Das Daten-Fundament – Warum die meisten KI-Projekte im Controlling scheitern, bevor der erste Algorithmus läuft
Viele Unternehmen diskutieren bereits über KI-gestützte Forecasts und automatisierte Analysen. Das eigentliche Hindernis liegt jedoch oft viel früher: bei der Qualität ihrer Daten.
Die goldene Regel der Informatik gilt im Zeitalter von KI mehr denn je: Garbage in, garbage out.
In der aktuellen empirischen Untersuchung von Stefan Rewers zum Einfluss von KI auf das Controlling hat sich ein zentrales Problem herauskristallisiert: Viele Unternehmen wollen den zweiten Schritt vor dem ersten machen. Sie träumen von automatisierten Forecasts, während im Hintergrund die Datenlandschaft einem Flickenteppich gleicht.
Das ungeschminkte Lagebild aus der Praxis:
- Historische Datensilos: Daten liegen isoliert in unterschiedlichen Systemen der Tochtergesellschaften, Sparten oder Alt-Systeme. Eine einheitliche, konsistente Definition von Kennzahlen fehlt oft.
- Mangelnde Datenqualität: Lückenhafte Stammdaten, manuelle Erfassungsfehler und mangelnde Aktualität blockieren den Start. Ein KI-Modell lernt aus Mustern der Vergangenheit – sind diese Muster durch schlechte Daten verzerrt, sind auch die Vorhersagen unbrauchbar.
- Das Ressourcen-Dilemma: Weil die Datengrundlage unsauber ist, verbringen Controller im Schnitt immer noch einen massiven Teil ihrer Arbeitszeit mit dem manuellen Bereinigen, Konsolidieren und Validieren von Tabellen. Genau diese Zeit fehlt dann für das strategische Upskilling und die eigentliche Modellentwicklung.
Die systemische Wechselwirkung für KMU:
Während Grosskonzerne oft die finanzielle und personelle Kapazität haben, dedizierte Data-Governance-Teams und Data Lakes aufzubauen, um diese Altlasten systematisch zu bereinigen, stehen Schweizer KMU hier vor einer gefühlten unüberwindbaren Hürde. Die mangelnde Datenqualität blockiert die Innovation, und die blockierte Innovation verhindert, dass Ressourcen für die Datenbereinigung frei werden. Ein klassischer Teufelskreis.
Unser Fazit für die Controlling-Praxis:
Eine belastbare Data Governance gehört zu den wichtigsten Voraussetzungen für den erfolgreichen Einsatz von KI im Controlling. Wer eine KI auf ein unsauberes Datenfundament setzt, erzeugt keine Effizienz, sondern automatisiert und beschleunigt lediglich den Fehler. Erst das Fundament, dann die Kür.
Unsere Empfehlung:
Wie sieht die Datengrundlage in Ihrem Unternehmen aus? Ist sie bei Ihnen auch der grösste Flaschenhals auf dem Weg zur KI-Transformation?
Autor: Stefan Rewers / Senior Controller
#Meuliundpartner #Transformation #HRControlling #Controlling #Datenqualität #DataGovernance #FinanceTransformation #KünstlicheIntelligenz #KMU #BusinessIntelligence