Digitalisierung 2026: Wenn das digitale Fundament fehlt

Ich erlebe das seit Jahren in fast jedem Erstgespräch mit mittelständischen Kunden. Irgendwann kommt der Satz: „Es wäre toll, wenn das dann automatisch geht“ oder „Wir würden das gerne automatisieren, aber ehrlich gesagt wissen wir gar nicht, wo wir anfangen sollen.“ Inzwischen kam neu dazu: „Das können wir doch mit KI machen.“ Was danach kommt, klingt meistens nach einem Technologieproblem. Ist es aber nicht. Es ist ein Datenproblem. Und das Datenproblem ist meistens älter als jede Automatisierung- oder gar KI-Diskussion.

2026 arbeiten weite Teile des deutschen Mittelstands noch immer mit einer Datenbasis, die aus einem anderen Jahrzehnt stammt: isolierte Excel-Listen, die eine einzelne Person pflegt und niemand sonst versteht. Abteilungen, die dieselben Kundendaten in drei verschiedenen Systemen führen, ohne dass diese Systeme jemals miteinander reden. Entscheidungen, die gefühlt richtig sein mögen, weil verlässliche Zahlen schlicht fehlen. Das ist kein Einzelfall. Das ist struktureller Normalzustand.

Laut Bitkom-Studie „Digitalisierung der Wirtschaft 2025“ berichten 53 Prozent der befragten Unternehmen von ernsthaften Schwierigkeiten bei der Steuerung ihrer Digitalisierungsprojekte – fünf Prozentpunkte mehr als im Vorjahr. 82 Prozent sehen die wirtschaftliche Schwäche direkt im Zusammenhang mit versäumter Digitalisierung. Das klingt nach einem Erkenntnisproblem. Es ist keins: Das Bewusstsein ist da. Was fehlt, ist die Grundlage.

Eine Digitalisierungsstudie aus dem gleichen Zeitraum zeigt, wie konkret das Problem ist: 76 Prozent der KMU kämpfen mit unzureichender Datenqualität und Datensilos, 83 Prozent haben keine umfassende Datenstrategie. Gleichzeitig betrachten 82 Prozent Datenanalyse als strategisch wichtig. Diese Lücke – Erkenntnis auf der einen Seite, fehlende Grundlage auf der anderen – ist das eigentliche Problem des deutschen Mittelstands in diesem Jahrzehnt.

Was diese Zahlen nicht zeigen: Sie beschreiben nicht das tägliche Erleben in den Büros. Nicht den Vertriebsleiter, der vor einem Kundentermin zwanzig Minuten lang in drei verschiedenen Systemen nach der richtigen Angebotsnummer sucht. Nicht die Geschäftsführerin, die sich im Jahresgespräch auf Zahlen beruft, die drei Monate alt sind, weil niemand die Auswertung aktuell halten konnte. Nicht den Projektleiter, der weiß, dass seine Excel-Datei die einzige vollständige Ressourcenplanung im Unternehmen ist – und der deshalb seit Jahren keinen Urlaub mehr nehmen kann, ohne vorher zwei Stunden zu dokumentieren.

Das Datenproblem im Mittelstand ist kein Versagen. Es ist das Ergebnis von zwanzig Jahren organischem Wachstum ohne IT-Strategie. Ein Unternehmen fängt mit einer Handvoll Mitarbeitern an, Excel ist die naheliegendste Lösung für fast alles. Irgendwann kommen Abteilungen dazu, jede Abteilung entwickelt ihre eigenen Tabellen. Der Vertrieb führt sein CRM in einer Datei, die Buchhaltung pflegt Kundenstammdaten im Rechnungsprogramm, die Produktion plant in einer weiteren Excel. Irgendwann ist die Welt aus Insellösungen so gewachsen, dass niemand mehr wirklich weiß, was wo liegt – und wer die Datei eigentlich aktuell hält.

Das ist gewachsene Struktur, keine bewusste Entscheidung. Und genau das macht es so schwer zu ändern. Wer das System heute anfassen will, rüttelt gleichzeitig an Gewohnheiten, Zuständigkeiten und manchmal an Machtstrukturen. Die Excel-Datei, die nur eine Person im Unternehmen wirklich versteht, ist kein technisches Problem mehr – sie ist ein organisatorisches. Und sie ist das stille Risiko für das Unternehmen: Was passiert, wenn diese Person krank wird? Wenn sie geht?

Hinzu kommt ein Budgetargument, das gut zu verstehen ist, aber trotzdem kurzfristig gedacht bleibt: IT kostet Geld, das man auch in Produkt, Vertrieb oder Personal stecken könnte. Der KfW-Bericht zur Digitalisierung 2025 zeigt, dass die Investitionsquote im Mittelstand mit 39 Prozent nach wie vor niedrig ist. Nur 27 Prozent der Unternehmen würden laut einer KfW-Sonderbefragung von Januar 2026 überhaupt einen Kredit für Investitionsvorhaben in Betracht ziehen. Das Klima ist vorsichtig – aber vorsichtiges Abwarten löst das Datenproblem nicht.

Doppelarbeit ist das offensichtlichste Symptom. Wenn Kundendaten sowohl im CRM, in der Buchhaltungssoftware und in der Vertriebsexcel gepflegt werden, entstehen zwangsläufig drei Versionen derselben Wahrheit. Jede Änderung muss dreifach eingetragen werden – oder wird es nicht, und dann sind die Systeme inkonsistent. Unternehmen mit dieser Art von Insellösungen verbringen im Schnitt 20 Prozent mehr Zeit mit manuellen Dateneingaben – das entspricht bei drei Vollzeitkräften, die 40 Prozent ihrer Arbeitszeit mit Datenpflege verbringen, einem realen und messbaren Personalkostenproblem.

Fehlende Entscheidungsgrundlage ist schwerer zu messen, aber genauso folgenreich. Wer keine zuverlässige Datenbasis hat, entscheidet nach Bauchgefühl. Das funktioniert, solange die Märkte stabil sind. Es funktioniert nicht, wenn das Unternehmen wachsen soll, wenn Margen unter Druck geraten oder wenn schnelle Reaktionen gefragt sind. Keine verlässliche Produktionsplanung ohne aktuelle Lagerdaten. Kein realistisches Vertriebsforecast ohne saubere Kundendaten. Keine fundierte Personalplanung ohne verlässliche Projektdaten.

Skalierungsprobleme sind das dritte klassische Muster: Was mit zehn Mitarbeitern gut funktionierte, kollabiert spätestens bei fünfzig. Nicht weil das System prinzipiell falsch war, sondern weil es nie für mehr gedacht war. Excel war nicht als Unternehmensdatenbank konzipiert. SharePoint ist kein ERP. Ein gemeinsames Netzlaufwerk ist keine Produktdatenbank. Diese Systeme skalieren nicht – und sie integrieren sich nicht.

Wenn von zentraler Datenhaltung die Rede ist, meint das nicht zwingend ein einziges System für alles. Gemeint ist eine Systemlandschaft, in der jede Datenkategorie einen klaren, verbindlichen Heimatort hat – und in der Systeme miteinander kommunizieren, statt nebeneinander zu existieren.

Ein ERP-System (Enterprise Resource Planning) ist dabei das Rückgrat. Es konsolidiert Auftragsmanagement, Lager, Einkauf, Produktion und Finanzen in einer gemeinsamen Datenbasis. Kein ERP macht alles perfekt, aber es schafft eine Single Source of Truth für Kerngeschäftsdaten. Großunternehmen in Deutschland setzen ERP zu 89 Prozent ein, der Mittelstand deutlich seltener.

Ein CRM-System (Customer Relationship Management) ist der verbindliche Ort für alle kundenbezogenen Daten: Kontakte, Kommunikationshistorie, Angebote, Verträge, Projekte. Wenn CRM und ERP miteinander kommunizieren, entsteht ein vollständiges Bild des Kunden – von der ersten Anfrage bis zur Rechnung.

Ein DMS (Dokumentenmanagementsystem) ist nicht dasselbe wie ein Netzlaufwerk oder SharePoint. Ein DMS strukturiert Dokumente nach Prozessen, verbindet sie mit Aufträgen, Kunden oder Projekten und macht sie durchsuchbar. Dateien auf einem gemeinsamen Laufwerk sind Chaos mit Ordner-Optik.

Ein PIM (Product Information Management) ist für Unternehmen mit Produktkatalogen das Äquivalent: der eine, verlässliche Ort für alle Produktdaten, aus dem Webshop, Kataloge und Angebotssysteme gespeist werden. Wer das nicht hat, pflegt Produktdaten an drei Stellen und fragt sich, warum der Webshop immer Fehler enthält.

Der entscheidende Unterschied zu reinen Dateiablagen ist nicht die Software, sondern das Prinzip: In einer zentralen Systemlandschaft gibt es für jede Datenkategorie einen verbindlichen Ort, der von allen genutzt wird und aus dem andere Systeme automatisch befüllt werden.

Schlechte Datenqualität wird im Unternehmen selten als Kostenpunkt ausgewiesen – sie erscheint als Zeitverlust, als Fehler, als Frust, als „so läuft das eben bei uns“. Thomas Redman, Gründer von Data Quality Solutions, schätzt die Kosten schlechter Datenqualität auf 15 bis 25 Prozent des Umsatzes. Das ist keine theoretische Größe. Das ist die Summe aus Doppelarbeit, Fehlerkosten, schlechten Entscheidungen, Nacharbeit und Kundenverlust.

Hinzu kommen Risiken, die sich schwerer beziffern lassen: Die Abhängigkeit von Schlüsselpersonen ist in vielen Mittelstandsunternehmen eine stille Zeitbombe. Wenn das Wissen über Prozesse und Datenstrukturen in den Köpfen einzelner Mitarbeiter lebt – oder in einer Excel-Datei, die nur diese Person wirklich versteht –, dann ist das Unternehmen verwundbar. Krankheit, Kündigung, Ruhestand: Irgendwann geht diese Person, und mit ihr ein Teil des operativen Gedächtnisses.

Mitarbeiterfrust ist ein unterschätzter Faktor. Qualifizierte Menschen, die einen Großteil ihrer Arbeitszeit mit manuellem Abgleichen, Suchen und Nachfragen verbringen, sind nicht optimal eingesetzt – und das wissen sie. Es ist kein Zufall, dass Unternehmen mit chaotischen Datenstrukturen häufig höhere Fluktuation berichten.

Ein ERP-Projekt in einem Mittelstandsunternehmen ist kein Wochenendprojekt. Es ist ein Vorhaben, das Monate dauert, Ressourcen bindet und professionelle Begleitung braucht. Wer das als einfachen Schritt beschreibt, verkauft etwas.

Aber das bedeutet nicht, dass man auf den großen Big Bang warten muss, bevor man anfängt. Der realistische Einstieg hat meistens mehrere Phasen, und die erste Phase ist nicht die Einführung eines Systems – sie ist die Bestandsaufnahme.

Was haben wir, und wo liegt es? Diese Frage klingt simpel, ist aber für viele Unternehmen nicht einfach zu beantworten. Wo werden Kundendaten geführt? Wo liegen Produktdaten? Wo werden Aufträge verwaltet? Was wird in Excel gepflegt, weil kein System diese Anforderung abdeckt? Wer sind die Personen, die dieses Wissen im Kopf haben? Diese Bestandsaufnahme ist kein IT-Projekt – sie ist ein Organisationsprojekt.

Aus dieser Bestandsaufnahme entsteht ein Bild: Wo ist der Schmerzpunkt am größten? Wo kostet fehlende Integration am meisten Zeit? Das ist der sinnvolle Ausgangspunkt für die erste Investition – nicht das Gesamtbild, das irgendwann vollständig sein soll, sondern der konkreteste Schmerz heute. Viele mittelständische Unternehmen starten mit CRM-Einführung, andere beginnen mit dem ERP, für Unternehmen mit großen Produktkatalogen kann PIM der logische erste Schritt sein. Es gibt keinen richtigen Einstiegspunkt, aber es gibt immer einen sinnvollsten für den konkreten Fall.

KI kommt danach – nicht davor

Gartner meldet für 2026 eine Scheiterquote von 72 Prozent bei Enterprise-KI-Projekten. Sieben von zehn Projekte scheitern laut Detailanalyse wegen schlechter Datenqualität und fehlender Data Governance – nicht wegen Modellproblemen oder fehlendem Budget. Das ist kein Argument gegen KI. Es ist ein Argument für saubere Daten als Voraussetzung.

KI-Systeme lernen aus Daten und wenden gelerntes Wissen an. Wenn die Eingangsdaten chaotisch, inkonsistent oder unvollständig sind, produzieren sie chaotische, inkonsistente oder unvollständige Ausgaben. Shit in, shit out – dieser Grundsatz gilt für maschinelles Lernen genauso wie für jeden menschlichen Analyseprozess.

Wer heute in KI investiert, ohne die Datenbasis zu adressieren, kauft ein teures Tool ohne Fundament. Wer zuerst die Datenbasis schafft, legt gleichzeitig die Grundlage für jeden sinnvollen KI-Einsatz der nächsten Jahre. Das ist kein Widerspruch – es ist eine Reihenfolge.