Im AI FIRST Podcast über Datenprojekte in der Industrie sagt Christian Krug, Global Data Architect bei Frauscher Sensortechnik und Host des UNF#CK YOUR DATA Podcasts, einen Satz, den jeder KI-Verantwortliche hören sollte: Gen-AI ist ein Dosenöffner für Datenstrategien, aber ohne saubere Datengrundlage scheitert alles.
Das ist die unbequeme Wahrheit, die in vielen KI-Pilotprojekten erst nach sechs Monaten auffällt. Das Modell funktioniert. Der Prompt ist gut. Aber die Daten sind ein Chaos aus Silos, Duplikaten und undokumentierten Ausnahmen. Und plötzlich wird aus dem "KI-Projekt" ein Daten-Aufräum-Projekt. Was nicht schlecht ist — aber anders als geplant.
Krugs Erfahrung aus einem 700-Mitarbeiter-Industrieunternehmen zeigt: Die Datenprobleme sind branchenübergreifend identisch. Egal ob Mittelstand oder DAX-Konzern — die gleichen Silos, die gleiche fehlende Dokumentation, die gleiche Lücke zwischen dem, was im ERP steht, und dem, was tatsächlich passiert.
Sein Rat: Pragmatisch starten. Nicht warten, bis die Daten perfekt sind. Denn sie werden nie perfekt sein. Stattdessen: mit dem arbeiten, was da ist, und die Datenqualität parallel zur KI-Nutzung verbessern. Der KI-Use-Case zwingt zur Bereinigung — das ist der eigentliche Mehrwert.
Und dann gibt es da noch das Thema Schatten-KI. Krug warnt: Schatten-AI ist viel zugänglicher als Schatten-IT je war. Jeder Mitarbeitende mit einem Browser kann ChatGPT öffnen und Firmendaten eingeben. Unternehmen, die hier nicht schnell eigene Angebote schaffen, verlieren nicht die Kontrolle — sie haben sie bereits verloren.