Einblicke aus dem Video-Interview zwischen Vorstandssprecher André Vogt und Bereichsleiter Wilhem Hardering.
KI, hybride Plattformen und neue Datenquellen verändern die Anforderungen an Data & Analytics. Im Videointerview sprechen Vorstandssprecher André Vogt und Wilhelm Hardering, Bereichsleiter Data & Analytics bei ISR, darüber, warum moderne Analytics-Landschaften heute mehr leisten müssen als klassische Datenhaltung und Reporting.
Daten entstehen mittlerweile überall: in ERP-Systemen, Cloud-Plattformen, Dokumenten, E-Mails, Fachanwendungen, IoT-Systemen oder KI-gestützten Prozessen. Gleichzeitig steigen die Erwartungen der Fachbereiche. Informationen sollen in Echtzeit verfügbar sein, Systeme intelligent zusammenarbeiten und neue Technologien wie KI sollen nicht nur ausprobiert werden, sondern nachvollziehbaren Nutzen im Unternehmensalltag schaffen.
Doch genau an diesem Punkt zeigt sich die eigentliche Herausforderung moderner Analytics-Landschaften: Nicht die Datenmenge allein entscheidet über den Erfolg – sondern die Fähigkeit, Daten über Systeme, Plattformen, Fachbereiche und Betriebsprozesse hinweg intelligent zu orchestrieren.
Im Videointerview vom März 2026 beleuchten André Vogt und Wilhelm Hardering genau diese Entwicklung und ordnen ein, warum Data & Analytics heute strategischer, vernetzter und betriebsnäher gedacht werden muss.
Analytics war schon immer mehr als nur Reporting
Der Analytics-Markt war schon immer etwas anders als klassische IT-Welten. Während in ERP- oder CRM-Projekten häufig konkrete Geschäftsprozesse im Mittelpunkt standen, ging es im Analytics-Umfeld von Anfang an stärker um Daten, Technologien, Architekturen und die Frage, wie aus Informationen echter Nutzen entsteht.
Gleichzeitig war Analytics aber auch immer eng mit den Fachbereichen verbunden. Denn am Ende entscheidet nicht die Technologie über den Erfolg eines Projekts, sondern die Qualität der Antworten, die Unternehmen aus ihren Daten gewinnen können.
Genau dieser Gedanke prägt moderne Analytics-Projekte heute stärker denn je. Die Fragestellungen haben sich im Kern kaum verändert:
Welche Informationen benötigen Fachbereiche wirklich? Wie lassen sich Daten sinnvoll zusammenführen? Welche Erkenntnisse schaffen echten Mehrwert?
Verändert hat sich dagegen die technologische Realität.
Von Speicherrestriktionen zu hybriden Datenökosystemen
Früher waren Datenprojekte häufig von technischen Grenzen geprägt. Große Datenmengen zu speichern oder überhaupt performant auszuwerten, war oft eine Herausforderung. Speicherplatz, Rechenkapazitäten und Infrastruktur setzten klare Grenzen.
Heute sieht die Situation vollkommen anders aus. Cloud-Technologien, skalierbare Plattformen und moderne Datenarchitekturen haben viele dieser Restriktionen aufgelöst. Unternehmen können enorme Datenmengen verarbeiten und unterschiedlichste Systeme miteinander verbinden.
Doch mit diesen neuen Möglichkeiten wächst auch die Komplexität.
Die moderne Analytics-Welt besteht heute kaum noch aus einer einzelnen Plattform. Stattdessen entstehen hybride Landschaften aus SAP-Systemen, Microsoft-Technologien, Databricks, Snowflake, Data Lakehouses und spezialisierten Cloud-Services. Viele Unternehmen setzen parallel auf mehrere Plattformen, weil unterschiedliche Anforderungen unterschiedliche Technologien erfordern.
Die eigentliche Herausforderung besteht deshalb nicht mehr darin, Daten zentral zu sammeln, sondern darin, sie fachlich, technologisch und organisatorisch sinnvoll zu orchestrieren.
Warum moderne Datenarchitekturen völlig neu gedacht werden müssen
Der Trend geht heute klar weg von monolithischen Systemen hin zu flexiblen, vernetzten Architekturen. Unternehmen versuchen zunehmend, Daten dort zu nutzen, wo sie entstehen, anstatt sie permanent zwischen verschiedenen Plattformen zu kopieren.
Das Ziel moderner Analytics-Architekturen lautet deshalb:
möglichst wenige physische Datenschichten, möglichst viel Virtualisierung und möglichst intelligente Zugriffsschichten über unterschiedliche Systeme hinweg.
Gerade bei Cloud-Migrationen wird deutlich, wie wichtig dieser Ansatz geworden ist. Viele Unternehmen hinterfragen aktuell ihre gesamte Datenstrategie neu. Besonders große Organisationen mit Datenvolumen im Terabyte-Bereich müssen sehr genau überlegen, wie sie Datenhaltung, Performance und Governance sinnvoll organisieren.
Dabei geht es längst nicht mehr nur um Technologieentscheidungen. Unternehmen müssen heute ebenso berücksichtigen:
- vorhandene Skills im Unternehmen,
- Governance-Vorgaben,
- Lizenzmodelle,
- Integrationsfähigkeit,
- Skalierbarkeit
- und zukünftige KI-Anwendungen.
Analytics wird damit zunehmend zu einer strategischen Architekturdisziplin.
Multi-Plattform statt Einzellösung
Die Vorstellung, dass eine einzige Plattform alle Anforderungen eines Unternehmens abdecken kann, gehört inzwischen weitgehend der Vergangenheit an.
Viele Unternehmen kombinieren heute beispielsweise:
- SAP-basierte Analytics-Lösungen,
- Microsoft-Technologien wie Fabric oder Power BI,
- Databricks für KI- und Data-Science-Anwendungen,
- Cloud-Plattformen von AWS, Google oder Microsoft
- sowie spezialisierte Data-Lakehouse-Ansätze.
Der Markt entwickelt sich dadurch immer stärker in Richtung hybrider Multi-Plattform-Strategien.
Gerade große Technologieanbieter treiben diese Entwicklung massiv voran. Hyperscaler versuchen zunehmend, komplette Cloud-Ökosysteme aufzubauen und möglichst viele Unternehmensanwendungen in ihre jeweiligen Plattformen zu integrieren.
Für Unternehmen bedeutet das jedoch nicht zwangsläufig, sich vollständig an einen Anbieter zu binden. Vielmehr wächst die Bedeutung technologieübergreifender Strategien, bei denen nicht die Plattform selbst im Mittelpunkt steht, sondern die Frage:
Welche Kombination liefert für den Kunden den größten Mehrwert?
End-to-End wird zum entscheidenden Erfolgsfaktor
Mit der steigenden Komplexität moderner Datenlandschaften verändern sich auch die Anforderungen an Beratungs- und Implementierungspartner.
Früher stand häufig klassisches IT-Outsourcing im Fokus – oft stark kostengetrieben und primär auf Infrastruktur ausgerichtet. Heute erwarten Unternehmen deutlich mehr.
Gefragt sind Partner, die den gesamten Lebenszyklus moderner Analytics-Landschaften begleiten können:
von der Strategie über Architektur und Implementierung bis hin zum Betrieb und zur kontinuierlichen Weiterentwicklung.
Denn moderne Analytics-Projekte enden nicht mit dem Go-live.
Gerade im laufenden Betrieb zeigt sich, wie wichtig stabile Prozesse, Governance und fachliches Verständnis geworden sind. Unternehmen benötigen Partner, die nicht nur Infrastruktur betreiben, sondern auch fachliche Zusammenhänge verstehen:
Sind Kennzahlen korrekt? Stimmen Datenqualitäten? Funktionieren Prozessketten zuverlässig? Können Änderungen automatisiert umgesetzt werden?
Damit verschiebt sich der Fokus von reinem Systembetrieb hin zu intelligentem Applikationsbetrieb für geschäftskritische Analytics-Landschaften.
Warum Automatisierung Analytics-Projekte grundlegend verändert
Parallel dazu verändert sich auch die Art, wie Analytics-Lösungen entwickelt werden.
Früher wurden viele Modelle manuell aufgebaut und gepflegt. Große Projekte benötigten enorme personelle Ressourcen, um Datenmodelle, ETL-Strecken oder Reports zu entwickeln.
Heute ist dieser Ansatz kaum noch skalierbar.
Die Menge an Datenquellen, Plattformen und Anforderungen wächst so schnell, dass Unternehmen zunehmend auf Standardisierung und Automatisierung setzen müssen. Moderne Analytics-Landschaften werden deshalb immer stärker industrialisiert.
Automatisierte Modellierung, standardisierte Entwicklungsmethoden und wiederverwendbare Artefakte sorgen dafür, dass Projekte schneller umgesetzt und gleichzeitig stabiler betrieben werden können.
Das verändert nicht nur die Technologie, sondern auch die Geschwindigkeit, mit der Unternehmen Innovationen umsetzen können.
KI verändert die gesamte Analytics-Welt
Die vielleicht größte Veränderung entsteht aktuell jedoch durch Künstliche Intelligenz.
Dabei geht es längst nicht mehr nur um einzelne Pilotprojekte oder Chatbots. KI verändert die gesamte Art, wie Unternehmen mit Daten arbeiten, wenn Datenqualität, Governance, Kontext und Betrieb mitgedacht werden.
Besonders spannend ist dabei die zunehmende Verschmelzung von strukturierten und unstrukturierten Informationen.
Unternehmen beginnen heute, klassische ERP-Daten mit:
- Dokumenten,
- Verträgen,
- E-Mails,
- Zeichnungen,
- Wissensdatenbanken
- und semantischen Informationen zu kombinieren.
Dadurch entstehen völlig neue Anwendungsmöglichkeiten.
Beispielsweise können KI-Systeme historische Einkaufsdaten mit Vertragsinhalten und Kommunikationsverläufen kombinieren, um Verhandlungen vorzubereiten oder Entscheidungsprozesse zu unterstützen.
Die Analytics-Welt entwickelt sich damit zunehmend zu einer intelligenten Wissensplattform- und Entscheidungsplattform , die weit über klassisches Reporting hinausgeht.
Warum Datenqualität plötzlich geschäftskritisch wird
Mit dem Einsatz von KI steigt gleichzeitig die Bedeutung von Datenqualität und Governance massiv an.
Denn KI-Systeme funktionieren nur dann zuverlässig, wenn die zugrunde liegenden Daten konsistent, nachvollziehbar und vertrauenswürdig sind.
Unternehmen beschäftigen sich deshalb heute intensiver denn je mit:
- semantischen Datenmodellen,
- Governance-Strukturen,
- Trusted Scores,
- Datenprodukten,
- Qualitätsmechanismen
- und standardisierten Metadaten.
- Dadurch entstehen völlig neue Anwendungsmöglichkeiten.
Die Qualität der Daten wird damit zum entscheidenden Wettbewerbsfaktor.
Denn die Zukunft gehört nicht den Unternehmen mit den meisten Daten –
sondern denen, die ihre Daten intelligent, sicher, nachvollziehbar und konsistent nutzbar machen können.
Die Analytics-Welt entwickelt sich damit zunehmend zu einer intelligenten Wissensplattform- und Entscheidungsplattform , die weit über klassisches Reporting hinausgeht.
Stabilität und Innovation gleichzeitig
Die kommenden Jahre werden vor allem durch eine neue Dualität geprägt sein.
Unternehmen müssen einerseits stabile, performante und sichere Analytics-Landschaften betreiben. Gleichzeitig erwarten Fachbereiche immer schnellere Innovationen, neue KI-Funktionen und moderne datengetriebene Anwendungen.
Analytics-Projekte müssen deshalb heute beides leisten:
Stabilität UND Innovation.
Genau darin liegt die neue Realität moderner Data-&-Analytics-Strategien.
Die Unternehmen, die diese Balance beherrschen, werden künftig in der Lage sein, Daten nicht nur zu sammeln, sondern daraus steuerbare, belastbare und nutzbare Entscheidungsgrundlagen und somit echte Wettbewerbsvorteile zu schaffen.
Jetzt das vollständige Interview ansehen
Lassen Sie sich in knapp 30 Minuten inspirieren, wie aus Dokumenten echte Entscheidungen in Sekunden werden.
WIR BERATEN SIE GERNE
Wilhelm Hardering
Senior Executive Manager
