Künstliche Intelligenz ist in vielen Unternehmen längst operative Realität. Doch ihr Erfolg entscheidet sich nicht an einzelnen Anwendungsfällen, sondern an der Qualität der zugrunde liegenden Datenplattformen. Die Studie „AI-ready Data Platforms 2026“ von COMPUTERWOCHE Research Services in Zusammenarbeit mit Lufthansa Industry Solutions beleuchtet, welche Voraussetzungen Unternehmen in der DACH-Region bereits erfüllen – und wo noch erhebliche Lücken bestehen.
Daten als Fundament – KI als Katalysator
Studie „AI-ready Data Platforms 2026“: Wie gut sind Unternehmen wirklich auf KI vorbereitet?
Diese Herausforderungen bestimmen den Weg zur KI-fähigen Datenplattform
Unternehmen stellen hohe Erwartungen an KI: Effizienzsteigerung, Kostensenkung und ein besserer Datenzugang für die Fachbereiche stehen ganz oben auf der Agenda. Doch der Weg dorthin ist anspruchsvoll. Mangelnde Datenqualität, fragmentierte Datenlandschaften und träge IT-Prozesse zählen zu den größten Hindernissen auf dem Weg zu einer KI-fähigen Organisation.
Die Studie zeigt dabei eine deutliche Wahrnehmungslücke: Während 84 Prozent der C-Level-Führungskräfte und 75 Prozent der IT-Verantwortlichen ihre Datenplattformen als KI-bereit einschätzen, teilen in den Fachbereichen nur knapp über die Hälfte diese Einschätzung.
Cloud, Hybrid oder klassisch? So sieht die Realität der Datenplattformen aus
Die Studie zeigt: Die Technologierealität in Unternehmen ist überwiegend hybrid. Über 60 Prozent der Befragten setzen auf eine Strategie, die Cloud- und On-Premises-Systeme kombiniert. Nur 23 Prozent verfolgen eine reine „Cloud First“-Strategie.
Bei der Datenarchitektur dominiert das traditionelle Data Warehouse mit 62 Prozent deutlich vor moderneren Konzepten wie Data Lake (37 Prozent), Data Lakehouse (34 Prozent), Data Mesh (27 Prozent) oder Data Fabric (25 Prozent).
Erfahren Sie in der neuen Studie „AI-ready Data Platforms 2026“, wie Unternehmen ihre Datenplattformen für KI ausrichten, welche Hürden den KI-Erfolg am häufigsten bremsen und welche Investitionsschwerpunkte für die kommenden Jahre geplant sind.
- Wie verbreitet KI-fähige Datenplattformen heute wirklich sind
- Welche Ziele Unternehmen mit AI-ready Data Platforms verfolgen
- Wo die größten Hürden liegen
- Was die wichtigsten Anforderungen an Plattformen sind
- Welche Investitionsprioritäten Unternehmen für KI und Daten setzen
- Die meisten Datenplattformen gelten als AI-ready – doch nicht für alle
Fast drei Viertel der befragten Unternehmen geben an, dass sie bereits KI-fähige Datenplattformen einsetzen. Allerdings zeigt sich eine deutliche Diskrepanz zwischen strategischer Einschätzung und operativer Realität in den Fachbereichen. - Datenqualität bleibt der größte Bremsklotz
Die größte Bremse für AI-ready Data Platforms ist die mangelnde Datenqualität (30 Prozent), gefolgt von fragmentierten Datenlandschaften (28 Prozent) und trägen IT-Prozessen (25 Prozent). - Effizienz vor Umsatz
Unternehmen setzen bei AI-ready Data Platforms vor allem auf Effizienzsteigerung (55 Prozent), Kostenreduktion (49 Prozent) und besseren Datenzugang für die Fachbereiche (48 Prozent). Umsatzwachstum spielt mit 23 Prozent eine untergeordnete Rolle – wird jedoch von Fachbereichen deutlich stärker eingefordert. - Governance gewinnt an Bedeutung
Während klassische Data Governance in drei von vier Unternehmen etabliert ist, besteht bei KI-Governance und KI-Ethik noch Nachholbedarf – auch im Hinblick auf regulatorische Anforderungen wie den EU AI Act.
Erfahren Sie in der neuen Studie „AI-ready Data Platforms 2026“, wie Unternehmen ihre Datenplattformen für KI ausrichten, welche Hürden den KI-Erfolg am häufigsten bremsen und welche Investitionsschwerpunkte für die kommenden Jahre geplant sind.