Zusammenfassung
Wer die eigenen Daten versteht, trifft Entscheidungen selbst – wer sie ignoriert, überlässt sie anderen. Der erste Schritt ist keine Technik, sondern ein ehrlicher Blick auf das Tagesgeschäft. Der zweite Schritt ist die Technik: KI und Agenten legen ein Framework über die vorhandenen Ablagen und machen aus verstreuten Daten eine Grundlage zum Handeln. Aber sie können nur ordnen, was jemand kennt. Unsortierte Daten schweigen, egal wie viel man sie fragt.
Warum sollte man lernen, mit Daten zu sprechen?
Weil Excel-Listen, E-Mails, Telefongespräche, Handakten und Notizzettel zusammen ein Gesamtbild ergeben könnten. Wer weiß, wo im eigenen Betrieb was liegt, kann generative KI und Agenten ein ordnendes Framework darüberlegen – und aus den Daten Aktionen machen. Wer die eigenen Daten versteht, trifft Entscheidungen selbst – wer sie ignoriert, überlässt sie anderen.
Wie sieht das im Betriebsalltag aus?
Ein Handwerksbetrieb führt Reklamationen im E-Mail-Postfach, Ersatzteile in einer Excel-Liste und Kundengespräche im Notizblock. Drei Orte, drei Sprachen, kein Zusammenhang. Fragt man diese Daten etwas – Welcher Kunde reklamiert am häufigsten? Welches Bauteil macht die meisten Probleme? –, bekommt man keine Antwort. Nicht, weil die Information fehlt. Sondern weil sie nicht miteinander spricht.
Was muss man selbst dafür tun?
Weniger, als man denkt. Man muss die Ablagen nicht umbauen. Man muss sie kennen. Also einen ehrlichen Überblick gewinnen: Wo entsteht welche Information, wer trägt sie ein, in welcher Form liegt sie vor? Diese Prozesse sind über Jahre gewachsen – man sieht sie selbst kaum noch. Wer sie beschreiben kann, hat die Datenstruktur seines Betriebs in der Hand.
Warum ist das so schwer?
Weil es bedeutet, eingeschliffene Abläufe infrage zu stellen, die man selbst gar nicht mehr als Umweg wahrnimmt. Die Excel-Liste, die seit zehn Jahren so aussieht. Der Notizblock, den nur eine Person lesen kann. Dafür braucht es ein Zeitfenster außerhalb des Tagesgeschäfts – Raum, um zu klären, wo Daten tatsächlich liegen.
Und dann?
Dann kommt der zweite Schritt, und der ist neu. Generative KI liest Formate, die früher nicht zueinander passten: Fließtext aus einer Mail, Zahlen aus einer Tabelle, Stichworte aus einer Notiz. Agenten holen sich diese Daten dort ab, wo sie liegen, und legen ein ordnendes Framework darüber. Die Ablagen bleiben, wo sie sind. Die Verbindung entsteht darüber.
Erst dann sprechen Reklamation, Ersatzteil und Kundengespräch dieselbe Sprache – und können antworten.
Welche Vorteile hat das?
Wie bei jeder Inventur wundert man sich selbst, was da alles zusammenkommt – und was ungenutzt in der Ecke steht.
Der eigentliche Nutzen beginnt danach. Aus Mustern werden Aktionen: ein Mailing an eine Zielgruppe, die man vorher nicht als Gruppe gesehen hat. Eine Lücke im Angebot, die erst sichtbar wird, wenn Reklamationen und Ersatzteile nebeneinanderliegen – und die man schließen kann. Ein Service, der den Kunden kennt, bevor er anruft.
Erst wenn die eigenen Daten so sprechen können, weiß ein Unternehmen, was es wirklich weiß.
Womit fängt man an?
Mit einem Notizzettel. Eine Woche lang aufschreiben, wo man gerade nach einer Information gesucht hat: im Postfach, in der Liste, im Kopf eines Kollegen. Am Freitag hat man die Landkarte der eigenen Ablagen. Alles Weitere setzt darauf auf.