Datenplattform und KI vereint: Vorteile für den Mittelstand

Das Problem getrennter Systeme

Wer mit klassischen Datenbanken arbeitet, stößt irgendwann an Grenzen: Datenbank voll, also eine zweite daneben stellen. KI-Modelle laufen auf separaten Systemen, oft bei externen Anbietern. Die Folge: Daten müssen hin- und hergeschoben werden, Governance wird kompliziert, und bei sensiblen Informationen stellt sich die Frage, wer eigentlich Zugriff hat.

Moderne Datenplattformen lösen dieses Problem durch die Trennung von Storage und Compute. Die Skalierbarkeit ist nahezu unbegrenzt, und KI-Anwendungen können dort laufen, wo die Daten bereits liegen. Für Unternehmen, die eine KI-Strategie entwickeln wollen, bedeutet das: Daten und Modelle müssen nicht mehr auf verschiedenen Systemen laufen.

‍

Digitale Souveränität: Warum der Standort entscheidet

Ein Thema zieht sich durch fast jedes Kundengespräch, berichtet Fabian im Podcast: Wo laufen eigentlich die KI-Modelle? Die Frage hat strategische Dimension. Während viele Sprachmodelle in den USA gehostet werden, haben europäische Unternehmen berechtigte Vorbehalte, sensible Geschäftsdaten über den Atlantik zu schicken.

Besonders für Unternehmen in regulierten Branchen wie Finanzdienstleistungen oder Gesundheitswesen ist das ein entscheidender Faktor. DSGVO-Konformität lässt sich schwer gewährleisten, wenn unklar ist, wo Daten verarbeitet werden und wer darauf Zugriff hat.

Europäische Hosting-Optionen

Die Entwicklung geht deshalb in Richtung europäischer Hosting-Optionen. Snowflake etwa hostet mittlerweile auch größere KI-Modelle wie die von Anthropic direkt in europäischen Regionen. Unternehmen können so KI-Anwendungen auf ihre Daten anwenden, ohne dass diese die EU verlassen. Für viele ist das die Voraussetzung, um von Pilotprojekten in die Produktion zu gehen.

Data Governance behalten

Die Kontrolle über Zugriffsrechte, Datenqualität und Compliance-Anforderungen bleibt dabei zentral gesteuert – ohne Datensilos, ohne Kontrollverlust. Gerade im Mittelstand, wo oft historisch gewachsene Systemlandschaften existieren, schafft eine zentrale Plattform Übersicht und reduziert Risiken.

‍

Drei Anwendungsbereiche für KI

Nicht jede KI-Anwendung passt zu jedem Problem. Fabian unterscheidet im Podcast drei Bereiche, die unterschiedliche Herausforderungen adressieren.

Unstrukturierte Daten erschließen

Nur 10 bis 20 Prozent der Unternehmensdaten liegen strukturiert in Tabellen vor. Der Rest – E-Mails, Dokumente, Bilder – bleibt oft ungenutzt. Mit den richtigen Technologien lassen sich diese Daten erschließen, ohne monatelange Projekte aufzusetzen.

Ein Beispiel aus der Praxis: Ein Finanzdienstleister verarbeitet rund 50.000 Kundenanfragen pro Monat. Früher bedeutete das manuelle Auswertung. Heute lassen sich mit einem einfachen Prompt Fragen beantworten wie: Was sind die häufigsten Themen? Welche Probleme wurden nicht gelöst?

Das Besondere: Solche Anwendungen kann ein Business Analyst nutzen, ohne selbst programmieren zu müssen. Die Fähigkeit, Daten zu analysieren, verschiebt sich von der IT in die Fachabteilungen.

KI-Agenten für komplexe Aufgaben

Der zweite Bereich ist Agentic AI – KI-Agenten, die eigenständig Entscheidungen treffen, Daten abrufen und Aktionen ausführen können. Sie erkennen Muster, schlagen Maßnahmen vor und können unter menschlicher Aufsicht eigenständig Aufgaben erledigen.

Ein Beispiel: Siemens Energy hat 800.000 Dokumente aus dem R&D-Bereich über Snowflake indexiert. Nutzer:innen können ad-hoc über einen Chatbot Fragen stellen oder strukturierte Reports generieren lassen.

Wie genau solche Agenten im Unternehmensalltag eingesetzt werden und welche Fallstricke es zu vermeiden gilt, erklärt Fabian ausführlich in der Podcast-Episode.

Data Science und Forecasting

Der dritte Bereich ist klassische Data Science. Forecasting, Klassifikation, Zeitreihenanalysen – diese Methoden sind keineswegs obsolet. Im Gegenteil: Für Prognosen und numerische Analysen funktionieren sie oft besser als generative KI.

Fabian bringt es auf den Punkt: Der Gen-AI-Chatbot ist nicht besonders gut im Rechnen. Wer Absatzprognosen oder Risikomodelle braucht, kommt um klassische Data-Science-Methoden nicht herum.

Das data:unplugged 2026 Festival bietet einen Austausch mit Entscheider:innen, die solche Anwendungsfälle bereits produktiv im Einsatz haben. Auf der Mittelstands Stage teilen sie ihre Erfahrungen – vom Pilotprojekt bis zur Skalierung.

‍

Kostenmodelle: Skalierbarkeit ohne hohe Einstiegshürden

Ein relevanter Faktor für den Mittelstand sind die Kosten. Klassische Lizenzmodelle bedeuten oft hohe Investments vorab, von denen am Ende nur ein Bruchteil genutzt wird.

Pay-per-Use-Modelle bieten eine Alternative: Unternehmen zahlen nur für das, was sie tatsächlich nutzen. Die Skalierbarkeit funktioniert in beide Richtungen – hochfahren bei Bedarf, runterfahren, wenn der Peak vorbei ist. Gerade wenn Budgets projektbezogen freigegeben werden, ermöglicht das einen schrittweisen Einstieg.

‍

KI-Kompetenz: Was Führungskräfte wissen müssen

Eine Frage, die viele Führungskräfte beschäftigt: Braucht es noch Programmierkenntnisse, wenn KI-Agenten immer mehr Aufgaben übernehmen?

Für einfache Anwendungen – etwa die Auswertung von Kundenkommunikation – reichen heute Prompts. Ein Business Analyst kann Daten analysieren, ohne Code zu schreiben. Für komplexe Systemintegrationen braucht es aber nach wie vor Menschen, die verstehen, was die Technologien im Hintergrund tun.

Die wichtigere Kompetenz liegt woanders: Zu verstehen, was künstliche Intelligenz kann und was nicht. Das betrifft nicht nur IT-Abteilungen, sondern alle Bereiche. Ob Marketing, HR oder Vertrieb – KI-Anwendungen sind überall präsent. Wer sie sinnvoll einsetzen will, braucht ein Grundverständnis.

Ein Thema, das Fabian besonders wichtig ist: die gesellschaftliche Dimension. Wollen wir, dass Agenten Menschen bewerten? Diese Fragen lassen sich nicht technisch beantworten – sie erfordern bewusste Entscheidungen.

‍

Fazit: Daten und KI gehören zusammen

Daten und künstliche Intelligenz lassen sich nicht mehr getrennt denken. Wer KI-Projekte erfolgreich umsetzen will, braucht eine Plattform, die beides zusammenbringt – mit klarer Data Governance, digitaler Souveränität und der Fähigkeit zu skalieren.

Für Entscheider:innen im Mittelstand bedeutet das: Die Frage ist nicht, ob künstliche Intelligenz relevant wird, sondern wie schnell das eigene Unternehmen handlungsfähig sein kann. Von der Analyse unstrukturierter Daten über autonome KI-Agenten bis zum präzisen Forecasting – alle Anwendungen stehen und fallen mit der Qualität und Verfügbarkeit der Daten.

Wie andere Mittelständler:innen diesen Weg gehen, zeigt das data:unplugged 2026 Festival am 26. & 27. März in Münster. Auf fünf Bühnen teilen Entscheider:innen und Data Scientists ihre Erfahrungen – praxisnah und auf Augenhöhe. Tickets gibt es hier.