Der „Global Information Governance Day“ am 19. Februar rückt ein kritisches Thema in den Fokus: Wie lässt sich ein starkes Datenmanagement in messbaren Geschäftswert umsetzen? Passend zu diesem Anlass verdeutlicht die vierte jährliche Ausgabe der internationalen Studie „State of Data Integrity and AI Readiness“ von Precisely, einem weltweit führenden Anbieter im Bereich Datenintegrität, dass Unternehmen in Europa nach wie vor Schwierigkeiten damit haben. Der Vergleich zwischen Deutschland, dem Vereinigten Königreich und Frankreich zeigt: Deutsche Unternehmen verfügen über eine solide technologische Basis und setzen auf hohe Datenqualität, erzielen jedoch bislang nur begrenzt messbare wirtschaftliche Erträge aus ihren KI-Initiativen. Ursache ist vor allem, dass die Verbindung von KI-Projekten mit klaren, messbaren Geschäftszielen noch nicht konsequent umgesetzt wird.
So nutzen lediglich 18 Prozent der deutschen Datenverantwortlichen etablierte Business-KPIs, um den Erfolg ihrer KI-Projekte zu bewerten. Im Vereinigten Königreich liegt dieser Wert bei 43 Prozent. Stattdessen konzentrieren sich deutsche Unternehmen (26 %) vor allem auf technische Leistungskennzahlen der Systeme – oder verzichten ganz auf eine formale Erfolgsmessung (20 %). Die Folge: Viele KI-Projekte bleiben technologisch komplex, liefern jedoch keinen klaren Beitrag zum Unternehmensergebnis.
Ein zentrales strukturelles Hemmnis ist dabei die Integration bestehender Altsysteme. Für ein Drittel der befragten deutschen Unternehmen stellt der Mangel an Experten für komplexe Legacy-Umgebungen wie Mainframe oder SAP das größte Hindernis für moderne Datenarchitekturen dar. Während andere Länder primär mit Datenqualität kämpfen, fehlt in Deutschland häufig das Know-how, um historische Geschäftsdaten effizient mit KI-Anwendungen zu verbinden.
Beim Thema Datenschutz zeigt sich Zurückhaltung: Über die Hälfte der deutschen Unternehmen nennt Sicherheits- und Privacy-Bedenken als größte Hürde bei der Nutzung von Location-Intelligence – ein Spitzenwert im internationalen Vergleich. Diese Sensibilität prägt die KI-Strategien insgesamt. Deutschland setzt stark auf Embedded AI in bestehenden Anwendungen sowie auf klassische Machine-Learning-Ansätze. Zukunftsorientierte Konzepte wie Agentic-AI, bei denen autonome Systeme komplexe Aufgaben eigenständig ausführen, sind hierzulande mit 31,37 % deutlich weniger verbreitet als im Vereinigten Königreich mit 49 %.
Die Anwendungsprioritäten in Deutschland konzentrieren sich 2026 vor allem auf Effizienzgewinne in der Supply-Chain (38 %) sowie Chatbots im Kundenservice (36 %). Britische Unternehmen priorisieren dagegen stärker risikobasierte Anwendungen wie Betrugs- und Anomalieerkennung (43,14 %) – Bereiche mit oft schneller messbarem Return on Investment.
Der wirtschaftliche Nutzen von KI-Initiativen ist in Deutschland derzeit noch begrenzt messbar. Nur 34 Prozent der Unternehmen erzielen bereits einen positiven ROI aus KI-Projekten oder erwarten diesen in den kommenden sechs Monaten. Im Vereinigten Königreich liegt dieser Anteil bei über 45 Prozent. Wo KI jedoch eng mit moderner Datenintegration verbunden wird, zeigen sich auch hierzulande klare Fortschritte: Verbesserte Datenqualität (49,02 %) und schnellere Datenverfügbarkeit (45,10 %) zählen zu den häufigsten Erfolgen.
Bei der KI-Governance benennen deutsche Führungskräfte den geringsten Reifegrad: Über 49 % geben an, dass sie sich entweder noch in der Planungsphase der KI-Governance befinden (27,45 %) oder dass dieses Thema noch nicht auf ihrer Agenda steht (21,57 %). Schlimmer noch: Deutschland liegt mit 17,65 % an der Spitze derjenigen, die angeben, dass sie die Priorität der Data-Governance reduziert haben, um sich auf die KI-Governance zu konzentrieren.
Die Studie zeigt, dass die zentralen Herausforderungen für KI in Deutschland weniger in der Technologie liegen, sondern vor allem in organisatorischen Strukturen, Governance-Prozessen und der Verknüpfung mit klaren Geschäftszielen. Aspekte wie fehlende KPI-Messung, komplexe Legacy-Systeme und strenge Datenschutzanforderungen wirken derzeit hemmend auf den wirtschaftlichen Nutzen von KI, bieten aber gleichzeitig konkrete Ansatzpunkte für Unternehmen zur Stärkung der digitalen Wettbewerbsfähigkeit.
Info: Über die Studie:
Die in Zusammenarbeit mit dem Center for Applied AI and Business Analytics am LeBow College of Business der Drexel University durchgeführte Studie basiert auf einer Umfrage unter mehr als 500 leitenden Daten- und Analyseexperten großer Unternehmen weltweit.
#Precisely
