EU AI Act erhöht den regulatorischen Druck zusätzlich. Lediglich 29 Prozent der Unternehmen geben an, die Vorgaben vollständig zu erfüllen (16 Prozent) oder zu übertreffen (13 Prozent). 36 Prozent wollen bis zum Stichdatum im August 2026 compliant sein, 15 Prozent peilen dies für 2027 an. Trotz des Rückstands bei der Umsetzung fällt die Gesamtbewertung verhalten positiv aus: 42 Prozent sehen die KI-Regulierung als Vorteil, nur 13 Prozent als Bremsklotz.

Candide Orou-Yorouba sieht darin ein klares Signal: „Während KI Governance noch nicht den Reifegrad der Data Governance erreicht hat, zeigt die Studie ein wachsendes Umdenken im Umgang mit Regulierung. Der EU AI Act wird zunehmend als Rahmen verstanden, der verantwortungsvolle Innovation ermöglicht statt sie auszubremsen.“

Im Gegenzug befürchten 64 Prozent, dass der AI Act die Nutzung von Daten und Innovationen behindert. Im Vergleich dazu empfinden nur 37 Prozent die DSGVO als starke Innovationsbremse. Dies deutet darauf hin, dass sich die Wahrnehmung neuer KI-Regulierung mit zunehmender Vertrautheit abschwächen dürfte.

Das führt direkt in Richtung digitaler Souveränität zur Vermeidung eines Vendor Lock-in (Stichwort: US-Hyperscaler), die bei AI-ready Data Platforms kein Nischenthema mehr ist. 64 Prozent der Firmen schätzen ihre technische Souveränität und 60 Prozent ihre Datensouveränität als hoch bis sehr hoch ein. Über die Hälfte (52 Prozent) stuft sie als geschäftskritisch ein.

Wenn IT und Business aneinander vorbeireden

Die Verantwortung für Daten und KI ist in deutschen Unternehmen stark fragmentiert. Formal gibt auf C-Level-Ebene die IT den Ton an (Daten: 24 Prozent, KI: 23 Prozent), aber Business-Verantwortliche beanspruchen strategische Mitsprache (Daten: 18 Prozent, KI: 20 Prozent), und der IT-Bereich agiert in 19 bis 20 Prozent der Fälle federführend. Interne Kompetenzzentren spielen mit jeweils zehn Prozent eine erstaunlich geringe Rolle. Diese unklare Verantwortungsmatrix erschwert eine kohärente Datenstrategie erheblich.

Generell bezeichnen sechs von zehn Befragten das Zusammenspiel zwischen IT und Fachbereichen beim Datenmanagement als gut bis sehr gut: Ausnahme sind die Fachbereiche, von denen nur 52 Prozent die Kooperation positiv beurteilen, verglichen mit 65 Prozent auf C-Level-Ebene. Diese Kluft von 13 Prozentpunkten deutet darauf hin, dass die Führungsebene eine Harmonie wahrnimmt, die nicht mit dem operativen Alltag übereinstimmt.

Möglicherweise sind unklare Verantwortlichkeiten auch die Ursache für Lücken bei Daten- und KI-Skills. Zwar schätzen 81 Prozent der Unternehmen ihr Know-how als umfassend oder ausreichend ein, in speziellen Bereichen ist der Nachholbedarf jedoch hoch. Die größten Skill-Lücken gibt es bei Data Science / Machine Learning (ML) und Datenstrategie / Produktdenken (jeweils 38 Prozent) sowie beim Data Engineering (33 Prozent).

Datenqualität und Reifegrad als KI-Bremsen

Bei alldem verwundert es nicht, dass mangelnde Datenqualität (30 Prozent), fragmentierte Datenlandschaften (28 Prozent) und träge IT-Prozesse (25 Prozent) die drei größten Bremsklötze bei Daten- und KI-Initiativen sind. Hinzu kommt: Nur 67 Prozent stufen den Reifegrad ihrer Datenlandschaft als hoch ein, 63 Prozent sind mit der Datenzugänglichkeit und 62 Prozent mit der Datenqualität zufrieden. Noch kritischer sieht es bei Datenaktualität (58 Prozent), Datenintegration und Metadaten-Verfügbarkeit aus (jeweils 57 Prozent), wo die Werte unter der 60-Prozent-Marke liegen.

Der Investitionsfreude tut das keinen Abbruch, denn knapp ein Drittel der Befragten (32 Prozent) plant für die nächsten zwei Jahre sehr hohe oder hohe Ausgaben in Datenplattformen und KI. Laut Dr. Emmanuel Klinger „beginnen viele Unternehmen mit KI dort, wo sie schnell zu sichtbaren Ergebnissen führt wie im Marketing und Vertrieb und die Datenanbindung weniger wichtig ist. Sobald es dann um die Automatisierung der Backend-Prozesse und die Ablösung klassischer RPA geht, wird die Datenanbindung wieder zum Schlüsselfaktor.“

Bezeichnend ist, was als Top-Priorität gilt. Das ist nicht die Einführung einer AI-ready Data Platform (25 Prozent), sondern die Automatisierung und Operationalisierung von KI (39 Prozent), die Modernisierung der Datenarchitektur (32 Prozent) und der Aufbau eines Data-Governance-Frameworks (28 Prozent). Die Plattform ist somit Mittel zum Zweck. Das wirkliche Ziel sind automatisierte und datengetriebene Prozesse als Motor für die digitale Unternehmenstransformation.

Studiensteckbrief

Herausgeber: CIO, CSO und COMPUTERWOCHE

Studienpartner: Hyland Software Germany GmbH; Lufthansa Industry Solutions; T-Systems International GmbH

Grundgesamtheit: Oberste (IT-)Verantwortliche in Unternehmen der DACH-Region: Beteiligte an strategischen (IT-)Entscheidungsprozessen im C-Level-Bereich und in den Fachbereichen (LoBs); Entscheidungsbefugte sowie Experten und Expertinnen aus dem IT-Bereich

Teilnehmergenerierung: Persönliche E-Mail-Einladung über die Entscheiderdatenbank von CIO, CSO und COMPUTERWOCHE sowie – zur Erfüllung von Quotenvorgaben – über externe Online-Access-Panels

Gesamtstichprobe: 315 abgeschlossene und qualifizierte Interviews

Untersuchungszeitraum: 10. bis 21. Januar 2026

Methode: Online-Umfrage (CAWI) Fragebogenentwicklung & Durchführung: Custom Research Team von CIO, CSO und Computerwoche in Abstimmung mit den Studienpartnern