Wie man eine Daten- und KI-Organisation als Profit Center aufbaut

Intro

In dieser Episode des AI FIRST Podcast spricht Felix mit Romina Medici, verantwortlich für Data & AI Plattform-Komponenten und Data Governance bei E.ON. Sie teilt ihre Erfahrungen aus über sieben Jahren Transformation und erklärt, warum Daten und KI wie Produkte – und nicht wie Projekte – gemanagt werden müssen, um nachhaltig Mehrwert zu schaffen. Romina zeigt am Beispiel des E.ON Data House, wie eine Self-Service-Datenplattform nach dem Amazon-Prinzip aufgebaut wird, wie internes Marketing und Customer Success funktionieren und warum dieser Wandel ein Marathon ist, kein Sprint.

Inhaltsübersicht

Produkt- vs. Projektdenke – Warum Projekte nicht skalieren und Produkte nachhaltiger sind
Daten & KI als Business managen – Vision, KPIs und Go-to-Market-Strategien für interne Produkte
Praxisbeispiel: E.ON Data House – Aufbau einer Self-Service-Datenplattform nach dem Amazon-Prinzip
Customer Success & internes Marketing – Wie man interne Kunden wie externe behandelt
Pricing & Profitabilität – Pay-per-Use-Modell und Fokus auf Skalierung statt Gewinnmaximierung
Organisationsstruktur – Rollen, Team-Setup und Operating Model
Buy vs. Build – Wann eingekauft und wann selbst entwickelt wird
Erfolgsfaktoren & Learnings – Was es braucht, um diesen Wandel durchzuhalten

Über den Gast

Romina Medici ist bei E.ON für alle Data- und AI-Plattform-Komponenten verantwortlich – von Databricks über Power BI bis hin zur selbstgebauten Datenplattform und Snowflake. Zusätzlich verantwortet sie das Datenfundament: Data Governance und Datenmanagement at Scale. Sie bringt über sieben Jahre Erfahrung in der Transformation von Daten- und KI-Initiativen mit und hat in dieser Zeit den Aufbau des E.ON Data House von Grund auf begleitet – von der initialen Vision bis zur profitablen, selbsttragenden Plattform mit 10.000-20.000 Nutzern.

Detaillierte Zusammenfassung

Warum Projekte nicht skalieren

Romina erklärt, dass ein projektbasierter Ansatz für Daten und KI ab einem gewissen Reifegrad nicht mehr funktioniert. Projekte haben einen festen Start- und Endzeitpunkt – doch nach Projektende sind die Mitarbeiter weg, nichts ist dokumentiert, und das Ergebnis wird nicht weiter betreut. Das führt dazu, dass laut Studien etwa 80% der gebauten Lösungen letztlich weggeworfen werden.

Besonders problematisch: Wenn ein Unternehmen in mehreren Ländern aktiv ist, muss bei einem Projektansatz alles komplett neu gebaut werden – Double Investments ohne Skalierungseffekte. "Dein Projektlaufzeit ist zu Ende, dein Produkt ist quasi tot. Weil es gibt kein Operating Model, was das weiter betreut." Die Konsequenz: Ohne nachhaltiges Betriebsmodell verschwinden selbst erfolgreiche Projektergebnisse nach sechs bis zwölf Monaten in der Schublade.

Daten & KI wie ein Business managen

Der Kernansatz von Romina: Daten und KI müssen wie ein Profit-Center geführt werden. Das bedeutet eine klare Vision, messbare KPIs, Go-to-Market-Strategien und echte Revenue-Generierung. Es geht darum, nachhaltige Produkte zu bauen, die kontinuierlich Mehrwert liefern – nicht einmalige Projektergebnisse.

Dieser Ansatz erfordert ein völlig anderes Mindset: Marketing, Sales und Customer Success werden zu zentralen Funktionen. "Die Leute müssen aktiv sich entscheiden, eine Subscription zu machen. Das ist ein anderes Niveau. Da musst du den Leuten auch andere Sachen liefern." Interne Stakeholder werden wie zahlende Kunden behandelt, die sich bewusst für ein Produkt entscheiden – und jederzeit wieder abwandern können.

Projekte skalieren nicht. Und wenn ich skalieren möchte, dann muss ich an Produkten denken.

Praxisbeispiel: E.ON Data House

Das E.ON Data House ist eine Self-Service-Datenplattform nach dem Amazon-Prinzip: Nutzer gehen in einen Katalog, wählen Datenquellen aus, konfigurieren Pipelines selbst und bekommen die Daten "geliefert". Der Aufbau dauerte drei Jahre mit globalem Budget. Ab Jahr vier musste sich die Plattform selbst refinanzieren – und war bereits profitabel.

Seitdem verzeichnet das Team 15-20% Revenue Growth pro Jahr bei gleichbleibender Teamgröße. Technische Herausforderungen waren enorm: Die erste SAP-Anbindung dauerte 262 Tage, Zählerdaten lagen auf 50 On-Premise-Servern bei einem Vendor, der den Zugriff verweigerte. Trotz dieser Hürden wurde die Vision konsequent verfolgt: eine zentrale Plattform, die Daten demokratisiert und Self-Service ermöglicht.

Customer Success & internes Marketing

Romina behandelt interne Kunden wie externe: wöchentliche bis zweiwöchentliche Gespräche mit Kernkunden, volle Transparenz über Tickets, starkes Customer Relationship Management und Success Management. Das Team macht Roadshows, fährt in jede Unit, hört Feedback an und veranstaltet Jahresevents für die Plattform-Community.

Ein Kunde sagte einmal: "Wir haben uns oft aufgeregt, aber ich mag dich, Romina, deswegen ist das okay." – Relationship ist mindestens genauso wichtig wie das Produkt selbst. Diese persönliche Ebene, kombiniert mit professionellem Service, schafft langfristige Bindung und Vertrauen. Transparenz über Entwicklungsstände, Roadmaps und auch Probleme gehört zur DNA des Teams.

Pricing-Modell & Anreizstruktur

Das Pricing folgt einem einfachen Pay-per-Use-Modell: Kunden zahlen für das, was sie konsumieren. Ein Beispiel: Drei Units verursachten innerhalb von zwei Wochen 300.000 Euro Kosten durch exzessives Datenladen – das Team sprach sie proaktiv an. Der Anreiz ist nicht Profitmaximierung, sondern Skalierung und Kosteneffizienz über den Gesamtkonzern.

Je mehr Nutzer die zentrale Plattform verwenden, desto weniger gibt E.ON insgesamt für das Thema aus. Das Pricing-Modell schafft Transparenz und Bewusstsein für Kosten, verhindert aber gleichzeitig, dass einzelne Units durch überhöhte Preise abgeschreckt werden. Der Fokus liegt auf breiter Adoption, nicht auf kurzfristiger Gewinnmaximierung der eigenen Unit.

Organisationsstruktur & Rollen

Das Team umfasst ca. 40 FTEs (Onshore/Nearshore/Offshore) und managt 12-15 Produkte mit 10.000-20.000 Nutzern. Die Struktur ist klar in verschiedene Rollen aufgeteilt, die alle wichtigen Aspekte eines Business abdecken.

Produktmanager sind verantwortlich für Produktgruppen, Customer Success, Sales, Roadmaps und Stakeholder Management. Sie denken strategisch und halten den Kontakt zu den wichtigsten Kunden. Das Backoffice-Team kümmert sich um Marketing, Kommunikation, Kundenanalysen, Finance und Budgetplanung – alles Funktionen, die in klassischen IT-Teams oft fehlen.

Product Owner übernehmen die detailliertere Produktbetreuung und technisches Stakeholder Management, während das Delivery-Team aus Engineers besteht, die für die Umsetzung zuständig sind. Zusätzlich gibt es ein eigenes Team für Data Governance & Management, das Frameworks, Prozesse, Rollen, Data Ops und Data Care verantwortet.

Buy vs. Build Entscheidungen

Romina betont: Das meiste wird eingekauft, nicht selbst gebaut. Nur wo es wirklich ins Herz des Unternehmens geht – wie bei der Datenplattform – wurde selbst entwickelt. Power BI, Fabric und andere Tools werden vom Markt geholt, aber nach eigenen Governance-Regeln bereitgestellt.

Der Federated Approach erlaubt es allen, auf der Plattform zu bauen, aber mit klaren Standards und Limitationen. Diese Balance zwischen zentraler Kontrolle und dezentraler Innovation ist entscheidend: Jede Unit kann eigene Lösungen entwickeln, muss sich aber an gemeinsame Datenstandards und Governance-Regeln halten. So entstehen Skalierungseffekte, ohne Innovation zu ersticken.

Erfolgsfaktoren & Durchhaltevermögen

Die zentrale Botschaft: Eine echte Transformation dauert Jahre, nicht Monate. "Die sollen sich vorstellen, dass sie sich auf einen Marathon vorbereiten und nicht auf einen Sprint." Romina rechnet mit 10-15 Jahren für einen vollständigen Wandel und ist selbst seit sieben Jahren in dieser Verantwortung.

"Ich bin seit sieben Jahren dafür verantwortlich. Und das wird nicht leichter... Als ich angefangen habe, habe ich gesagt, 10 bis 15 Jahre." Diese Langfristigkeit erfordert nicht nur Durchhaltevermögen, sondern auch kontinuierliche Anpassung der Strategie, ständiges Lernen und die Fähigkeit, trotz Rückschlägen an der Vision festzuhalten. Erfolg entsteht nicht durch einzelne Projekte, sondern durch konsequente, jahrelange Arbeit am Operating Model.

Die sollen sich vorstellen, dass sie sich auf einen Marathon vorbereiten und nicht auf einen Sprint.

Kernaussagen

Produkte statt Projekte — "Projekte skalieren nicht. Und wenn ich skalieren möchte, dann muss ich an Produkten denken." Ohne nachhaltiges Betriebsmodell verschwinden selbst erfolgreiche Ergebnisse. Skalierung, Product Management
Operating Model ist alles — "Dein Projektlaufzeit ist zu Ende, dein Produkt ist quasi tot. Weil es gibt kein Operating Model, was das weiter betreut." Ohne Betrieb stirbt jedes Projektergebnis. Nachhaltigkeit, Betriebsmodell
Subscription-Mindset für interne Kunden — "Die Leute müssen aktiv sich entscheiden, eine Subscription zu machen. Das ist ein anderes Niveau. Da musst du den Leuten auch andere Sachen liefern." Customer Success, internes Marketing
Transformation ist ein Marathon — "Die sollen sich vorstellen, dass sie sich auf einen Marathon vorbereiten und nicht auf einen Sprint." 10-15 Jahre für vollständigen Wandel. Langfristigkeit, Durchhaltevermögen
Sieben Jahre und es wird nicht leichter — "Ich bin seit sieben Jahren dafür verantwortlich. Und das wird nicht leichter... Als ich angefangen habe, habe ich gesagt, 10 bis 15 Jahre." Ausdauer, Vision

Fazit und Takeaways

Für Führungskräfte in Daten- und KI-Organisationen

Produkte statt Projekte denken: Nur durch nachhaltiges Product Management entstehen Skalierungseffekte und langfristige Nutzung. Projektbasierte Ansätze führen zu 80% Verschwendung.
Langfristige Vision entwickeln: Rechne mit 7-15 Jahren für eine vollständige Transformation, nicht mit schnellen Erfolgen in 12-18 Monaten.
Profit-Center-Mindset etablieren: Führe Daten und KI wie ein eigenes Business mit Vision, KPIs, Go-to-Market-Strategien und echter Revenue-Verantwortung.

Für Product Manager und Data Platform Teams

Interne Kunden wie externe behandeln: Marketing, Sales, Customer Success und transparentes Pricing sind keine "Nice-to-haves", sondern essenzielle Funktionen.
Self-Service ermöglichen: Nach dem Amazon-Prinzip sollten Nutzer selbst Daten bestellen, Pipelines konfigurieren und Services buchen können – mit klarer Governance im Hintergrund.
Pay-per-Use-Modell implementieren: Transparente Kostenstrukturen schaffen Bewusstsein und Anreize für effiziente Nutzung, ohne Innovation zu blockieren.

Für Organisationen in der Transformation

Federated Approach mit zentraler Governance: Ermögliche dezentrale Innovation, aber mit klaren Standards, Prozessen und Kontrolle durch zentrale Teams.
Buy vor Build: Kaufe Standard-Tools vom Markt und entwickle nur dort selbst, wo es wirklich ins Herz des Unternehmens geht.
Relationship Management priorisieren: Persönliche Beziehungen zu Stakeholdern sind mindestens so wichtig wie technische Exzellenz – Roadshows, Events und regelmäßiger Austausch zahlen sich aus.

Diese Episode zeigt eindrucksvoll, dass der Wandel von Projekt- zu Produktdenke kein theoretisches Konzept ist, sondern bei E.ON erfolgreich umgesetzt wurde. Der Schlüssel liegt in Durchhaltevermögen, konsequentem Business-Mindset und der Bereitschaft, interne Strukturen radikal zu verändern. Wer diesen Marathon läuft, kann nachhaltige, skalierbare Daten- und KI-Organisationen aufbauen, die echten Mehrwert liefern.

#66Wie man eine Daten- und KI-Organisation als Profit Center aufbaut