Nasunis The State of Enterprise File Data Annual Report 2026: Unternehmen sind mit der AI-Adoption schneller als mit der Datenbereitschaft

Nasunis neu veröffentlichter The State of Enterprise File Data Annual Report 2026 zeigt ein Bild von einer Unternehmenswelt, die aggressiv auf die AI-Adoption zusteuert, während gleichzeitig entdeckt wird, dass die meisten bestehenden Dateninfrastrukturen nie für den Umfang, die Komplexität und die operativen Anforderungen moderner AI-Systeme konzipiert wurden.

Der Bericht, der auf einer Umfrage von 1.000 Entscheidungsträgern im Bereich Unternehmenskäufe in den Vereinigten Staaten, Großbritannien, Frankreich, Deutschland, Österreich und der Schweiz basiert, legt nahe, dass die nächste Phase des Wettbewerbs um die Unternehmens-AI möglicherweise weniger von der Zugänglichkeit zu Modellen abhängt als von der Art und Weise, wie Unternehmen unstrukturierte operative Daten verwalten.

AI-Adoption bewegt sich schneller als die Unternehmensbereitschaft

Die Ergebnisse zeigen, dass AI zum wichtigsten Investitionsschwerpunkt für Unternehmen im Jahr 2026 geworden ist. Neunundfünfzig Prozent der Befragten nannten AI-Initiativen als ihren wichtigsten Investitionsschwerpunkt, was einen bemerkenswerten Anstieg im Vergleich zum Vorjahr darstellt.

Gleichzeitig erkennen Unternehmen immer mehr, dass AI-Implementierung nicht von breiteren Bemühungen zur Modernisierung des Datenmanagements getrennt werden kann. Cloud-Datenmanagement, Datenintelligenz, Analytik und unstrukturiertes Datenmanagement sind alle zu wichtigen Investitionsschwerpunkten geworden. Siebenundsiebzig Prozent der Befragten sagten, sie planten, ihre Investitionen in Datenintelligenz und Analytikfähigkeiten zu erhöhen, während sechzig Prozent angaben, sie erwarten, ihre Ausgaben für unstrukturiertes Datenmanagement in den nächsten achtzehn Monaten zu erhöhen.

Der Bericht legt nahe, dass viele Organisationen unterschätzt haben, wie sehr AI-Systeme von sauberen, zugänglichen, gut regierten Unternehmensdaten abhängig sind. Fast die Hälfte der Organisationen sagte, AI-Initiativen hätten bereits Lücken in der Datenqualität oder -regierung aufgedeckt. Je fortschrittlicher die AI-Implementierung eines Unternehmens war, desto wahrscheinlicher war es, dass ernsthafte Datenprobleme entdeckt wurden.

Nasunis Forschung zeigt auch, dass Unternehmen möglicherweise noch in den Anfängen des Verständnisses dessen sind, was eine groß angelegte AI-Implementierung tatsächlich erfordert. Obwohl siebenundneunzig Prozent der Organisationen angaben, sie hätten bereits AI-Agenten bereitgestellt oder getestet, hatten nur achtzehn Prozent eine unternehmensweite Implementierung von AI-Agenten erreicht.

Unstrukturierte Daten sind zu einem großen Unternehmensflaschenhals geworden

Eines der deutlichsten Themen im gesamten Bericht ist die wachsende Bedeutung von unstrukturierten Daten. Dokumente, E-Mails, Bilder, Aufzeichnungen, Design-Dateien, Ingenieurdaten und Kollaborationsassets machen nun mehr als neunzig Prozent der Unternehmensdaten aus.

Trotz der kritischen Rolle, die diese Daten in Unternehmensoperationen und AI-Workflows spielen, sagten vierundneunzig Prozent der befragten Organisationen, sie hätten Schwierigkeiten, unstrukturierte Daten effektiv zu verwalten. Sicherheitsbedenken rangierten als größte Herausforderung, gefolgt von Schwierigkeiten bei der Notfallwiederherstellung, Kollaborationsproblemen, fragmentierten Umgebungen und Komplexität bei der Einhaltung von Vorschriften.

Der Bericht betont wiederholt, dass Fragmentierung ein zentrales operatives Problem darstellt. Unternehmen setzen derzeit im Durchschnitt auf vier separate Systeme für Speicherung, Sicherung und Notfallwiederherstellung, während zweiundzwanzig Prozent angaben, sie nutzen mehr als sechs Anbieter gleichzeitig.

Laut den Ergebnissen erlebten Unternehmen, die mehrere nicht verbundene Systeme nutzten, längere Wiederherstellungszeiten, größeren operativen Druck und mehr Schwierigkeiten bei der Skalierung von AI-Initiativen.

Nasuni fand auch heraus, dass nur einundzwanzig Prozent der Unternehmen derzeit eine zentral verwaltete Dateiumgebung betreiben, die konsistente Leistung über Standorte hinweg liefern kann. Die verbleibenden Organisationen verlassen sich auf unterschiedliche Kombinationen aus fragmentierten Systemen, manuellen Übertragungen, E-Mail-basiertem Teilen oder inkonsistenter zentraler Infrastruktur.

Diese Inkonsistenz scheint direkte Auswirkungen auf die Produktivität zu haben. Mehr als ein Drittel der Unternehmen sagten, langsamer oder inkonsistenter Dateizugriff schade erheblich der Produktivität der Mitarbeiter.

Kosten für AI-Infrastruktur steigen und verändern die IT-Ausgaben

Der Bericht erscheint auch in einer Zeit, in der die Infrastrukturkosten im Zusammenhang mit der AI-Erweiterung rapide ansteigen. Zweiundvierzig Prozent der Organisationen erwarten in den nächsten zwölf Monaten erhebliche Erhöhungen der Ausgaben für AI-Tools und generative AI-Plattformen.

Nasuni weist darauf hin, dass auch die Preise für Infrastrukturhardware, insbesondere für Speicher- und Arbeitsspeicher, scharf ansteigen. Der Bericht bezieht sich auf Prognosen, die zeigen, dass die kombinierten Preise für DRAM und SSD um bis zu einhundertdreißig Prozent bis zum Ende des Jahres 2026 ansteigen könnten.

Dies führt zu Spannungen innerhalb der IT-Budgets von Unternehmen. Sechsundvierzig Prozent der Befragten sagten, das wachsende Datenvolumen zwinge sie zu höheren Ausgaben für die Speicherinfrastruktur, während dreiundvierzig Prozent angaben, sie müssten direkte Budgetkompromisse zwischen Speicherinfrastruktur und AI-Initiativen eingehen.

Die Ergebnisse legen nahe, dass viele Unternehmen beginnen, zu erkennen, dass die AI-Erweiterung nicht nur ein Softwareproblem ist. Eine groß angelegte AI-Implementierung stellt erhebliche operative Anforderungen an Speicherleistung, Regierung, Sicherheit, Sicherung, Notfallwiederherstellung und Zugriff auf Daten an verschiedenen Standorten.

Schwachstellen bei Cybersicherheit und Wiederherstellung bleiben erheblich

Cybersicherheit und betriebliche Widerstandsfähigkeit sind ein weiteres großes Anliegen, das im gesamten Bericht thematisiert wird.

Einundsiebzig Prozent der Organisationen berichteten, sie seien in den letzten zwölf Monaten Opfer eines Cyberangriffs geworden, was einen Anstieg gegenüber dem Vorjahr darstellt. Nur sechsundzwanzig Prozent sagten jedoch, sie seien in der Lage, solche Angriffe leicht zu erkennen, abzuwehren und wiederherzustellen.

Die Wiederherstellungszeiten waren besonders besorgniserregend. Laut den Ergebnissen benötigten siebzig Prozent der Organisationen mehr als eine Woche, um sich vollständig von einem Cyberangriff zu erholen, wobei die durchschnittliche Wiederherstellungszeit bei etwa vier Wochen lag.

Der Bericht fand auch heraus, dass zweiundsechzig Prozent der Organisationen immer noch hauptsächlich auf traditionelle, auf Sicherung basierende Wiederherstellungssysteme anstelle von kontinuierlich geschützten oder unveränderlichen Datenumgebungen setzen. Nasuni argumentiert, dass diese älteren Ansätze möglicherweise für die zunehmend datenintensiven AI-Umgebungen, in denen Ausfallzeiten und Betriebsunterbrechungen erheblich teurer werden können, nicht gut geeignet sind.

Interessanterweise schienen Organisationen mit reifer, zentraler Dateninfrastruktur erheblich schneller von Cyberangriffen zu genesen. Unternehmen, die zentrale oder kontinuierlich geschützte Datensysteme nutzten, waren eher in der Lage, den Betrieb schnell wieder aufzunehmen und neigten auch dazu, eine fortgeschrittenere AI-Implementierung zu melden.

Der Bericht hebt Architektur-, Ingenieur- und Baufirmen als einige der am stärksten betroffenen Branchen hervor, von denen zweiundachtzig Prozent der befragten AEC-Organisationen angaben, in den letzten zwölf Monaten Opfer von Cyberangriffen geworden zu sein. Auch Hersteller und Automobilunternehmen berichteten über erhöhte Angriffsraten, was die Bedenken hinsichtlich der Tatsache verstärkt, dass operationale Branchen mit wertvollem geistigem Eigentum und kritischen Infrastrukturen zunehmend zu attraktiven Zielen für Cyberkriminelle werden.

Gleichzeitig legen die Ergebnisse nahe, dass viele Unternehmen möglicherweise ihre Fähigkeit, sich von einem schwerwiegenden Vorfall zu erholen, überschätzen. Während nur achtunddreißig Prozent der Organisationen angaben, sie verfügten über zentral verwaltete, unveränderliche oder kontinuierlich geschützte Datensysteme, die für eine schnelle Wiederherstellung konzipiert seien, äußerten zwei Drittel der Befragten Vertrauen in ihre Fähigkeit, kritische unstrukturierte Daten nach einem schwerwiegenden Vorfall wiederherzustellen.

AI-Governance wird zu einem Thema im Vorstand

Eine der bemerkenswertesten organisatorischen Veränderungen, die im Bericht identifiziert wurden, betrifft die Entscheidungsbefugnis bei AI-Initiativen.

Erstmalig hat die Unternehmensleitung die IT-Abteilungen als primäre Entscheidungsträger für die Unternehmens-AI-Strategie überholt. Zweiundfünfzig Prozent der Organisationen sagten, AI-Entscheidungen würden nun in erster Linie von Führungskräften wie CEOs, CTOs, CDOs und CAIOs getroffen, im Vergleich zu nur sechsundzwanzig Prozent, die hauptsächlich von der IT-Abteilung geleitet werden.

Nasuni deutet an, dass dies die wachsende strategische Bedeutung von AI widerspiegelt, da Unternehmen über Experimente hinausgehen und operative Implementierungen in Angriff nehmen. AI ist zunehmend mit umfassenderen Geschäftstransformationsbemühungen verbunden, die die Arbeitskräftestruktur, operative Workflows, Produktstrategie und langfristige Wettbewerbsfähigkeit betreffen.

Der Bericht weist jedoch auch auf eine wachsende Kluft zwischen den AI-Ambitionen auf Vorstandslevel und den infrastrukturellen Realitäten hin, mit denen IT-Teams konfrontiert sind. Während siebzig Prozent der Befragten glauben, ihre Datei-Dateninfrastruktur könne die Skalierung von AI unterstützen, betont der Bericht wiederholt anhaltende Probleme im Zusammenhang mit fragmentierter Speicherung, Regierungslücken, inkonsistenter Zugriff und schwachen Wiederherstellungssystemen.

Diese Kluft dürfte deutlicher werden, wenn Unternehmen von leichten generativen AI-Tools zu autonomeren AI-Agenten übergehen, die in der Lage sind, operative Aufgaben über Unternehmenssysteme hinweg auszuführen.

Der nächste AI-Wettbewerb könnte um die Dateninfrastruktur gehen

Obwohl ein großer Teil der öffentlichen AI-Konversation immer noch auf Grundmodellen, Benchmarks und Chatbot-Fähigkeiten fokussiert ist, deuten Nasunis Ergebnisse auf eine stillere, aber möglicherweise folgenreichere Veränderung innerhalb der Unternehmens-Technologie-Stacks hin.

Der Bericht legt nahe, dass zukünftiger AI-Erfolg zunehmend von der operativen Datei-Infrastruktur abhängen könnte und nicht nur vom Zugang zu Modellen. Organisationen mit fragmentierten Speichersystemen, inkonsistenten Kollaborationsumgebungen, schwacher Regierung, veralteten Wiederherstellungsstrategien und unzureichender Sicherheit könnten Schwierigkeiten haben, AI zuverlässig im Unternehmensmaßstab zu implementieren, selbst wenn sie Zugang zu den neuesten Modellen haben.

Der Bericht deutet auch an, dass eine umfassendere Transformation im Umgang mit proprietären Daten im Gange ist. Operative Dateidaten – einschließlich Ingenieurdateien, interner Dokumentation, Kollaborationsaufzeichnungen, Bildern, Aufzeichnungen und Workflow-Artefakten – werden zunehmend als strategische Vermögenswerte behandelt, die AI-Systeme mit unternehmensspezifischem Kontext und institutionellem Wissen versorgen können.

Gleichzeitig warnt der Bericht davor, AI zu skalieren, ohne vertrauenswürdige, zentrale und regierte Datenumgebungen zu haben, was Sicherheitsrisiken, operative Ineffizienzen und organisatorische Komplexität verschärfen könnte.

Nasunis The State of Enterprise File Data Annual Report 2026 stellt letztendlich die Unternehmens-AI-Adoption nicht als eine eigenständige Software-Revolution dar, sondern als einen tiefgreifenden Infrastrukturübergang, der Unternehmen möglicherweise dazu zwingen könnte, grundlegende Überlegungen darüber anzustellen, wie sie ihre Daten speichern, regieren, sichern und operationalisieren.