Data Readiness und Integration als versteckte Kostentreiber

# Data Readiness und Integration als versteckte Kostentreiber

Sechs Monate nach Start eines Rollouts zur Nachfrageprognose stellte eine mittelgroße US-Supermarktkette (rund 80 Filialen) fest, dass aus ihrem „KI-Projekt" stillschweigend ein „Datenverrohrungs-Projekt" geworden war. Das Prognosemodell selbst war in sechs Wochen gebaut. Saubere, zusammengeführte Daten aus drei Point-of-Sale-Systemen (POS, übernommen aus zwei Akquisitionen), einer Loyalty-Plattform auf einem separaten Vendor-Stack und einem Warehouse-Management-System, das nur nächtliche Batch-Dateien exportierte, zu bekommen, verschlang die übrigen fünf Monate.

Das ist der am stärksten unterschätzte Kostenblock in Retail-KI: nicht das Modell, die Verrohrung. Diese Lektion gibt Ihnen eine Checkliste, um ihn zu erkennen, bevor ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → Timeline und Budget frisst.

Warum Retail-Daten strukturell unordentlich sind

Handelsketten wachsen durch Akquisitionen, Franchise und Experimente mit Filialformaten. Jede Welle hinterlässt andere Systeme. Es ist normal, dass eine einzelne mittelgroße Kette betreibt:

• Mehrere POS-Systeme (verschiedene Anbieter, verschiedene SKU-Nummernkonventionen; SKU = Stock Keeping Unit, eine eindeutige Produktkennung)
• Eine Loyalty-Datenbank, die Kunden anders identifiziert als das POS Transaktionen identifiziert
• Inventar- und Warehouse-Systeme, die in unterschiedlichen Refresh-Zyklen aktualisiert werden (Echtzeit vs. nächtlicher Batch)
• Lieferanten- und Preisdaten, oft noch per EDI (Electronic Data Interchange, jahrzehntealte Batch-Dateistandards) oder sogar per Tabellenkalkulation ausgetauscht

Nichts davon ist ungewöhnlich. Es ist der Normalzustand. Der Fehler liegt in der Annahme, es sei „im Grunde in Ordnung", weil jedes einzelne System funktioniert. KI-Modelle brauchen nicht, dass ein System funktioniert, sie brauchen, dass sich alle relevanten Systeme darüber einig sind, *was* ein Produkt, ein Kunde und eine Transaktion sind.

Wo sich die versteckten Kosten wirklich verstecken

1. Entity Resolution über Systeme hinweg

Wenn das POS von Filiale A ein Produkt „COKE 12PK" nennt und das POS von Filiale B (aus der übernommenen Kette) „COCACOCACustomer Acquisition Cost: total sales and marketing spend divided by the number of new customers acquired over the same period.Vollständige Definition ansehen → COLA 12 CT", behandelt ein naiver Join diese als verschiedene Produkte. Eine darauf trainierte Nachfrageprognose wird die tatsächliche Nachfrage für diese SKU stillschweigend unterschätzen. Das nennt man Entity Resolution oder Record Linkage: das Matching von Datensätzen über Systeme hinweg, die sich auf dieselbe Sache in der realen Welt beziehen, aber unterschiedlich bezeichnet sind.

Das zu beheben ist keine glamouröse KI-Arbeit. Es bedeutet, eine Matching-Schicht für Produkt-/Kunden-Stammdaten aufzubauen und zu pflegen, häufig der größte Teil der „Integrations"-Timeline.

2. Timing-Diskrepanzen

Loyalty-Daten aktualisieren sich vielleicht stündlich. Bestandszählungen über Nacht. POS-Transaktionen in Echtzeit. Ein Modell, das diese ohne Berücksichtigung des Lags vermischt, lernt Scheinmuster, etwa scheinbar Out-of-Stocks vorherzusagen, die längst eingetreten sind.

3. Definitorischer Drift

„Aktiver Kunde" im Loyalty-System kann „hat in den letzten 12 Monaten gekauft" bedeuten. Das Dashboard des Marketing-Teams definiert es vielleicht als „hat in den letzten 90 Tagen gekauft". Wenn Ihr Churn-Modell eine Definition nutzt, während das Business nach einer anderen handelt, wird die ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Diskussion (Return on InvestmentReturn on InvestmentReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →) später eine Definitionsdebatte statt einer Performance-Debatte.

4. Fehlende Lineage und Zugriffsrechte

Händler haben oft keine klare Übersicht, welches System die „Source of Truth" für ein bestimmtes Feld ist oder wer Loyalty-Daten für einen bestimmten Zweck rechtlich nutzen darf. In der EU berührt das Anforderungen der DSGVO (Datenschutz-Grundverordnung, das zentrale EU-Datenschutzgesetz) zur Zweckbindung: Daten, die für Loyalty-Prämien erhoben wurden, lassen sich nicht automatisch ohne gültige Rechtsgrundlage für KI-Personalisierung weiterverwenden. Das zu prüfen kostet Zeit, und es zu überspringen erzeugt rechtliche Risiken, die später und teurer auftauchen.

Eine einfache Illustration: die Timeline-Rechnung

Nehmen wir an, ein Anbieter kalkuliert einen Pilot zur Nachfrageprognose mit 12 Wochen und setzt dabei saubere, einheitliche Daten-Feeds voraus. In der Praxis:

| Phase | Angenommen (Wochen) | Real, fragmentierte Daten (Wochen) |

|---|---|---|

| Datenzugriff und Mapping | 1 | 6 |

| Entity Resolution (SKU-/Kunden-Matching) | 1 | 5 |

| Modellbau und Tuning | 6 | 6 |

| Test und Filial-Rollout | 4 | 5 |

| Gesamt | 12 | 22 |

Das ist illustrativ, kein universeller Benchmark, aber das Muster (Integrationsarbeit verdoppelt die Gesamtdauer in etwa) ist ein häufig berichtetes Ergebnis in Enterprise-Datenprojekten und findet sich in Branchenumfragen wie jenen von McKinsey zu Daten- und KI-Transformation. Behandeln Sie jede konkrete zitierte Prozentzahl als Schätzung; die Richtung, nicht die exakte Zahl, ist das verlässliche Signal.

Die Readiness-Checkliste

Bevor Sie einen KI-Pilot freigeben, gehen Sie diese Fragen mit dem Business-Sponsor und dem IT-Lead durch:

Datenexistenz und Zugriff

• Existieren die benötigten Daten tatsächlich in abfragbarer Form (nicht nur in einem Papierbericht oder im Kopf einer Person)?
• Wer verantwortet die Freigabe des Zugriffs, und wie lange dauert diese Freigabe in Ihrem Unternehmen typischerweise?

Konsistenz

• Teilen die POS-Systeme eine gemeinsame Produktkennung, oder muss eine gebaut werden?
• Ist die Kundenidentität über Loyalty-, E-Commerce- und Filialsysteme hinweg konsistent?

Aktualität und Latenz

• Wie ist der tatsächliche Refresh-Zyklus jedes Quellsystems (Echtzeit, stündlich, nächtlich)?
• Erfordert der KI-Use-Case frischere Daten als verfügbar sind?

Qualität

• Welcher Prozentsatz der Datensätze hat fehlende oder klar falsche Werte (negative Preise, unmögliche Datumsangaben)? Ein Sampling von einigen Tausend Zeilen vor Pilotstart ist eine günstige Versicherung.

Governance

• Gibt es eine dokumentierte, rechtmäßige Grundlage, diese Daten für diesen konkreten Zweck zu nutzen (relevant unter der DSGVO in Europa und unter US-Landesgesetzen wie dem California Consumer Privacy Act, CCPA)?
• Gibt es einen benannten Data Owner, der Änderungen während des Projekts genehmigen kann?

Bei einem Pilot, der mehr als zwei oder drei dieser Checks nicht besteht, sollten Timeline und Budget vor dem Kickoff neu zugeschnitten werden, nicht danach.

Was das für die ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Bewertung bedeutet

Data Readiness ist kein einmaliges Gate, sondern eine wiederkehrende Kostenposition. Jedes neue Filialformat, jede Akquisition, jeder neue POS-Anbieter öffnet die Integrationsfrage erneut. Wenn Sie den ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Pitch eines KI-Anbieters prüfen, fragen Sie konkret:

• Setzt die prognostizierte ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Timeline Ihren aktuellen Datenstand voraus oder einen idealisierten?
• Wer zahlt für Entity Resolution und Mapping: der Anbieter, ein Integrator oder Ihr internes Data-Team?
• Entstehen Wartungskosten, wenn eine neue Filiale oder ein neues System dazukommt (fast immer ja)?

Ein Prognosetool, das in der Demo-Umgebung des Anbieters 95 % Genauigkeit erreicht, kann auf Ihren realen, fragmentierten Daten deutlich schlechter abschneiden, solange diese Arbeit nicht erledigt ist. Integration als eigene Budgetposition zu führen (nicht als Rundungsfehler innerhalb von „Implementierung") ist der wirksamste Weg, einen KI-Business-Case ehrlich zu halten.

🎬 [VIDEO: "Why Data Integration Projects Fail" - youtube.com/results?search_query=why+data+integration+projects+fail - suchen Sie nach Praktiker-Vorträgen zu Failure Modes bei Enterprise-Datenintegration; achten Sie auf anbieterneutrale Konferenzvorträge (z. B. von Data-Engineering-Konferenzen) statt auf Vendor-Marketing]

Eine kurze technische Illustration

Hier eine vereinfachte Version jener Matching-Logik, die Teams bauen, um SKUs über zwei POS-Systeme hinweg abzugleichen, bevor irgendein KI-Modell überhaupt laufen kann:

import pandas as pd
from rapidfuzz import fuzz

def match_products(pos_a: pd.DataFrame, pos_b: pd.DataFrame, threshold=85):
    matches = []
    for _, row_a in pos_a.iterrows():
        best_score, best_match = 0, None
        for _, row_b in pos_b.iterrows():
            score = fuzz.ratio(row_a["product_name"], row_b["product_name"])
            if score > best_score:
                best_score, best_match = score, row_b["product_id"]
        if best_score >= threshold:
            matches.append((row_a["product_id"], best_match, best_score))
    return pd.DataFrame(matches, columns=["pos_a_id", "pos_b_id", "confidence"])

Das ist illustrativ, nicht produktionsreif (echte Systeme nutzen dedizierte Master-Data-Management-Tools), aber es zeigt den Punkt: Fuzzy-Textmatching, Confidence-Schwellen und manuelle Review-Queues sind die unglamouröse Arbeit, die der „KI" vorausgeht, über die alle reden.

Key Takeaways

• Fragmentierte POS-, Loyalty- und Inventarsysteme sind im Retail der Normalzustand, keine Ausnahme, und sie verdoppeln regelmäßig die Timelines von KI-Projekten.
• Die versteckten Kosten ballen sich in vier Bereichen: Entity Resolution (Matching von Datensätzen über Systeme hinweg), Timing-Diskrepanzen, definitorischer Drift und fehlende Data GovernanceData GovernanceData governance is the set of policies, roles, and processes that ensure data is accurate, secure, well-defined, and used responsibly across an organization.Vollständige Definition ansehen →/Lineage.
• Arbeiten Sie eine Readiness-Checkliste durch (Zugriff, Konsistenz, Aktualität, Qualität, Governance), bevor Sie Timeline oder Budget eines Piloten genehmigen.
• Fragen Sie bei ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Aussagen von Anbietern ausdrücklich, ob die Projektionen Ihren realen Datenstand oder einen idealisierten voraussetzen und wer die Integrationskosten trägt.
• Budgetieren Sie Integration und laufende Datenpflege als eigene, wiederkehrende Position, denn jede neue Filiale, Akquisition oder Systemänderung öffnet die Readiness-Frage erneut.