Es gibt eine unbequeme Wahrheit, die in vielen Unternehmen täglich ignoriert wird: Die wertvollsten Informationen für unternehmerische Entscheidungen sind bereits vorhanden. Sie stecken im ERP, im CRM, in der Datenbank des Warenwirtschaftssystems. Vollständig, aktuell, detailliert. Und trotzdem trifft die Mehrheit aller Führungsentscheidungen auf Basis von Zahlen, die Tage alt sind, manuell zusammengestellt wurden oder schlicht die falsche Frage beantworten.
82 Prozent der KMU in Deutschland sehen Datenanalyse als strategisch wichtig an. Gleichzeitig haben 75 Prozent keine systematische Datenstrategie. (Digitalisierungsstudie 2024/2025, maximal.digital). Das ist kein Widerspruch aus Unwissenheit. Es ist ein strukturelles Problem, das täglich Geld kostet.
Was im ERP steckt, das niemand sieht
42 Prozent der deutschen KMU nutzen ein ERP-System, bei Großunternehmen sind es 89 Prozent. (IfM Bonn / Creditreform, 2025) Die Daten sind also vorhanden. Was fehlt, ist der direkte Zugang zu dem, was darin steckt.
Ein typisches mittelständisches Unternehmen hat in seinen Systemen vollständige Auftragshistorien, Lieferzeiten nach Lieferant, Retourenquoten nach Produktkategorie, Deckungsbeiträge nach Kunde und Region, Lagerreichweiten in Echtzeit, Zahlungsverhalten je Debitor. Die Fragen, die sich daraus beantworten ließen, sind geschäftskritisch: Welche Produktlinie wächst wirklich, wenn man Retouren herausrechnet? Welche Kunden kaufen seltener, obwohl der Umsatz stabil wirkt? Wo entstehen Margen, und wo werden sie still vernichtet?
Nur: Wer stellt diese Fragen? Und wer beantwortet sie, wann und in welcher Form?
Der tatsächliche Weg einer Datenanfrage
Schauen wir uns an, was in den meisten Unternehmen passiert, wenn eine Führungskraft eine datenbasierte Frage hat. Eine Vertriebsleiterin will wissen, warum der Umsatz in einer bestimmten Region im letzten Quartal gesunken ist. Sie schreibt eine Mail ans Controlling oder stellt die Frage im nächsten Meeting. Das Controlling-Team prüft, ob die Anfrage mit bestehenden Dashboards beantwortet werden kann. Meistens kann sie das nicht vollständig. Also wird ein Excel-Export aus dem ERP gezogen, manuell aufbereitet, mit Daten aus dem CRM abgeglichen und schließlich als Präsentation oder Tabelle zurückgegeben.
Wie lange dauert dieser Prozess? Im besten Fall zwei bis drei Tage. In der Realität oft eine Woche oder länger, abhängig von Kapazitäten, Prioritäten und der Komplexität der Frage.
Was ist bis dahin passiert? Die Entscheidung wurde verzögert, auf Basis von Bauchgefühl getroffen oder mit alten Zahlen begründet. Kein Einzelfall, sondern Alltag: 65 Prozent der mittelständischen Unternehmen nennen die Verbesserung von Datenanalyse und Entscheidungsfindung als eine der wichtigsten Triebkräfte ihrer Digitalisierung, scheitern in der Umsetzung aber an fehlenden Tools, fehlendem Know-how und schlicht fehlender Zeit. (BME / Onventis Einkaufsbarometer Mittelstand 2024)
Warum das kein Personalthema ist
Die naheliegende Reaktion auf dieses Problem ist die Forderung nach mehr Ressourcen: mehr Leute im Controlling, ein eigenes Data-Science-Team, ein BI-Spezialist. Diese Investitionen sind nicht falsch, aber sie lösen das strukturelle Problem nicht.
Das Durchschnittsalter von ERP-Systemen im deutschsprachigen Raum liegt laut der Trovarit-Studie „ERP in der Praxis" bei über 13 Jahren. Veraltete Systeme blockieren Echtzeit-Analysen strukturell, unabhängig davon, wie viele Personen dahinter sitzen. Dazu kommt: ERP und CRM sprechen nicht dieselbe Sprache. Daten liegen in unterschiedlichen Formaten vor, Tabellen sind nicht dokumentiert, KPI-Definitionen variieren je nach Abteilung. „Umsatz" bedeutet für den Vertrieb etwas anderes als für das Controlling. „Aktiver Kunde" ist in keinem System offiziell definiert.
Selbst gut aufgestellte Teams mit echten Data-Experten verbringen einen Großteil ihrer Zeit damit, diese Lücken manuell zu überbrücken. Das ist keine Frage von Kompetenz, sondern von fehlender Infrastruktur. Die Fachkraft, die eigentlich strategische Analysen liefern sollte, ist damit beschäftigt, Daten aus verschiedenen Quellen zusammenzufügen und zu bereinigen.
Was sich ändert, wenn der Zugang direkt wird
Stellen Sie sich vor, die Vertriebsleiterin aus dem Beispiel oben stellt ihre Frage nicht per Mail, sondern direkt ans System: „Warum ist der Umsatz in der DACH-Region im Q2 zurückgegangen?" Das System versteht, was „Umsatz", „DACH-Region" und „Q2" in der Logik dieses Unternehmens bedeutet, weil diese Business-Logik einmalig hinterlegt wurde. Es zieht die relevanten Daten, rechnet, vergleicht und liefert in Sekunden eine Antwort als Grafik, Tabelle oder Text.
Kein Ticket. Kein Warten. Keine Excel-Datei, die bis zur Entscheidung schon wieder veraltet ist.
Genau das ist der Ansatz von Scavenger AI. Das System verbindet sich mit bestehenden Datenquellen, lernt gemeinsam mit dem Unternehmen die Struktur und Logik der Daten und macht sie für jeden im Team direkt befragbar. Nicht nur für Data-Experten, sondern für die Vertriebsleiterin, den Geschäftsführer, den Produktverantwortlichen.
Was Unternehmen konkret verlieren, solange der Weg lang bleibt
Verzögerte Entscheidungen sind die offensichtlichste Konsequenz. Aber die versteckten Kosten gehen weiter. Controlling-Teams, die einen Großteil ihrer Kapazität mit Anfragenbearbeitung verbringen, stehen nicht für strategische Analysen zur Verfügung. Führungskräfte, die keine schnellen Antworten bekommen, entwickeln ein Misstrauen gegenüber den eigenen Daten und verlassen sich auf Erfahrung statt auf Evidenz. Fachabteilungen bauen sich informelle Schattensysteme in Excel, die niemand kontrolliert und niemand wartet.
Unternehmen, die diesen Weg verkürzen, berichten von 87 Prozent Zeitersparnis bei Datenanalysen und einem sechsfachen Return on Investment nach Einführung eines entsprechenden Systems. Das sind keine theoretischen Werte, sondern Ergebnisse aus dem Betrieb.
Die eigentlich relevante Frage ist nicht, ob sich eine Investition in besseren Datenzugang lohnt. Die Frage ist, wie viel der bisherige Weg bereits gekostet hat.
Wie viele Tage liegen bei Ihnen zwischen einer konkreten Frage und einer verlässlichen Antwort aus Ihren Daten? Wer stellt diese Fragen gerade, wer beantwortet sie, und was passiert in der Zeit dazwischen?
Wenn die Antwort unbequem ist, lohnt sich ein Blick auf das, was heute bereits möglich ist. Scavenger AI ausprobieren oder Termin mit den Gründern buchen.