Warum KI-Projekte an der Datenarchitektur scheitern

Viele KI-Piloten starten vielversprechend und landen nach ein paar Monaten in der Schublade. Gartner erwartet, dass Unternehmen bis Ende 2026 rund 60 Prozent der KI-Projekte aufgeben, die nicht auf KI-tauglichen Daten beruhen. Matthias Dietrich und Philipp Krueger sprechen darüber, was eine Datenarchitektur leisten muss, damit KI im Betrieb funktioniert, und welche Rolle das Data Lakehouse dabei spielt.

Der Weg führt vom Data Warehouse, das einmal im Monat einen Report liefert, über den Data Lake zum Data Lakehouse, das Daten im laufenden Betrieb nutzbar macht. An Beispielen aus Handel und Industrie zeigen die beiden, wie Kundenwert und Margen in Suche, CMS und Warenkorb einfließen. Talk to your Data ersetzt dabei den Report, der wochenlang im Sprint wartet. Philipp erzählt von einem Projekt, in dem dasselbe Produkt je nach Abteilung einen anderen Deckungsbeitrag hatte. Für ein KI-Modell bleibt das ein Problem, solange sich Finanzen, Einkauf und Vertrieb nicht auf eine Definition geeinigt haben.

Zum Schluss wird es praktisch. Wie startet ein Unternehmen, bei dem ERP, PIM, CRM, Shop und Kasse jeweils eigene Daten halten? Welche Quellen gehören an den Anfang, und wie werden Produkt, Kunde und Auftrag einheitlich definiert? Und warum lohnt es sich, mit einer konkreten Fachfrage und einem ersten Fachbereich zu beginnen?

Passend zur Folge ist bei Springer Professional der Artikel „KI-Projekte scheitern häufig an der Datenarchitektur“ von Matthias Dietrich erschienen. Am Beispiel eines Omnichannel-Händlers zeigt er, wie ein einfacher Vergleichswert eine festgefahrene Retourenprognose in den Betrieb gebracht hat.
Zum Artikel bei Springer Professional

What Works Tomorrow. Der Podcast für Entscheider in Handel und Industrie. Von Matthias Dietrich und Philipp Krueger, Co-CEOs der foobar Agency.

#KI #Datenarchitektur #DataLakehouse #eCommerce #WhatWorksTomorrow