Vom schlummernden Potenzial zum konkreten Nutzen: So lassen sich Probleme bei der Verwertung unstrukturierter Daten lösen.

Unstrukturierte Daten können für Unternehmen äußerst wertvoll sein, sind aber schwierig zu verwalten. Zu diesem riesigen, oft ungenutzten Informationspool, der Schätzungen zufolge zwischen 80 und 90 Prozent des weltweiten Datenaufkommens ausmacht, gehören beispielweise Videodateien, Audioaufzeichnungen und Sensordaten – aber auch E-Mails, Social-Media-Beiträge und PDF-Dateien. Unternehmen sammeln heute immer mehr dieser unstrukturierten Daten an, ohne zu wissen, wie sie daraus einen Wert schöpfen sollen.

Denn diese Art von Daten lässt sich schwer kategorisieren und organisieren, weil sie üblicherweise kein vordefiniertes Format und keine spezifische Struktur aufweisen – und damit nicht in herkömmliche Datenbanken passen. Dazu kommt, dass sie in hohem Maß kontextabhängig sind. Entsprechend kompliziert gestaltet sich die Organisation, Analyse und Verwaltung. Um aus den Daten tatsächlich aussagekräftige Erkenntnisse zu gewinnen, sind fortschrittliche Tools und Techniken erforderlich.

Viele Unternehmen versuchen dem ungebremsten Wachstum an unstrukturierten Daten zunächst dadurch zu begegnen, dass sie ihre Speicherkapazitäten ständig erweitern. Der explosionsartige Anstieg des Datenaufkommens in den letzten Jahren, insbesondere bei maschinell generierten Daten, macht dies jedoch zu einem teuren Unterfangen. Und: bekannte Speicherstrategien stoßen dabei an ihre Grenzen. Ein weiteres Problem entsteht, wenn die auf dem Markt angebotenen Lösungen für unstrukturierte Daten nur für eine bestimmte Storage-Technologie entwickelt wurden. Denn in den meisten Unternehmen umfasst die vorhandene Infrastruktur Storage-Produkte mehrerer Anbieter an verschiedenen Standorten, und es werden unterschiedliche Datentypen gespeichert.

Unternehmen sind überfordert. Entsprechend haben die meisten Firmen immense Mengen digitaler Informationen angesammelt, aus denen sich neue Erkenntnisse gewinnen sowie Geschäftsprozesse und -ergebnisse verbessern ließen. Viele Unternehmen versuchen, das Potenzial ihrer Daten auszunutzen, indem sie zunächst unstrukturierte Daten aus so vielen Quellen wie möglich zusammentragen – in der Hoffnung, dass sie diese zu einem späteren Zeitpunkt gewinnbringend verwerten können. Für die meisten Unternehmen stellt sich jedoch die dringende Frage, wie sie diese wertvollen Daten schon jetzt in konkreten Nutzen umwandeln können. Viele sind mit dieser Problematik überfordert und laufen Gefahr, Geld in Strategien zu stecken, die nicht greifen.

Denn ein Großteil der Unternehmen hat keinen genauen Überblick darüber, wie viele unstrukturierte Daten sie besitzen und wo diese sich befinden, geschweige denn in welcher Phase ihres Lebenszyklus die Daten sind, welche Risikoeinstufung ihnen zugeordnet werden sollte und ob es sinnvoll ist, weiter in ihre Aufbewahrung zu investieren. Mit der Einführung generativer künstlicher Intelligenz ist das Datenmanagement noch deutlich komplexer geworden, nicht zuletzt aufgrund der strategischen Bedeutung der damit verbundenen Initiativen.

Die Quadratur des Kreises. Die meisten Unternehmen sind sich durchaus bewusst, dass sie bei ihren Daten auf einer Ressource mit echtem transformativem Potenzial sitzen. Doch entweder wissen sie nicht, wie sie dieses erschließen sollen. Oder sie haben es versucht und sind gescheitert. Wie kann die Quadratur des Kreises gelingen? Ein guter erster Schritt besteht darin, unstrukturierte Daten nicht als Technologieproblem zu betrachten, sondern als Datenmanagementproblem – und dieses gezielt anzugehen.

In diesem Zusammenhang kommt es vor allem darauf an, die Datenintegration zu meistern: also die Organisation, Verwaltung und Optimierung unstrukturierter Daten in verschiedenen Speicherumgebungen mit dem Ziel, die Transparenz in der Datenlandschaft zu erhöhen, Risiken zu mindern und die Kosteneffizienz zu verbessern. Dabei gilt es, einige kritische wechselseitige Abhängigkeiten zu berücksichtigen. Zunächst einmal müssen die unstrukturierten Datenbestände harmonisiert vorliegen und miteinander kompatibel sein. Und sie müssen im Unternehmen verfügbar sein für die Art von detaillierten Zugriffen und ausführlichen Analysen, mit denen sich die gewünschten Resultate erzielen lassen.

Qualitätsmanagement und Data Governance. Eine effektive Datenintegration hängt auch davon ab, dass Nutzer und Anwendungen jederzeit auf genaue, konsistente, vollständige und relevante Daten zugreifen können. Das wiederum erfordert hocheffiziente Qualitätsmanagementprozesse. Voraussetzung dafür ist die Einhaltung umfassender Data-Governance-Richtlinien und -Verfahren, um sicherzustellen, dass sämtliche Daten innerhalb eines Unternehmens ordnungsgemäß dokumentiert, gespeichert und verwaltet werden. Dies umfasst die regelmäßige Durchführung von Daten-Audits, die klare Zuordnung von Zuständigkeit und Verantwortung sowie die Einführung von Richtlinien für die Erstellung und -Speicherung von Daten. Außerdem ist eine effektive Data Governance unerlässlich, um die mit unstrukturierten Daten verbundenen Risiken wie Sicherheitsschwachstellen, Compliance-Probleme und betriebliche Ineffizienzen einzudämmen.

Ein zentraler technologischer Aspekt ist die Einführung von anbieterunabhängigen Lösungen zum Datenmanagement, mit denen sich die unstrukturierten Daten nahtlos über verschiedene Speichersysteme, Anwendungen und Cloud-Systeme hinweg integrieren lassen. Gerade Unternehmen, die komplexe Architekturen mit mehreren Speicherumgebungen betreiben, können mit der richtigen Plattform und mit der richtigen Vorgehensweise beim Management unstrukturierter Daten die viel beschworene transformative Wirkung erzielen.

Die Datenmengen, mit denen Firmen täglich umgehen müssen, werden weiter rasend schnell wachsen. Mit einer Erweiterung der Storage-Kapazitäten allein ist es nicht getan. Doch Unternehmen, die die richtigen Datenstrategien und technologischen Fähigkeiten erfolgreich miteinander kombinieren, werden ihre Daten effizient managen können – und auch aus der Masse an unstrukturierten Daten enormem Nutzen ziehen.

Sascha Hempe,
Regional Sales Manager,
DACH & Nordics,
Datadobi

Illustration: © Sunfe17 | Dreamstime.com

1563 Artikel zu „Datenmanagement „

News | Business Process Management | Künstliche Intelligenz | Tipps | Whitepaper

Finanzdienstleister kämpfen mit KI-Herausforderungen an Datenmanagement und -infrastruktur

25. Mai 2025

Eine aktuelle Umfrage zeigt, dass 84 % der Führungskräfte katastrophale Datenverluste befürchten, weil KI die Infrastruktur überlastet. 41 % Prozent geben an, dass KI bereits ein kritischer Teil ihrer Arbeit ist. Die rasanten Fortschritte im Bereich der künstlichen Intelligenz (KI) stellen traditionelle Dateninfrastrukturen vor nie dagewesene Herausforderungen und zwingen Unternehmen im Banken-, Finanzdienstleistungs- und…

Sascha Hempe, Regional Sales Manager, DACH & Nordics, Datadobi

1563 Artikel zu „Datenmanagement „

Sascha Hempe,
Regional Sales Manager,
DACH & Nordics,
Datadobi