Der Data-Lake-Mythos im Mittelstand
Berater empfehlen ihn, Software-Anbieter bewerben ihn, Fachmagazine schreiben darüber: den Data-Lake. Die Idee klingt verlockend — alle Daten an einem Ort, jederzeit abrufbar, beliebig auswertbar.
Für ein Unternehmen mit 80 Mitarbeitern ist das in der Regel falsch investiertes Geld und falsch investierte Zeit.
Ein Data-Lake braucht dedizierte Data-Engineers, laufende Wartung und eine Datenmenge, die den Aufwand rechtfertigt. Typisches Muster: KMU richten einen ein, befüllen ihn in den ersten drei Monaten enthusiastisch — und dann verstaubt er. Niemand hat die Kapazität, ihn zu pflegen. Die Daten veralten. Das Projekt stirbt still.
Dabei ist das eigentliche Ziel vollkommen vernünftig: Daten nutzbar machen, Entscheidungen auf Fakten stützen, Auswertungen ohne wochenlangen Aufwand erstellen.
Dieses Ziel lässt sich für KMU anders erreichen.
Was KMU wirklich brauchen
Bevor ich Alternativen vorstelle, eine ehrliche Bestandsaufnahme: Die meisten 80-Mitarbeiter-Firmen haben nicht zu wenig Daten-Infrastruktur. Sie haben zu viele unverbundene Inseln.
Häufiges Muster: ERP-System hier, CRM-System dort, Buchhaltung in einer dritten Software, Excel-Listen beim Vertrieb, ein paar Access-Datenbanken aus dem Jahr 2015. Alle Systeme laufen. Niemand kann schnell eine Frage beantworten wie „Welche Kunden haben in den letzten 12 Monaten mehr als dreimal reklamiert und trotzdem erneut bestellt?”
Das Problem ist keine fehlende Technologie. Es ist fehlende Verbindung.
Eine KMU-taugliche Datenstrategie löst genau das — ohne Data-Lake, ohne Data-Engineering-Team, ohne sechsstelliges Projektbudget.
Drei Alternativen, die funktionieren
1. Der verbundene Arbeitsbereich
Für viele KMU reicht ein modernes Business-Intelligence-Tool, das sich direkt an vorhandene Systeme anbindet. Power BI, Metabase oder Looker Studio können live auf ERP, CRM und Datenbanken zugreifen — ohne dass Daten dupliziert oder in ein zentrales Lager kopiert werden müssen.
Die Einrichtung dauert realistisch zwei bis vier Wochen, nicht sechs Monate. Die laufenden Kosten liegen je nach Tool zwischen 0 und 30 Euro pro Nutzer und Monat.
Typisches Beispiel: Ein Produktionsbetrieb mit 65 Mitarbeitern verbindet sein ERP mit Power BI. Die Geschäftsführerin sieht jeden Morgen die fünf wichtigsten Kennzahlen auf einem Dashboard — Liefertreue, offene Aufträge, Lagerreichweite, Reklamationsquote, Umsatz vs. Plan. Vorbereitung: drei Wochen, laufender Aufwand: eine Stunde pro Woche für einen internen Mitarbeiter.
Wann das passt: Wenn die Kernsysteme bereits gut gepflegt sind und die Hauptfrage „Wie komme ich schneller an meine Zahlen?” lautet.
2. Die strukturierte Daten-Ablage
Viele KMU haben kein technisches Problem, sondern ein Ordnungsproblem. Daten existieren, sind aber nicht auffindbar oder nicht vergleichbar, weil jede Abteilung eigene Bezeichnungen, Formate und Speicherorte verwendet.
Hier hilft keine Software, sondern ein klares Schema: Welche Daten gibt es? Wo liegen sie? Wer ist verantwortlich? In welchem Format werden sie geführt?
Ein einfaches Datenverzeichnis — notfalls eine gut strukturierte Tabelle — schafft mehr Klarheit als jedes komplexe System. Dazu gehören definierte Namenskonventionen, eine einheitliche Ablagestruktur und klare Zuständigkeiten.
Das klingt unspektakulär. Es wirkt aber sofort.
Häufiges Muster: Unternehmen, die diesen Schritt überspringen und direkt zu technischen Lösungen greifen, laden Chaos in professioneller Verpackung in ihre Systeme. Garbage in, garbage out — das gilt für Data-Lakes genauso wie für jede andere Infrastruktur.
Wann das passt: Wenn das Hauptproblem Unordnung ist, nicht fehlende Technologie.
3. Die schlanke Integrationslösung
Wenn tatsächlich Daten aus mehreren Systemen zusammengeführt werden müssen, gibt es einen Mittelweg zwischen „alles manuell in Excel kopieren” und „vollständiger Data-Lake”.
Moderne Integrations-Tools wie Make (früher Integromat), n8n oder Zapier können Datenflüsse automatisieren. Bestimmte Informationen werden zu definierten Zeitpunkten aus System A geholt, minimal aufbereitet und in System B oder eine einfache Datenbank geschrieben.
Kosten: 20 bis 100 Euro pro Monat für die meisten KMU-Szenarien. Aufwand für Einrichtung: je nach Komplexität drei Tage bis drei Wochen.
Typisches Beispiel: Ein Handelsunternehmen mit 90 Mitarbeitern synchronisiert nächtlich Bestelldaten aus dem Webshop mit dem ERP. Vertrieb sieht morgens aktuelle Zahlen, ohne manuell zu exportieren. Der gesamte Aufbau hat 40 Stunden interner Zeit und 600 Euro Projektkosten gekostet.
Wann das passt: Wenn konkrete, wiederholende Datenflüsse zwischen zwei bis vier Systemen automatisiert werden sollen.
Welche Alternative für wen
Eine grobe Orientierung:
- Bis 30 Mitarbeiter, ein Kernsystem: Strukturierte Ablage plus direktes BI-Tool reicht in 90 Prozent der Fälle.
- 30 bis 80 Mitarbeiter, zwei bis drei Systeme: Schlanke Integration kombiniert mit BI-Tool.
- Über 80 Mitarbeiter, vier oder mehr kritische Systeme, eigene IT-Kapazität: Erst dann lohnt ein Gespräch über Data-Warehouse-Lösungen — und selbst dann ist ein echter Data-Lake selten das richtige Mittel.
Was vor jeder technischen Entscheidung kommt
Ich erlebe es regelmäßig: Unternehmen suchen nach der richtigen Technologie, bevor sie die richtigen Fragen gestellt haben.
Drei Fragen, die zuerst beantwortet sein müssen:
Welche Entscheidungen sollen besser werden? Nicht „wir wollen mehr Transparenz” — sondern konkret: Welche drei Entscheidungen treffe ich heute auf Basis von Bauchgefühl, die ich lieber auf Basis von Daten treffen würde?
Welche Daten dafür fehlen — oder sind nicht zugänglich? Oft sind die Daten vorhanden, aber nicht verbunden oder nicht aufbereitet. Das ist ein anderes Problem als fehlende Daten.
Wer pflegt das im Laufbetrieb? Jede Datenlösung braucht Verantwortung. Eine Person, 20 Prozent ihrer Zeit, realistisch erreichbar. Ohne das verkümmert jedes System.
Erst wenn diese Fragen beantwortet sind, macht eine Technologieentscheidung Sinn.
Die häufigsten Fehler
Häufiges Muster: KMU wählen eine Lösung, die für ihren tatsächlichen Reifegrad zu komplex ist. Das frustriert alle Beteiligten und erzeugt das Gegenteil von dem, was gewünscht war — mehr Aufwand statt weniger, mehr Unordnung statt mehr Klarheit.
Ein zweiter, verbreiteter Fehler: Datenqualität wird als nachrangig behandelt. Wenn die Stammdaten im ERP unvollständig sind, hilft kein Dashboard der Welt. Saubere Daten sind Voraussetzung, keine Selbstverständlichkeit.
Dritter Fehler: fehlende Akzeptanz im Team. Eine Datenstrategie, die von oben eingeführt wird ohne Einbindung der Personen, die täglich mit den Daten arbeiten, scheitert an der Nutzung. Nicht weil die Technologie schlecht ist, sondern weil niemand die Werkzeuge wirklich verwendet.
Was ein realistischer Einstieg kostet
Für ein KMU mit 80 Mitarbeitern, das heute keine strukturierte Datenstrategie hat, ist ein seriöser Einstieg machbar für:
- Interne Zeit: 40 bis 80 Stunden für Konzept, Einrichtung, Schulung
- Software: 0 bis 200 Euro pro Monat, je nach gewählten Tools
- Externe Begleitung (optional): 3.000 bis 8.000 Euro einmalig für Konzept und Umsetzungsbegleitung
Ein Data-Lake-Projekt kostet das Fünf- bis Zwanzigfache — und liefert für diese Unternehmensgröße selten mehr Nutzen.
Meine Empfehlung
Fangen Sie klein an. Wählen Sie eine konkrete Entscheidung, die Sie besser treffen wollen. Identifizieren Sie die dafür nötigen Daten. Bauen Sie einen einzigen, funktionierenden Datenflusss. Zeigen Sie, dass es geht.
Ein funktionierendes Dashboard für eine Frage ist mehr wert als ein ambitioniertes Konzept für hundert Fragen, das nie fertig wird.
Datenstrategie für KMU ist kein Infrastrukturprojekt. Es ist ein Organisationsprojekt mit technischer Unterstützung.