Daten und KI: Die Gretchenfrage

Die Frage lautet also: Wie lässt sich das Produktivitätsversprechen von KI einlösen, ohne dass dies zulasten der notwendigen Datensouveränität geht? Darüber sprach Thomas Failer, Gründer und Group-CEO der Schweizer Data Migration International, mit dem E3-Magazin.

E3: Quizfrage: Wissen Sie, was die Gretchenfrage ist und woher sie stammt?

Failer: Klingt nach Deutsch-unterricht. Im Zweifel lautet die Antwort „Goethe“.

E3: Richtig! Das ist die Frage des Gretchens an Faust, wie er es mit der Religion halte. Daraus hat sich die Bezeichnung für eine entscheidende Frage entwickelt. Also hier die zentrale Frage für 2026 und darüber hinaus: Wie halten Sie ’s mit KI?

Failer: Wir nutzen KI bei unserer Arbeit und bauen immer mehr KI-basierende Funktionalitäten in unserer Plattform ein.

E3: Könnten Sie bitte ein paar Beispiele dafür nennen?

Failer: Sehr gerne. Sie werden erstaunt sein, wir waren im vergangenen Jahr sehr fleißig. Da ist der intelligente Business Object Proposer, BOP, die Funktionalität Personal Data Identification, PDI, ein KI-Chatbot, der unsere Plattform sozusagen zum Sprechen bringt, eine intelligente Low-Code-Entwicklung für Transformationsprojekte, LCT, und eine KI-Funktionalität für Data Quality Improvement, DQI.

E3: Könnten Sie bitte mit wenigen Worten erklären, was diese Neuerungen leisten und wozu Sie sie entwickelt haben?

Failer: Eine der zentralen Herausforderungen von Transformationsprojekten auf SAP S/4 Hana ist die Entwicklung spezifischer Geschäftsobjekte. Unser Business Object Proposer übernimmt die dafür nötigen Aufgaben, um die richtigen sowie vollständigen Daten in den richtigen Tabellen zu finden und diese richtig miteinander zu verknüpfen. Diese Aufgaben sind lästig und zeitraubend. Sie mithilfe unseres BOP automatisiert zu erledigen, hat das Potenzial, die Entwicklungszeit von Geschäftsobjekten zu halbieren.

E3: Personal Data Identification – sind personenbezogene Daten nicht ein alter Hut?

Failer: Ganz im Gegenteil. Sie wären überrascht, wie viele Unternehmen weiterhin Schwierigkeiten haben, personenbezogene Daten zuverlässig und in vollem Umfang zu finden und lückenlos zu managen. Unsere PDI-Funktionalität auf Basis von KI durchsucht sämtliche Systeme, insbesondere diejenigen, für die kein oder ein nur lückenhaft gepflegtes Metadaten-Repository vorhanden ist, und klassifiziert Tabellen, Spalten und Felder. Anschließend legt sie die Ergebnisse ihrer Analyse und Klassifizierung zur Prüfung vor. Die Unternehmen erhalten dadurch einen Überblick darüber, wo überall personenbezogene Daten liegen, und müssen die vorgeschlagenen Ergebnisse nur noch feinabstimmen. Das reduziert den Suchaufwand auf ein Minimum.

E3: Touché – und der Chatbot bringt Ihre Plattform wirklich zum Sprechen?

Failer: So ist es in der Tat. Recherchen sind eine Paradedisziplin sogenannter großer Sprachmodelle. Genau aus diesem Grund haben wir eine KI für diesen Anwendungsfall trainiert und in JiVS IMP als Chatbot-Funktionalität integriert. Damit ist es möglich, dass Mitarbeitende zum Beispiel der Finanzabteilung eines Unternehmens Daten und Belege, die auf unserer Plattform für die rechtssichere Langzeitaufbewahrung historisiert wurden, einfach mittels natürlicher Spracheingabe suchen und finden, etwa in der Art: „JiVS IMP, ich habe ein Problem. Ich muss für den Kunden 1020 und das Geschäftsjahr 2019 die damals offenen Posten sammeln. Leider kenne ich mich mit der Individualentwicklung, in der die Belege erzeugt wurden, nicht aus. Könntest du sie bitte heraussuchen?“ Als Antwort würde der Chatbot unserer Plattform die gesuchten Belege, nach Trefferwahrscheinlichkeit geordnet, anzeigen und sich von den Nutzerinnen und Nutzern bestätigen lassen, dass es sich um die gesuchten Informationen handelt.

E3: Kommen wir zur Low-Code-Transformation – was ist das?

Failer: In Transformationsprojekten sind es die Fachabteilungen, die neben ihrer eigentlichen Arbeit die notwendigen Spezifikationen schreiben, damit die IT die dazu passenden Transformationsregeln erstellen kann. Der Aufwand ist enorm. Jede einzelne Transformationsregel muss programmiert werden. Dabei kommt es weniger auf das Schreiben des Programmcodes als auf die Qualität der damit erzielten Ergebnisse an. Hier kommt LCT ins Spiel. Die intelligente Funktionalität wandelt die Eingaben in natürlicher Sprache automatisch in MS-SQL-Statements um, einen der am weitesten verbreiteten Coding-Standards der Welt. Der Vorteil: MS SQL ist nicht nur seit jeher die JiVS-IMP-Programmiersprache. Vielmehr wird sie wegen ihrer großen Nähe zu natürlicher Sprache von den allermeisten KI-Modellen unterstützt.

E3: Bleibt noch das Thema

Data Quality Improvement.

Failer: Transformationsprojekte stellen eigentlich die ideale Gelegenheit dar, den eigenen Datenbestand zu bereinigen. Die allermeisten Unternehmen scheuen den damit verbundenen Aufwand, was nachvollziehbar ist. Doch mit unserer Plattform ist dieses Zögern nicht mehr zu rechtfertigen. JiVS IMP sortiert automatisch Dubletten aus und reduziert so die möglichen Fehler bereits um 75 Prozent und mehr. Zusammen mit der üblichen Reduktion von 90 bis 95 Prozent der Bewegungs- und 50 Prozent der Stammdaten bei der Transformation auf SAP S/4 Hana reduziert sich der Aufwand zur Optimierung der Datenqualität bereits massiv. Doch es geht noch besser: Mithilfe von Data Quality Improvement lässt sich der verbleibende Aufwand zur Qualitätssicherung der Daten weiter erheblich senken, nach unseren Erfahrungen noch einmal um die Hälfte und mehr. Und damit nähern wir uns auch der eigentlichen Gretchenfrage.

E3: Und wie lautet die?

Failer: Wie halten Sie ’s mit den Daten? Das ist die entscheidende Frage, die unsere Kunden beim Thema KI zurzeit umtreibt.

E3: Warum ist das so?

Failer: Die Unternehmen haben aus Erfahrung gelernt. Zu viele KI-Projekte sind gescheitert. Und der entscheidende Grund für dieses Scheitern ist die mangelnde Qualität, Verfügbarkeit, Zugänglichkeit und Unabhängigkeit der Daten.

Wie halten Sie ’s mit den Daten? Das ist die entscheidende Frage, die unsere Kunden beim Thema KI zurzeit umtreibt.

Thomas Failer,
Gründer und Group-CEO der
Schweizer Data Migration International

E3: Warum hört man davon so wenig?

Failer: Es dauert immer eine Weile, bis sich solche Erkenntnisse Bahn brechen. Die Diskussion drehte sich von Anfang an hauptsächlich um Algorithmen, Modelle und Rechenleistung. Nicht dass diese Aspekte nicht wichtig wären. Aber im Geschäftskontext ist der Treibstoff der Modelle noch wichtiger: Und das sind die unternehmensspezifischen Daten.

E3: Dass die nicht immer im besten Zustand sind, ist ja kein Geheimnis.

Failer: Da haben Sie recht. Daten sind häufig fragmentiert, liegen doppelt und dreifach vor, werden nur lückenhaft bewirtschaftet und sind in veralteten Systemen eingeschlossen.

E3: Woran liegt das Ihrer Meinung nach?

Failer: Applikations- und Systemlandschaften sind historisch gewachsen. Dementsprechend steigen Komplexität und Fehler-anfälligkeit. Das ist nicht das Ergebnis von Unwissenheit oder Nachlässigkeit. Die IT-Verantwortlichen wissen um diese Problematik sehr wohl.

E3: Warum tun sie dann nichts dagegen?

Failer: Sie möchten schon und unternehmen auch viel dafür. Doch das Hauptproblem ist neben der üblichen Arbeitsbelastung die Tatsache, dass die Daten zu stark mit Anwendungen und Systemen verflochten und verdrahtet sind. Daten sind erst im richtigen Geschäftskontext wertvoll. Und der lässt sich in der Regel erst in und mit den Anwendungen herstellen, in denen die Daten entstanden sind und bearbeitet wurden.

E3: Auch das ist ja nicht neu. Warum ist das Problem dann im KI-Kontext so akut?

Failer: KI skaliert das Problem. Ist das Fundament brüchig, bilden sich schon nach kurzer Zeit Risse im Gemäuer, auch und gerade in den tragenden Teilen, sodass das Haus jederzeit einstürzen kann. Die User müssen den Ergebnissen der KI vertrauen können. Wie soll das gehen, wenn die Datenbasis brüchig ist? Die Unternehmen können nicht jedes Ergebnis erst aufwändig überprüfen, bevor sie es verwenden, um ihre Mitarbeiter zu unterstützen und Prozesse ganz oder teilweise zu automatisieren. Wenn das nötig wäre, würde der Effizienz- und Produktivitätsgewinn zur Makulatur.

E3: Und dessen werden sich die Unternehmen gerade bewusst?

Failer: Unbedingt. Wir haben das erst wieder im Januar auf unserer Veranstaltung Digital Lounge@Davos (vgl. Textkasten auf Seite 36) festgestellt. In den Diskussionen von Führungskräften und KI-Spezialisten genauso wie im Hackathon, den wir parallel veranstaltet haben, um KI-Konzepte in funktionierende Lösungen zu überführen, hat sich ein Muster abgezeichnet: Der limitierende Faktor war nur selten der Algorithmus. Entscheidend war die Frage, ob Daten verfügbar, verständlich und von Legacy-Applikationen entkoppelt waren.

E3: Wie lautet Ihre Schlussfolgerung?

Failer: Wenn Daten korrekt, einer ordentlichen Governance unterworfen und unabhängig von ihren Anwendungen und Systemen zugänglich sind, lassen sich die beabsichtigten Innovationen zügig umsetzen. Damit entwickelt sich Datenunabhängigkeit zu einer strategischen und zentralen Fähigkeit für erfolgreiche KI-Projekte.

E3: Danke für das Gespräch.