„Garbage In, Garbage Out“ – dieses Prinzip ist im Enterprise-Datenmanagement seit Langem Realität. Doch mit dem Aufkommen autonomer KI-Agenten sind die Folgen schlechter Daten gravierender denn je.
Im Gegensatz zu traditionellen Analysen oder Dashboards interpretieren Agenten die Informationen nicht nur – sie handeln auf ihrer Grundlage. Und wenn ihre Entscheidungen auf fragmentierten, inkonsistenten oder isolierten Daten beruhen, beschleunigen Unternehmen nicht den Fortschritt, sondern die Ineffizienz.
In einem aktuellen Fireside Chat haben Planview CEO Razat Gaurav und Alan Manuel, GVP of Product Management, gemeinsam erörtert, wie Unternehmen ihre Datenbasis fit für das Zeitalter von agentischer KI machen. Sehen Sie sich hier das vollständige Gespräch an:
Alan machte im Gespräch deutlich: Auch wenn Einzelpersonen am Limit arbeiten, sehen Kund:innen oft keine Ergebnisse, weil das Gesamtsystem nicht richtig ausgerichtet ist. Genau deshalb brauchen Plattformen mehr als nur Datenzugriff. Sie benötigen strukturierte, kontrollierte und semantisch konsistente Informationen, um verlässliche Ergebnisse zu liefern.
Warum „Garbage In, Garbage Out“ durch autonome KI weiter verstärkt wird
Eine von Planview durchgeführte Analyse von mehr als 3.500 Wertströmen zeigt, wie groß die Effizienzlücke sein kann. Laut Alan „verwandeln sich von jedem Dollar, den ein typisches Unternehmen in Softwareentwicklung investiert, nur etwa 25 Cent tatsächlich in Geschäftsergebnisse. Der Rest geht durch Fehlausrichtung, falsche Prioritäten oder Verschwendung verloren.“
Autonome Agenten können dieses Problem sogar verschärfen, wenn sie mit unvollständigen oder isolierten Daten arbeiten. Sie planen möglicherweise mehr Arbeit, als Teams realistisch leisten können, ignorieren Engpässe zwischen Bereichen oder verfolgen Ziele, die nicht zur Unternehmensstrategie passen.
Ohne einen gemeinsamen Überblick über Kapazität und Mehrwert verstärkt KI genau die Probleme, die sie eigentlich lösen soll. Nur mit dieser notwendigen Transparenz lässt sich erkennen, wer die Arbeit leisten kann – und ob es überhaupt die richtige Arbeit ist. Ohne diese Verbindung bleiben die Teams zwar beschäftigt, aber die Kund:innen sehen kaum Auswirkungen. Erst wenn Ressourcen auf echte Ergebnisse ausgerichtet sind, bringt jede Arbeitsstunde das Unternehmen voran – ob von einem Menschen oder einem KI-Agenten verrichtet.
Drei zentrale Ebenen für unternehmensreife KI-Agenten
Um vertrauenswürdige KI-Agenten zu entwickeln, benötigen Unternehmen vor allem eines: eine verlässliche, vernetzte Datenarchitektur. Alan beschreibt drei zentrale Ebenen:
Daten
Agenten brauchen Einblicke in alle Unternehmenssysteme, nicht nur in einzelne Datensilos. „Wenn Sie mehr planen, als Ihre reale Kapazität hergibt (was 99 % der Unternehmen ohne Planview tun), ist Scheitern vorprogrammiert“, erklärt Alan. Hier kommt das Flow Framework von Planview mit über 60 vorgefertigten Konnektoren ins Spiel. Es bietet die Datenbreite, um Investitionen, Kapazitäten und laufende Arbeit ganzheitlich zu verstehen.
Governance
Autonomie ohne Kontrolle ist riskant. Eine starke Governance-Ebene sorgt für klare Regeln zu Zugriffsrechten, Sicherheit und Kontext, damit Agenten innerhalb sicherer Grenzen handeln. So können etwa Produktmanager:innen KI für Backlog-Priorisierungen nutzen, ohne sensible Finanzdaten offenzulegen.
Strategische Ausrichtung
Über Daten und Governance hinaus braucht es die Vernetzung von Strategie und Umsetzung. Alan beschreibt OKRs als das „Nervensystem“ der Organisation: Sie übertragen Signale von strategischen Portfolios bis in die einzelnen Teams. Diese Abstimmung stellt sicher, dass jede Gruppe versteht, welchen Teil des Problems sie löst. So bleibt die Strategie nicht auf Führungsebene stecken, und die tägliche Arbeit ist stets auf die Geschäftsziele ausgerichtet.
Systematische Verankerung der Geschäftsziele
Diese Ausrichtungsebene übersetzt Strategie in konkrete Regeln für KI-Entscheidungen. Wenn ein Unternehmen zum Beispiel die Kundenerfahrung verbessern will, machen OKRs daraus messbare Ziele für jedes Team. Mit klaren Portfolioprioritäten, OKRs und Frameworks für die Teamplanung kann ein KI-Agent Backlogs optimieren oder Risiken frühzeitig sichtbar machen. Ohne diese Struktur geht die Strategie leicht auf dem Weg von Führungsebene zu Entwicklungsteams verloren.
Von Outputs zu echten Outcomes
Ein weiteres zentrales Thema der Diskussion: der Wechsel von Outputs zu Outcomes. Entwickler:innen wollen nicht endlos an Backlog-Tasks mit geringem Mehrwert arbeiten, und CFOs wollen keine Aktivität um der Aktivität willen. Beide wollen echten Fortschritt im Hinblick auf die strategischen Ziele.
Wir erinnern uns: Alan beschreibt OKRs als das „Nervensystem“, das Signale von oben an das gesamte Unternehmen weiterleitet. „Jedes Team muss wissen, welchen Teil des Problems es löst“, sagt er. „Andernfalls ist die Strategie nicht einmal den Speicherplatz im System wert.“
Agentische KI entfaltet dann ihre Kraft, wenn sie diese Ebenen verbindet: strategische Portfolios, kaskadierende OKRs und Planung auf Teamebene. Mit vertrauenswürdigen Daten können Agenten Engpässe aufdecken, Arbeit strategiekonform neu ausbalancieren und das gesamte System auf echte Geschäftsergebnisse (Outcomes) statt auf einzelne Aktivitäten (Outputs) ausrichten.
Das strategische Potenzial
Wie Razat im Gespräch betont, stehen Tech-Führungskräfte unter enormem Druck: größere Produktivität, höhere Geschwindigkeit, bessere Qualität – bei gleichzeitig steigenden Investitionen, die sie rechtfertigen müssen. Autonome Agenten können helfen, diese Lücke zu schließen. Aber nur, wenn sie auf einer soliden Datenarchitektur aufbauen.
Oder, wie Alan es formuliert: „Wenn Sie Entwickler:innen glücklich machen wollen – und sie sind eine knappe Ressource –, sorgen Sie dafür, dass sie an sinnvollen, wertvollen Themen arbeiten. Das wollen CFOs ebenso wie Entwickler:innen.“
Agentische KI ist keine Abkürzung. Sie ist ein Verstärker. Unternehmen, die heute in kontrollierte, vernetzte und umfassende Daten investieren, werden morgen ihr volles Potenzial ausschöpfen.
Treffen auch Sie schnellere und intelligentere Entscheidungen – mit Planview Anvi™, der Next-Generation-KI für vernetztes Arbeiten. Mehr erfahren
