Illustration Absmeier foto freepik

Wie Datenplattformen zur Zentrale für moderne KI-Lösungen werden.

Damit KI-Anwendungen überhaupt valide Ergebnisse liefern können, sind Qualität, Konsistenz und eine klare Strukturierung der zugrunde liegenden Daten entscheidend. Unvollständige, inkonsistente oder falsch formatierte Informationen führen zu unzuverlässigen Modellen, Verzerrungen oder fehlerhaften Entscheidungen. Außerdem sind strukturierte Daten leichter maschinell verarbeitbar und analysierbar – und erleichtern so nicht nur die Modellerstellung, sondern auch die spätere Nutzung in KI-Systemen.

»Fehlen einheitliche Datenmodelle, klare fachliche Semantik und verlässliche Governance-Strukturen, bleiben viele KI-Initiativen hinter ihren Erwartungen zurück. Denn nur mit konsistenten und qualitativ hochwertigen Daten besteht das Potenzial, maßgeschneiderte KI-Lösungen zu entwickeln, die den sich ständig ändernden Anforderungen und Bedürfnissen des modernen Marktes gerecht werden«, sagt Lars Klimbingat, Partner der retailsolutions GmbH und Leiter Competence Center Stammdatenmanagement & Prozesse.

Datenplattformen für Zusammenführung von Informationen

Von Stammdaten wie Kunden-, Lieferanten-, Artikel-, Preis-, Filial- oder Mitarbeiterinformationen über Produktions-, Logistik- und Prozessdaten bis zu Informationen aus Dokumenten wie Verträgen, Bestellungen und Kassenbelegen: In jedem Unternehmen entstehen täglich große und kontinuierlich wachsende Datenmengen. In Branchen wie dem Handel kommen zusätzliche Daten aus Filialprozessen, Warenwirtschaftssystemen, E-Commerce-Plattformen sowie aus vielfältigen Kundeninteraktionen hinzu. Oft sind diese Datenlandschaften zudem historisch gewachsen und über unterschiedliche operative Systeme, Data Warehouses und Cloud-Anwendungen verteilt. Die Folge sind Datensilos, redundante Datenbestände und inkonsistente Stammdaten, die dabei eine durchgängige Nutzung erschweren.

»Ohne eine einheitliche Datenbasis und klare Governance-Strukturen wird es schwierig, Informationen unternehmensweit konsistent auszuwerten und für operative wie strategische Entscheidungen nutzbar zu machen«, berichtet Klimbingat und ergänzt: »Lösungen wie die integrierte, unternehmensweite Datenplattform ›SAP Business Data Cloud‹ setzen genau an diesem Punkt an und führen operative sowie analytische Daten zusammen und setzen sie in einen geschäftsrelevanten Kontext. Ziel ist es, eine harmonisierte, vertrauenswürdige Datenbasis zu schaffen, die für fortgeschrittene Analytics- und KI-Anwendungen genutzt werden kann. Denn erst durch harmonisierte, konsistente und fachlich eingeordnete Daten können KI-gestützte Anwendungen relevante Ergebnisse liefern und unternehmensweit Mehrwert entfalten.«

Datenfundament für KI-Agenten, Prognosen und Governance

Solche Datenplattformen können KI-Anwendungen künftig beispielsweise dabei unterstützen, KI-Agenten und KI-gestützte Anwendungen mit Daten zu versorgen, die für das Verstehen und Liefern relevanter Ergebnisse entscheidend sind. »Für Handelsunternehmen bedeutet dies etwa eine deutlich verkürzte Time-to-Value bei datengetriebenen Initiativen. Prognosemodelle können auf harmonisierten Absatz- und Bestandsdaten aufbauen, Pricing-Algorithmen greifen auf konsistente Produkt- und Kundendaten zu und Optimierungen in der Supply-Chain basieren auf einem integrierten durchgängigen Blick entlang der gesamten Wertschöpfungskette. Gleichzeitig lässt sich so eine nachhaltige und unternehmensweite Daten-Governance dauerhaft sicherstellen«, berichtet Klimbingat.

SAP Business Data Cloud mit zusätzlichen visuellen Funktionen

Zukünftig will SAP bei der eigenen Business Data Cloud außerdem Knowledge-Graph-Funktionen integrieren. »Dieser Graph soll Metadaten und semantische Beziehungen aus SAP- und externen Datenquellen erfassen, verknüpfen und strukturiert nutzbar machen. Ziel ist es, fachliche Zusammenhänge zwischen Datenobjekten transparent abzubilden und für Analysen sowie KI-Anwendungen bereitzustellen. Auf Produktebene können Attribute und Beziehungen visuell dargestellt werden – etwa Verbindungen zu komplementären oder ähnlichen Artikeln innerhalb einer Kategorie. So werden zum Beispiel rund um ein Produkt wie Grillfleisch nicht nur direkt zugeordnete Warengruppen wie Fleisch und Soßen angezeigt, sondern auch ergänzende Produkte wie Chips und Softgetränke – denn der Knowledge Graph ordnet Artikel in einen übergeordneten Nutzungskontext – etwa einen Grillabend – ein und macht diese Zusammenhänge datenbasiert sichtbar«, erläutert Klimbingat. Unternehmen können dadurch die Beziehungen zwischen Daten systematisch modellieren und auswerten, was die Transparenz in komplexen Datenlandschaften erhöht und Qualität und Nachvollziehbarkeit von KI-gestützten Analysen, Prognosen und Empfehlungen verbessert.

Weitere Informationen unter www.retailsolutions.ch

6548 Artikel zu „KI Anwendung Daten“

News | Business Process Management | Infrastruktur | Künstliche Intelligenz | Strategien | Tipps

Robustes Datenmanagement für KI-Anwendungen

12. Dezember 2025

Der Erfolg vom KI-Projekten steht und fällt mit den Daten, denn selbst die besten KI-Modelle können mit schlecht aufbereiteten Informationen keine guten Ergebnisse liefern. Doch die Verwaltung, Prüfung, Aufbereitung und Bereitstellung großer Informationsmengen im Unternehmen ist keine einfache Aufgabe und erfordert ein robustes Datenmanagement, das neben der Technik auch die Prozesse berücksichtigt. Dell Technologies liefert…