Was ist ein Datenprodukt und warum hängt Ihre KI-Strategie davon ab?

Ihr Unternehmen hat jahrelang in Technologien investiert, um Daten zu erfassen, zu integrieren, zu verwalten und zu analysieren. Warum hat man dann den Eindruck, dass gerade die Menschen und Systeme, die diese Daten am dringendsten benötigen, ihnen nicht vertrauen können?

Da KI in vielen Unternehmen mittlerweile den Schritt von der Testphase in den produktiven Einsatz vollzieht, wird die Lösung dieses Problems immer dringlicher. KI-Modelle, Copiloten und Agenten sind auf Daten angewiesen.

Sind diese Daten unvollständig, inkonsistent, unzureichend dokumentiert oder schwer zugänglich, können KI-Systeme ungenaue Antworten, unzuverlässige Empfehlungen und kostspielige Fehler liefern. Aus diesem Grund hat sich die Diskussion rund um Datenprodukte von einem „nice-to-have“ zu einem „das müssen wir jetzt klären“ gewandelt.

Laut einer aktuellen Studie von BARC und Actian stieg die Akzeptanz von Datenprodukten von 48 % im Jahr 2024 auf 69 % im Jahr 2026. Das ist kein Trend. Es ist ein Signal, das man kaum ignorieren kann.

Was ist ein Datenprodukt?

Ein Datenprodukt ist eine kuratierte, verwaltete und wiederverwendbare Datenressource. Es ist darauf ausgelegt, einer bestimmten Nutzergruppe einen Mehrwert zu bieten – sei es einem Business-Analysten, einer Anwendung oder einem KI-Agenten, der jeden Tag um 2 Uhr morgens Antworten abruft.

„Datenprodukte sind Vermögenswerte, die Unternehmen dabei helfen, die Kontrolle über ihre Daten zu erlangen und geschäftlichen Mehrwert zu schaffen“, so Deloitte. „Sie lassen sich gemeinsam nutzen und können dazu beitragen, das Potenzial von Daten so zu erschließen, dass sowohl interne als auch externe Kunden davon profitieren.“

Im Gegensatz zu einem herkömmlichen Datensatz weist ein Datenprodukt folgende Merkmale auf:

• Ein klar definiertes Ziel.
• Dokumentierte geschäftliche Bedeutung.
• Bekannte Eigentumsverhältnisse.
• Qualitätsstandards.
• Erwartungen an den Service.
• Steuerungsmechanismen.
• Laufendes Lebenszyklusmanagement.

Man kann sich das folgendermaßen vorstellen: Rohdaten sind wie Zutaten. Technisch gesehen kann man daraus etwas zubereiten, aber man muss erst herausfinden, was zu was passt, was abgelaufen ist und wie das Rezept überhaupt lautet.

Ein Datenprodukt ist wie ein Fertiggericht. Es ist sofort einsatzbereit: Es enthält den Kontext, die Qualität und die Kontrollmechanismen, die erforderlich sind, damit es tatsächlich von Nutzen ist. Anstatt Ihren KI-Systemen also einen Haufen Zutaten zu übergeben und auf das Beste zu hoffen, stellen Sie ihnen eine vertrauenswürdige, dokumentierte und einsatzbereite Ressource zur Verfügung.

Ein konkretes Beispiel ist ein „Customer 360“-Datenprodukt, das Kundendatensätze aus CRM-, Abrechnungs-, Support- und Marketingsystemen zu einer einzigen zuverlässigen Gesamtansicht jedes einzelnen Kunden zusammenführt. Geschäftsanwender können diese Daten dann analysieren, Anwendungen können sie nutzen und KI-Systeme können darauf zurückgreifen, ohne widersprüchliche Datensätze aus verschiedenen Quellen abgleichen zu müssen.

Warum KI die Diskussion über Daten verändert

Menschliche Analysten konnten fragwürdige Daten oft erkennen. Sie bemerkten, wenn eine Zahl verdächtig aussah, gingen der Sache auf den Grund und wiesen auf das Problem hin, bevor daraus eine geschäftliche Entscheidung wurde. KI-Systeme funktionieren nicht auf diese Weise.

Sie erstellen Inhalte, beantworten Fragen, geben Empfehlungen und ergreifen zunehmend Maßnahmen auf der Grundlage der Daten, die sie erhalten – selbst wenn diese Daten nicht zweckmäßig sind.

Das ist die unangenehme Wahrheit dahinter, warum 60 % der Unternehmen in der Studie von BARC und Actian „vertrauenswürdige Daten für KI-Anwendungsfälle“ als Hauptgrund für die Einführung von Datenprodukten nannten. Die Sicherstellung vertrauenswürdiger Daten ist eine Möglichkeit, Schadensbegrenzung zu betreiben, bevor etwas schiefgeht.

Die gute Nachricht? Unternehmen haben dieses Konzept richtig umgesetzt und erzielen damit konkrete Ergebnisse. GEMA hat beispielsweise die Actian Data Intelligence-Plattform eingeführt Actian Data Intelligence-Plattform mehr als 400 zertifizierte Datenprodukte entwickelt, wobei 11 KI-Modelle im Produktivbetrieb laufen. Damit wurde ein ROI von 140 % sowie Kosteneinsparungen von über 1 Mio. € pro Jahr erzielt.

Warum „Wir haben Daten“ nicht dasselbe ist wie „Wir haben Datenprodukte“

Die meisten Unternehmen verfügen oft über Tausende von Tabellen, Berichten, Dashboards und Datensätzen. Das bedeutet jedoch nicht zwangsläufig, dass sie über Datenprodukte verfügen, und dieser Unterschied ist von Bedeutung.

Herkömmliche Datenbestände stehen häufig vor denselben Herausforderungen:

• Unklare Eigentumsverhältnisse.
• Uneinheitliche Definitionen.
• Unbekannte Abstammung.
• Doppelte Versionen.
• Begrenzte Dokumentation.
• Manuelle Steuerung.

Datenprodukte kehren die Fragestellung um. Anstatt zu fragen: „Wie speichern wir diese Daten?“, fragt man sich nun: „Wie werden die Verbraucher diese Daten nutzen, und was brauchen sie, um ihnen zu vertrauen?“

Schon allein dieser Wandel verändert die Arbeitsweise von Datenteams. Bei der Groupe BPCE führte dieser Ansatz dazu, dass über 80.000 Geschäftsbegriffe definiert und mehr als 1.000 einzigartige Datenanalysen pro Woche erstellt wurden, wodurch aus einer traditionellen im Silo eine Ressource wurde, auf die das gesamte Unternehmen zugreifen und auf deren Grundlage es handeln kann.

Was macht ein gutes Datenprodukt aus?

Nicht alle Datenprodukte sind gleich. Diejenigen, die auch unter hoher Belastung – einschließlich KI-Workloads – bestehen, weisen in der Regel einige gemeinsame Merkmale auf:

• Geschäftlicher Kontext. Die Verbraucher verstehen, was die Daten bedeuten und wie sie genutzt werden sollten.
• Verantwortung. Jemand ist für die Qualität, usability und die kontinuierliche Weiterentwicklung des Datenprodukts verantwortlich.
• Auffindbarkeit. Benutzer können das Datenprodukt problemlos finden und darauf zugreifen, ohne auf die IT-Abteilung oder manuelle Anfragen angewiesen zu sein.
• Vertrauen. Qualitätsstandards, Herkunftsnachweise und Kontrollmechanismen helfen den Verbrauchern zu verstehen, ob die Daten für den beabsichtigten Zweck geeignet sind.
• Wiederverwendbarkeit. Ein und dasselbe Datenprodukt kann mehrere geschäftliche Anwendungsfälle unterstützen, sodass nicht jedes Team oder Nutzer Produkte auf Basis derselben Daten Nutzer muss.
• Beobachtbarkeit. Teams können die Qualität überwachen, Probleme erkennen und das Vertrauen aufrechterhalten, während sich die Daten im Laufe der Zeit ändern.

Datenverträge: Die andere Hälfte der Gleichung

Wenn Unternehmen Datenprodukte team- und geschäftsbereichsübergreifend ausweiten, kommt ein weiterer entscheidender Faktor zum Tragen: eine klare Vereinbarung zwischen Erstellern und Nutzern darüber, wozu sie sich tatsächlich verpflichten.

Das ist es, was einen Datenvertrag ausmacht. Er definiert die Struktur, die Eigentumsverhältnisse, die Qualitätsanforderungen und die betrieblichen Erwartungen an ein Datenprodukt. Wenn eine nachgelagerte Anwendung, dashboard oder ein KI-Agent auf dieses Produkt angewiesen ist, gibt ein Vertrag ihnen die Gewissheit, dass die Daten auch nächste Woche noch ihren Erwartungen entsprechen werden.

Die Studie von BARC und Actian ergab, dass die Einführung von Datenverträgen eng mit der Einführung von Datenprodukten einhergeht, wobei viele Unternehmen Verträge als entscheidenden Bestandteil von Vertrauen, Governance und Qualitätsmanagement betrachten. Gemeinsam bilden Datenprodukte und Datenverträge die Grundlage für skalierbar .

Die Zahlen sprechen eine ziemlich deutliche Sprache

Wenn Sie noch abwägen, ob sich diese Investition lohnt, sollten Sie Folgendes bedenken: 85 % der Unternehmen mit unternehmensweiten Datenprodukten haben drei oder mehr KI-Projekte im Einsatz. Das ist kein Zufall.

Strategien für Datenprodukte stehen in engem Zusammenhang mit agentische KI , die in Produktionsumgebungen eingesetzt werden. Dabei handelt es sich um jene Art autonomer KI, die geschäftliche Ergebnisse vorantreiben kann und nicht nur Fragen in einem Chatfeld beantwortet.

Die Unternehmen, die im Bereich KI am schnellsten vorankommen, sammeln nicht einfach mehr Daten. Sie sorgen dafür, dass die Daten, über die sie bereits verfügen, verständlich, zuverlässig und einsatzbereit sind.

Das Zeitalter der KI duldet keine unübersichtlichen Datengrundlagen. Die gute Nachricht ist, dass niemand von vorne anfangen muss. Man muss lediglich bewusst vorgehen, wenn es darum geht, wie Daten aufbereitet, verwaltet und bereitgestellt werden.

Erfahren Sie, wieSie vertrauenswürdige, vertraglich geregelte Datenprodukte auf einer Plattform erstellen können, die das Auffinden, Bewerten und Nutzen von Daten vereinfacht.

Über den Autor

Über Actian Germany GmbH

Actian ermöglicht es Unternehmen, Daten in großem Umfang sicher verwalten zu steuern. Unternehmen vertrauen auf Datenmanagement Data-Intelligence-Lösungen von Actian, um komplexe Datenumgebungen zu optimieren und die Bereitstellung von KI-fähigen Daten zu beschleunigen. Die auf Flexibilität ausgelegten Lösungen von Actian lassen sich nahtlos integrieren und arbeiten zuverlässig in On-Premises, Cloud und Hybridumgebungen. Erfahren Sie mehr über Actian, den Daten- und KI-Geschäftsbereich von HCL Software, unter actian.com.