Zuletzt aktualisiert: 14. August 2026
Datensilos sind voneinander getrennte Datenbestände in verschiedenen Systemen, die dieselben Informationen widersprüchlich speichern. In fast jedem gewachsenen Unternehmen sind sie in drei Phasen entstanden, ohne dass jemand sie beschlossen hätte. Laut Gartner scheitern 85 Prozent der gescheiterten KI-Projekte an Datenqualität oder Datenverfügbarkeit, für die Datensilos eine Hauptursache sind. Dieser Artikel erklärt, wie der Flickenteppich entsteht und wie man ihn auflöst.
Das Wichtigste in Kürze
Datensilos entstehen als Summe vernünftiger Einzelschritte über viele Jahre, ohne dass jemand eine Fehlentscheidung getroffen hätte. Das geschieht in drei Phasen: Die IT zentralisiert im ERP, die Fachbereiche ziehen mit eigenen Systemen aus, und die IT verbindet die Systeme, ohne die Daten zu besitzen. Der Kern des Problems ist fehlende Eigentümerschaft: Die Systeme hatten Besitzer, die Prozesse hatten Besitzer, die Daten hatten keinen. Jahrelang haben Menschen die Silos durch Erfahrungswissen überbrückt, mit dem Einsatz von KI fliegt das auf. Laut Gartner scheitern 85 Prozent der gescheiterten KI-Projekte an Datenqualität oder Datenverfügbarkeit. Aufgelöst werden Datensilos use-case-getrieben statt in einem Zwei-Jahres-Projekt, mit klaren Eigentümern und einer Datengrundlage nach der anderen. Stand: Juli 2026.
Inhaltsverzeichnis
- Warum hat fast jedes gewachsene Unternehmen Datensilos?
- Wie entsteht der Flickenteppich in drei Phasen?
- Warum ist fehlende Eigentümerschaft der Kern des Problems?
- Warum funktionierte es trotzdem jahrelang?
- Wie lösen Sie Datensilos auf, ohne alles neu zu bauen?
- FAQ: Häufige Fragen zu Datensilos
Warum hat fast jedes gewachsene Unternehmen Datensilos?
Niemand hat das Datenwirrwarr beschlossen oder sich eines Morgens hingesetzt und entschieden, die Daten künftig auf ein Dutzend nicht verbundener Systeme zu verteilen. Datensilos sind über fünfzehn Jahre gewachsen, ein vernünftiger Schritt nach dem anderen.
Der Verlauf ist in fast jedem Mittelständler derselbe. Am Anfang standen Excel-Dateien für die ersten Shop- und Katalogprojekte. Dann kam der Online-Shop, gespeist direkt aus diesen Tabellen, und die Fehler standen plötzlich öffentlich im Netz. Mit Omnichannel wurden aus einem Fehler an einer Stelle fünf Fehler auf fünf Kanälen. Später kam der Marketing-Stack mit eigenem Kundenbestand hinzu, und heute liest eine KI diesen gesamten gewachsenen Bestand.
Bei jedem dieser Schritte wanderte das darunterliegende Datenproblem ungelöst in das nächste, größere System. So ist der Flickenteppich entstanden, ohne dass ihn jemand gewollt hätte.
Wie entsteht der Flickenteppich in drei Phasen?
Bei näherem Hinsehen lassen sich drei Phasen unterscheiden. Jeder Schritt war im jeweiligen Moment richtig, keine Abteilung hat einen Fehler gemacht.
Phase 1: Die IT zentralisiert
Am Anfang steht das ERP. Es wurde für Finanzen und Logistik gebaut und ist darin exzellent. Trotzdem wird es zur Single Source of Truth für alle Daten erklärt, auch für Produkt-, Kunden- und Commerce-Daten. Dafür war es nie gedacht: Weder Felder noch Struktur passen, aber es ist nun einmal das System, das da ist.
Phase 2: Die Fachbereiche ziehen aus
Weil das ERP Produkt- und Kundenerlebnisse nicht abbilden kann, kauft jede Abteilung das Werkzeug, das sie heute braucht: Der Shop sein Shopsystem, das Marketing seinen Stack, der Vertrieb sein CRM. Jede dieser Entscheidungen ist für sich sinnvoll. Die Lücken zwischen den Systemen überbrückt, wie so oft, Excel.
Phase 3: Die IT verbindet, besitzt aber nicht
Nun müssen die Systeme miteinander reden. Es entstehen Punkt-zu-Punkt-Schnittstellen, oft über Jahre gewachsen und schlecht dokumentiert. Die IT verlegt die Rohre und hält sie am Laufen, doch die Daten, die durch die Rohre fließen, gehören niemandem und liegen zwischen den Stühlen.
| Phase | Was passiert | Was zurückbleibt |
|---|---|---|
| 1. IT zentralisiert | ERP wird zur Single Source of Truth erklärt | Ein System, das für Produkt- und Kundendaten nie gebaut wurde |
| 2. Fachbereiche ziehen aus | Shop, Marketing, CRM kaufen eigene Systeme, Excel überbrückt | Dieselben Daten in mehreren Systemen, mehrfach gepflegt |
| 3. IT verbindet, besitzt nicht | Schnittstellen Punkt zu Punkt, historisch gewachsen | Rohre mit Besitzer, Daten ohne Besitzer |
Stand: Juli 2026.
Der Flickenteppich ist die Summe lauter vernünftiger Einzelentscheidungen, denen eine einzige Sache gefehlt hat: Ein gemeinsamer Eigentümer für die Daten. Wer Datensilos als Schuldfrage behandelt, sucht am falschen Ort und macht sich die Lösung schwerer.
Hajo Hajo
Head of Customer Success & Consulting, onacy GmbH
Warum ist fehlende Eigentümerschaft der Kern des Problems?
Der Flickenteppich lässt sich auf einen Satz bringen: Die Systeme hatten Besitzer, die Prozesse hatten Besitzer, die Daten hatten keinen.
Jedes System hat einen Verantwortlichen, oft aus der IT. Jeder Prozess hat einen Verantwortlichen, meist aus dem Fachbereich. Wer aber ist verantwortlich, wenn ein Produktattribut falsch, doppelt oder veraltet ist? In den meisten Unternehmen niemand konkret, und hier liegt die tiefste Wurzel der Datensilos.
Bei Datenkultur geht es deshalb vor allem um Verantwortung und erst in zweiter Linie um neue Software. Für jede wichtige Datendomäne, Produktdaten, Kundendaten, Preise, braucht es einen Eigentümer und eine Pflege-Regel: Einen Menschen, der zuständig ist, und einen definierten Weg, wie neue Daten sauber entstehen und alte aktuell bleiben. Warum auch ein PIM-System dieses Besitzerproblem nicht automatisch löst, beschreibt der Artikel warum Ihr PIM-System allein nicht mehr ausreicht.
Warum funktionierte es trotzdem jahrelang?
Wenn die Daten niemandem gehören und in Silos liegen, warum ist der Laden dann nicht längst zusammengebrochen? Weil der Flickenteppich nie allein funktioniert hat: Er lief auf einer unsichtbaren zweiten Schicht, den Menschen, die ihn bedienen.
Menschen gleichen Widersprüche stillschweigend aus. Der Innendienst greift bei drei Preislisten reflexartig zur richtigen, weil er die Historie im Kopf hat. Die Stammdatenpflegerin übersetzt im Vorbeigehen, dass ein englisch benanntes Feld dasselbe meint wie sein deutsches Pendant zwei Systeme weiter. Und man spricht miteinander: „Frag mal die Sabine, die weiß das.“ Dieses Erfahrungswissen war der Kitt zwischen den Silos, nie in einem System erfasst und trotzdem der Grund, warum es lief.
Genau dieser Kitt fällt weg, sobald eine KI die Daten liest. Sie geht nicht zur Sabine und fragt nicht nach, sie nimmt die Daten wörtlich. Erst dann zeigt sich, dass Menschen die Lücken in den Daten die ganze Zeit ausgeglichen haben. Diesen Zusammenhang vertieft der Artikel Kopfwissen als unterschätztes KI-Risiko.
Wie lösen Sie Datensilos auf, ohne alles neu zu bauen?
Der Reflex bei Datensilos ist das große Konsolidierungsprojekt: Zwei Jahre alles zusammenführen, dann ist Ruhe. Dieser Reflex ist verständlich und meist der falsche Weg. Ein Projekt ohne sichtbaren Zwischennutzen stirbt oft, bevor es fertig wird.
Technisch braucht es keinen Big Bang, um Silos zu verbinden. Eine schlanke Integrationsschicht, die Systeme über definierte Schnittstellen synchron hält, bringt schneller Nutzen als jede zweijährige Migration. Man führt Daten dort zusammen, wo es weh tut, und lässt den Rest vorerst stehen.
Philipp Beyer
CTO, onacy GmbH
Besser funktionieren drei Schritte. Erstens: Eigentümer benennen, je Datendomäne einen, mit einer klaren Pflege-Regel. Zweitens: Use-case-getrieben vorgehen, also eine Datengrundlage nach der anderen statt aller Daten auf einmal auf eine Wahrheit bringen, angefangen bei der, die den größten Nutzen freischaltet. Drittens: In Schleifen arbeiten statt im Wasserfall; jede Schleife liefert einen sichtbaren Nutzen und finanziert die nächste.
Wie dieses schrittweise Vorgehen konkret funktioniert, beschreibt der Artikel zum Lean-Loop für Datenprojekte. Der übergeordnete Zusammenhang, warum sich diese Arbeit rechnet, steht im Pillar-Artikel zu Datenschulden. Die strukturelle Auflösung von Silos ist Kern unseres Bereichs Data Management, die darauf aufbauende Automatisierung Thema unseres Hubs zur KI-Automation.
Wenn Sie wissen wollen, wo Ihre teuersten Silos liegen und in welcher Reihenfolge sich ihre Auflösung lohnt, buchen Sie ein unverbindliches Erstgespräch.
Wo liegen Ihre teuersten Datensilos?
Wir schauen uns Ihre Systemlandschaft und Ihre Datendomänen an und zeigen konkret, welche Silos Sie zuerst auflösen sollten und wer dafür der richtige Eigentümer ist.
FAQ: Häufige Fragen zu Datensilos
Was sind Datensilos?
Datensilos sind voneinander getrennte Datenbestände in verschiedenen Systemen, die dieselben Informationen unabhängig und oft widersprüchlich speichern. Typisch sind derselbe Artikel oder Kunde in ERP, Shop und CRM mit abweichenden Werten. Weil die Systeme nichts voneinander wissen, gibt es keine gemeinsame Wahrheit, was besonders beim Einsatz von KI zum Problem wird.
Wie entstehen Datensilos?
Datensilos entstehen selten durch Fehlentscheidungen, sondern als Summe vernünftiger Einzelschritte: Die IT zentralisiert im ERP, die Fachbereiche kaufen eigene Systeme für Shop, Marketing und Vertrieb, und die IT verbindet diese Systeme über gewachsene Schnittstellen, ohne die Daten selbst zu besitzen. Über Jahre entsteht so ein Flickenteppich, den niemand beschlossen hat.
Warum ist das ERP keine Single Source of Truth?
Das ERP wurde für Finanzen und Logistik gebaut, nicht für Produkt-, Kunden- und Commerce-Daten. Es kann diese Daten technisch speichern, bildet ihre Struktur und Anforderungen aber nur unzureichend ab. Wird es trotzdem zur alleinigen Wahrheit erklärt, weichen die Fachbereiche auf eigene Systeme und Excel aus, und genau dadurch entstehen die Silos.
Wie löst man Datensilos auf?
Nicht durch ein großes Konsolidierungsprojekt, das oft scheitert, bevor es Nutzen liefert. Sinnvoller ist ein dreifaches Vorgehen: Für jede Datendomäne einen Eigentümer und eine Pflege-Regel benennen, use-case-getrieben eine Datengrundlage nach der anderen auf eine Wahrheit bringen und in Schleifen arbeiten, bei denen jeder Schritt sichtbaren Nutzen liefert und den nächsten finanziert.
Was kostet es, Datensilos zu ignorieren?
Ignorierte Silos verzinsen sich wie Schulden. Sie führen zu widersprüchlichen Auswertungen, doppelter Pflege und fehlerhaften Prozessen. Beim Einsatz von KI eskaliert das Problem: Laut Gartner scheitern 85 Prozent der gescheiterten KI-Projekte an Datenqualität oder Datenverfügbarkeit, und 60 Prozent aller Projekte ohne KI-fähige Datenbasis werden bis Ende 2026 abgebrochen.
Autor
Philipp Foreman
Geschäftsführer, onacy GmbH
Philipp Foreman ist Geschäftsführer der onacy GmbH in Münster und begleitet seit über 15 Jahren Commerce-, Produkt- und Datenprojekte im Mittelstand. Er kennt den Daten-Flickenteppich aus zahllosen Projekten und plädiert dafür, Datensilos nicht als Schuldfrage, sondern als Frage fehlender Eigentümerschaft zu behandeln, weil sich nur so ein tragfähiger Weg zur Auflösung ergibt.
