In Gesprächen mit Unternehmen geht es derzeit fast immer sehr schnell um KI. Welche Anwendungen sind sinnvoll? Wo können Assistenten helfen? Was können Agenten übernehmen?
Das sind berechtigte Fragen. Nur kommt eine andere oft zu spät: Auf welchen Daten und Prozessen soll das alles eigentlich funktionieren?
Ein KI-Pilot-Projekt lässt sich heute vergleichsweise schnell aufsetzen. Spannend wird es danach. Wenn aus einem einzelnen Anwendungsfall etwas werden soll, das im Unternehmen wirklich funktioniert, zeigen sich die alten Themen wieder: unterschiedliche Stammdaten, verschiedene Abläufe in einzelnen Gesellschaften, gewachsene Schnittstellen und Systeme, bei denen nicht immer klar ist, welches eigentlich die verlässliche Datenbasis liefert.
Das macht eine Diskussion über KI für mich immer auch zu einer Diskussion über das ERP.
Der Wunsch nach KI ist da. Die Voraussetzungen nicht immer.
Für unsere Transformationsstudie 2026 wurden 1.115 CEOs, CIOs und Transformationsverantwortliche aus 15 Ländern befragt.
60 Prozent nennen moderne Technologien wie KI als wichtigsten Grund für ihre Transformation. Kostenreduktion, lange Zeit eines der wichtigsten Argumente, liegt inzwischen nur noch auf Platz fünf.
Gleichzeitig taucht ein Problem seit Jahren immer wieder auf: die Datenqualität. Sie ist bereits zum vierten Mal in Folge die häufigste unerwartete Herausforderung im Projektverlauf. Das passt auf den ersten Blick nicht zusammen. Unternehmen wollen schneller mit KI arbeiten, kämpfen aber gleichzeitig mit den Grundlagen, die dafür notwendig sind.
Doch genau dort entscheidet sich häufig, ob aus einem interessanten Versuch tatsächlich etwas entsteht, das sich im Unternehmen breit einsetzen lässt.
Zwei Reaktionen sehen wir besonders oft
Die erste ist pragmatisch: Man setzt KI auf die bestehende Systemlandschaft.
Das geht schnell, liefert sichtbare Ergebnisse und kann in einem Pilotprojekt durchaus überzeugen. Beim nächsten Schritt wird es schwieriger. Dann stellt sich plötzlich die Frage, ob Daten überall gleich gepflegt werden, ob Prozesse wirklich vergleichbar sind und welches System im Zweifel die richtige Information liefert.
Die zweite Reaktion ist das Gegenteil: Erst einmal alles aufräumen.
Datenstrategie, Governance, Prozesse, Verantwortlichkeiten, regulatorische Fragen. Alles soll geklärt sein, bevor der erste größere Schritt gemacht wird. Das ist verständlich, kann aber dazu führen, dass zwei Jahre später noch immer über Voraussetzungen gesprochen wird.
Gerade für österreichische Unternehmen ist das keine Kleinigkeit. In unserer Studie nennen sie vor allem die eigene Wettbewerbsfähigkeit als Risiko, wenn Transformation zu lange aufgeschoben wird.
Es geht also weder darum, möglichst schnell irgendeine KI-Lösung einzuführen, noch darum, auf perfekte Voraussetzungen zu warten.
Es geht darum, ein Fundament zu schaffen, auf dem man weiterarbeiten kann.
Deshalb wird das ERP-Betriebsmodell wichtiger
Zwei Drittel der befragten Unternehmen nutzen nach ihrer Transformation mehr Cloud-Dienste. Die DACH-Region ist dabei deutlich zurückhaltender als andere Regionen.
Interessant ist, warum Unternehmen stärker auf Cloud setzen. Der wichtigste Grund sind nicht die Kosten. Es ist der schnellere Zugang zu neuen Technologien wie KI.
Das verändert auch die Rolle des ERP.
Ein ERP-System muss heute nicht nur stabil laufen und Prozesse abbilden. Es sollte sich auch weiterentwickeln können, ohne dass jede Neuerung wieder ein eigenes Großprojekt auslöst.
Deshalb sprechen wir mit Kunden so viel über Standardisierung. Nicht, weil jedes Unternehmen gleich werden soll. Sondern weil Sonderlösungen dort sinnvoll sind, wo sie tatsächlich einen Unterschied machen.
Ein Beispiel aus Österreich
Nevoga ist ein gutes Beispiel dafür.
Das Unternehmen ist in Österreich, Deutschland und Tschechien aktiv. Mit dem Wachstum waren über die Jahre unterschiedliche Abläufe und lokale Lösungen entstanden.
Die zentrale Frage war deshalb nicht zuerst: Welche zusätzlichen Funktionen brauchen wir?
Es ging zunächst darum, eine gemeinsame Grundlage zu schaffen.
Im Projekt wurden rund 190 Prozesse betrachtet. 156 davon konnten als gemeinsame Basis übernommen werden. Standardisierung, Skalierbarkeit und die Möglichkeit, das System laufend weiterzuentwickeln, standen dabei im Vordergrund. Der Go-live ist für Anfang 2027 geplant.
Aus solchen Projekten bleiben oft sehr einfache Erkenntnisse hängen.
Datenqualität erledigt sich nicht von selbst. Jemand muss dafür verantwortlich sein.
Und ein durchgängiger Prozess endet nicht an der Grenze einer Abteilung. Gerade dort beginnt meistens der schwierigere Teil.
Das sehen wir auch in der Transformationsstudie. Transformations-Know-how und Transparenz über die eigenen Daten gehören zu den wichtigsten Erfolgsfaktoren. Noch vor der Technologie selbst.
Eine einfache Frage vor dem nächsten KI-Projekt
In Kundengesprächen schlage ich inzwischen gerne eine kleine Übung vor.
Fragen Sie die Geschäftsführung, was das zentrale ERP-System in drei Jahren leisten muss. Dann stellen Sie dieselbe Frage den Menschen, die täglich mit den Prozessen und Daten arbeiten. Anschließend vergleichen Sie die Antworten.
Wenn dort zwei völlig unterschiedliche Bilder entstehen, würde ich zuerst darüber sprechen. Denn dann ist wahrscheinlich nicht die Auswahl des nächsten KI-Tools die dringendste Aufgabe, sondern die Frage, auf welcher gemeinsamen Grundlage diese KI später arbeiten soll.
Wie andere Unternehmen mit genau diesen Fragen umgehen, woran Transformationsprojekte in der Praxis scheitern und welche acht Faktoren dabei besonders wichtig sind, zeigen wir in unserer Transformationsstudie 2026.
Treffen Sie uns außerdem persönlich beim
CIO Kongress 2026 von 11.-13. Oktober 2026 in Loipersdorf.
Tin Micevic
Managing Director
NTT DATA Business Solutions Österreich
