Trends der TDWI Konferenz München

< Zurück zur Übersicht

Trends der TDWI Konferenz München

Die TDWI-Konferenz in München ist zu Ende gegangen und damit eine der größten deutschsprachigen Konferenzen in den Themengebieten BI, Data & Analytics. CINTELLIC war in diesem Jahr vor Ort und lässt nun die drei Tage Revue passieren und fasst die diskutierten Trends und Entwicklungen zusammen.

Insgesamt bot die Konferenz einen Überblick über aktuelle Entwicklungen in der Datenwelt: von technischen Innovationen und neuen Ansätzen in der IT-Architektur über Fortschritte und Standards in den BI-Tools bis hin zu den neuesten KI-Entwicklungen, aber auch fachliche Themen wie die Kultur im Umgang mit Daten in Unternehmen.

Der TDWI ist ein Verein mit dem Ziel, eine anbieterneutrale Community für die Themenfelder BI, Data & Analytics aufzubauen, in der sich Anwender mit Softwareherstellern, Beratern sowie Studierenden und Wissenschaftlern in verschiedenen Formaten austauschen können.

 

Wir möchten im Folgenden auf die aus unserer Sicht prägendsten Themen der Konferenz eingehen und diese aus unserer Perspektive einordnen:

1. Organisation: Ist Data Mesh die Lösung?

Data Mesh ist ein Architekturparadigma und fokussiert sich auf die dezentrale Verwaltung von Daten und das Konzept, Daten als Produkt zu behandeln, welche jeweils einer Abteilung gehören und von dort aus geteilt werden können. Data Mesh verspricht die Auflösung von Datensilos und fördert die Eigenverantwortung der Teams für ihre Daten. Also einziger Ausweg: Rein ins Data Mesh? Ein klares Jain, denn auf der Konferenz wurden sowohl erfolgreiche Umsetzungen als auch viele Herausforderungen gezeigt. Grundsätzlich gilt: Wer sich mit dem Thema Data Mesh beschäftigen will, sollte schon von Anfang an die benötigten Skills rund um Datenhaltung und -verarbeitung sowie BI und ggf. Analytics in den dezentralen Units haben oder sich zumindest bewusst sein, dass man diese Ressourcen aufbauen und ausbilden muss. Somit sind auch eine gewisse Unternehmensgröße und Datenkomplexität notwendig, um diese Form dezentraler Datenorganisation zu wählen. Wo diese Komplexität gegeben ist, kann Data Mesh ein geeigneter Ansatz sein, er muss aber auch zum sonstigen Unternehmensaufbau und der Verantwortungslinie zwischen IT und den Fachbereichen passen. Wir haben aber auch wahrgenommen, dass Data Mesh meistens dennoch mit zentralen Elementen verknüpft wird, was am Ende dann wieder dem guten alten BICC erstaunlich nahekommt.

2. Der KI-Hype: Wird Künstliche Intelligenz, allen voran GenAI durch die Regulatorik erschlagen?

Natürlich war (generative) KI ein zentrales Thema auf der TDWI. Überraschend war jedoch die Tatsache, dass die Themen rund um den EU AI Act, die Ethik und der verantwortungsvolle Umgang mit KI überwogen haben. Es gab auch Vorstellungen von ersten erfolgreichen GenAI Use Cases und Best Practices, aber es scheint so zu sein, dass sich Unternehmen aktuell vor allem mit den Möglichkeiten und Grenzen der Umsetzung beschäftigen, bevor sie konkrete Projekte starten. Wir sind gespannt, ob im nächsten Jahr diese Hürden von mehr Unternehmen gemeistert wurden und AI Use Cases stärker im Vordergrund stehen werden.

3. Cloud-Architekturen: was hätten‘s denn gerne?

Viel Platz haben in diesem Jahr auch wieder die Cloud-Architekturen eingenommen. Von erfolgreichen Lakehouse-Implementierungen, aber auch den Stolpersteinen wie Security und der Gefahr des Verlustes der Übersichtlichkeit durch Datensümpfe wurde thematisiert. Dennoch durften die Themen DWH und SQL nicht fehlen, bilden sie doch weiterhin die Fundamente für BI-Implementierungen. Aber auch einzelne Tools bzw. Plattformen wurden mehrfach vorgestellt, allen voran MS Fabric. Natürlich weckt eine All-in-One-Lösung mit einer Mischung aus erfolgreichen Azure-Komponenten, neuem OneLake-Konzept und bewährtem Power BI viele Begehrlichkeiten. Ob diese aber erfüllt werden können, ist noch nicht ganz klar. Das liegt zum einen an dem immer noch jungen Tool, welches rasant weiterentwickelt wird, dennoch aber Kinderkrankheiten hat und Features vermissen lässt, die woanders Standard sind. Zum anderen muss man sich bewusst sein, dass man mit MS Fabric einen hohen Lock-in-Effekt hat, da Datenhaltung, -verarbeitung und Reporting in einem Tool abgedeckt werden und nicht so einfach herauszulösen sind.

 

4. Daten müssen bekannt sein – von der Data Literacy bis zum Data Catalog

Ein CHS ist dynamischer Punktwert, der empfindlich auf Veränderungen im Kundenverhalten reagiert. Aber wie trägt er über die Zeit hinweg zum geschäftlichen Mehrwert bei?

Auch das Thema Data Literacy ist in vielen Programmpunkten thematisiert worden. Klar, bei immer mehr Unternehmen mit dem Ziel, datengetriebene Entscheidungen zu treffen, müssen immer mehr Mitarbeiter die Daten und den Umgang damit kennen, insbesondere das Management, das darauf basierend Entscheidungen treffen soll. Hiermit tun sich viele Unternehmen weiterhin schwer, denn auch wenn für Data Catalogs viele gute Tools am Markt parat stehen, braucht es eine klare Priorität darauf, diese auch aufzubauen und, noch wichtiger, dann auch zu pflegen mit klaren Verantwortlichkeiten. Ebenso darf die Wissensvermittlung rund um die Daten und deren Interpretation nicht einmalig sein, sondern sollte im Unternehmen strukturiert verankert werden. Und das kostet Kraft und Zeit, die aus unserer Sicht leider zu häufig dann lieber doch in weitere Datenanbindungen, KPI-Berechnungen und Reportaufbau fließen. Daher als Fazit: Bis ein Großteil der Unternehmen, die das wollen, wirklich data-driven sind, vergehen noch ein paar Konferenzen.

5. Nachhaltigkeit – auch in der BI ein Thema

Nachhaltigkeit war ein weiteres zentrales Thema auf der Konferenz, das in verschiedenen Facetten diskutiert wurde. Als Umsetzungstreiber wurden ESG- und CSRD-Reporting thematisiert, wodurch Unternehmen regulatorisch verpflichtet werden, Transparenz über Lieferketten und Nachhaltigkeitsumsetzungen zu berichten. Hier nehmen wir sehr unterschiedliche Prioritäten in den Unternehmen, aber auch Branchen wahr. Während Banken und Versicherungen sich sehr stark mit dem Thema beschäftigen, haben andere Branchen damit nicht einmal angefangen. Auch die Frage nach Energieeffizienz im Datenmanagement, etwa durch Green Coding, sowie der Einsatz von KI zur Optimierung CO₂-intensiver Prozesse wurden diskutiert und weisen ein deutliches Wachstumspotenzial auf.

Fazit

Als Fazit lässt sich festhalten, dass vor allem das Gesamtpaket in einem Unternehmen stimmen muss. Der Aufbau von GenAI-Use-Cases benötigt eine solide Datengrundlage und -qualität. Das Data Warehouse (DWH) bleibt relevant, insbesondere für mittelständische Unternehmen, da es eine zentrale und ressourcenschonende BI-Lösung bietet, gerade mit Blick auf den Fachkräftemangel. Im Hinblick auf Cloud-Architekturen reduziert dies zwar den Aufwand im IT-Betrieb, die Themen Data Literacy und Data Culture im Fachbereich sind jedoch unabhängig von der eingesetzten Software oder Datenmodellierung entscheidend. Abschließend lässt sich aus den Erkenntnissen der TDWI 24 und unserer langjährigen Erfahrung sagen, dass der Wandel zu einem datengetriebenen Unternehmen nur gelingt, wenn die Fachbereiche ihre Daten verstehen und richtig nutzen können. Dies setzt aber auch nahezu zwangsläufig eine Datenstrategie voraus, um den großen Blumenstrauß an zuvor genannten Themen erfolgreich zu priorisieren und umzusetzen.

Sie benötigen Unterstützung oder einen Diskussionspartner auf Augenhöhe zu den Themen BI, Data und Analytics? Zögern Sie nicht, uns anzusprechen!

CINTELLIC steht bereit, um mit Ihnen diese neuen Horizonte zu erkunden. Treten Sie mit uns in Kontakt, um Ihre spezifischen Bedürfnisse und Möglichkeiten im Kundenmanagement zu besprechen. Gemeinsam können wir die richtigen Strategien entwickeln, um Ihr Unternehmen für die Zukunft des CRM zu rüsten.

 

Dieser Text kann kostenfrei als Publikation heruntergeladen werden:

PDF jetzt herunterladen