foto magnific ki

Management Summary

KI-Projekte scheitern nicht an Ambitionen, sondern an Datenrealität: 95 Prozent der Unternehmen mussten Initiativen wegen Governance-, Compliance- oder Regulierungsproblemen verschieben oder stoppen.
Die bestehende IT-Architektur ist für Enterprise-KI oft nicht mehr ausreichend: 72 Prozent der Unternehmen sehen einen grundlegenden Umbau ihrer Datenarchitektur als notwendig an.
Governance wird zur kritischen Infrastruktur: Verteilte Daten über Cloud, Private Cloud, On-Premises und Edge erhöhen die Komplexität und erfordern konsistente Kontrollmechanismen.
Hybridarchitekturen entwickeln sich zum neuen Standard: Unternehmen verlagern KI-Workloads gezielt zwischen Public Cloud, Private Cloud und Rechenzentrum, um Kosten, Performance und Kontrolle auszubalancieren.
Der Erfolgsfaktor ist nicht die KI-Einführung, sondern die KI-Optimierung: Wer Datenmanagement, Governance und Infrastruktur strategisch verbindet, schafft die Grundlage für skalierbare und vertrauenswürdige KI.

Unternehmen gestalten Datenarchitekturen grundlegend neu für vertrauenswürdige, skalierbare KI in hybriden Umgebungen.

Cloudera, das Unternehmen, das künstliche Intelligenz (KI) für Daten überall verfügbar macht, veröffentlicht seine neueste globale Studie »The Great AI Re-Architecture« [1]. Diese zeigt einen grundlegenden Wandel in der Unternehmens-IT. So überarbeiten immer mehr Betriebe ihre Datenarchitekturen, um den Anforderungen von KI gerecht zu werden. Denn obwohl die KI-Nutzung zum Standard geworden ist, schränken veraltete Datenarchitekturen zunehmend die Fähigkeit von Unternehmen ein, KI sicher, effizient und kostengünstig zu skalieren.

Die Zahlen der Studie belegen diesen Wandel deutlich: Fast alle (95 Prozent) Befragten mussten KI-Initiativen im vergangenen Jahr aufgrund von Herausforderungen in den Bereichen Data Governance, Compliance oder Regulierung verschieben oder absagen – und das obwohl 77 Prozent KI bereits aktiv nutzen. Um diese Hürden und zukünftige KI-Anforderungen zu meistern, geben 72 Prozent der Unternehmen an, dass ihre Datenarchitektur grundlegend überarbeitet werden muss. Dies zeigt, dass die heutige Infrastruktur nicht für die Anforderungen moderner KI ausgelegt ist.

Die Ergebnisse unterstreichen, was Cloudera als »The Great AI Re-Architecture« bezeichnet: den umfassenden Übergang von veralteten Datenarchitekturen hin zu hybriden Umgebungen. Diese erlauben Unternehmen, vertrauenswürdige KI für vertrauenswürdige Daten, unabhängig von deren Speicherort, bereitzustellen.

»Das aktuelle KI-Zeitalter zwingt Unternehmen dazu, die Grundlagen ihrer Technologieinfrastruktur zu überdenken«, so Sergio Gago, Chief Technology Officer bei Cloudera. »Viele Betriebe stellen fest, dass Architekturen für traditionelle Analysen nicht für Umfang, Governance und Flexibilität ausgelegt sind, die KI heute erfordert. Der Erfolg hängt davon ab, eine Datengrundlage zu schaffen, die Unternehmen erlaubt, KI dort einzusetzen, wo es am sinnvollsten ist, ohne Kompromisse bei Kontrolle oder Sicherheit einzugehen.«

Neustart der Unternehmensinfrastruktur durch KI

KI hat sich längst von isolierten Pilotprojekten emanzipiert und ist heute in alle Unternehmensprozesse integriert. Mit der Zunahme von KI im gesamten Unternehmen steigt der Druck auf eine Infrastruktur, die nie für KI in diesem Umfang ausgelegt war.

Drei Viertel (75 Prozent) der Befragten geben an, dass KI-Integrationen die Datenspeicherungs- und Architekturpraktiken ihres Unternehmens verändert haben, während 84 Prozent über gestiegene Infrastrukturkosten aufgrund von KI-Workloads berichten. Diese Ergebnisse beweisen, dass Unternehmen nicht nur den Speicherort ihrer Daten überdenken, sondern auch deren Verwaltung, Steuerung und Bereitstellung für KI-Systeme.

Governance als kritische Infrastruktur

Mit der Skalierung von KI in Unternehmen wird Governance zur Grundlage für den Erfolg von KI-Lösungen. Laut dem Data Readiness Index von Cloudera gaben 75 Prozent der Unternehmen zu Beginn des Jahres an, dass KI die Schwächen ihrer bestehenden Governance-Prozesse aufdeckt. Die aktuelle Studie legt nahe, dass sich diese Herausforderungen mit zunehmender KI-Nutzung weiter verschärfen.

Fast drei Viertel (73 Prozent) der Befragten meinen, dass die Data Governance durch KI komplexer geworden ist. Mehr als die Hälfte (55 Prozent) berichtet, in den letzten zwölf Monaten mehr als sechs KI-Projekte aufgrund von Governance-, Compliance- oder regulatorischen Hürden verschoben oder abgebrochen zu haben.

Die zunehmend verteilte Speicherung von Daten verschärft diese Herausforderung. Fast alle Befragten (97 Prozent) erklären, mindestens einmal im Monat Daten zwischen verschiedenen Umgebungen zu verschieben. Eine konsistente Governance über Cloud-, Private Cloud-, On-Premises- und Edge-Umgebungen hinweg ist für die sichere Skalierung von KI daher unerlässlich.

Hybridarchitekturen als neuer Unternehmensstandard

Unternehmen setzen zunehmend auf Hybridarchitekturen, um Leistung, Governance, Kosten und Flexibilität – die entscheidenden Faktoren für den Erfolg moderner KI – miteinander zu vereinen. Zwei Drittel (66 Prozent) der Befragten haben deshalb im vergangenen Jahr KI-Workloads aus Public-Cloud-Umgebungen zurück in die Private-Cloud oder ins eigene Rechenzentrum verlagert. Dies unterstreicht den Trend hin zu hybriden Architekturen, die es Unternehmen erlauben, KI-Workloads dort auszuführen, wo sie die beste Leistung erbringen.

Mit Blick auf die Zukunft investieren Unternehmen in Cloud-, On-Premises-, Edge- und Hybridumgebungen, anstatt sich auf ein einzelnes Bereitstellungsmodell zu verlassen. Ein Viertel (25 Prozent) der Befragten plant, in den nächsten zwei Jahren eine Hybrid-First-Architektur zu priorisieren. Statt einer einheitlichen Infrastrukturstrategie bestimmt Flexibilität zunehmend die Zukunft der Unternehmens-KI. Denn nicht die Einführung von KI, sondern die KI-Optimierung ist der entscheidende Faktor. Unternehmen, die ihre Datenarchitekturen modernisieren, um Daten konsistent zu verwalten und KI dort einzusetzen, wo es am sinnvollsten ist, sind bestens aufgestellt, um skalierbare, sichere KI und nachhaltigen Geschäftswert zu liefern.

cover (c) cloudera

[1] Methodik: Die von Cloudera in Auftrag gegebene und von Wakefield Research durchgeführte Studie befragte 1.500 Enterprise Architects, Cloud-Infrastruktur-Leiter und Datenarchitekten in Unternehmen mit mindestens 1.000 Mitarbeitern in allen Märkten außer Spanien, Singapur und Südafrika, wo die Mindestmitarbeiterzahl 250 beträgt. Die Studie wurde in drei Regionen und neun Märkten durchgeführt: Nordamerika (USA (n=600), Kanada (n=100), Brasilien (n=100)), EMEA (Südafrika (n=100), Spanien (n=100), Großbritannien (n=200)) und APAC (Singapur (n=100), Indien (n=100), Japan (n=100)). Sie fand zwischen dem 5. und 22. Juni 2026 statt und erfolgte mittels E-Mail-Einladung und Online-Umfrage.

Lesen Sie den vollständigen Bericht, um zu erfahren, wie Unternehmen ihre Datengrundlagen für Enterprise-KI vorbereiten.

https://www.cloudera.com/campaign/the-great-ai-re-architecture.html

FAQ

Warum müssen Unternehmen ihre Datenarchitektur für KI neu denken?
KI benötigt konsistente, verfügbare und kontrollierte Daten über unterschiedliche Umgebungen hinweg. Klassische Architekturen wurden häufig für Business Intelligence oder Analytik entwickelt und stoßen bei skalierten KI-Workloads an Grenzen.

Welche Rolle spielt Governance bei der Skalierung von KI?
Governance sorgt dafür, dass Datenzugriffe, Compliance-Vorgaben, Sicherheitsanforderungen und regulatorische Regeln auch in hybriden Umgebungen eingehalten werden. Ohne Governance steigt das Risiko, dass KI-Projekte verzögert, gestoppt oder nicht produktiv skaliert werden können.

Warum setzen Unternehmen verstärkt auf Hybridarchitekturen?
Hybridarchitekturen ermöglichen es, KI-Workloads dort auszuführen, wo Performance, Kosten, Sicherheit und Datenhoheit am besten zusammenpassen. Dadurch bleiben Unternehmen flexibel und vermeiden eine einseitige Abhängigkeit von einzelnen Bereitstellungsmodellen.

Was ist die wichtigste Botschaft für das Management?
KI ist kein reines Technologieprojekt mehr. Entscheidend ist eine belastbare Datengrundlage, die Governance, Sicherheit, Kostenkontrolle und Skalierbarkeit verbindet und damit messbaren Geschäftswert ermöglicht.

Welche Kostenrisiken entstehen durch KI-Workloads?
KI kann Speicher-, Rechen- und Netzwerkressourcen deutlich stärker belasten als klassische Analyseanwendungen. Ohne klare Architektur- und Governance-Entscheidungen steigen Infrastrukturkosten schnell, insbesondere wenn Daten mehrfach kopiert oder Workloads unkontrolliert in der Public Cloud ausgeführt werden.

Warum ist Datenverschiebung zwischen Umgebungen problematisch?
Häufige Datenbewegungen zwischen Cloud, Private Cloud, On-Premises und Edge erhöhen Aufwand, Kosten und Sicherheitsrisiken. Unternehmen benötigen daher einheitliche Richtlinien, um Datenflüsse transparent zu steuern und Compliance-Anforderungen über alle Umgebungen hinweg einzuhalten.

Wie sollten Unternehmen KI-Governance organisatorisch verankern?
KI-Governance sollte nicht allein in der IT liegen. Sie braucht ein Zusammenspiel aus IT, Security, Compliance, Fachbereichen und Management, damit technische Leitplanken, regulatorische Vorgaben und geschäftliche Ziele zusammenwirken.

Was sind die nächsten Schritte für Entscheider?
Entscheider sollten zunächst ihre KI-Workloads, Datenquellen und Governance-Lücken erfassen. Darauf aufbauend lassen sich Prioritäten für Architekturmodernisierung, Kostenkontrolle, Sicherheitsrichtlinien und hybride Bereitstellungsmodelle festlegen.

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

1159 Artikel zu „Data Governance, Compliance „

News | Business Intelligence | Trends Infrastruktur | Digitalisierung | Trends Geschäftsprozesse | Favoriten der Redaktion | Infografiken | Trends 2019 | Services

Compliance als Haupttreiber von Data Governance

11. Dezember 2018

Die Datenschutzgrundverordnung (DSGVO) entfaltet ihre Wirkung und zwingt Unternehmen zur Umsetzung von Data Governance, insbesondere im europäischen Raum. Ein gut definierter Data-Govnernance-Prozess hilft, die Sichtweisen von Datensammlern und Datenkonsumenten näher zusammenzubringen und so insgesamt zu einer besseren Datenqualität beizutragen. Das Business Application Research Center (BARC) veröffentlicht »How To Rule Your Data World«, eine weltweite…