Daten gelten längst als einer der wichtigsten Wettbewerbsfaktoren. Trotzdem verfügen laut einer Umfrage „in 65 % der Unternehmen keine Datenstrategie“ — ein Befund, der zeigt, wie groß der Handlungsbedarf gerade im Mittelstand ist. Eine aktuelle wissenschaftliche Arbeit des Instituts für Wirtschaftsinformatik der Hochschule Heilbronn hat untersucht, welche Methoden Unternehmen entlang des gesamten Entwicklungsprozesses einer Datenstrategie konkret unterstützen können.
Die Analyse liefert erstmals einen systematischen Überblick über 54 Methoden, die in Forschung und Praxis eingesetzt werden. Ein Satz aus der Arbeit bringt die Ausgangslage auf den Punkt:
„Während bereits einige Vorgehensmodelle für den Entwicklungsprozess entstanden sind, wird die methodische Unterstützung bislang noch nicht ganzheitlich betrachtet.“
Warum eine Datenstrategie unverzichtbar ist
Eine Datenstrategie definiert, welche Daten zu welchem Zweck genutzt werden sollen, wie Datenqualität, Infrastruktur, Kompetenzen und Governance organisiert werden und wie Daten langfristig Wert schaffen. Sie umfasst sowohl defensive Aspekte (Datenschutz, Qualität, Integrität) als auch offensive Ziele wie Effizienzsteigerung, neue Services oder datenbasierte Geschäftsmodelle.
Der Entwicklungsprozess folgt typischerweise sechs Schritten:
Vision & Mission definieren
Status quo analysieren
Roadmap entwickeln
Strategische Ziele formulieren
Implementieren
Messen, testen, anpassen
Was die Analyse zeigt: 54 Methoden – aber kein Standard
Die Studie identifiziert 52 konkrete Methoden plus ein übergreifendes Framework. Auffällig:
Mehr als zwei Drittel stammen aus der klassischen Strategieentwicklung (z. B. SWOT, PESTEL, Balanced Scorecard).
Nur 12 Methoden wurden speziell für Daten entwickelt (z. B. Data Map, Data Value Map, Data Strategy Canvas).
Die meisten Methoden konzentrieren sich auf die Strategieentwicklung (Phase 4) – hier ist die methodische Unterstützung am stärksten ausgeprägt.
Die erste und letzte Phase (Vision & Mission sowie Messung & Anpassung) sind am schwächsten methodisch unterfüttert.
Ein weiteres Zitat aus der Arbeit verdeutlicht die Herausforderung:
„Die Vielfältigkeit der identifizierten Methoden zeigt die Zersplitterung des Forschungsgebietes auf und verdeutlicht, dass sich zum aktuellen State‑of‑the‑Art keine Methode einheitlich durchgesetzt hat.“
Welche Methoden KMU besonders helfen können
Für kleine und mittlere Unternehmen sind vor allem Methoden relevant, die strukturiert, verständlich und schnell anwendbar sind. Dazu gehören:
SWOT, PESTEL, Five Forces – für die Analyse des Umfelds
Reifegradmodelle – um den eigenen Datenstatus realistisch einzuschätzen
Data Map & Data Value Map – speziell für datenbezogene Transparenz und Priorisierung
Use‑Case‑Kataloge & Priorisierungsmatrizen – um konkrete Dateninitiativen auszuwählen
Balanced Scorecard & OKRs – für die strategische Steuerung
Scrum, Lean, PMBOK – für die Umsetzung
Messpläne, Feedbackschleifen, Lessons Learned – für kontinuierliche Verbesserung
Fazit: Orientierung für Unternehmen – und Forschungsbedarf
Die Studie zeigt klar: Es gibt viele hilfreiche Methoden, aber keinen einheitlichen Standard. Für Unternehmen bedeutet das: Sie müssen bewusst auswählen, welche Methoden zu ihrer Größe, Branche und Datenreife passen.
Für die Forschung bedeutet es:
Methoden müssen stärker auf Datenkontexte zugeschnitten werden.
Es braucht Taxonomien, die Unternehmen bei der Auswahl unterstützen.
Die Wirksamkeit bestehender Methoden sollte empirisch evaluiert werden.
Für KMU bietet die Arbeit jedoch bereits heute einen wertvollen Nutzen: Sie schafft Transparenz und liefert eine fundierte Grundlage, um den eigenen Datenstrategie‑Prozess methodisch sauber aufzusetzen.
Zu diesem Thema wurde eine umfassende Studienarbeit am Institut für Wirtschaftsinformatik der Hochschule Heilbronn verfasst, die Teil eines über den Steinbeis Verlag erschienenen eBooks der Schriftenreihe Wirtschaftsinformatik ist: