In den letzten Jahren wurden Investitionen in KI-Projekte massiv aufgestockt. Inzwischen erleben wir in unseren Gesprächen jedoch häufig Ernüchterung. Die einst enthusiastisch gestarteten KI-Initiativen stagnieren, weil oftmals das Fundament fehlt: Veraltete IT-Landschaften halten den Anforderungen nicht stand, gleichzeitig nimmt der Innovationsdruck weiter zu. Die strategische IT-Modernisierung ist daher eine zentrale Voraussetzung dafür, um messbar von KI-getriebenen Geschäftsmodellen zu profitieren. Doch wie gelingt der Wandel vom starren Legacy-System zur agilen, KI-fähigen IT- und Datenlandschaft?
Mit diesem Artikel starten wir unsere zweiteilige Blogreihe „IT-Modernisierung als Fundament für KI“.
Der Kostendruck auf Legacy-IT wächst von zwei Seiten: Bis zu 80% des IT-Budgets fließen im Schnitt in Wartung und Betrieb von Alt-Systemen. Der massive Anstieg der VMware-Lizenzkosten verschärft die Lage zusätzlich und avanciert für Unternehmen zum konkreten Auslöser, die IT-Modernisierung nicht länger aufzuschieben.
Jedes zweite KI-Projekt scheitert nach dem PoC: Der Grund ist selten das Modell, sondern eine schlechte Datenqualität und fehlende Governance. Ohne eine tragfähige Datenarchitektur kommen KI-Anwendungen jedoch selten über den Prototyp hinaus.
AI-Readiness ist eine Architektur-, keine Tool-Frage: KI-fähig wird ein Unternehmen erst mit der Fähigkeit, Anwendungen wiederholbar und skalierbar umzusetzen. Was einmal aufgebaut wurde – Datenpipeline, Zugriffsregeln, Deployment – trägt jeden weiteren Use Case.
Ergebnisse aus unseren Modernisierungsprojekten:
Immer wieder berichten uns IT-Verantwortliche, dass sie in einem Dilemma stecken: Bis zu 80% des IT-Budgets würden in die Wartung und den Betrieb bestehender Systeme fließen (siehe auch Gartner 2025, Link einfügen). Die Altsysteme seien oftmals über Jahrzehnte gewachsen, technologisch veraltet und in isolierten Silos organisiert. Dadurch würden nicht nur finanzielle Ressourcen, sondern auch wertvolle Fachkräfte gebunden, die eigentlich dringend für zukunftsweisende Projekte benötigt werden. Die Folgen seien spürbar: Neue, datengetriebene Services ließen sich nur schwer implementieren, die Skalierbarkeit bliebe begrenzt und die Vorlaufzeit bis zur Marktreife digitaler Produkte verlängerte sich erheblich.
Neben den hohen Kosten für die Legacy-Wartung kämpfen viele Unternehmen auch mit diesen Herausforderungen:
Die Überlegung, den KI-Hype gewissermaßen auszusitzen und die IT-Modernisierung ein wenig aufzuschieben, ist allerdings keine Option, weshalb wir Unternehmen davon abraten. Wer heute seine IT- und Datensysteme nicht modernisiert, geht ein großes Risiko ein. Altsysteme lassen sich irgendwann nicht mehr skalieren, geschweige denn vernünftig warten. Hinzu kommt der massive Kostendruck, der Unternehmen durch die VMware-Ablöse droht.
Machen Sie den 5-Minuten-Selbstcheck: Bewerten Sie 5 Dimensionen und erhalten Sie eine priorisierte Handlungsempfehlung.
Eine weitere alarmierende Zahl zeigt, dass mehr als 50% aller KI-Projekte bereits nach dem Proof-of-Concept scheitern. Die Hauptursachen dafür liegen, wie uns in Beratungs- und Projektgesprächen immer wieder bestätigt wird, meist in einer schlechten Datenqualität und einer mangelhaften Dateninfrastruktur. Zudem gebe es oftmals keine richtige Governance, diese ist jedoch für eine KI-taugliche Umgebung unerlässlich, denn sie beugt Datensilos vor und regelt folgende Fragestellungen:
Ohne eine einheitliche Datenstrategie und eine moderne Plattform, die Daten aus der Produktion (OT), dem ERP-System (IT) und anderen Quellen zusammenführt, bleibt jede KI-Anwendung ein theoretisches Konstrukt. Eine echte „AI-Readiness“ entsteht nämlich nicht durch den Kauf von KI-Tools, sondern durch die Schaffung einer einheitlichen Datenarchitektur, die als verlässliches Fundament etwa für Machine-Learning-Modelle dient.
Und dabei heißt AI-Readiness nicht, einfach nur einen bestimmten KI-Anwendungsfall ins Laufen zu bringen, sondern ein Fundament zu schaffen, auf dem der zweite, dritte und zehnte Use Case schneller, günstiger und dennoch verlässlich in Betrieb gehen.
Auch entscheidet eine tragfähige IT- und Datenbasis darüber, wie schnell eine neue Produktvariante oder Geschäftsanwendung über mehrere Werke ausgerollt werden kann, welche operative Entscheidung datengetrieben statt intuitiv getroffen wird und ob manuelle Zwischenschritte zwischen MES, ERP und Shopfloor entfallen können. All das setzt eines voraus: eine konsequente IT-Modernisierung.
Eine erfolgreiche IT-Modernisierung bedeutet allerdings mehr als den reinen Austausch von Technologie. Sie umfasst einen strategisch ausgerichteten Prozess, der die Grundlage für zukünftige Geschäftsmodelle legt. Dazu gehören eine gezielte Application Modernization, also beispielsweise die Migration von monolithischen Anwendungen zu flexiblen Microservices, aber auch der Aufbau cloud-nativer Architekturen und die Etablierung einer zentralen Datenplattform.
Was das konkret bringt, zeigen folgende Projektbeispiele von Device Insight:
Ein Projekt, auf das wir besonders stolz sind: Ein internationaler Hersteller im Bereich erneuerbarer Energien hat seine bisherige VMware/Cumulocity-basierte Plattform gemeinsam mit Device Insight durch eine cloud-native Azure-Lösung ersetzt. Das Ergebnis: 70% weniger OPEX, eine skalierbare Verarbeitung hochfrequenter Datenströme und eine Plattform, auf der sich neue KI-Anwendungsfälle in Wochen statt Monaten umsetzen lassen.
Zweifellos kann die vollständige Modernisierung einer IT-Landschaft zunächst überwältigend wirken. Der richtige Ansatz wäre jedoch kein Mammutprojekt, sondern eine pragmatische Modernisierung, bei der man sich zuerst auf die kritischsten Anwendungen konzentriert. Der Mehrwert zeigt sich hier schnell und direkt und ist sogar planbar, weil sich die Systeme besser warten lassen und flexibel auf neue Marktanforderungen hin adaptiert werden können.
Erfahren Sie, welche Modernisierungsansätze die IT, Operations und Data-Teams weiterbringen, mit Case Stories, Migrationsbeispielen und einem konkreten Vorgehensmodell. Unser Executive Guide (PDF) gibt einen kompakten Ein- und Überblick darüber, was wir bei 200+ industriellen Projekten gelernt haben.
Industrieunternehmen sollten die IT-Modernisierung nicht als organisatorischen Mehraufwand, sondern als eine betriebswirtschaftliche Notwendigkeit betrachten. Schließlich ist jede KI-Strategie nur so stark wie ihre IT- und Datenbasis. Wer heute die Anwendungsmodernisierung verpasst, könnte morgen mit ausufernden Lizenzkosten und dem Scheitern seiner KI-Ambitionen eine böse Überraschung erleben. Das muss nicht sein. Gemeinsam mit einem Partner wie Device Insight, der über langjährige, ausgewiesene Expertise an der Schnittstelle von IT/OT und KI verfügt, können Sie starre Altsysteme hinter sich lassen.
Starten Sie jetzt: Die Erneuerung von IT- und Datensystemen beginnt sinnvollerweise mit einer fundierten Bestandsaufnahme: einem Modernization Assessment. Ziel ist es, dabei Ihre bestehenden Systeme zu analysieren sowie technische Schulden und mögliche Problemstellen zu ermitteln. In drei bis sechs Wochen erhalten Sie von uns eine Infrastruktur- und Architekturübersicht, eine priorisierte Migrations-Roadmap und eine Aufwandsindikation – alles als Festpreispaket. Schritt für Schritt wird aus der Vision einer KI-fähigen IT-Landschaft dann greifbare Realität. Warten Sie nicht, bis veraltete Systeme Ihr Geschäft ausbremsen. Sprechen Sie uns an.
Als KUKA-Digitaltochter kennen wir uns bei Device Insight mit den Stolpersteinen gewachsener Industrieumgebungen bestens aus: Legacy-Systeme, die nicht einfach abgeschaltet werden können, Shopfloor-Anbindungen, OT-Protokolle, Produktionslogik. Kommt Ihnen bekannt vor? Seit fast 25 Jahren beschäftigen wir uns mit der Anbindung von Geräten und Anlagen und der Verarbeitung von Industriedaten. Wir sind Partner für Industrial Intelligence.
Sie haben Fragen zu Ihrer Modernisierungs-Roadmap oder Interesse an einem Assessment? Vereinbaren Sie einen 20-Minuten-Slot mit uns – wir zeigen Ihnen, wo Ihre größten Hebel liegen und wie ein realistischer erster Schritt aussehen könnte.
Über den Autor:
Ingo Forstner verantwortet als Senior Portfolio Manager die strategische GTM-Ausrichtung von Device Insight. Sein Fokus: Unternehmen dabei zu unterstützen, gewachsene IT-Landschaften so weiterzuentwickeln, dass sie KI-getriebene Geschäftsmodelle wirklich tragen können. Zu seinen früheren Stationen zählen die Linde Group und MAN Diesel & Turbo.
Durch das neue Broadcom-Modell amortisiert sich ein Wechsel auf Azure oft in 12–24 Monaten (TCO-Vorteil durch OPEX statt Hardware-CAPEX).
Die Integration von IT- und OT-Daten in einer modernen Architektur (z. B. Data Lakehouse) für schnellen ML-Modell-Zugriff.
Indem man nicht nur virtualisiert, sondern containerisiert. Das schafft die nötige Elastizität und Datenverfügbarkeit für KI-Workloads.
Veraltete Legacy-Stacks führen zu Innovationsstau, Sicherheitsrisiken (NIS2) und Fachkräftemangel durch Renteneintritt von Experten.
Ein 3- bis 6-wöchiges Modernization Assessment analysiert Ihre IT-Landschaft, identifiziert technische Schulden und liefert eine klare Roadmap.
Sehr viel. Wenn Ihre Legacy-Systeme keine strukturierten Maschinendaten liefern können, treffen Sie operative Entscheidungen womöglich ohne die entscheidenden Informationen. Modernisierung schafft die Datenbasis für Predictive Maintenance, den Rollout neuer Produktvarianten über mehrere Werke und den Wegfall manueller Zwischenschritte zwischen MES, ERP und Shopfloor.
Weil jede neue Idee wieder von vorne beginnt: neue Datenpipeline, neue Governance-Diskussion, neuer Deployment-Weg. Eine modernisierte Plattform kehrt das um – der zweite Use Case nutzt die Infrastruktur des ersten. AI-Readiness ist Wiederholbarkeit, nicht das erste erfolgreiche Pilotprojekt.
