Die wichtigsten Erkenntnisse vom Gartner Data & Analytics Summit 2025
Daten und KI sind zum zentralen Nervensystem moderner Unternehmen geworden, das ständig wahrnimmt, verarbeitet und Entscheidungen lenkt. Doch wenn dieses System falsch verdrahtet ist, werden Entscheidungen fehlgeleitet. Auf dem Gartner Data & Analytics Summit 2025 war eine Botschaft klar: Das System braucht mehr als Geschwindigkeit und Intelligenz. Es braucht Vertrauen, Transparenz und den Einklang mit menschlichen Werten.
„The future of AI is human-first.“
Von den Vertrauenslücken bei KI über das Versprechen kleiner Sprachmodelle bis zur unterschätzten Kraft der Erklärbarkeit war der diesjährige Summit ein Weckruf: aufhören, dem Neuen nachzujagen, und anfangen, dauerhafte, verantwortungsvolle Grundlagen für Daten zu bauen.
Sehen wir uns die dringendsten Signale der diesjährigen Veranstaltung an und wie Unternehmen darauf reagieren können.
1. Ohne Metadaten gibt es keine KI.
Metadaten sind die Grundlage für alles andere, KI eingeschlossen.
Auch wenn sich viele Unternehmen vom endlosen Rummel um KI überfordert oder sogar ermüdet fühlen mögen, ist die Wirklichkeit klar: KI ist weiterhin das beherrschende Thema, und alle wetteifern darum, ihre Daten „KI-ready“ zu machen.
Doch in dieser Eile wird eine entscheidende Wahrheit übersehen: Ohne starke Grundlagen für Daten wird keine KI-Strategie erfolgreich sein. Die jüngste Forschung von Gartner hebt genau diesen Widerspruch hervor. Unternehmen setzen die Bereitschaft für KI ganz oben auf ihre Investitionsagenda, doch grundlegende Fähigkeiten wie Werkzeuge für aktive Metadaten, eine Architektur nach dem Prinzip der Data Fabric und der Betrieb von Daten nach den Grundsätzen des Data Mesh sind noch immer deutlich unterfinanziert.
Wenn Sie diese vier Elemente ignorieren, droht Ihre KI-Strategie zum Kartenhaus zu werden:
Werkzeuge und Verfahren für aktive Metadaten
Ohne Einblick, welche Daten existieren, wie sie verbunden sind und wem sie gehören, wird KI zur Blackbox.
Umstieg auf eine Architektur mit Data Fabric
Ein moderner Stack für KI erfordert nahtlose Integration und Zugriff in Echtzeit über Plattformen hinweg.
Die Grundsätze des Data Mesh anwenden
Teams müssen Daten als Produkt betreiben, mit klarer Zuständigkeit und dezentraler Verantwortung.
Die Infrastruktur mit einer Lakehouse-Architektur modernisieren
Effiziente, KI-ready Pipelines hängen von flexiblen, skalierbaren und für die Analyse optimierten Speicherschichten ab.
In KI zu investieren, ohne in Metadaten zu investieren, ist, als wollte man eine intelligente Stadt auf Sand bauen. Sie können experimentieren, aber Sie können nicht skalieren und dem, was Sie bauen, nicht vertrauen.
2. Vertrauen ist noch immer das fehlende Glied
Laut der Umfrage von Gartner zu KI in Unternehmen aus dem Jahr 2023 schafft es nur die Hälfte der KI-Prototypen in die Produktion. Warum? Die größten Hürden sind nicht technisch, sondern kulturell und ethisch. Die größte Sorge, genannt von 8 % der Verantwortlichen für KI, war das Vertrauen in KI-Modelle, dicht gefolgt von Befürchtungen zu Ethik, Fairness und Verzerrungen.
Gartner betonte, dass Vertrauen keine Funktion ist, sondern ein Ergebnis. Ein Ergebnis von Erklärbarkeit, Transparenz und Verantwortlichkeit, die in jede Schicht der Pipeline für Daten und KI eingebaut sind.
3. Erklärbarkeit ist das Herzstück von Responsible AI
Erklärbarkeit ist der Unterschied zwischen blinder Automatisierung und informiertem Handeln. Der Summit stellte einen Rahmen aus fünf Punkten vor, um die Erklärbarkeit zu verbessern, darunter die Ausrichtung am geschäftlichen Bedarf, die Abwägung zwischen Genauigkeit und Interpretierbarkeit und die Sicherung der Glaubwürdigkeit bei generativer KI.
Statt sich auf eine einzige Methode zu verlassen, empfahl Gartner einen „zusammensetzbaren“ Ansatz für die Erklärbarkeit, zugeschnitten auf die Art des Modells, den Kontext der Daten und die Zielgruppe, von technischen Nutzern bis zu Aufsichtsbehörden.
💡 Erkenntnis: Erklärbarkeit muss nicht perfekt sein; sie muss nützlich, geprüft und über die Zeit gepflegt sein.
4. KI-Kompetenz ist eine finanzielle Superkraft
Eine herausragende Prognose: Bis 2027 werden Unternehmen, die die KI-Kompetenz ihrer Führungskräfte in den Vordergrund stellen, eine um 20 % bessere finanzielle Leistung erzielen. In Unternehmen mit geringerer Reife fand Gartner eine erstaunliche Leistungslücke von 43 % zwischen Teams mit und ohne Datenkompetenz.
KI-Kompetenz heißt nicht, aus jeder Führungskraft einen Data Scientist zu machen. Es heißt, sie zu befähigen, die richtigen Fragen zu stellen, Ergebnisse zu hinterfragen und die Leitplanken zu verstehen. Mit anderen Worten: Es geht um Souveränität im Umgang mit Daten und KI.
5. Kleine Sprachmodelle sind die leise Revolution
Inmitten des Lärms um riesige generative Modelle gewinnt ein leiserer Trend an Fahrt: kleine Sprachmodelle (SLMs), die schlanker, günstiger und für fachspezifische Aufgaben oft effizienter sind. SLMs sind leichter zu steuern, schneller feinzujustieren und besser erklärbar, und damit ideal für Unternehmen, die Kontrolle und Klarheit schätzen.
6. Datenkataloge: Pflicht, nicht Kür
Während KI im Rampenlicht stand, blieben Datenkataloge ein entscheidender Wegbereiter, besonders im Zusammenhang mit Erklärbarkeit und Compliance. Gartner erinnerte die Führungskräfte daran, dass erfolgreiche Kataloge über technische Metadaten hinausgehen müssen. Sie müssen die Lücke zwischen Geschäft und IT schließen, klare Modelle für die Zuständigkeit bieten und eine föderierte Governance unterstützen.
Die Empfehlung? Stürzen Sie sich nicht auf Werkzeuge. Legen Sie zuerst Ihre Anwendungsfälle, Rollen und Erfolgskennzahlen fest. Nur dann wird der Katalog zu einer echten Grundlage (und nicht zu einem weiteren Silo).
Wo Dawiso in diese neue Landschaft aus Daten und KI passt
Bei Dawiso schauen wir dieser Entwicklung sicher nicht nur zu. Wir sind Teil davon. Wir helfen, sie zu gestalten.
Unsere Plattform ist gezielt dafür gebaut, die Herausforderungen anzugehen, die Gartner hervorgehoben hat:
- Vertrauen und Erklärbarkeit: Dawiso bildet Data Lineage und Zuständigkeit automatisch ab, sodass leicht zu verstehen ist, woher Daten stammen und wie sie genutzt werden. KI-erzeugte Zusammenfassungen und Werkzeuge zur Dokumentation erhöhen die Transparenz, ohne manuelle Arbeit hinzuzufügen.
- AI Governance beginnt mit Metadaten: Während Unternehmen Modelle für maschinelles Lernen einsetzen, ermöglicht Dawiso eine Schicht der KI-Governance, indem es verfolgt, wo Modelle genutzt werden, welche Daten sie verbrauchen und wie sie bewertet werden. Dazu gehört, den Zweck des Modells, die Verantwortlichen, die Ein- und Ausgabedaten und die Kriterien der Validierung zu dokumentieren und dann Bemühungen um die Erklärbarkeit des Modells durch nachvollziehbare Lineage und fachlichen Kontext zu unterstützen. Und schließlich Transparenz für die regulatorische Compliance und die ethische Aufsicht zu schaffen.
- KI-Kompetenz: Unsere klaren, fachlich zugänglichen Oberflächen sind für Nutzer ohne technischen Hintergrund gestaltet und helfen Teams, Daten zu verstehen und gemeinsam daran zu arbeiten, ganz ohne technisches Wissen.
- Für das ganze Unternehmen gestaltet, nicht nur für Datenteams: Von Verantwortlichen in Finanzen und Compliance bis zu Engineers und Data Scientists sind die Oberflächen von Dawiso für viele Rollen gebaut. Ob Sie die Herkunft einer Kennzahl in einem Dashboard verfolgen, die Bereitschaft eines Modells für die Compliance prüfen oder die Logik hinter einem KI-System für Empfehlungen dokumentieren: Dawiso holt Sie dort ab, wo Sie arbeiten.
- Unterstützung für verantwortungsvolle Innovation: Mit fein abgestufter Zugriffskontrolle, Nachvollziehbarkeit und erklärbarer Automatisierung sorgt Dawiso dafür, dass Innovation nie auf Kosten von Compliance oder Klarheit geht.
In einer Welt, in der KI immer schneller wird, hilft Ihnen Dawiso, dort langsamer zu werden, wo es darauf ankommt: um zu dokumentieren, zu erklären und mit Zuversicht zu steuern.
