Die meisten Ideen für den Einsatz von KI sind schlecht, und das ist kein Problem 

“I have lots of ideas. Trouble is, most of them suck.” – George Carlin 

Das Zitat des verstorbenen US-amerikanischen Comedians George Carlins passt erstaunlich gut zum aktuellen Umgang mit Daten und Künstlicher Intelligenz (KI) in Unternehmen. An Ideen mangelt es selten. Im Gegenteil: Seit generative KI niedrigschwellig verfügbar ist, scheint sich für beinahe jeden Prozess eine mögliche Anwendung zu finden. 

Die entscheidende Frage lautet heute deshalb nicht mehr: Was könnten wir mit Daten und KI machen? Sondern: Was davon sollten wir tatsächlich tun? 

---

TECHNISCH MÖGLICH HEIßT NOCH LANGE NICHT SINNVOLL 

Gerade bei KI wird technische Machbarkeit schnell mit wirtschaftlichem Nutzen gleichgesetzt. Das Argument klingt oft so: Wir haben viele Daten. Darin steckt vermutlich wertvolle Information. Neue Technologien können diese Daten heute verarbeiten. Also sollten wir es tun. 

So einfach ist es jedoch nicht. Ein guter Use Case beginnt nicht mit einem Tool oder einer bestimmten Datenverarbeitungsmethode. Er beginnt mit einem Problem: Welches Ziel wollen wir erreichen? Welchen konkreten Nutzen erwarten wir? Passt der Use Case zur Unternehmensstrategie? Und ist KI tatsächlich das geeignete Mittel zum Zweck? 

DATA-DRIVEN BUSINESS IST MEHR ALS KOSTEN SPAREN 

Datengetriebenes Wirtschaften bedeutet zudem nicht nur, interne Prozesse effizienter zu gestalten. Daten können selbst Teil der Wertschöpfung werden: Unternehmen können bestehende Produkte um datenbasierte Services erweitern, neue Informationsangebote schaffen oder mit Daten beziehungsweise daraus gewonnenen Erkenntnissen unmittelbar Umsatz erzielen. Damit wird die Bewertung allerdings noch anspruchsvoller. 

Denn dann reicht es nicht mehr zu fragen, ob ein Service technisch funktioniert. Zusätzlich muss geklärt werden: Welchen Wert hat die Information für Kund:innen? Wer wäre bereit, dafür zu bezahlen? Welche Daten dürfen verwendet werden? Welche Informationen dürfen an wen weitergegeben werden? Und was empfinden Kund:innen noch als nützlich – und was bereits als unangemessen oder sogar übergriffig? 

Ein datenbasiertes Geschäftsmodell kann technisch machbar und rechtlich zulässig sein und trotzdem scheitern, wenn Kund:innen es nicht akzeptieren. 

DIE KOSTEN LIEGEN OFT AUßERHALB VON TOOLS 

In vielen Diskussionen wird der erwartete Nutzen sehr konkret formuliert: „20 Prozent effizienter“, „10 Prozent weniger Personalaufwand“ oder „15 Prozent mehr Umsatz“. Die damit verbundenen Aufwände bleiben bei der Bewertung dagegen häufig erstaunlich abstrakt. Doch Daten müssen beschafft, aufbereitet und gepflegt werden. Systeme müssen integriert werden. Ergebnisse müssen kontrolliert werden. Mitarbeiter benötigen Schulungen. Prozesse und Verantwortlichkeiten verändern sich. Nach einem erfolgreichen Pilotprojekt folgen Betrieb, Wartung und Weiterentwicklung. Hinzu kommen Risiken: Datenschutz, Informationssicherheit, falsche Prognosen, fehlerhafte KI-Ausgaben, Abhängigkeit von Anbietern oder schlicht mangelnde Akzeptanz. Ein Business Case, der nur Lizenzkosten und theoretische Einsparungen gegenüberstellt, ist deshalb selten ein guter Business Case. 

DIE EIGENTLICHE KOMPETENZ: MUT ZUM NEIN 

Die eigentliche Herausforderung liegt heute oft nicht darin, genügend Use Cases zu finden. Sie liegt darin, schlechte Use Cases früh genug auszusortieren. Das klingt einfacher, als es ist. Hinter einer Idee stehen Personen, Erwartungen, Budgets und manchmal bereits erhebliche Vorarbeiten. Besonders schwierig wird es, wenn die Idee von einer Führungskraft, einem wichtigen Stakeholder oder einer anderen Autoritätsperson stammt. Dann kann aus einer fachlichen Bewertung schnell eine organisatorische Zerreißprobe werden. 

Die entscheidende Kompetenz ist deshalb nicht nur analytisches Urteilsvermögen. Es braucht auch Mut zum begründeten Nein. Genau deshalb sind transparente Bewertungskriterien so wichtig: Sie helfen dabei, Ideen nach nachvollziehbaren Maßstäben zu beurteilen, unabhängig davon, wer sie eingebracht hat. 

WAS DAS FÜR DATA OFFICERS BEDEUTET 

Die zentrale Aufgabe eines Data Officers liegt an der Schnittstelle von Daten, Technologie, Geschäftsmodell, Organisation, Recht und Risiko. Data Officers müssen erkennen können, wann aus Daten tatsächlich Wert entstehen kann, und wann eine eindrucksvolle Idee vor allem eines ist: eindrucksvoll.  

Vielleicht liegt genau darin eine der wichtigsten Kompetenzen dieser Rolle: nicht möglichst viele Daten- und KI-Projekte zu ermöglichen, sondern dabei zu helfen, die richtigen umzusetzen, und bei den falschen früh genug sachlich begründet zu widersprechen. 

FAZIT 

Innovation braucht viele Ideen. Aber nicht jede Idee braucht ein Projekt. Die entscheidende Frage im Data-Driven Business lautet deshalb nicht, was technisch möglich ist. Sie lautet, was für die Organisation und ihre Kund:innen tatsächlich sinnvoll ist. Und manchmal ist die wertvollste Entscheidung eines Data Officers keine neue Initiative, sondern ein gut begründetes Nein. Auch wenn es schmerzt. 

---

---

Immer auf dem aktuellen Stand: Sie möchten kein Update mehr verpassen? Folgen Sie uns auf LinkedIn und bleiben Sie immer auf dem aktuellen Stand was News aus den Bereichen Controlling, Finance & Management angeht.