Was wir tun: Projekte & Insights

Viele Data Teams haben keinen systematischen Kontakt zu ihren tatsächlichen Konsumenten. Nicht, weil sie nicht wollen, sondern weil das Betriebssystem der Organisation diesen Kontakt nie vorgesehen hat. Solange diese Verbindung fehlt, optimiert das Data Team auf das, was messbar ist – Artefakte. Während das Business das braucht, was wirksam ist – Entscheidungen.

Dieser Artikel analysiert, warum laut Gartner bis 2027 über 40 Prozent aller Agentic-AI-Projekte scheitern – und zeigt, dass die Ursachen nicht in Modellen, Tools oder fehlender Infrastruktur liegen. Entscheidend sind organisatorische Faktoren: fragmentierte Datenlandschaften, mangelnde Semantik, fehlende Interpretationskompetenz, unklare Verantwortungsmodelle und eine Kultur ohne Experimentierräume. Der Text erklärt, warum Unternehmen keine konsistente Bedeutung erzeugen können, wie semantischer Zerfall Agenten ausbremst und weshalb Data Literacy ohne Entscheidungsfähigkeit wirkungslos bleibt. Er zeigt außerdem, wie erfolgreiche Organisationen strukturierte Semantik, klare Entscheidungslogiken und echte Datenkultur entwickeln – und warum Kontextmanagement allein nur 25 Prozent der Lösung ist. Ideal für CIOs, CDOs und CEOs, die Data Governance, AI-Strategie, Datenprodukte und organisationalen Wandel wirklich verstehen und in der Praxis wirksam machen wollen.

Nicht das Fehlen von Sensoren, Rechenleistung oder Algorithmen unterscheidet Organisationen von selbstfahrenden Autos – sondern der Umgang mit Bedeutung, Konflikten und Verantwortung. Dieser Essay zeigt, warum es nicht reicht, Analyse, Entscheidung und Handlung technisch zu verknüpfen. Zwischen diesen Schritten liegt ein Zwischenraum, in dem Wirkung entsteht – oder verloren geht.

Datenkultur entsteht, wenn Menschen Verantwortung übernehmen – entlang von Prozessen, über Silos hinweg. Wie das gelingt? Mit Datenprodukten, Führung und echten Erfahrungen.

Unternehmen müssen schneller und flexibler auf Daten zugreifen, während IT-Abteilungen immer weniger in der Lage sind, diese Anforderungen in der gewünschten Qualität oder Geschwindigkeit zu erfüllen. Wir brauchen eine radikale Ehrlichkeit die Konsequenzen zu benennen, den Willen Strukturen anzupassen und Menschen, die verrückt genug sind zu glauben, ihr ganzes Unternehmen verändern zu können. Denn das sind genau die Leute, die das am Ende auch erreichen.

Es ist wichtig zu verstehen, dass ein soziotechnischer Ansatz wie Data Mesh, nicht rein organisatorisch angegangen werden kann, sondern auch die Technologie mitgenommen werden muss. Oder andersrum?

Für eine erfolgreiche Transformation zu einem datenmotivierten Unternehmen ist es entscheidend, den Wandel hin zu agilen, flexiblen Strukturen zu gestalten, die den Wertfluss optimieren und den Kundennutzen maximieren. Moderne Methoden wie Team Topologies, Event Storming und Team Interaction Modeling bieten die Werkzeuge, um Ihre Teams effektiv auszurichten und Silos aufzubrechen. Erfahren Sie, wie Sie diese Ansätze nutzen können, um Ihr Unternehmen zukunftssicher zu machen und die Zusammenarbeit zu verbessern.

Ein Data Steward sollte nicht nur als Hüter der Datenqualität agieren, sondern auch strategisch in die Nutzung von Daten eingebunden sein. Die Integration von Team Topologies fördert eine breitere Verantwortung und agilere Zusammenarbeit, was die Effizienz und Innovationskraft in Unternehmen steigert. Durch klare, aber breiter gefasste Rollen und die Vermeidung von Silos können Organisationen flexibler auf Veränderungen reagieren und eine nachhaltige Datenkultur entwickeln.

Wenn wir davon sprechen data-driven werden zu wollen, darf dies nicht bedeuten, dass wir Daten blind vertrauen. Das ist bei weitem nicht so trivial, wie es sich anhört. Oder wie sonst könnten Firmen wie Boeing, Nike und beinahe auch Apple unter Steve Jobs daran scheitern?