Ohne Data Governance keine verlässliche AI 

In den letzten Wochen habe ich im Performance Manager Podcast mit Gästen zu unterschiedlichen Themen gesprochen, die auf den ersten Blick wenig miteinander zu tun haben: über große Software-Migrationsprojekte, über eine Studie zu IT-Systemen im Controlling und über IT-Governance. Je länger ich über diese Gespräche nachgedacht habe, desto klarer wurde mir jedoch: Sie erzählen alle dieselbe Geschichte – und diese Geschichte führt direkt zu dem Thema, das derzeit fast überall diskutiert wird: AI & Automation. 

Der unterschätzte Engpass bei AI-Projekten 

Wenn ich mit Unternehmen über AI spreche, sage ich mittlerweile fast automatisch denselben Satz: AI-Projekte scheitern aus meiner Erfahrung so gut wie nie an der Technologie – sie scheitern an der Datenbasis. Diese Beobachtung ist nicht neu, aber jetzt gibt es dafür auch belastbare wissenschaftliche Evidenz. Und die kommt interessanterweise aus einer Studie, die auf den ersten Blick gar nicht von AI handelt. 

Prof. Martin Hiebl und Johannes Thaller von der Johannes Kepler Universität Linz haben 136 deutsche Mittelstandsunternehmen dazu befragt, ob bessere IT-Systeme im Controlling dazu führen, dass Controllerinnen und Controller stärker in die Strategiearbeit eingebunden werden. Sie haben sechs Kriterien der IT-Systemqualität einzeln getestet: Zugriffsgeschwindigkeit, Benutzerfreundlichkeit, Automatisierung, Flexibilität, Integration und Datenqualität. Am Ende war nur eines statistisch signifikant mit stärkerem strategischem Einfluss verbunden: die Datenqualität. Nicht die Automatisierung, nicht die Geschwindigkeit, nicht die Bedienbarkeit. 

Diese Erkenntnis lässt sich nahtlos auf AI übertragen: Wenn Datenqualität bereits ohne jede AI-Komponente der entscheidende Hebel für strategischen Einfluss ist, wird sie mit AI nicht weniger wichtig, sondern nur noch wichtiger. Garbage in, garbage out gilt für ein Machine Learning-Modell mindestens genauso wie für eine klassische Analyse – nur dass Fehler bei AI oft schwerer zu erkennen sind, weil die Ergebnisse auf den ersten Blick plausibel wirken. 

Es gibt keine Nicht-Governance 

Damit stellt sich die eigentliche Frage: Warum entsteht gute Datenqualität nicht einfach von selbst? Die Antwort habe ich von Prof. Christopher Rentrop (HTWG Konstanz) bekommen, der seit Jahren zu IT-Governance forscht: Datenqualität ist kein Zustand, den man einmal herstellt – sie ist das Ergebnis von Verantwortung. 

Christopher Rentrops zentraler Satz dazu hat mich nachhaltig beschäftigt: Es gibt keine Nicht-Governance. Man kann sich nicht dagegen entscheiden. Wenn niemand klar regelt, wer über Daten entscheidet, wer sie pflegt und wer für ihre Qualität geradesteht, wird trotzdem entschieden – nur eben von irgendjemandem, der zufällig zuständig ist, ohne die richtigen Informationen und ohne die richtigen Stakeholder im Blick. Das Ergebnis sind die Symptome, die viele aus der eigenen Praxis kennen: Jede Abteilung hat ihre eigene Version der Wahrheit, der Umsatz wird dreimal unterschiedlich berechnet und in Meetings wird mehr über Definitionen diskutiert als über Entscheidungen. Das ist keine vermeidbare Bürokratie – das ist die direkte Folge fehlender Verantwortung. 

Was das für AI-Projekte konkret bedeutet 

Sobald ein Unternehmen AI-Mehrwert nicht nur in einer einzelnen experimentierenden Abteilung, sondern unternehmensweit heben will, reicht es nicht, dass jede Fachabteilung weiter auf ihren eigenen Datentöpfen sitzt. Einzelne Bereiche, Landesgesellschaften und Fachabteilungen müssen ihre bisherige Datenhoheit ein Stück weit abgeben, zugunsten einer zentralen, gemeinsam getragenen Verantwortung. Das ist ein schmerzhafter Prozess, weil er genau die Autonomie antastet, die viele Bereiche über Jahre aufgebaut haben. Aber ohne diesen Schritt bleibt AI im Unternehmen das, was wir in der Praxis am häufigsten sehen: ein Pilot hier, ein Copilot-Rollout dort, aber kein wirklicher, unternehmensweiter Hebel. 

Genau das adressieren wir bei ATVISIO mit unserem Data & AI Governance Framework, wenn wir mit Kunden über klare Rollen sprechen: Data Council, Data Owner, Data Steward, Data Consumer. Das klingt zunächst nach Organigramm, ist im Kern aber genau das, was Christopher Rentrop beschreibt: eine bewusste Entscheidung darüber, wer über Daten entscheiden darf. 

Vorbereitung statt Reaktion 

Der dritte Baustein kam aus einem Gespräch, das mit AI zunächst gar nichts zu tun hatte: Prof. Ulrike Baumöl hat ein Themenheft der Fachzeitschrift Controlling zu großen Software-Migrationsprojekten orchestriert und beschreibt darin das Konzept der „Organisational Readiness“. Ihre Kernaussage: Die Bereitschaft einer Organisation für eine große Veränderung lässt sich nicht kurzfristig herstellen, wenn die Migration schon vor der Tür steht – man muss mittel- bis langfristig daran arbeiten. 

Dasselbe Prinzip gilt für AI. In der Praxis denken die meisten Unternehmen erst dann über Datenbasis, Governance und Verantwortlichkeiten nach, wenn das AI-Projekt bereits beschlossen ist. Das ist reaktiv und zu spät. Wer erst beim Piloten merkt, dass niemand die Datenqualität verantwortet, verliert nicht nur Monate, sondern häufig auch die Zustimmung im Haus für das nächste Vorhaben. 

Zwei Fragen, bevor Sie über AI-Anwendungsfälle sprechen 

• Wenn Sie sich Ihre wichtigsten Kennzahlen anschauen: Wissen Sie wirklich, wer sie verantwortet – oder würde jede Abteilung gerade eine andere Zahl nennen? 

• Gibt es in Ihrem Haus eine Instanz, die entscheiden kann, wenn zwei Bereiche sich über eine Datendefinition nicht einig sind – oder wird das politisch ausgehandelt? 

Wenn Sie bei einer dieser Fragen ins Stocken geraten, wissen Sie, wo Sie ansetzen sollten. 

Fazit

Der Weg zu verlässlicher AI ist kein Geheimnis, das erst noch entdeckt werden müsste. Es ist im Kern derselbe Weg, den gute Controllerinnen und Controller schon immer gegangen sind, wenn sie sich strategischen Einfluss erarbeitet haben: über verlässliche, verantwortete Daten. AI ändert daran nichts Grundsätzliches, AI erhöht nur den Einsatz. Wer seine Data Governance nicht im Griff hat, wird das jetzt schneller und deutlicher merken als je zuvor. Und wer sie im Griff hat, für den wird AI tatsächlich zu dem Hebel, den gerade alle versprechen. 

Genau bei diesem Fundament – Verantwortlichkeiten klären, Datenqualität aufbauen, AI darauf gründen – unterstützt ATVISIO Unternehmen in der Praxis. Sprechen Sie uns gerne an, wenn Sie das für Ihr Unternehmen einmal durchdenken möchten.