Der Vortrag auf der Bechtle Microsoft World 2026 beleuchtet Herausforderungen und Erfolgsfaktoren bei der Implementierung von KI-Projekten mit Microsoft Fabric. Es wird deutlich, dass viele Unternehmen zwar KI umsetzen möchten, jedoch häufig an organisatorischen, datenbezogenen und betrieblichen Herausforderungen scheitern – nicht unbedingt an der Technologie selbst. Die Referenten betonen, wie wichtig Datenqualität, Governance, ein passendes Operating Model und die richtige Balance zwischen Effizienz und Sicherheit sind. Praxisnahe Einblicke, konkrete Handlungsempfehlungen sowie ein Fokus auf den Wandel hin zu KI-gestützter Datenlogistik und Ontologien runden die Session ab.
Im Rahmen der Bechtle Microsoft World 2026 diskutieren Vertreter von Microsoft und Bechtle ihre Erfahrungen aus drei Jahren gemeinsamer KI-Projektarbeit mit Microsoft Fabric. Bereits zu Beginn wird die provokante These aufgestellt: Alle wollen KI machen, aber kaum einer kann's. Mittels Interaktion mit dem Publikum wird das tatsächliche Umsetzungsniveau von KI-Projekten abgefragt. Die meisten Unternehmen sind zwar interessiert und teilweise schon aktiv, aber nur wenige haben produktive, wertschöpfende KI-Use Cases implementiert.
Die Referenten identifizieren drei zentrale Gründe für das Scheitern von KI-Projekten: (1) Fehlende Berücksichtigung des Übergangs vom Proof-of-Concept zur produktiven Umgebung, (2) Herausforderungen in der Datenqualität und -verfügbarkeit, insbesondere in Bezug auf Echtzeitdaten, und (3) ein Operating Model, das nicht die Geschwindigkeit und Zielvorstellungen der Fachbereiche widerspiegelt. Organisatorische Zielkonflikte werden etwa zwischen dem sicherheitsorientierten IT-Team und den schnell agierenden Fachbereichen deutlich.
Es wird dargelegt, wie Datenarchitekturen bisher meist Batch-orientiert und auf den Menschen zentriert aufgebaut sind, aber KI-Systeme eine Umstellung auf flexible, Echtzeit-nahe Datenlogistik erfordern. Microsoft Fabric bietet hierfür verschiedene Komponenten wie Real-Time Intelligence, Streaming und flexible Zugriffsmodelle. Die Rolle von Ontologien zur schnellen Kontextualisierung und Zugreifbarkeit von Daten, unterstützt durch KI-Tools wie Copilot, wird hervorgehoben.
Abschließend geben die Sprecher Empfehlungen: Unternehmen sollen zunächst eine solide Datenbasis und Governance-Strukturen schaffen, bevor KI-Use Cases implementiert werden. Fabric eignet sich sowohl für klassische als auch für KI-getriebene Architekturansätze. Change Management und die Bereitschaft, KI nicht nur als Endprodukt, sondern auch als Werkzeug für den Transformationsprozess zu nutzen, sind entscheidend.
