Unstrukturierte Daten: Die 80 %, die Ihre Systeme nicht lesen können

Fragen Sie einen Mittelständler, wo das Unternehmen sein Wissen aufbewahrt, und er zeigt auf das ERP. Dieses System hält die Aufträge, die Bestände, die Rechnungen, die sauberen Zahlen in ordentlichen Zeilen. Es ist zugleich die kleine sichtbare Spitze des Eisbergs. Das Jahrzehnt an Kunden-E-Mails, die Verträge mit handverhandelten Klauseln, die Serviceberichte, die technischen Zeichnungen, die Besprechungsnotizen, die Fotos vom letzten Audit, all das sind auch Daten, und sie stellen das ERP in den Schatten.

Branchenschätzungen setzen diese Art von Daten, unstrukturierte Daten, bei rund 80 bis 90 Prozent von allem an, was ein Unternehmen hält. Für die meisten Betriebe ist die überwältigende Mehrheit dessen, was sie wissen, unsichtbar für die Systeme, auf die sie sich verlassen, weil diese nie dafür gebaut wurden, einen Satz zu lesen, sondern nur, ein Feld zu zählen. Das ist keine kleine Lücke. Es ist der Großteil Ihres betrieblichen Wissens, der im Dunkeln liegt.

Dieser Artikel handelt von dieser unsichtbaren Mehrheit: was unstrukturierte Daten wirklich sind, warum sie jahrzehntelang totes Kapital waren und warum 2026 der Moment ist, der das ändert, weil KI sie endlich lesen kann. Wir zeigen, wo sie sich in Ihrem Betrieb verstecken, wie Sie sie in etwas Abfragbares verwandeln, die Governance- und DSGVO-Fallen, die nur für sie gelten, und einen 90-Tage-Weg zum Start. Die Daten waren die ganze Zeit da. Neu ist, dass Sie sie endlich nutzen können.

Die unsichtbare Mehrheit dessen, was Ihr Unternehmen weiß

Die Zahlen, die Ihr Geschäft steuern, sind der Teil, den Sie sehen und messen können. Das Wissen, das Ihr Geschäft steuert, ist überwiegend der Teil, den Sie nicht sehen. Dieser Bruch ist der Kern des Problems mit unstrukturierten Daten, und er ist größer, als die meisten Eigentümer ahnen.

• Das Kernverhältnis - IDC- und Gartner-Schätzungen setzen unstrukturierte Daten bei rund 80 bis 90 Prozent aller Unternehmensdaten an, ein IDC-White-Paper sagt schlicht, 90 Prozent der Daten seien unstrukturiert^1,2.
• Die Ausgaben sind verkehrt herum - dieselbe Forschung fand, dass rund 40 Prozent der IT-Ausgaben in das Managen unstrukturierter Daten fließen, während 60 Prozent die kleine strukturierte Minderheit stützen, ein Missverhältnis zwischen Datenlage und Geldfluss¹.
• Es wächst schneller - IDC berichtet, der Mix verschiebe sich deutlicher zu unstrukturierten Daten, beschleunigt durch generative KI, die immer mehr Dokumente, Bilder und Gespräche erzeugt⁷.
• Die Summe ist gewaltig - die globale Datensphäre sollte bis 2025 auf 175 Zettabyte wachsen, und der unstrukturierte Anteil ist der Großteil davon⁶.
• Ihr Betrieb ist keine Ausnahme - das Verhältnis gilt für einen 150-Personen-Mittelständler ebenso wie für einen Konzern, weil das meiste, was ein Betrieb festhält, Dokumente und Gespräche sind.

Der Wert dieser Mehrheit wurde längst erkannt. Das Problem war nie, dass es ihr an Wert fehlte. Das Problem war, dass niemand sie zu etwas Nutzbarem veredeln konnte, genau die Warnung hinter dem meistzitierten Satz der Datenwelt.

Was unstrukturierte Daten wirklich sind

Der Begriff klingt technisch, die Idee ist einfach. Strukturierte Daten passen in Zeilen und Spalten mit festem Format. Unstrukturierte Daten sind alles, was das nicht tut, also das meiste, was Menschen bei der Arbeit tatsächlich erzeugen. Eine klare Definition macht den Rest des Artikels greifbar.

Die drei Kategorien

• Strukturierte Daten - passen in ein vordefiniertes Schema aus Zeilen und Spalten, etwa die Datensätze in ERP, CRM oder Buchhaltung. Leicht von Maschinen zu sortieren und zu zählen. Die Minderheit.
• Semi-strukturierte Daten - haben Tags oder Marker, aber keine starre Tabelle, etwa JSON, XML, CSV oder eine E-Rechnung. Teils maschinenlesbar, üblich im System-zu-System-Austausch.
• Unstrukturierte Daten - haben gar kein vordefiniertes Format: Freitext, Dokumente, Bilder, Audio, Video. Reich an Bedeutung, aber für eine Datenbank undurchsichtig¹².

Wie unstrukturierte Daten in einem echten Betrieb aussehen

Warum es jahrzehntelang totes Kapital war

Unternehmen wussten immer, dass diese Daten zählen. Sie hielten sie, speicherten sie, sicherten sie. Sie konnten sie nur nicht nutzen, weil die Werkzeuge, sie im großen Maßstab zu lesen, nicht existierten. Das Ergebnis ist ein riesiges, bezahltes Archiv, das fast nichts zurückgibt, ein Muster, das die Branche benannt hat.

Das Dark-Data-Problem

• Das meiste wird nie genutzt - Gartner prägte 2012 “Dark Data” für gesammelte, aber nie angewandte Informationen, und Splunk fand, dass im Schnitt 55 Prozent der Daten einer Organisation dunkel sind^3,4,5.
• Die Verschwendung ist noch größer - eine Veritas-Studie setzte Dark Data plus redundante, veraltete oder triviale Daten bei 85 Prozent des Gespeicherten an, nur 15 Prozent waren geschäftskritisch⁹.
• Wenig wird eingesetzt - eine Studie von Seagate und IDC fand, dass nur etwa 32 Prozent der verfügbaren Daten je genutzt werden, 68 Prozent bleiben ungenutzt⁸.
• Es kostet trotzdem Geld - Dark Data sind nicht gratis; Sie zahlen für Speicherung, Sicherung und Backup von Dateien, die nichts zurückgeben, bis etwas sie lesen kann.

Warum die alten Werkzeuge es nicht lesen konnten

• Datenbanken brauchen ein Schema - sie zählen und sortieren feste Felder und können die Bedeutung eines Absatzes oder den Inhalt eines Fotos nicht deuten.
• Stichwortsuche liefert Links, keine Antworten - sie findet Dateien mit einem Wort, kann aber nicht zusammenfassen und übersieht alles, was anders formuliert ist als die Anfrage.
• Manuelles Lesen skaliert nicht - der einzige verlässliche Weg, ein Dokument zu nutzen, war, dass ein Mensch es öffnet, was bei zehn Dateien geht und bei zehn Millionen unmöglich ist.
• Also wurde es dunkel - nicht weil es wertlos war, sondern weil es im großen Maßstab zu lesen bis vor Kurzem technisch unmöglich war.

Warum KI das 2026 endlich ändert

Der Grund, warum unstrukturierte Daten plötzlich ein aktuelles Thema sind, ist nicht, dass sich die Daten geändert hätten. Es ist, dass Maschinen lesen lernten. Große Sprachmodelle tun mit einem Dokument, was ein Mensch tut, sie verstehen es, was die eine Barriere beseitigt, die diese Daten jahrzehntelang dunkel hielt.

Was die Technik jetzt leistet

• Modelle lesen wie Menschen - ein LLM extrahiert Bedeutung aus Text, Bildern und Audio, kann also eine Frage zu einem Vertrag beantworten, statt nur die Datei zu finden.
• Retrieval findet nach Bedeutung - Vektorsuche und Retrieval-Augmented Generation finden die richtige Passage nach Bedeutung, nicht nach exakten Wörtern, und verankern eine Antwort darin.
• Es skaliert - derselbe Ansatz liest zehn Millionen Dokumente so bereitwillig wie zehn, genau das, was manuelles Lesen nie konnte.
• Es wird zum Company Brain - zusammengenommen ist das eine abfragbare Schicht über Ihren unstrukturierten Daten, das Fundament, das wir in was kein Company Brain wirklich kostet beschreiben.

Warum das der Engpass für KI ist, kein Nebenthema

• Daten, nicht Modelle, sind die Grenze - McKinsey fand, dass acht von zehn Unternehmen Datenlimits als Hürde beim Skalieren agentischer KI nennen, und das meiste davon ist unstrukturiert¹⁰.
• Adoption ist real, aber flach - 88 Prozent der Organisationen nutzen KI in mindestens einer Funktion, doch nur etwa ein Drittel hat sie skaliert, oft weil die Daten nicht bereit sind¹¹.
• Unstrukturierte Daten sind der Treibstoff - ein KI-Agent ohne Zugriff auf Ihre Dokumente und E-Mails ist generisch; der Wert kommt aus dem unstrukturierten Wissen, das nur Sie haben.
• Die Reihenfolge zählt - Unternehmen, die ihre unstrukturierten Daten zuerst lesbar machen, bekommen zinseszinsartige Erträge; wer das überspringt, baut für jedes Projekt den Kontext neu.

Wo Ihre unstrukturierten Daten sich wirklich verstecken

Unstrukturierte Daten liegen nicht an einem Ort; sie sind über jede Abteilung verstreut, meist in den Systemen, in denen gearbeitet wird, nicht dort, wo Daten verwaltet werden. Die Verstecke zu benennen ist der erste Schritt, das in ihnen zu nutzen.

Nach Abteilung

• Vertrieb und Service - Kunden-E-Mails, Gesprächsnotizen, Angebote und die Historie, warum ein Auftrag gewonnen oder ein Preis gegeben wurde.
• Betrieb und Produktion - Serviceberichte, Wartungslogs, Prüffotos und das Störungswissen in den Notizen eines Einrichters.
• Finanzen und Einkauf - Eingangsrechnungen, Verträge, Lieferantenkorrespondenz und die in Rahmenverträgen vergrabenen Konditionen.
• Recht und Compliance - Verträge, NDAs, Richtlinien und Audit-Dokumentation, fast alles Freitext in PDFs.
• HR und Geschäftsführung - Bewerbungen, Beurteilungen, Protokolle und Entscheidungen, die nur in einem Postfach festgehalten sind.
• Engineering - Zeichnungen, Spezifikationen, Handbücher und die Konstruktionsbegründung, die eher in Notizen und E-Mail lebt als in der CAD-Datei.

Nach System

Das Muster ist konstant: Das wertvollste unstrukturierte Wissen liegt in den meistgenutzten Systemen, E-Mail und Dateiablagen, wo es am wenigsten gesteuert ist. Unser Leitfaden, einen Agenten auf zehn Jahre SharePoint-Dokumente zu setzen, geht tief auf eine der reichsten dieser Quellen ein.

Unstrukturierte Daten in etwas Nutzbares verwandeln

Unstrukturierte Daten nutzbar zu machen ist eine Pipeline, kein einzelnes Produkt. Jede Stufe verwandelt rohe Dateien in Antworten, und die Stufen zu verstehen, zeigt, wo die Arbeit wirklich liegt. Das Trichterbild weiter oben ist die buchstäbliche Form davon: Gewirr hinein, Struktur heraus.

Die Pipeline, Stufe für Stufe

1. Anbinden - die Daten dort erreichen, wo sie liegen, in E-Mail, Dateiablagen, ERP und DMS, über Konnektoren, statt zuerst alles zu migrieren.
2. Extrahieren - jede Datei lesen, ob PDF, Scan oder Bild, und Text und Bedeutung herausziehen, hier ersetzt intelligente Dokumentenverarbeitung die brüchige OCR.
3. Strukturieren und einbetten - die Bedeutung in eine durchsuchbare Form bringen, samt Vektor-Embeddings, die erfassen, worum es in einer Passage geht.
4. Abrufen - bei einer Frage die richtige Passage nach Bedeutung finden, über Tausende Dokumente hinweg, in Sekunden.
5. Antworten und verankern - eine Antwort erzeugen, die an das Quelldokument zurückgebunden ist, sodass Mitarbeitende ihr vertrauen und sie prüfen können, statt sie blind zu glauben.

Die Dokumenttypen mit dem schnellsten Ertrag

• Eingangsrechnungen - häufig, repetitiv und messbar, das klassische erste Ziel, behandelt in unserem Beitrag, OCR durch intelligente Dokumentenverarbeitung zu ersetzen.
• Verträge - dicht an Konditionen, die ein Mensch heraussuchen muss, wo eine Abfrage, die die richtige Klausel liefert, echte Zeit spart.
• Service- und Feldberichte - voller Störungswissen, das sonst im Kopf eines Technikers bleibt.
• Kunden-E-Mails - die Historie jeder Beziehung, meist nur für die Person durchsuchbar, die sie geschrieben hat.
• Technische Zeichnungen und Specs - wo Konstruktionsbegründung und gebaute Realität oft von der CAD-Datei abweichen.

Die Governance- und Risikoseite, die niemand erwähnt

Unstrukturierte Daten sind nicht nur ungenutzter Wert; sie sind auch unkontrolliertes Risiko. Weil Sie nicht sehen, was in den Dateien steht, können Sie sie nicht leicht schützen, steuern oder löschen, und in Deutschland trifft das auf zwei rechtliche Pflichten, die in entgegengesetzte Richtungen ziehen.

Die versteckten Risiken

• Sensible Daten verstecken sich offen - personenbezogene Daten, Gehälter und Gesundheitsdaten sitzen in E-Mails und Dokumenten, wo niemand sie indexiert hat, sodass ein Leck mehr offenlegt als erwartet.
• Sie zahlen für die Speicherung von Müll - mit bis zu 85 Prozent Dark oder redundanten Daten schützt ein Großteil Ihrer Speicher- und Backup-Kosten Dateien, die nie genutzt werden⁹.
• Löschung wird fast unmöglich - das DSGVO-Recht auf Vergessenwerden verlangt, die Daten einer Person auf Anfrage zu finden und zu löschen, was ehrlich schwer ist, wenn sie über Tausende nicht indexierte Dateien verstreut sind¹⁵.
• Es ist standardmäßig ungesteuert - dieselben Daten sind selten klassifiziert, Sie können also nicht sagen, was vertraulich, was veraltet oder was aufzubewahren ist.

Die deutsche Spannung zwischen Aufbewahren und Löschen

• GoBD verlangt Aufbewahrung - geschäftliche E-Mails und Handelsbriefe sind sechs Jahre, Buchungsbelege acht bis zehn Jahre in ihrer ursprünglichen elektronischen Form aufzubewahren¹⁶.
• DSGVO verlangt Löschung - personenbezogene Daten sind auf Anfrage zu löschen, sobald kein rechtmäßiger Grund mehr besteht, ohne Ausnahme für unstrukturierte Dateien¹⁵.
• Beide treffen sich in Ihrem Postfach - eine einzige geschäftliche E-Mail kann zugleich ein aufzubewahrender Beleg und ein Behälter personenbezogener Daten sein, die Sie löschen müssen, und das lässt sich nicht auflösen, bis Sie lesen können, was darin steht.
• Sichtbarkeit ist die Voraussetzung - Sie können unstrukturierte Daten erst steuern, aufbewahren und gezielt löschen, wenn eine KI-Schicht ihre Inhalte durchsuchbar und klassifizierbar macht.

Zur weiteren Frage, diese Wissensschicht unter eigener Rechtshoheit zu halten, sobald sie lesbar ist, siehe unseren Beitrag zum souveränen Company Brain.

Ein 90-Tage-Weg, um Ihre unstrukturierten Daten zu nutzen

Sie erschließen 80 Prozent Ihres Wissens nicht in einem Projekt, und Sie sollten es nicht versuchen. Ein fokussierter 90-Tage-Plan an einer Quelle beweist den Ansatz und baut den Fall für den Rest. Hier die Reihenfolge.

Der Phasenplan

1. Woche 1-2: Quelle und Schmerz wählen - wählen Sie einen häufigen Dokumenttyp, bei dem langsame oder falsche Antworten echtes Geld kosten, und nehmen Sie eine Basislinie aus Zeit und Fehlerquote.
2. Woche 3-4: Anbinden, nicht migrieren - erreichen Sie die Daten über einen Konnektor dort, wo sie liegen, und bestätigen Sie, dass Sie eine repräsentative Stichprobe lesen können, samt der chaotischen Scans.
3. Woche 5-8: Pipeline bauen - extrahieren, strukturieren und betten Sie die Inhalte ein, dann stimmen Sie das Retrieval ab, bis Antworten korrekt sind und ihre Quelle nennen.
4. Woche 9-10: Governance ergänzen - klassifizieren Sie, was Sie finden, kennzeichnen Sie sensible und personenbezogene Daten und definieren Sie die Aufbewahrung, damit GoBD- und DSGVO-Pflichten erfüllt sind.
5. Woche 11-12: Pilot und Messung - fahren Sie es mit einem Team, messen Sie gegen die Basislinie und wählen Sie mit dem Ergebnis die nächste Quelle.

Können Sie die ersten drei nicht abhaken, bauen Sie noch nicht, beginnen Sie mit der Wahl der Quelle. Der häufigste Fehler ist, alles auf einmal lesen zu wollen, statt die Pipeline an einem schmerzhaften, messbaren Dokumenttyp zu beweisen.

Wie Superkind passt

Superkind baut maßgeschneiderte KI-Agenten und das Company Brain, auf dem sie laufen, für KMU und Konzerne, und unstrukturierte Daten sind genau das, was wir nutzbar machen. Der Ansatz ist prozessorientiert: Wir starten bei den Dokumenten und Gesprächen, in denen Ihr Wissen tatsächlich lebt, nicht bei einer Plattform, die Sie füttern müssen.

• Liest die chaotische Realität - wir bewältigen die schlechten Scans, gemischten Formate und uneinheitlichen Dokumente, an denen brüchige OCR und starre Tools scheitern.
• Anbinden statt migrieren - das Brain erreicht E-Mail, Dateiablagen, ERP und DMS über Konnektoren, sodass nichts zuerst umziehen muss.
• Bedeutungsbasiertes Retrieval - Antworten kommen aus der nach Bedeutung gefundenen richtigen Passage, nicht aus einem Stichworttreffer, über Ihren gesamten unstrukturierten Bestand.
• Verankerte, belegte Antworten - jede Antwort verlinkt zurück auf das Dokument, aus dem sie stammt, sodass Mitarbeitende sie prüfen und Prüfer sie nachvollziehen können.
• Governance eingebaut - wir klassifizieren und kennzeichnen sensible und personenbezogene Daten beim Indexieren, was DSGVO und GoBD beherrschbar statt theoretisch macht.
• Startet an einer Quelle - wir beweisen den Wert an einem häufigen Dokumenttyp, bevor wir erweitern, statt ein Jahr Datenklempnerei zu verkaufen.
• Läuft unter Ihrer Kontrolle - die Schicht kann in Ihrer eigenen Umgebung mit rollenbasiertem Zugriff laufen, sodass die unstrukturierten Daten Ihre Hände nie verlassen.
• Ergebnisse, keine Lizenzen - die Preisgestaltung ist an einen messbaren ersten Anwendungsfall gebunden, nicht an Pro-Platz-Gebühren.

Entscheidungsrahmen: Sollten Sie Ihre unstrukturierten Daten jetzt angehen?

Nicht jedes Unternehmen muss dieses Quartal handeln, aber die meisten haben mehr zu gewinnen, als sie denken. So beurteilen Sie, wo Sie stehen und was als Nächstes zu tun ist.

Häufig gestellte Fragen

Henri Jung

Mitgründer von Superkind, wo er KMU und Konzernen hilft, maßgeschneiderte KI-Agenten einzusetzen, die wirklich zu der Art passen, wie ihre Teams arbeiten. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er ist überzeugt, dass der Mittelstand alles hat, um bei KI zu führen - er braucht nur den richtigen Ansatz.