Wednesday, 18. November 2026
Start›Technologie & Wissenschaft›Daten-Ontologie
Daten-Ontologie

KI-Readiness: Warum Datenqualität zuerst kommt

Ohne strukturierte, saubere Daten scheitern KI-Projekte in der Pilotphase. Was Unternehmen jetzt tun müssen, erklärt Iron Mountains EMEA-Chefin Iwona Sikora.

Redaktion · 18. November 2026, 10:30 Uhr · 4 Min. Lesezeit

Dieses Video wurde am 18.11.2026 von DER AKTIONÄR TV auf YouTube veröffentlicht. Zum Original-Video auf YouTube.

Zwischen 60 und 80 Prozent aller Unternehmensdaten weltweit sind unstrukturiert – und genau das wird zum größten Hindernis auf dem Weg zur KI-Readiness. Iwona Sikora, die EMEA-Chefin des Datenverwaltungskonzerns Iron Mountain, warnt: Wer Künstliche Intelligenz auf einem schwachen Datenfundament aufbaut, riskiert fehlerhafte Ergebnisse und wird am Markt langfristig nicht bestehen. Der Unterschied zwischen Unternehmen, die KI lediglich ausprobieren, und solchen, die sie wirklich beherrschen, liegt nicht im Algorithmus – sondern in der Qualität der zugrunde liegenden Informationen.

KI-Readiness beginnt mit dem Datenfundament

Viele Unternehmen investieren in Large Language Models und Copilot-Lösungen, ohne vorher ihre Datenbasis zu ordnen. Sikora beschreibt zwei Gruppen: Unternehmen, die KI adoptieren, und solche, die wirklich KI-bereit sind. Der Unterschied liegt darin, ob Informationen auffindbar, vertrauenswürdig, governed und zugänglich sind.

Sikora nennt fünf konkrete Schritte, die Unternehmen als Grundlage benötigen:

  • Zugänglichkeit: Daten aus Papierakten, Mikrofilm, Tapes und nicht durchsuchbaren PDFs müssen digitalisiert und maschinenlesbar gemacht werden.
  • Strukturierung: Verträge, E-Mails und andere unstrukturierte Dokumente brauchen klassifizierte Metadaten.
  • Bereinigung: Duplikate und veraltete Versionen müssen entfernt werden, damit KI-Modelle die jeweils gültige Version verwenden.
  • Vereinheitlichung: Daten aus verschiedenen Systemen müssen zusammengeführt werden, auch wenn sie unterschiedliche Bezeichner für denselben Datensatz nutzen.
  • Governance: Zugriffsrechte, Aufbewahrungsfristen und die rechtliche Nutzbarkeit für KI-Modelle müssen klar geregelt sein.

Zwei Unternehmen mit identischen KI-Modellen werden unterschiedliche Ergebnisse erzielen, wenn eines dieses Fundament nicht besitzt.

Datenmüll macht Agenten gefährlich

Besonders kritisch wird das Problem beim Übergang von generativer KI zu agentischer KI. Während generative Modelle lediglich Texte erzeugen, die ein Mensch noch lesen und prüfen kann, handeln KI-Agenten eigenständig auf Basis der vorhandenen Daten. Sind diese fehlerhaft oder unvollständig, führt das direkt zu falschen Entscheidungen – ohne menschliche Korrekturmöglichkeit.

Sikora veranschaulicht das mit einer Analogie: Ein Mensch würde in einem Archiv auch einen unbekannten Karton bemerken und dessen Kontext einordnen. Eine KI ignoriert diesen Karton schlicht, weil er nicht in ihrem Datensatz sichtbar ist. Ähnliches gilt für Vertragsversionen: Wenn mehrere Entwürfe im System liegen und keine klare Kennzeichnung existiert, kann das Modell auf einen veralteten Stand zurückgreifen.

Der Aufbau einer Daten-Ontologie – also eines strukturierten Modells der geschäftlichen Bedeutung von Informationen – erhöht die Erfolgsquote von KI-Projekten nach aktuellen Studien von 20 auf bis zu 70 Prozent.

Europa im Rückstand – aber mit Potenzial

Im internationalen Vergleich hinkt Europa bei der KI-Infrastruktur hinter den USA und China her. Bis 2030 werden die USA laut Prognosen fünfmal mehr Rechenzentrums-Kapazität besitzen als Europa, China dreimal mehr. Als Hauptursache sieht Sikora die unterschiedliche Struktur der Kapitalmärkte: In den USA wird Innovation durch Risikokapital finanziert, in Europa überwiegend durch Steuergelder oder Bankenkredite – was das Eingehen von Risiken strukturell erschwert.

Hoffnung setzen Fachleute auf den EU AI Act, der ab 2027 verbindlich gilt, sowie auf das Programm der EU-KI-Fabriken mit zunächst sieben geplanten Hochleistungsrechenzentren. Innerhalb Europas zeigen sich große Unterschiede: Die nordischen Länder gelten als digital reif, während südeuropäische Staaten und Teile Deutschlands noch grundlegende Digitalisierungsprojekte abschließen müssen. Beim Ausbau der Energieversorgung für Datenzentren hat Frankreich dank seiner Kernkraftkapazitäten derzeit einen klaren Vorteil gegenüber Deutschland.

Datensicherheit und die Renaissance des Tape-Backups

Mit wachsender KI-Kompetenz steigt auch die Qualität von Cyberangriffen. Sikora beobachtet, dass Unternehmen zunehmend auf physische Tape-Backups zurückgreifen – nicht als Rückschritt, sondern als ergänzende Sicherheitsschicht. Daten auf einem Magnetband sind für Ransomware-Angriffe schlicht nicht erreichbar.

Gleichzeitig warnt sie vor Over-Retention: Unternehmen, die Daten länger als nötig aufbewahren, vergrößern ihre Angriffsfläche. Die DSGVO schreibt zwar klare Löschpflichten vor, doch viele Organisationen halten sich nicht konsequent daran. Datenverantwortliche – sogenannte Data Protection Officers – sollten daher stärker in Unternehmensstrategien einbezogen werden.

Langfristig ist die Botschaft eindeutig: Unternehmen, die Datenqualität und -governance heute vernachlässigen, werden in zehn Jahren nicht mehr wettbewerbsfähig sein. Die Grundlage für erfolgreiche KI ist kein Algorithmus – sie ist ein sauberes Archiv.

Hinweis: Dieser Artikel wurde KI-gestützt erstellt und kann Fehler oder Ungenauigkeiten enthalten. Das verwendete Beitragsbild ist das YouTube-Vorschaubild des Original-Videos. Sämtliche Urheberrechte am Video, am Vorschaubild und an den darin enthaltenen Inhalten liegen beim jeweiligen YouTube-Kanal-Betreiber (DER AKTIONÄR TV). Bei Fragen oder Anliegen zur Nutzung bitte über das Impressum kontaktieren.

RE

Redaktion

Nachrichten aus Politik, Wirtschaft und Gesellschaft. Schnell, klar und rund um die Uhr aktualisiert.

Kommentar schreiben

Mehr aus Technologie & Wissenschaft

Alle Beiträge →