Die zentrale These des Vortrags: Es genügt nicht, KI bereitzustellen. Entscheidend ist, ob Fachbereiche im Tagesgeschäft selbstständig mit Daten arbeiten können, ohne Spezialausbildung, aber mit echtem Mehrwert. KI entfaltet ihren Nutzen erst dann, wenn Struktur, Zugänglichkeit und Anwendungskompetenz zusammenspielen.
Vom Machine Learning zur echten Interaktion
Planks und Rothes zentrale Botschaft: Der Wandel beginnt im Mindset. Statt KI als abstrakte Datenverarbeitung zu sehen, müsse sie als nutzungszentriertes Werkzeug gedacht werden, vergleichbar mit einem Assistenten, der Fachabteilungen im Arbeitsalltag begleitet. Ziel ist Self-Service statt Data Bottlenecks: Fachbereiche sollen selbstständig mit Daten arbeiten können, statt dauerhaft auf IT oder Data Scientists angewiesen zu sein. KI wird dabei zum Unterstützer, nicht nur für Berechnungen, sondern auch für Orientierung, Dialog und Visualisierung.
Das gelingt jedoch nur, wenn die technischen Grundlagen stimmen, das heißt eine einheitliche Datenhaltung mit klar definierter Metadatensteuerung und konsistenter Benutzeroberfläche. Der Erfolg hängt nicht zuletzt davon ab, ob Daten überhaupt zugänglich und sinnvoll strukturiert sind.
Fünf Jahre zum Forecast: Struktur schlägt Tool
Ein prägnantes Beispiel, das Plank und Rothe aus der eigenen Arbeit bei Bayer einbrachten, war der Weg zu automatisierten Forecasts, ein Prozess, der fünf Jahre dauerte. Nicht wegen fehlender Technologie, sondern wegen der strukturellen Komplexität der Datenlandschaft.
Zentral war der Aufbau eines sogenannten Lakehouse-Modells, einer Plattform, die strukturierte und unstrukturierte Daten aus verschiedenen Quellen zusammenführt. Historische Daten wurden durch Regeln ergänzt und mit transaktionalen Strukturen verknüpft. Erst diese Kohärenz der Datenarchitektur ermöglichte tragfähige, automatisierte Vorhersagen.
Die Erkenntnis: Es braucht weniger neue Tools, sondern mehr Integration, Vereinheitlichung und Datenverständnis.
Sprachschnittstellen: Wenn KI wirklich mitarbeitet
Ein weiterer Schritt in Richtung Nutzbarkeit ist der Einsatz natürlicher Sprachschnittstellen. Plank stellte eine Reportinglösung vor, bei dem Nutzer per Spracheingabe oder Chat-Frage mit den Daten interagieren. Die KI versteht die Anfrage, ruft passende Daten ab und liefert eine visuelle Antwort.
Voraussetzung ist, dass Begrifflichkeiten, Kennzahlen und Verknüpfungen im Datenmodell eindeutig beschrieben sind. Nur so kann die KI sinnvoll interpretieren, was die Frage wirklich meint. Solche Interfaces könnten künftig die Zugänglichkeit von Daten dramatisch verbessern, vorausgesetzt, die Organisation investiert in saubere Modelle und Metadatenpflege.
Fazit: Daten entfalten ihren Wert nur durch Nutzung
Der Vortrag von Dr. Philipp Plank und Lars Rothe machte deutlich: Unternehmen brauchen keinen "mehr Daten"-Reflex, sondern eine strategische Datenkultur, in der Technik, Struktur und Nutzer zusammenspielen.
Forecasts, Reports oder Entscheidungsunterstützung durch KI gelingen nur dann, wenn Daten zugänglich, verbunden und erklärbar sind. Self-Service-Modelle und Sprachschnittstellen sind dabei mehr als Komfortfunktionen, sie sind ein Weg, Wissen im Unternehmen zu demokratisieren. Data Enablement bedeutet: nicht mehr wissen, sondern mehr nutzen. Und genau darin liegt der Schlüssel zur produktiven KI-Nutzung.
