Was ist Big Data und wie beeinflusst es die Entscheidungsfindung von IT-Experten?

Inhalt in Kürze

• Big Data ist keine Größenklasse, sondern eine Mischung aus fünf Merkmalen: Volume, Velocity, Variety, Veracity und Value. Ohne den fünften Faktor — geschäftlichen Nutzen — bleibt es technisches Hobby.
• Auch der Mittelstand sammelt längst Big Data: ERP, CRM, Webshop, IoT-Sensoren und Microsoft 365 produzieren ständig Datenströme — meist ungenutzt.
• Für IT-Experten verschiebt Big Data die Tool-Landschaft Richtung Cloud-Lakehouses (Azure Synapse, Microsoft Fabric, Databricks) und macht SQL, Power BI und Datenarchitektur zu Kernkompetenzen.
• DSGVO bleibt das größte Risiko: Daten dürfen gesammelt werden, aber nicht beliebig — saubere Lösch- und Aufbewahrungspflichten sind Pflicht, nicht Kür.

„Big Data” ist seit Jahren Buzzword — meist hohl. Was steckt wirklich dahinter, und vor allem: Wie verändert es die Entscheidungen, die IT-Experten und Geschäftsführer im Mittelstand täglich treffen? Eine ehrliche Einordnung jenseits von Hadoop-Folien und KI-Wundern, aus der Praxis von hagel IT-Services in Hamburg — 18 Jahre Mittelstand, ohne Beratergeschwurbel.

Definition: Was Big Data wirklich ist

Big Data bezeichnet Datenmengen, die so groß, schnell entstehend oder vielfältig sind, dass herkömmliche Datenbanken und Tabellenkalkulationen sie nicht mehr sinnvoll verarbeiten. Die klassische Definition kommt vom US-Analysten Doug Laney und nutzt drei Vs — heute ergänzt um zwei weitere:

Erst alle fünf zusammen ergeben Big Data — und nur das fünfte V macht es relevant. Eine aktuelle Bitkom-Studie zu Data Analytics zeigt: 80 Prozent der deutschen Unternehmen halten Datenanalyse für entscheidend — aber nur ein Drittel hat eine klare Datenstrategie.

Big Data im Mittelstand — die ehrliche Sicht

Die meisten Hamburger KMU brauchen kein Hadoop-Cluster und kein zwölfköpfiges Data-Science-Team. Sie haben dennoch Big-Data-Probleme — nur nennen sie es nicht so. Beispiele aus unserer Praxis:

• Bauunternehmen, 120 MA: ERP, CAD-Pläne, Lieferantendaten, Baufortschritts-Fotos, Mängellisten — alle in unterschiedlichen Systemen. Bei jedem Projektabschluss verbringen Bauleiter Tage damit, Reports zusammenzukopieren.
• Logistiker, 60 MA: Telematik liefert pro Fahrzeug 12 Datenpunkte pro Sekunde. 18 Fahrzeuge × 12 Datenpunkte × 86.400 Sekunden = über 18 Millionen Datensätze pro Tag. Niemand schaut sie jemals an.
• Online-Händler, 25 MA: Webshop, Lagerverwaltung, Buchhaltung, Marketing-Tools — fünf Datenquellen, die nirgends zusammenkommen.

In allen drei Fällen liegt die Lösung nicht in mehr Daten, sondern in einer zentralen Datenplattform, die bestehende Daten zusammenführt. Heute heißt das meist Microsoft Fabric oder Azure Synapse — und ist für den Mittelstand bezahlbar geworden.

Die meisten unserer Kunden haben mehr Daten, als sie glauben — und nutzen weniger davon, als sie sollten. Big Data im Mittelstand ist selten ein Tool-Problem. Es ist ein Strategie- und Governance-Problem.

Jens HagelGeschäftsführer, hagel IT-Services GmbH

Wie Big Data die Entscheidungsfindung von IT-Experten verändert

Datenarchitektur statt Server-Patching

Früher war IT-Leiter sein vor allem: Server am Laufen halten, Backups fahren, Drucker konfigurieren. Heute kommt Datenarchitektur dazu. IT-Verantwortliche müssen entscheiden: Welche Daten sammeln wir? Wo liegen sie? Wer darf zugreifen? Wie lange behalten wir sie? Diese Fragen werden zur Kernkompetenz — und sie tauchen in jedem ISO- oder NIS2-Audit auf.

Tool-Landschaft Cloud-Lakehouse statt SQL-Server

Klassische On-Premise-Datenbanken stoßen an Grenzen, sobald drei Datenquellen zusammenkommen sollen. Cloud-Lakehouses wie Microsoft Fabric, Snowflake oder Databricks vereinen strukturierte und unstrukturierte Daten in einer Plattform — und skalieren nach Bedarf. Für die meisten KMU reicht Microsoft Fabric, weil es sich nahtlos in das vorhandene Microsoft 365 einfügt. Mehr zu Cloud-Strategien finden Sie in Cloud Computing für Unternehmen.

Skills verschieben sich

SQL, Power BI, ein bisschen Python und ein gutes Verständnis von Datenmodellen sind die neuen Basics. Das heißt nicht, dass jeder IT-Mitarbeiter Data Scientist werden muss — aber jeder sollte verstehen, wie aus Datenströmen Erkenntnisse werden. Wer mehr zur Verbindung von Big Data und KI lesen will, findet im Artikel Big Data und Analytics — die Rolle von KI die Tiefe dazu.

Governance und DSGVO werden zur Pflicht

Daten zu sammeln ist einfach. Sie DSGVO-konform zu sammeln und nach Ablauf der Aufbewahrungsfrist zu löschen — das ist Arbeit. Wer eine Big-Data-Plattform aufbaut, muss von Anfang an Lösch- und Aufbewahrungspflichten technisch abbilden. Sonst wird die Plattform irgendwann zur Compliance-Bombe.

Vier Anwendungsfälle, die im Mittelstand wirklich funktionieren

1. Vertrieb 360°: CRM-Daten + ERP-Aufträge + Webshop-Aktivität + E-Mail-Tracking in einer Sicht. Der Außendienst weiß vor dem Kundengespräch, welche Themen aktuell sind.
2. Predictive Maintenance: Maschinen- und Sensor-Daten in der Produktion erkennen Ausfälle, bevor sie passieren. Bei Logistikflotten reduziert das ungeplante Werkstattaufenthalte um 20 bis 30 Prozent.
3. Finanz- und Liquiditätsplanung: ERP-Daten, Banktransaktionen und Auftragsbestand kombiniert ergeben rollierende 13-Wochen-Prognosen — Standard in Konzernen, im Mittelstand selten.
4. Personal-Analytics: Fluktuation, Krankenstand, Bewerberzahlen, Recruiting-Kosten in einem Dashboard. Personalentscheidungen werden datenbasiert statt aus dem Bauch.

Praxisbeispiel: Hamburger Maschinenbauer, 95 Mitarbeiter

Ein Kunde aus dem Maschinenbau wollte wissen, warum manche Aufträge profitabel sind und andere nicht. Die Daten lagen in vier Systemen: ERP (Aufträge), Zeiterfassung (Stunden), Materialwirtschaft (Bauteile), Buchhaltung (Rechnungen). Niemand brachte sie zusammen.

• Plattform: Microsoft Fabric in Azure, 120 Euro/Monat für die Lakehouse-Kapazität.
• Anbindung: Vier ETL-Strecken aus den bestehenden Systemen, einmal täglich nachts.
• Dashboards: Power BI pro Nutzer 10 Euro/Monat, 12 Lizenzen für Vertrieb, Werkstattleiter und GF.
• Erkenntnis: 18 Prozent der Aufträge waren defizitär — primär wegen unterschätzter Nebenarbeiten. Nach 6 Monaten Kalkulationsanpassung lag die Marge 4 Prozentpunkte höher.

Gesamtkosten der Datenplattform: rund 350 Euro pro Monat. Erkenntnisgewinn: deutlich über 100.000 Euro Margenverbesserung im ersten Jahr. Das ist das fünfte V — Value — in Reinform.

Wie Sie als IT-Verantwortlicher anfangen

1. Daten-Inventur: Welche Systeme haben wir? Welche Daten liegen wo? Wer greift wie zu? Eine simple Excel-Liste reicht zum Start.
2. Eine konkrete Frage formulieren: Nicht „Big Data einführen", sondern „Wie hoch ist unsere Marge je Kundensegment?" Konkrete Fragen brauchen konkrete Daten.
3. Pilot auf einer Plattform: Microsoft Fabric oder Azure Synapse, Power BI als Frontend. 90 Tage Pilot, ein klarer Use-Case.
4. Governance von Anfang an: DSGVO-Anonymisierung, Rollenmodell, Aufbewahrungsfristen — bevor die Plattform wächst.
5. Skalieren in kleinen Schritten: Erst ein Use-Case, dann der nächste. Jede neue Datenquelle nur, wenn ein konkreter Nutzen feststeht.

Aus der Praxis — was Geschäftsführer sagen

Big Data hat es nicht verdient, ein Berater-Buzzword zu sein. Es ist ein Werkzeug — und wie jedes Werkzeug nur so gut wie die Hand, die es führt. Wer es als KI-Wunder verkauft, hat es nicht verstanden. Wer es als praktischen Datenhebel für bessere Entscheidungen einsetzt, gewinnt. Wir setzen Datenplattformen in Hamburg über unsere Managed IT Services und die Co-Managed IT zum Festpreis um — vom Pilot bis zur produktiven Plattform. Lesenswert dazu: Routineaufgaben automatisieren und 5 Features von Azure, die Geld sparen.