Digitale Transformation in Pharma, scheitert selten an IT… sondern ?

Die wenigsten Dateninitiativen in Pharma und Lifescience scheitern  an Technologie.

Sie scheitern daran, dass wir uns nicht einigen können.

🎥 Hier kannst du die komplette Folge anschauen:

Das eigentliche Problem: Wir tun so, als wäre Datenarbeit ein IT-Thema

Im Gespräch mit Thomas ging es viel um BI, Datenprodukte und KI.

Klassische Buzzwords.

Aber wenn man einmal ehrlich draufschaut, landet man ziemlich schnell hier:

• Unterschiedliche Definitionen
• Unterschiedliche Interessen
• Unterschiedliche Prioritäten

Und plötzlich wird aus einem Datenprojekt ein politisches Projekt.

Ein Klassiker:

Du willst einen globalen KPI einführen.
„Umsatz“ zum Beispiel.

Klingt trivial.

Ist es nicht.

Denn jedes Land, jedes System, jede Einheit hat eine leicht andere Wahrheit.

Und genau da entscheidet sich, ob Transformation funktioniert – oder stirbt.

Technologie ist selten das Bottleneck. Wirklich selten.

Ich habe noch kein Projekt gesehen, das gescheitert ist, weil:

• kein ETL-Tool verfügbar war
• kein Data Lake gebaut werden konnte
• keine KI implementierbar war

Was ich ständig sehe:

• fehlende Einigung
• fehlende Priorisierung
• fehlende Ownership

Oder ganz simpel:

👉 „Wir brauchen alle Daten.“

Das ist kein Anspruch.
Das ist ein Alarmsignal.

Der größte Denkfehler: Mehr Daten = bessere Entscheidungen

Nein.

Mehr Daten = mehr Chaos.

Wenn du nicht weißt:

• welche Entscheidung du treffen willst
• welche Frage du beantworten willst

… dann bringt dir auch der schönste Data Lake nichts.

Oder wie ich es gerne sage:

Du skalierst dann nur deine schlechten Daten.

Datenprodukte statt Datensammeln

Ein Punkt, der im Gespräch besonders spannend war:

Der Shift hin zu echten Datenprodukten.

Nicht:

„Wir sammeln alles und schauen dann mal“

Sondern:

👉 „Welches Problem lösen wir konkret?“

Beispiel aus dem Healthcare-Kontext:

• Lageroptimierung
• Verfallsrisiken reduzieren
• Lieferfähigkeit sicherstellen

Das sind keine IT-Ziele.

Das sind Business-Ziele.

Und genau daran müssen sich Daten messen lassen.

Der unbequeme Teil: Governance ist kein Gegner

Viele hören „Governance“ und denken:

• langsam
• bürokratisch
• hinderlich

Aber ohne Governance passiert Folgendes:

• jeder baut seine eigene Wahrheit
• Reports widersprechen sich
• Vertrauen geht verloren

Und dann?

Dann wird wieder nach Excel gerufen.

Self-Service: Risiko oder Rettung?

Ich höre das ständig:

„Wenn wir Self-Service erlauben, leidet die Qualität.“

Meine Gegenfrage:

Was passiert denn, wenn ihr es nicht erlaubt?

Richtig.

Dann bauen sich die Fachbereiche ihre Lösungen trotzdem.

Nur ohne Standards. Ohne Transparenz. Ohne Kontrolle.

Self-Service ist nicht das Problem.

Fehlendes Enablement ist das Problem.

Datenkultur: Das Wort, das alle benutzen – aber keiner lebt

Der entscheidende Punkt kam fast nebenbei im Gespräch:

Du kannst keine Datenkultur aufbauen, wenn das Management sie nicht lebt.

Wenn Entscheidungen weiterhin so getroffen werden:

„Mein Bauchgefühl sagt etwas anderes“

… dann kannst du dir jedes Data-Programm sparen.

Gleichzeitig funktioniert es auch nicht nur top-down.

Es ist ein Zusammenspiel:

• Führung gibt Richtung und Raum
• Teams liefern Umsetzung und Realität

Alles andere ist Theater.

KI? Ja. Aber später.

Aktuell sehe ich viele Organisationen, die direkt in KI springen.

Ohne Fundament.

Das Problem:

KI verstärkt das, was du hast.

• gute Daten → bessere Insights
• schlechte Daten → schnelleres Chaos

Oder einfacher:

Garbage in. Garbage out.

Nur in schneller.

Was wirklich den Unterschied macht

Wenn ich es runterbrechen müsste:

Transformation funktioniert dann, wenn drei Dinge zusammenkommen:

1. Klarer Use Case
   Kein „wir machen jetzt mal Daten“, sondern ein echtes Problem
2. Gemeinsames Verständnis
   Was bedeuten unsere Daten wirklich?
3. Verantwortung über Silos hinweg
   Nicht IT vs Business – sondern gemeinsam

Klingt simpel.

Ist es nicht.

Und jetzt mal ehrlich:

Wo steht ihr gerade?

• Baut ihr noch Datenplattformen… ohne zu wissen, wofür?
• Diskutiert ihr noch Definitionen… statt Entscheidungen zu treffen?
• Oder habt ihr es geschafft, Daten wirklich in Wirkung zu bringen?

Mich interessiert das wirklich.

Weil genau dort entscheidet sich, ob Digitalisierung nur ein Buzzword bleibt.

Oder echten Impact hat.

: