Das Analyse-Paradox

Dass die Herausforderung nicht im Sammeln von Daten liegt, sondern in der sinnvollen Analyse, dagegen kommt kein Gegenargument an. Es ist vernünftig. Aber es ist nur die halbe Wahrheit, weil nach dem Sammeln und Analysieren jemand etwas damit anfangen muss. Und genau dieser Schritt fehlt in der Regel.

In den Firmen, mit denen ich gearbeitet habe, lief es meistens gleich. Es gab genug Daten und genug Analysen, und jeden Montagmorgen saßen wir im Teammeeting vor einer Powerpoint mit Zahlen, die längst bekannt waren. Kunden wandern ab, die Zufriedenheit sinkt. Jeder im Raum sieht es und niemand zieht Konsequenzen daraus. 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 kenne ein Unternehmen, das drei verschiedene KI-Tools für Customer Analytics einsetzt. Die Ergebnisse liegen quartalsweise vor und sind sauber aufbereitet. In zwei Jahren wurde keine einzige strukturelle Änderung vorgenommen, die auf diesen Analysen basiert. Die Tools funktionieren, aber es passiert trotzdem nichts.

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 wurde ein anderer Zeitraum gewählt, ein anderes Modell und ein anderer Datensatz, 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.