Daten sind selten das Problem
In den meisten Unternehmen fehlt es nicht an Daten. Anfragen, Angebote, Aufträge, Marketingausgaben, Rechnungen und Arbeitszeiten werden längst digital erfasst – nur eben in vielen verschiedenen Systemen, in uneinheitlicher Form und ohne Bezug zueinander. Berichte entstehen von Hand, sind beim Lesen schon veraltet, und wichtige Entscheidungen fallen trotzdem nach Gefühl.
Wie groß der Aufwand ist, zeigt eine Bitkom-Befragung von 603 Unternehmen aus dem September 2026: Die Hälfte der Unternehmen, die KI einsetzen, nennt die Aufbereitung von Daten als großen Kostenpunkt, 41 Prozent die Integration in bestehende Systeme. Unter den Unternehmen ohne KI geben 40 Prozent an, dass ihnen die notwendigen Daten fehlen. Eine saubere Datenbasis ist damit nicht nur Voraussetzung für gute Berichte, sondern für jeden späteren KI-Einsatz.
Schritt 1: Mit der Entscheidung beginnen
Am Anfang steht nicht die Frage, welche Daten vorhanden sind, sondern welche Entscheidungen regelmäßig getroffen werden – und welche davon spürbar besser werden sollen. Typische Kandidaten sind die Verteilung des Marketingbudgets, die Reihenfolge, in der Anfragen bearbeitet werden, die Planung von Kapazitäten oder die Frage, welche Angebote nachgefasst werden.
Für jede dieser Entscheidungen wird festgehalten, wer sie trifft, wie oft sie fällt und welche Information heute fehlt, um sie sicherer zu treffen. Aus dieser Liste ergibt sich, welche Kennzahlen wirklich gebraucht werden – und welche nicht.
Schritt 2: Wenige Kennzahlen, klar definiert
Eine Kennzahl ist nur so gut wie ihre Definition. Schon die Frage, was als „Anfrage“ oder als „gewonnener Auftrag“ zählt, wird in Marketing, Vertrieb und Buchhaltung oft unterschiedlich beantwortet. Bewährt hat sich ein kurzer Steckbrief je Kennzahl:
| Feld | Inhalt |
|---|---|
| Name | eindeutige Bezeichnung, die alle Bereiche gleich verwenden |
| Definition | was genau gezählt wird – und was nicht |
| Berechnung | Formel und betrachteter Zeitraum |
| Quelle | aus welchem System die Werte stammen |
| Verantwortung | wer die Kennzahl pflegt und erklärt |
| Takt | wie oft sie aktualisiert und besprochen wird |
| Zielbereich | ab welchem Wert gehandelt wird |
Hilfreich ist außerdem die Unterscheidung zwischen Früh- und Spätindikatoren. Der Umsatz zeigt, was bereits passiert ist. Die Zahl qualifizierter Anfragen, die Angebotsquote oder die Reaktionszeit zeigen dagegen früh, wohin sich der Umsatz entwickeln wird – und lassen sich noch beeinflussen.
Schritt 3: Datenquellen erfassen und verbinden
Im nächsten Schritt wird sichtbar, wo die benötigten Daten heute liegen. Für jede Quelle sind vier Fragen zu klären:
- Welche Felder enthält das System, und wie vollständig sind sie gepflegt?
- Wer gibt die Daten ein, und zu welchem Zeitpunkt?
- Wie aktuell sind die Werte – in Echtzeit, täglich oder monatlich?
- Gibt es eine Schnittstelle, über die sich die Daten automatisch abrufen lassen?
Damit Daten aus verschiedenen Systemen zusammenpassen, braucht es ein gemeinsames Merkmal, etwa eine Kunden- oder Vorgangsnummer, die überall gleich geführt wird. Statt Exporte in Tabellen zu kopieren, laufen die Daten an einer zentralen Stelle zusammen. Dort entsteht eine verlässliche Grundlage, auf die alle Berichte zugreifen.
Schritt 4: Datenqualität an der Quelle sichern
Fehlerhafte Daten nachträglich zu bereinigen ist aufwendig und muss immer wieder neu erledigt werden. Wirksamer sind Regeln direkt bei der Erfassung:
- Pflichtfelder und Auswahllisten statt freier Eingabe, wo Einheitlichkeit wichtig ist.
- Prüfung auf Dubletten, bevor ein neuer Datensatz entsteht.
- Einheitliche Formate für Datum, Beträge, Telefonnummern und Adressen.
- Automatische Prüfungen, die fehlende oder auffällige Werte melden, bevor sie in Berichte einfließen.
Schritt 5: Berichte automatisieren
Sind Quellen verbunden und Kennzahlen definiert, entstehen Berichte, die sich selbst aktualisieren. Entscheidend ist der Zuschnitt: Die Geschäftsführung braucht wenige verdichtete Werte, eine Teamleitung die Kennzahlen ihres Bereichs, ein Mitarbeiter die Liste der nächsten Vorgänge. Ein einziges Dashboard für alle hilft selten jemandem.
Mindestens so wichtig wie Dashboards sind Benachrichtigungen bei Abweichungen. Statt täglich nach Auffälligkeiten zu suchen, meldet das System, wenn eine Kennzahl ihren Zielbereich verlässt – etwa wenn die Kosten je Anfrage steigen oder Angebote länger als üblich unbeantwortet bleiben.
Schritt 6: Entscheidungen festhalten und überprüfen
Datengetrieben wird ein Unternehmen erst, wenn Zahlen in Entscheidungen einfließen und deren Wirkung gemessen wird. Dazu gehören feste Termine, in denen die wichtigsten Kennzahlen besprochen werden, eine kurze Dokumentation der getroffenen Entscheidungen und ein Rückblick nach einigen Wochen: Hat die Maßnahme gewirkt? Wo es möglich ist, werden Varianten direkt gegeneinander getestet.
Wo KI ins Spiel kommt
Künstliche Intelligenz setzt auf genau dieser Grundlage auf. Mit verbundenen, sauberen Daten kann sie Freitext auswerten – etwa Anfragen, Gesprächsnotizen oder Bewertungen –, Auffälligkeiten erkennen, Entwicklungen vorhersagen und Berichte in verständliche Sätze fassen. Ohne diese Grundlage liefert auch das beste Modell keine verlässlichen Ergebnisse. Wie KI-Schritte in Abläufe eingebunden werden, beschreibt der Beitrag KI-Agent oder Automatisierung.
Typische Fehler
- Dashboard vor Fragestellung: Es entstehen Grafiken, aber keine besseren Entscheidungen.
- Zu viele Kennzahlen: Das Wesentliche geht unter, niemand fühlt sich zuständig.
- Uneinheitliche Definitionen: Marketing, Vertrieb und Buchhaltung berichten unterschiedliche Zahlen zum selben Sachverhalt.
- Manuelle Zwischenschritte: Jede Kopie in eine Tabelle ist eine Fehlerquelle und veraltet sofort.
- Datenschutz zu spät bedacht: Personenbezogene Daten dürfen nur für festgelegte Zwecke und im nötigen Umfang verarbeitet werden. Mehr dazu im Beitrag KI und Datenschutz.
Fazit
Datengetriebenes Arbeiten ist weniger eine Frage der Software als der Reihenfolge: zuerst die Entscheidung, dann die Kennzahl, dann die Datenquelle, dann der Bericht. So entstehen mit wenigen, verlässlichen Zahlen schneller bessere Entscheidungen – und zugleich die Grundlage für den Einsatz von KI. Wie diese Grundlage technisch umgesetzt wird, beschreiben die Leistungsbereiche Daten & Reporting und Software & Schnittstellen.
