Am 28. Oktober 2025 versammelten sich Mitglieder des InsurTech Hub Munich bei QAware in München, um sich intensiv mit der Zukunft von Data Literacy und AI-Readiness auseinanderzusetzen – mit einem klaren Fokus auf Datenkompetenz als Schlüssel für künstliche Intelligenz im Unternehmen, praxisnahe Herausforderungen und Lösungsbausteine sowie strategische Erfahrungsberichte zur erfolgreichen AI-Integration.
Der Weg zur AI-Readiness beginnt bei den Daten
„Viele Unternehmen schaffen es, schnelle Proof-of-Concepts auf Basis von Trainingsdaten zu bauen – aber wenn es dann darum geht, AI-Systeme in die Produktion zu bringen und mit echten Live-Daten zu arbeiten, wird es komplex“, erklärt Josef Adersberger, Managing Director bei QAware. Genau hier setzte der Deep Dive Day an: Bei der Frage, wie Unternehmen ihre Daten so aufbereiten, dass sie für AI-Anwendungen nutzbar werden.
Die Anforderungen sind klar: AI-ready bedeutet, dass Daten gut zugänglich, von akzeptabler Qualität und mit sehr gut gepflegten Metadaten versehen sind. Organisatorisch braucht es klare Verantwortlichkeiten, technisch eine Datenplattform, die Daten integrieren, beschreiben und verfügbar machen kann – unter Einhaltung von Compliance-Vorgaben und eng verzahnt mit der bestehenden IT-Landschaft.
Strategie vor Technologie – Menschen vor Tools
Ein roter Faden durchzog die Veranstaltung: Ohne die richtigen Menschen in den richtigen Positionen funktioniert keine AI-Strategie. Der menschliche Faktor spielt bei allen entscheidenden Weichenstellungen eine zentrale Rolle. Die vorgestellten Frameworks zeigten deutlich: Eine erfolgreiche AI-Strategie beginnt mit Vision und Ambition, führt über Wertschöpfung und KI-fähige Organisation bis zur passenden technologischen Basis – Daten und Technologien.
Datenkompetenz bedeutet dabei mehr als technisches Know-how: Es geht um die Fähigkeit, den Wert von Daten zu erkennen und zu erschließen – eine Kombination aus methodischer Kompetenz, Zieltransparenz und technischer Fingerfertigkeit. „Möglichst viele Menschen in einem Unternehmen sollten kompetent darin sein, den Wert von Daten zu erkennen“, so Adersberger. Nur durch kontinuierliche Weiterbildung können Mitarbeitende das vorhandene Interesse an AI-Tools mit dem notwendigen Know-how verbinden.
Praxisnah und interaktiv
Die Teilnehmenden erhielten Einblicke in verschiedene AI-Typen – von Machine Learning über Deep Learning bis hin zu Large Language Models und Agentic LLM – und erfuhren, wie diese im Unternehmenskontext eingesetzt werden können. Modernisierte Altsysteme wurden als Schlüssel zu wertvollen Daten identifiziert, die entscheidend für die Handlungsfähigkeit sind und AI-Anwendungen aus der Nische ins echte Geschäft bringen.
Der Deep Dive Day machte deutlich: Der Weg zur AI-Readiness ist iterativ und erfordert strategisches Vorgehen. Regulatorische Anforderungen bleiben eine zentrale Herausforderung, doch mit der richtigen Datenstrategie lassen sich AI-Lösungen entwickeln, die compliant sind und sensible Informationen schützen. Am Ende geht es nicht um Technologie um ihrer selbst willen, sondern darum, wie Daten den Unterschied im Unternehmensalltag machen können.
