Das Analyse-Paradox

Dass die Herausforderung nicht im Sammeln von Daten liegt, sondern in der sauberen Analyse, steht außer Frage. Und auch das ist nur die halbe Wahrheit, weil nach dem Sammeln und Analysieren jemand etwas damit anfangen soll. Und genau dieser Schritt fehlt in der Regel.

In den Firmen, mit denen ich gearbeitet habe, lief es meistens gleich. Daten und Analysen waren vollständig da und jeden Montagmorgen saßen wir im Teammeeting und gingen die Zahlen wieder und wieder durch, obwohl sie jedem klar waren. Kunden wandern ab, weil die Zufriedenheit sinkt und auch wenn das Diskussionen auslöste, wurden nur selten echte Konsequenzen gezogen. Das hat nichts mit der Qualität der Analyse zu tun, sondern mit der Kultur im Unternehmen.

Es wird gerne so dargestellt, als wäre die Datenanalyse der Engpass. Wenn wir nur bessere Werkzeuge hätten, könnten wir die Daten endlich nutzen. KI soll dabei helfen, Dinge sichtbar zu machen, die vorher verborgen waren. Das klingt gut, aber es setzt voraus, dass im Unternehmen auch gehandelt wird, sobald etwas sichtbar wird. Und meistens wird nicht gehandelt, obwohl längst alles auf dem Tisch liegt.

Der Grund dafür ist, dass Handeln Konsequenzen hat. Wer die Analyse ernst nimmt, muss Prozesse und Strukturen ändern, manchmal auch Leute austauschen. Das ist unbequem und erzeugt Widerstand, also wird stattdessen die nächste Analyse beauftragt. Die Analyse wird zum Ersatz für die Entscheidung.

Ich habe ein Unternehmen kennengelernt, das drei unterschiedliche KI-Tools für Kundenanalysen einsetzte. Die Ergebnisse daraus wurden jedes Quartal ordentlich aufbereitet vorgelegt. Mit Verwunderung stellte ich fest, dass daraus so gut wie keine einzige strukturelle Änderung abgeleitet wurde, die auf diesen Analysen basiert. Die Tools machen ihre Arbeit, ohne dass aus ihren Ergebnissen echte Veränderungen folgten. In dem Fall zu keiner einzigen.

Was in dieser Diskussion fast nie vorkommt, ist die politische Dimension von Daten. In Unternehmen sind Daten auch Machtinstrumente. Wer die passenden Zahlen hat, bekommt Budget, wer die falschen vorlegt, verliert Einfluss. Analysen werden nicht immer gemacht, um etwas herauszufinden, sondern um eine bestehende Position zu untermauern. KI ändert daran nichts, sie macht die Werkzeuge nur präziser.

Ich habe erlebt, wie eine Abteilung eine KI-basierte Analyse in Auftrag gab und das Ergebnis ignorierte, weil es nicht ins Bild passte. Es wurden Zeitraum, Modell und Datensatz so lange angepasst, bis die Zahlen das bestätigten, was vorher schon feststand. Das Tool hat einwandfrei funktioniert, es wurde nur rückwärts benutzt.

Die ehrliche Frage wäre nicht, wie wir besser analysieren, sondern warum wir nicht tun, was wir bereits wissen. Diese Frage wird selten beantwortet, weil die Antwort kein Projekt wäre, sondern Führung und die Bereitschaft, unpopuläre Entscheidungen zu treffen. Solange Analyse ein Ersatz für Entscheidung bleibt, ändern bessere Werkzeuge nichts daran.