Die Datenvertrauenskrise in der Fertigungsindustrie

Der Fertigungssektor steht an einem Wendepunkt. Das Versprechen digitaler Transformation, KI-gestützter Effizienz und hochresilienter Lieferketten trifft auf einen grundlegenden Mangel an Vertrauen in die eigenen Daten.

Die aktuelle Risiko- und Resilienzbericht für die Fertigungsindustrie 2025 zeigt eine alarmierende Vertrauenslücke

Dieses weit verbreitete Misstrauen ist längst kein IT-Problem mehr. In der heutigen Zeit stellt es eine kritische Schwachstelle dar, die die operative Agilität untergräbt, Innovation ausbremst und das Wachstum der gesamten Branche hemmt.
 

Was passiert, wenn man seinen Daten nicht vertrauen kann?

Wenn Daten unzuverlässig sind, verlassen sich Führungskräfte auf Intuition und Erfahrung – ein notwendiger, aber unzureichender Rückgriff angesichts der zunehmenden Komplexität moderner Fertigung, geprägt von volatilen Lieferketten und rasanten technologischen Veränderungen. Die praktischen Auswirkungen dieses Vertrauensverlustes sind erheblich und betreffen sowohl Umsatzwachstum als auch operative Resilienz:

• Wachstum kommt zum Stillstand: Unser Bericht zeigt, dass mangelhafte Daten entscheidende Risikolücken verursachen, die das Wachstum von Herstellern bremsen. 73 % der Unternehmen glauben nicht, dass ihre Daten ihnen helfen, neue Kunden zu finden. 70 % können den Return on Investment ihrer Projekte nicht nachvollziehen, und 68 % fehlt die Datenbasis, um die attraktivsten Absatzmärkte zu identifizieren.
• Resilienz wird geschwächt: 70 % der Befragten geben an, mit ihren aktuellen Daten keine alternativen Lieferanten identifizieren zu können, falls Probleme auftreten. Zudem können 65 % keine Effizienzpotenziale in ihrer Lieferkette erkennen. Dies schafft Verwundbarkeit in einer Zeit, in der Resilienz das oberste Ziel der Branche ist.
   

Die Hauptursachen der Vertrauenslücke

Björn Gerster, European Lead Center of Excellence, Manufacturing bei Dun & Bradstreet, erklärt, dass die Datenvertrauenskrise ein lösbares Problem ist, das auf drei grundlegende Ursachen zurückzuführen ist:

1. Schlechte Datenqualität und manuelle Prozesse: Eine starke Abhängigkeit von manueller Datenerfassung führt zu Fehlern, Verzögerungen und veralteten Informationen – und untergräbt das Vertrauen von Anfang an. Der Risiko- und Resilienzbericht bestätigt diese Abhängigkeit von analogen Prozessen: Rund ein Drittel der Unternehmen gibt an, dass ihre wichtigsten Entscheidungsprozesse überwiegend oder vollständig manuell ablaufen. Verstärkt wird dieses Problem durch mangelhafte Datenqualität, denn 41 % der Hersteller sagen, dass sie den Daten, die sie für ihre Lieferkettenprozesse nutzen, aktiv misstrauen.
2. Fehlende klare Datenstrategie (Silos und Duplikate): Die zentrale Dateninfrastruktur ist häufig fragmentiert. Daten liegen in isolierten Silos über verschiedene Systeme und Formate verteilt, was eine einheitliche, echtzeitfähige Sicht verhindert. Tatsächlich berichten 51 % der Hersteller, dass ihre Daten in unterschiedlichen Tools und Systemen isoliert sind, während 54 % mit doppelten Daten in mehreren Systemen kämpfen.
3. Organisatorischer und kultureller Widerstand: Selbst mit den richtigen Tools kann eine datengetriebene Kultur nur entstehen, wenn auch Menschen und Mindset mitziehen. Mitarbeitende, die an traditionelle Arbeitsweisen gewöhnt sind, stehen neuen, datenbasierten Ansätzen oft skeptisch gegenüber – meist aufgrund fehlender Datenkompetenz und unzureichender Schulung.

Regionale Unterschiede in der Datenvertrauenskrise

Auch wenn das Problem des mangelnden Datenvertrauens in allen Märkten präsent ist, zeigt sich seine Ausprägung je nach regionalen Besonderheiten deutlich unterschiedlich:

• USA und Schweiz kämpfen mit Fragmentierung: In den USA treten doppelte Datensätze am häufigsten auf – 58 % der Unternehmen haben redundante Daten in mehreren Systemen. Die Schweiz liegt hingegen bei schlechtem Datenmanagement vorn, da 61 % der Firmen siloartige, isolierte Datenbestände melden.
• Geteilte Vertrauensniveaus: Hersteller im Vereinigten Königreich, den USA und Deutschland berichten generell über höheres Vertrauen in ihre Daten – mindestens 59 % geben an, ihren Daten zu vertrauen. Im Gegensatz dazu zeigen Hersteller in Schweden und der Schweiz ein deutlich geringeres Vertrauen: 55 % der Befragten bekunden explizites Datenmisstrauen.
• Ein Hoffnungsschimmer: Trotz des hohen Maßes an Datensilos berichten Schweizer Fertigungsunternehmen gleichzeitig über eine starke Verbreitung ganzheitlicher Datenansichten: 63 % geben an, bereits eine 360-Grad-Sicht auf Geschäftspartner zu haben, die im gesamten Unternehmen geteilt wird. Das zeigt, dass – trotz bestehender Fragmentierung – in einigen Regionen bereits gezielt in Lösungen investiert wird, um diese Herausforderungen zu überwinden.
   

Die KI-Innovationsbarriere

Die Folgen dieses grundlegenden Vertrauensdefizits wirken sich unmittelbar auf die Zukunft des Fertigungssektors aus. Digitale Transformation und KI versprechen Effizienz und Agilität – jedoch nur, wenn das zugrunde liegende Datenfundament stabil ist.

Leider bremsen bestehende Datenmängel den Fortschritt bereits aus. Ganze 44 % der Hersteller haben erlebt, dass KI-Projekte aufgrund schlechter Datenqualität scheitern.

Doch die Investitionen in dieses essenzielle Fundament bleiben aus. Nur 50 % der Unternehmen verbessern ihre Daten mithilfe von Insights externer Datenanbieter, und lediglich 33 % investieren in einheitliche bzw. cloudbasierte Datenplattformen, die Integrationen und leistungsstarke Analysen ermöglichen.

Während 56 % der Firmen bereits eine 360-Grad-Sicht auf Geschäftspartner implementiert haben, haben gleichzeitig 46 % weiterhin Schwierigkeiten, diese grundlegenden Informationen im gesamten Unternehmen zu teilen und darauf zuzugreifen.

Master Data Management und die 360‑Grad‑Sicht

 Der Schlüssel dazu ist eine robust  Master‑Data‑Management‑(MDM)‑Strategie, die darauf abzielt, eine 360‑Grad‑Sicht auf alle Geschäftspartner zu schaffen.

MDM umfasst die Konsolidierung von Geschäftspartnerdaten in einem zentralen Data Warehouse, indem interne ERP‑ und CRM‑Daten mit externen Referenzdaten integriert werden. Dieser Prozess wird häufig durch einen universellen Identifikator unterstützt – etwa die Dun & Bradstreet D‑U‑N‑S®‑Nummer –, die als eindeutige Unternehmens‑ID dient und verstreute Daten über Systeme und Abteilungen hinweg vereinheitlicht.

Eine einheitliche Sicht, die bereits von 56 % der Unternehmen erfolgreich umgesetzt wurde, bildet die Grundlage für:

• Automatisierte Compliance‑Prozesse: Ermöglicht automatisierte Prüfungen gegen Sanktionslisten, Watchlists und UBO‑Register während des Lieferanten‑Onboardings.
• Predictive Analytics: Liefert saubere, strukturierte Daten für KI‑gestützte Anwendungsfälle wie Nachfrageprognosen und prädiktive Analysen.

Durch die Implementierung von MDM und die Schaffung einer „Single Source of Truth“ können Hersteller den Schritt von isolierten, manuellen Datenprozessen hin zu fundierter, datenbasierter Entscheidungsfindung machen.

Der Weg zu vertrauenswürdigen Daten

Um die Vertrauenslücke in Daten zu schließen, müssen Hersteller fragmentierte Altsysteme hinter sich lassen und zu einheitlichen, skalierbaren Datenarchitekturen übergehen. Diese Transformation führt Unternehmen von einem reaktiven zu einem proaktiven und prädiktiven Arbeitsmodus.

Praktische Schritte zur Umsetzung umfassen:

• Implementierung einer einheitlichen Datenarchitektur: Bestehende Datensilos müssen aufgebrochen, disparate Datensätze zusammengeführt und Duplikate eliminiert werden. Dies erfordert den Übergang zu einheitlichen, skalierbaren Datenarchitekturen – einschließlich Investitionen in Cloud-Plattformen mit Echtzeit Analysen.
• Etablierung von Data Governance: Rollen und Verantwortlichkeiten müssen klar definiert werden, und Master Data Management (MDM) sollte fest in der Unternehmensstrategie verankert sein. Dazu gehört der Aufbau von Data -Governance Frameworks, die Vertrauen- und Zugänglichkeit sicherstellen.
• Automatisierung zentraler Prozesse: Analoge und manuelle Prozesse wie Lieferanten-Onboarding und Risikoanalysen sollten automatisiert werden, um Effizienz zu steigern und sicherzustellen, dass die zugrunde liegenden Daten korrekt, vollständig und aktuell sind.
• Nutzung externer Datenanreicherung: Um Datenqualität und V-ollständigkeit zu gewährleisten, sollten Hersteller ihre eigenen Daten mit einem zuverlässigen „Reference Data Universe“ abgleichen, um sie zu standardisieren, zu vervollständigen und mit externen Erkenntnissen anzureichern.
• Investition in Datenkompetenz: Durch gezielte Schulungen wird die Datenkompetenz im Unternehmen gestärkt, sodass Mitarbeitende Daten besser verstehen, bewerten und anwenden können.

Die Fertigungsindustrie befindet sich im Wandel – und Daten sind entscheidend dafür, wer langfristig wächst und wer zurückfällt. Für Hersteller ist der erste und wichtigste Schritt, das Fundament des Vertrauens in die eigenen Daten zu schaffen.