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.

KI-Projekte werden hierzulande nicht gut evaluiert

So nutzen lediglich 18 % der deutschen Datenverantwortlichen etablierte Business-KPIs, um den Erfolg ihrer KI-Projekte zu bewerten. Im Vereinigten Königreich liegt dieser Wert bei 43 %. 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.

Agentic AI wird in Deutschland noch zurückhaltend eingesetzt

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 % 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 %. 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.

Zentrale KI-Herausforderungen liegen in organisatorischen Strukturen

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.

Weitere Informationen gibt es unter www.precisely.com.