PODCAST
Die Anti-Trends 2026 - Wie Du AI und Data Driven wirst

TRANSKRIPT

Die Antitrends 2026: Wie du AI und Data Driven wirst

Andreas:
Hallo zusammen zu unserem Podcast AI or Die. Am Ende des Jahres geht es überall wieder um die Frage: Was sind die Trends für 2026?

Neulich hatte ich ein Gespräch mit Christian Bühler. Und Christian sagte zu mir sinngemäß: Wir reden ständig über Trends, über 2026, über AI, Agenten und all diese Themen. Aber eigentlich müssten wir uns doch fragen: Was sind die Antitrends? Was muss man überhaupt beherrschen, damit man diese Trends sinnvoll nutzen kann?

Da habe ich gesagt: Christian, komm in den Podcast, darüber müssen wir sprechen. Und jetzt ist er da: Christian Bühler von Five1. Moin Christian.

Christian:
Moin Andreas. Ich freue mich, heute hier zu sein. Für mich ist es das erste Mal bei dir im Studio, und ich freue mich sehr auf unsere erste gemeinsame Podcast-Folge.

Andreas:
Mir wurde gesagt, ich soll am Anfang und am Ende noch einmal die wichtigen Dinge erwähnen. Also mache ich das direkt: Wenn ihr wissen wollt, ob ihr bei euren Antitrends schon gut aufgestellt seid, oder wenn ihr wissen wollt, wie weit ihr beim Thema AI wirklich seid, dann schaut in den Link unter dieser Folge. Dort findet ihr den AI-Check und ein Whitepaper. Das hilft euch, besser einzuschätzen, wo ihr steht.

Christian, bevor wir direkt einsteigen: Was ist für dich ein klassischer Antitrend? Alle reden über AI, Agenten und neue Technologien. Aber was müssen Unternehmen aus deiner Sicht zuerst auf die Kette bekommen?

 

Was ein echter Anti-Trend ist

Christian:
Ganz grundsätzlich ist ein Antitrend für mich, nicht einfach dem hinterherzulaufen, was gerade überall propagiert wird. Davon gibt es jedes Jahr genug.

Wir kennen uns ja beide schon lange aus Projekten, in denen wir stark im Reporting-Umfeld unterwegs waren. Auch dort wurde jedes Jahr eine neue Sau durchs Dorf getrieben. Ich weiß gar nicht, wie viele Marketingfolien von SAP ich in meinem Leben schon gelesen habe. Wenn ich mich immer daran orientiert hätte, was dort als neue Marschrichtung ausgegeben wurde, hätten wir wahrscheinlich viele Kunden verloren.

Denn die Richtung ändert sich jedes Jahr wieder. Was aber oft fehlt, ist die richtige Grundlage.

Andreas:
Das ist spannend. Ich erinnere mich noch an Big Data. Damals hieß es: Jetzt machen alle Big Data. Auch ich habe damals unzählige Podcast-Folgen dazu gemacht: Was ist Big Data? Für wen ist es relevant? Wem nützt es?

Ich will nicht sagen, dass es heute keinen Nutzen hat. Aber wir reden mit sechs oder sieben Jahren Verzögerung darüber, was davon wirklich angekommen ist. Vielleicht sollten wir uns als Antitrend eher darum kümmern, Massendaten ordentlich zu verwalten, statt morgen direkt darüber zu sprechen, wie jeder einzelne Mitarbeiter mit KI am Arbeitsplatz arbeitet.

 

Big Data, Data Science und die ewigen Hypes

Christian:
Absolut. Big Data ist ein gutes Stichwort. Wir haben vor sieben Jahren bei Five1 unser Big-Data-Team gegründet. Seit fünf Jahren heißt es aber anders, weil Big Data als Begriff irgendwann nicht mehr wirklich greifbar war.

Die Frage war ja: Was ist eigentlich Big Data? Haben wir plötzlich viel mehr Daten? Nein. Wir arbeiten mit den vielen Daten, die ohnehin vorhanden sind, und überlegen uns, wie wir das sinnvoll tun können.

Bei uns wurde daraus ein Cloud Data Architecture Team und ein Data Science Team. Wir haben gelernt, Cloud-Architekturen aufzubauen, Massendaten und unstrukturierte Daten zusammenzubringen und sie mit den Finanzdaten zu verbinden, mit denen wir bei unseren Kunden schon lange arbeiten. Alles, was stärker in Richtung Analyse und Modellierung ging, lief dann unter Data Science.

Andreas:
Stimmt. Und auch darüber reden wir heute gar nicht mehr so laut. Ich erinnere mich noch an die Zeit, als es hieß: Data Scientist ist der wichtigste Job des 21. Jahrhunderts.

Wir wollen gar nicht sagen, dass Trends keine Berechtigung haben. Aber man muss sich fragen: Was braucht ein Unternehmen im Jahr 2026 wirklich? Vielleicht ist es gerade nicht das nächste Meeting zu AI-Agenten oder explorativer Datenanalyse mit AI. Vielleicht gibt es zwei oder drei andere Themen, die Unternehmen erst einmal bereit machen müssen, bevor sie solche Themen sinnvoll angehen können.

Man darf also nicht nur über Trends reden. Man muss darüber reden, was konkret zu tun ist. Was sind aus deiner Sicht die wichtigsten Dinge?

 

Warum KI 2025 oft gescheitert ist

Christian:
Wenn man auf den Markt schaut, hört man von vielen Anbietern, dass KI im nächsten Jahr noch tiefer und breiter in die Unternehmen einziehen wird.

Snowflake sagt zum Beispiel sehr klar, dass agentische AI-Systeme überall Einzug halten werden. SAP spricht davon, dass KI integraler Bestandteil jeder Anwendung wird.

Wenn ich aber mit Kunden spreche, höre ich oft etwas anderes. Im Jahr 2025 sind viele Unternehmen am Thema KI gescheitert, weil zahlreiche Initiativen ins Leere gelaufen sind.

Ich glaube, du wirst mir zustimmen: Es gab kaum etwas am Markt, das so oft zum Selbstzweck gemacht wurde wie KI. Nach dem Motto: Wir müssen KI machen. Niemand weiß genau warum, aber wir müssen es tun, weil der Vorstand es gesagt hat.

Andreas:
Das erinnert mich an die Zeit vor zehn Jahren, als es hieß: Wir brauchen jetzt ein Dashboard. Dann habe ich gefragt: Warum? Die Antwort war oft: Na ja, wir brauchen halt ein Dashboard.

Mit Digitalisierung war es ähnlich. Und bei KI erleben wir gerade etwas Vergleichbares. Natürlich gibt es erfolgreiche KI-Anwendungen. Und natürlich sollte man sich strategisch überlegen, wie sich diese Technologie in den nächsten Jahren entwickelt.

Aber der konkrete Wettbewerbsvorteil entsteht wahrscheinlich nicht durch das nächste gescheiterte KI-Projekt.

 

Fundament statt Aktionismus

Christian:
Das sehe ich genauso. Was jetzt wirklich zählt, ist die Grundlage. Unternehmen brauchen ein Fundament.

„Shit in, shit out“ gilt schon immer. Das war bei Dashboards so: Wenn du keine saubere Datenbasis hast, baust du auch kein vernünftiges Reporting darauf. Bei KI ist das nicht anders. Im Gegenteil: Es ist sogar kritischer. Wenn Systeme halluzinieren oder mit falschen Daten arbeiten, kann der Schaden noch viel größer werden.

Deshalb sind für uns die zentralen Themen für das kommende Jahr: Governance für Daten und AI, die passende Plattform, Datenqualität und Datenaufbereitung.

Die Reporting-Plattform von früher ist nicht automatisch der richtige Ansatz für die Zukunft. Unternehmen müssen ihre technologische Basis überprüfen und sauber aufstellen.

 

Data Governance richtig gedacht

Andreas:
Das heißt, Data Governance und AI Governance gehören zusammen. Aber bevor ich AI Governance sinnvoll denken kann, muss ich erst einmal meine Hausaufgaben im Bereich Data Governance machen. Was macht ihr da konkret mit euren Kunden? Was sind aus deiner Sicht die wichtigsten Bausteine?

Christian:
Beim Thema Data Governance braucht es vor allem klar definierte Verantwortlichkeiten.

In der Vergangenheit gab es oft einen monolithischen Ansatz: Governance kommt aus der IT, es gibt einen Single Point of Truth für das ganze Unternehmen, und dieses eine System ist maßgeblich.

Das funktioniert heute nicht mehr. Moderne Architekturen sind anders aufgebaut. Data Governance muss dem folgen.

Sie muss eine gute Grundlage für die Datenstrategie eines Unternehmens schaffen. Gleichzeitig darf Governance kein reines IT-Thema mehr sein. Sie muss gemeinsam mit dem Business erarbeitet werden.

Governance muss föderal gedacht werden. Verantwortlichkeiten müssen dort liegen, wo auch die fachliche Verantwortung für die Daten liegt.

Andreas:
Das hängt stark mit Datenqualität zusammen. Wer ist der Owner der Daten? Wer sorgt für Qualität?

Das Problem ist: Wir sprechen darüber seit Jahren. Berater betonen immer wieder, wie wichtig das ist. Warum sind viele Unternehmen trotzdem noch nicht dort, wo sie sein müssten? Wo liegen die Stolpersteine?

 

Warum Unternehmen seit Jahren feststecken

Christian:
Ich glaube, es ist häufig ein Kommunikations- und Verantwortungsproblem.

Um so zu arbeiten, braucht es die Bereitschaft, Verantwortung zu übernehmen und bereichsübergreifend zu arbeiten. In vielen Unternehmen wird aber weiterhin stark in Silos gedacht.

Die klassische IT-Abteilung hat ihre Sicht. Der Fachbereich hat seine Sicht. Und zwischen Fachbereich und IT entstehen oft Grabenkämpfe.

Dabei muss das Business wissen, was es mit den Daten erreichen möchte. Das Business entscheidet, wo Wettbewerbsvorteile entstehen können. Diese Verzahnung ist in vielen Unternehmen noch nicht eng genug.

Andreas:
Ich habe euch immer als sehr nah am Kunden wahrgenommen. Lösungsorientiert, umsetzungsstark, mit einer klaren Hands-on-Mentalität.

Ihr seid nicht die, die erst ein halbes Jahr Ist-Analyse machen, bevor irgendetwas passiert. Was sind denn diese Macher-Eigenschaften, mit denen ihr ins Jahr 2026 geht? Was bringt ihr gerade konkret bei Kunden auf die Straße?

 

Umsetzung statt PowerPoint-Karaoke

Christian:
Das Wichtigste ist: Wir bringen Menschen an einen Tisch und beschließen gemeinsame Schritte.

Wir halten nichts von PowerPoint-Karaoke. Also nicht 100 austauschbare Folien, die beim nächsten Kunden wieder hervorgeholt werden.

Ein Satz, den ich sehr mag: Best Practices sind Berichte aus der Vergangenheit.

Man muss sich die Situation gemeinsam mit dem Kunden anschauen. Man braucht den Fachbereich am Tisch, die Entscheider am Tisch und muss dann ins Tun kommen.

Unser Anspruch ist: So viel Konzept wie nötig und so schnell wie möglich in die Umsetzung. Wir wollen gemeinsam mit dem Kunden schnell Leuchttürme realisieren und zeigen, wo echter Mehrwert entsteht.

Wir gehen auch nicht mehr so stark in Umsetzungsprojekte, bei denen wir den Business Case nicht verstehen oder nicht mitkonzipiert haben. Denn genau daran scheitern viele Projekte: Es wurde nicht klar verstanden, welchen Mehrwert das Ganze fürs Business bringen soll.

 

Warum „Best Practices“ gefährlich sein können

Andreas:
Das finde ich spannend. Mit deiner Aussage zu Best Practices stellst du dich bewusst gegen eine weitverbreitete Denkweise.

Viele lieben Best Practices, weil sie denken: Wenn andere es so gemacht haben, muss es auch für uns richtig sein.

Dabei bringen wir Kindern in der Schule bei: Mach nicht einfach, was alle anderen machen. Finde deinen eigenen Weg. In Unternehmen ist es oft umgekehrt. Dort schaut man stark auf Best Practices, manchmal sogar aus ganz anderen Branchen.

Natürlich ist Erfahrung wichtig. Aber vielleicht geht es weniger darum, eine Best Practice zu kopieren, sondern gemeinsam einen Prozess zu entwickeln, der wirklich zum Unternehmen passt.

Ich gehe ja auch nicht zum Tischler und sage: Ich möchte ein IKEA-Regal. Dann wäre ich zu IKEA gegangen.

Christian:
Genau das ist der Punkt. Du willst nicht reproduzieren, was andere schon haben. Du willst im Wettbewerb vor den anderen sein, nicht nur mitschwimmen.

Natürlich kann man aus der Vergangenheit lernen. Man braucht Fachverständnis für das, was die Menschen im Unternehmen tun. Und darauf legt man dann das technologische Verständnis.

Genau darum geht es: Für den Kunden den Punkt zu finden, an dem Technologie und tatsächliche Anwendung zusammenpassen.

Wir erleben das auch in Ausschreibungen. Seit wir seit 2021 Teil der BTC-Gruppe sind, sind wir häufiger mit Ausschreibungen konfrontiert. Dort wird oft nach Best Practices gefragt.

Nehmen wir das SAP-Umfeld und BDC-Migrationen. Da wird nach Best Practices gefragt, obwohl das Tool teilweise noch gar nicht richtig im Markt angekommen ist. Was soll dann die Best Practice sein?

Der Ansatz kann nicht sein, etwas blind zu kopieren. Der Ansatz muss sein: aus Erfahrung lernen, das fachliche Problem verstehen und dann die passende technologische Lösung entwickeln.

 

Relevante Tools für 2026: SAP, Databricks, Snowflake

Andreas:
Ich weiß, wir wollten nicht zu stark über Trends sprechen. Aber welche Tools sind für dich aktuell relevant? Womit kann man gerade gut arbeiten?

Du bekommst vermutlich nicht den ganzen Tag Anfragen dazu, wie ChatGPT eingesetzt wird oder ob Unternehmen Nvidia-Chips kaufen sollen. Es geht eher um Plattformen und Architekturen. Was ist für euch aktuell wichtig?

Christian:
SAP ist bei uns nach wie vor sehr präsent. So sind wir 2008 gestartet, und wir wachsen mit den neuen Technologien der SAP mit.

Im Hyperscaler-Bereich sind vor allem AWS und Azure wichtige Themen.

Sehr stark ist aktuell das Thema Databricks. Besonders spannend sind Kunden, die aus der SAP-Welt kommen, vielleicht schon eine Azure-Infrastruktur haben, Databricks aufgebaut haben und nun SAP BDC anschließen wollen.

Auch Snowflake ist ein wichtiges Thema. Das sind Plattformen, mit denen wir stark im Bereich Cloud-Architektur und als Grundlage für AI-Anwendungen unterwegs sind.

 

Was bedeutet AI-Readiness wirklich?

Andreas:
Auf der einen Seite wollt ihr businessgetrieben arbeiten und fragen: Was braucht ihr wirklich? Auf der anderen Seite geht es darum, AI-Readiness aufzubauen.

Aber wie baue ich AI-Readiness auf, wenn ich vielleicht noch gar nicht weiß, was ich später mit AI machen möchte? Woran messe ich, ob ich ready bin?

Christian:
AI-Readiness lässt sich nicht einfach über Tools erklären. Ein Tool hat noch nie ein Problem gelöst. Ein Tool hilft nur dann, wenn man weiß, wie man es anwenden muss.

Readiness kommt zuerst aus dem Business Case. Ich muss verstehen, wo ich Mehrwert schaffen kann. Dann muss ich diesen Mehrwert herunterbrechen und prüfen, wie ich ihn in einem Tool oder in mehreren Tools abbilden kann.

Wir gehen deshalb mit Kunden so vor: Beschreibt uns euren Business Case. Dann entwickeln wir gemeinsam Ideen, wo ein Hebel liegen kann. Danach schauen wir, was bereits vorhanden ist und wie man darauf aufbauen kann.

Andreas:
Das finde ich spannend: erst schauen, was schon da ist, bevor man alles neu macht.

Ich habe kürzlich einen Post dazu gemacht: Wir leben im AI-Zeitalter, aber unser Onlinekurs über Dashboarding wird stark gekauft. Damit hatte ich in dieser Intensität nicht gerechnet.

Dashboarding war vor zehn Jahren ein Hype-Thema. Trotzdem stehen viele Unternehmen heute da und sagen: Wir brauchen erst einmal sauberes Standardreporting nach festen Regeln. Wir brauchen Enablement, ein bisschen Self-Service und eine stabile Basis.

Die Nachfrage lautet oft nicht: Wann kommt euer AI-Analytics-Kurs? Viele sind weiterhin bei Reporting-Themen. Auch bei unserem Buch, das die letzten Jahre zusammengefasst hat, wurde kaum kritisiert, dass zu wenig AI enthalten ist.

Ich habe eher selbst gemerkt: Die Leute kritisieren das gar nicht. Sie brauchen diese Grundlagen weiterhin. Und obwohl ich BI or Die zu AI or Die weiterentwickelt habe, sprechen wir beide jetzt wieder über Data Governance, Silos, Fachabteilungen, Business Cases und Datenqualität. Darüber sprechen wir seit Jahren.,

 

Warum Reporting und Dashboarding noch lange nicht tot sind

Christian:
Diese Probleme lösen sich nicht auf, nur weil es eine neue Technologie oder einen neuen Agenten gibt.

Ehrlich gesagt war ich auch überrascht von deinem Post. Ich hätte erwartet, dass viel mehr Menschen auf das Thema einsteigen: Wie nutze ich Chatbots statt klassischer Dashboards?

Das war bei uns in diesem Jahr durchaus ein Thema. Es ist auch ein Use Case, mit dem man relativ schlank anfangen kann, wenn eine halbwegs saubere Datenbasis vorhanden ist. Dann kann so ein Ansatz echten Mehrwert bringen.

Andreas:
Wir haben traditionell viele Konzerne beraten, und wir haben viele Überschneidungskunden. Spannend finde ich gerade, dass der Mittelstand sich nun selbst stärker in Richtung Data und AI enabled.

Viele Mittelständler sind nicht ständig auf Konferenzen und nicht immer bei jedem neuen Trend dabei. Aber sie hören Podcasts wie diesen als Wissensquelle und sagen dann: Five1, könnt ihr das mit uns machen? Ihr seid hands-on und praxisnah.

Ich glaube, wir bewegen uns teilweise in einer riesigen Bubble. Dort erzählen wir uns gegenseitig die neuesten Trends. Das hat seine Berechtigung. Aber während in großen Konzernen CDOs, Data-Culture-Verantwortliche oder zentrale Data-Teams an strategischen Hebeln arbeiten, stehen andere Unternehmen da und sagen: Wenn ich erst einmal ein vernünftiges Datenmanagement-System hätte, wäre schon viel gewonnen.

Diese Themen werden manchmal zu gering geschätzt. Aus meiner Sicht ist das vorbei. Seit wir stärker über Antitrends sprechen, bekommen wir mehr Anfragen aus dem gehobenen Mittelstand. Das wirkt nahbarer.

 

Mittelstand vs. Konzern-Bubble

Christian:
Ehrlicherweise macht mir die Arbeit im Mittelstand oft besonders viel Spaß.

Wenn du bei einem inhabergeführten Unternehmen sitzt, ist der Drive ein anderer. Da herrscht in vielen Fällen eine echte Hands-on-Mentalität. Man packt gemeinsam an und treibt Dinge voran.

Auch die Hürden in Projekten sind oft geringer. Man geht über den Flur, holt sich jemanden dazu, spricht kurz miteinander und entwickelt eine gute Idee.

Je größer Unternehmen werden, desto größer sind häufig die Schranken. Dann kommt wieder dieses Silo-Denken: meins, deins, Zuständigkeit. Ich bin sehr gerne im Mittelstand unterwegs.

Andreas:
Ich glaube, davon können auch wir viel lernen. Ich merke jetzt erst, wie groß der Bedarf dort ist.

Deshalb finde ich es gut, über Antitrends zu sprechen. Ich kenne das auch aus meinem eigenen Business: Wenn ich amerikanische Marketing- oder Business-Trends höre, sind die für mich in Deutschland oft gar nicht umsetzbar oder viel zu weit weg von meiner Realität als mittelständisches Unternehmen.

In der Datenwelt ist das ähnlich. Toolhersteller konkurrieren ständig mit neuen Features. Dann ist die Enttäuschung groß, wenn es in der Praxis nicht funktioniert.

Alle sprechen über Databricks, Snowflake, SAP BDC und neue Plattformen. Aber kein Tool löst automatisch die organisatorischen Fragen: Wie gehen wir mit Daten um? Wer ist verantwortlich? Wie arbeiten Fachbereiche und IT zusammen?

Ein Tool hat diese Probleme noch nie allein gelöst.

 

Datenkultur und Self-Service richtig verstanden

Christian:
Genau. Es muss ein Wandel stattfinden, wie Unternehmen mit Daten umgehen und wie sie mit Daten arbeiten. Menschen im Unternehmen müssen dazu befähigt werden.

Wir sind nicht diejenigen, die Unternehmen ausschließlich im Bereich Datenkultur begleiten. Aber wir machen Workshops, prägen Verständnis und machen die Arbeit mit Daten greifbar.

Ohne das funktioniert es nicht.

Self-Service ist ein gutes Beispiel. Self-Service bedeutet nicht nur: Ich kann selbst auf Daten zugreifen. Es bedeutet auch: Ich gestalte diese Daten mit. Ich kümmere mich um Qualität. Ich bringe meine fachlichen Anforderungen gemeinsam mit der IT ein.

Genau das versuchen wir bei Kunden zu ermöglichen.

Andreas:
Das schätze ich an euch. Oft wird unterschieden zwischen großer Strategieberatung und Umsetzungsberatung. Bei euch sehe ich eine Umsetzungsberatung mit strategischem Ansatz.

Ihr bringt Dinge auf die Straße, aber nicht planlos. Eure Consultants sind tief in den Themen, fachlich stark und umsetzungsorientiert.

Es geht weniger ums Reden und mehr ums Machen. Deshalb passt der Gedanke der Antitrends so gut: Erst einmal prüfen, ob die Grundlagen wirklich erfüllt sind.

Wenn ich als Kunde jetzt zuhören würde: Welche Fragen sollte ich mir stellen? Woran merke ich, ob ich bereit für den nächsten Schritt bin?

 

Die entscheidenden Readiness-Fragen für 2026

Christian:
Grundsätzlich muss ich mir zuerst überlegen: Wo will ich überhaupt hin? Was ist ein konkreter Case, den ich umsetzen möchte?

Dann muss ich prüfen: Sind die benötigten Daten vorhanden? Welche Qualität haben sie? Wo liegen sie überhaupt? Kann ich darauf zugreifen?

Außerdem muss ich wissen, wer die relevanten Menschen im Unternehmen sind. Wer hat Lust, daran mitzuarbeiten? Man kann niemanden sinnvoll in die Rolle eines Data Product Owners drängen, wenn diese Person das gar nicht möchte.

Man muss Menschen befähigen, mit Daten zu arbeiten. Neben Datenqualität braucht es also auch Commitment der Kolleginnen und Kollegen.

Und am Ende braucht es einen messbaren Case. Nicht KI zum Selbstzweck, sondern eine konkrete Idee mit einem klaren Ziel.

Das haben wir dieses Jahr oft mit Kunden gemacht: In Workshops gemeinsam überlegen, wo AI wirklich gewinnbringend eingesetzt werden kann.

Andreas:
Was waren konkrete Anwendungsfälle, bei denen ihr gesagt habt: Das ist spannend, dafür lohnt es sich, die Grundlagen aufzubauen?

 

Konkrete KI-Use-Cases aus der Praxis

Christian:
Ein großes Thema waren Währungsrisiken und Liquiditätsforecasting. Das hat gut funktioniert.

Dann hatten wir einen Use Case im medizinischen Bereich, bei dem es um Triage ging. Patientinnen und Patienten konnten auf Basis eingegebener Symptome eine erste Einschätzung erhalten.

Ein weiterer spannender Fall lag im Gesundheitssegment. Dort ging es um erwartete Abrechnungen. Es gibt bestimmte Vorgehensweisen, wie Pharmaunternehmen Dinge in Rechnung stellen und wie Krankenkassen diese Leistungen tragen. Das kann auseinanderfallen. Solche Entwicklungen kann man auf Basis historischer Werte prognostizieren: Wie zahlt diese oder jene Krankenkasse normalerweise?

Auch im Energieumfeld hatten wir spannende Themen. Dort ging es um Analysen auf Basis von Wetterdaten: Wann muss eventuell zusätzlicher Strom zugekauft werden, weil weniger Wind- oder Solarenergie verfügbar ist?

Das waren Projekte, die in diesem Jahr wirklich Spaß gemacht haben.

Andreas:
Da hört man sehr gut heraus, worum es geht. Ihr seid nicht die Strategieberatung, die in jeder Branche 27 fertige Ideen mitbringt. Ihr seid Datenexpertinnen und Datenexperten.

Wenn ein Unternehmen eine grobe Idee hat, macht ihr diese machbar. Ihr bringt die Daten mit moderner Technologie so zusammen, dass daraus ein funktionierender Anwendungsfall werden kann.

Genau darüber sprechen wir in der Branche viel zu wenig. Du hast heute ein paar starke Punkte genannt: Best Practices sind oft nur Vergangenheit. Wir reden viel darüber, was AI irgendwann können könnte, aber die eigentliche Arbeit liegt noch auf der Straße. Und viele klassische Themen sind für andere Unternehmen noch gar nicht gelöst.

Data Governance, Self-Service, Reporting, Dashboarding: Das ist alles weiterhin relevant. Es ist nicht schlimm, wenn man nicht immer dem neuesten Shiny Object hinterherläuft. Wichtiger ist, die Grundlagen sauber zu machen und von dort aus weiterzugehen.

Deshalb noch einmal: Schaut in den Link unter der Folge, macht den Readiness-Check und schaut euch an, was Five1 zusammengestellt hat. Das ist auch ein Antitrend: nicht nur reden, sondern etwas liefern, das Menschen direkt nutzen können.

 

Wie Five1 KI selbst einsetzt

Andreas:
Eine Sache interessiert mich zum Abschluss noch: Nutzt ihr selbst AI in der Beratung?

Ich nutze AI inzwischen sehr stark. Für Zusammenfassungen, für die Ausspielung von Inhalten, für Automatisierungen. Mir ist manchmal gar nicht mehr so wichtig, ob ich es AI oder Automatisierung nenne. Entscheidend ist: Es erleichtert die Arbeit.

Wie nutzt ihr AI selbst?

Christian:
Sehr stark im Bereich Dokumentation. Wir sind gerade in der Endphase eines Produkts, das Dokumentation im Prozessbereich unterstützen wird.

Außerdem nutzen wir AI klar im Coding. Wir glauben aber nicht, dass unsere Beraterinnen und Berater dadurch bald überflüssig werden.

Natürlich nutzen wir AI auch im Marketing und Sales. Insgesamt ist es überall in unserem Alltag angekommen.

Ich wühle mich zum Beispiel nicht mehr durch SharePoint-Strukturen. Ich frage unseren internen Chatbot, wenn ich bestimmte Unterlagen brauche.

Ich glaube, es ist selbstverständlich, dass wir selbst mit AI arbeiten. Sonst könnten wir das Thema auch nicht glaubwürdig nach draußen tragen.

Andreas:
Das wollte ich noch einmal herausstellen. Nur weil ihr als Berater sagt, dass Unternehmen zuerst an Governance, Datenqualität, Plattformen und Business Cases arbeiten müssen, heißt das nicht, dass ihr AI-Verweigerer seid.

Im Gegenteil: Ihr nutzt AI intensiv. Aber ihr wisst eben auch, was passieren muss, damit AI im Unternehmen wirklich funktioniert.

Christian, ich würde mich freuen, wenn du bald wiederkommst. Wir haben ja schon vereinbart, dass wir das öfter machen.

Wie es gute Tradition in diesem Podcast ist: Du darfst zum Schluss alles sagen, was du möchtest. Du darfst nur nicht sagen: Danke für die Einladung, Andreas.

 

Fazit und Ausblick 2026

Christian:
Ich hoffe, es sind nicht meine letzten Worte insgesamt, sondern nur für diese Podcast-Folge.

Ich freue mich, wenn wir uns wiedersehen. Ich hoffe, ich konnte einen Eindruck davon vermitteln, was wir tun.

Und ich freue mich über Menschen da draußen, die sagen: Wir möchten die Ärmel hochkrempeln und gemeinsam etwas starten. Dafür stehe ich jederzeit zum Austausch bereit.

Ansonsten wünsche ich allen eine schöne Weihnachtszeit mit der Familie und einen guten Start ins Jahr 2026. Und falls die Grundlagen noch nicht fertig sind: Dann ist genau daran jetzt zu arbeiten.

Unser Whitepaper zum Thema AI Readiness