Orientierung statt Aktionismus

2025 war für ESG ein Jahr zwischen Unsicherheit und Aufbruch. Politische Diskussionen rund um CSRD, Lieferketten- und Berichtsstandards sorgten für Bewegung bei Fristen und Schwellenwerten. Gleichzeitig ist klar: Nachhaltigkeit ist in den meisten Unternehmen strategisch gesetzt – und der Bedarf an verlässlichen ESG-Daten wächst weiter.

Für uns bei EVACO stand das Jahr deshalb unter einem Leitmotiv:

Nicht ob, sondern wie – ESG verlässlich und datenbasiert umsetzen.

Regeln ändern sich, die Richtung bleibt: mehr Transparenz, mehr Verantwortung entlang der Wertschöpfungskette, mehr Nachvollziehbarkeit von Kennzahlen.

Unsere zentrale Botschaft 2025:

• Regulatorische „Atempause“ ≠ Pause im Unternehmen. Wer jetzt an Wesentlichkeit, Datenstrukturen und Prozessen weiterarbeitet, reduziert zukünftigen Druck.
• Lieferketten und Datenqualität rücken ins Zentrum. Vorgaben wie Entwaldungs- oder Sorgfaltspflichten machen deutlich, dass ESG nicht am Werkstor endet.
• Wichtig ist ein klarer Kurs statt hektischer Reaktionen auf jede Detailänderung im Gesetzgebungsprozess.

ESG als Managementaufgabe – mehr als ein statischer Bericht

Erfolgreiches ESG-Reporting beginnt nicht mit einer neuen Software, sondern mit der Art, wie ein Unternehmen geführt wird. Über das Jahr hinweg haben sich einige Grundsätze herauskristallisiert:

• Führung zeigt Haltung. ESG braucht sichtbare Priorität im Top-Management.
• Teams arbeiten über Silos hinweg. Einkauf, HR, Finanzen, Umwelt, Compliance und IT tragen gemeinsam zu einem stimmigen Bild bei.
• Rollen sind klar. Es ist definiert, wer Daten liefert, prüft, freigibt und verantwortet.
• Wissen wird aufgebaut. ESG-Kompetenz ist kein Einmalprojekt, sondern Teil der Organisationsentwicklung.

So wird aus ESG-Reporting ein Steuerungsinstrument – und nicht nur ein jährlicher Abgabe-Termin.

ESG ist ein Datenprojekt

Ein roter Faden in unseren ESG-Aktivitäten 2025: Ohne belastbare Datenbasis bleibt ESG abstrakt.

Worauf wir setzen:

• Zentrale Plattform statt Tool-Zoo. ESG-Daten aus unterschiedlichen Systemen werden zusammengeführt, versioniert und nachvollziehbar gehalten.
• Daten einmal sauber, mehrfach nutzbar. Für Berichte, Management-Informationen, Banken, Ratings oder Kund:innenkommunikation.
• Flexibilität durch Integration. Bestehende BI- und Analytics-Landschaften bilden das Rückgrat; neue Anforderungen lassen sich modular andocken.

Damit lässt sich ESG nicht nur „erfüllen“, sondern aktiv für Strategie und Steuerung nutzen.

ESG meets KI – der nächste Schritt

Zum Jahresende gewinnt ein Thema an Fahrt, das uns 2026 noch stärker begleiten wird: ESG meets KI.

KI-Ansätze wie Retrieval-Augmented Generation (RAG) können helfen, aus einem gut strukturierten ESG-Daten- und Dokumentenfundus konsistente Textvorschläge zu erzeugen, Quellen zuzuordnen und Wiederholarbeiten zu reduzieren. Verantwortung, Plausibilisierung und Freigabe bleiben beim Menschen – die Effizienz im Prozess steigt.

Ausblick: Einladung zum Unternehmensnetzwerk Region West

Besonders freuen wir uns, dass unsere Arbeit in diesem Feld auch außerhalb von EVACO aufgegriffen wird:

Wir sind von der Stiftung Allianz für Entwicklung und Klima eingeladen worden, beim Treffen des Unternehmensnetzwerks Region West am 05.02.2026 in Köln gemeinsam mit dem Gastgeber ACV Automobil-Club Verkehr e. V. einen Impulsvortrag zum Thema

„ESG meets KI: Intelligente Unterstützung bei der Berichtserstellung“

zu halten. Wir werden dort Einblicke in die unternehmerische Nachhaltigkeitspraxis und in KI-gestützte ESG-Berichterstattung geben.

ESG Reporting ist kein Image- oder Ökothema, sondern dreht sich um Nachhaltigkeit im Wortsinn. Es ist ein ganzheitliches Effizienzprogamm, das den Umgang mit Ressourcen optimiert. Unternehmen, die jetzt in Strukturen, Daten und Kompetenzen investieren, verschieben den Fokus weg von „Pflichterfüllung“ hin zu spürbarem Mehrwert für Strategie, Steuerung und Glaubwürdigkeit. Diesen Weg wollen wir 2026 gemeinsam weitergehen.

Warum Data Literacy zur Schlüsselkompetenz wird – und wie EVACO dabei unterstützt

Unternehmen investieren massiv in Datenplattformen, BI-Lösungen und KI und der Einsatz von KI hat die Möglichkeiten so explodieren lassen, dass der limitierende Faktor immer häufiger bei den Menschen liegt, nicht bei der Technologie. Der berühmte Satz „wenn Siemens wüsste, was Siemens weiß“ ist aktueller denn je und die Bedeutung der Data Literacy Kompetenz nimmt kontinuierlich zu.

Die aktuelle BARC-Studie “Data, BI and Analytics Trend Monitor 2026” zeigt: Data & AI Literacy gehört mittlerweile zu den wichtigsten Trends im Umfeld von Data & Analytics und wird in einem Atemzug mit Themen wie Datenqualität, Datensicherheit und Governance genannt. In der Studie wird deutlich:

• Best-in-Class-Unternehmen bewerten Data & AI Literacy deutlich höher als der Durchschnitt.
• Organisationen, in denen Datenkompetenz breit verankert ist, können Innovationen schneller vorantreiben.
• Unternehmen mit niedriger Data Literacy haben Schwierigkeiten, Daten in handlungsrelevante Entscheidungen zu übersetzen – trotz vorhandener Tools und Technologien.

Ohne ein breites, gemeinsames Datenverständnis bleiben viele Data-, BI- und AI-Initiativen unter ihren Möglichkeiten.

Unser Ansatz: Data Literacy als gemeinsame Sprache für Daten

Das EVACO Data Literacy Training schafft die Basis, bereits zu Projektbeginn ein gemeinsames Datenverständnis entwickeln. Teilnehmende werden:

• sprachfähig im Umgang mit Daten und BI-Begriffen,
• realistisch in ihren Erwartungen an Daten- und Analytics-Projekte,
• in die Lage versetzt, auf Augenhöhe mit IT, BI und externen Partnern zusammenzuarbeiten.

Das reduziert Reibungsverluste, macht Projekte effizienter und erhöht die Erfolgswahrscheinlichkeit – noch bevor das erste Dashboard gebaut oder das erste Datenmodell modelliert wird.

Was das EVACO Data Literacy Training auszeichnet

Das zweitägige Präsenz-Training ist bewusst toolunabhängig konzipiert: Im Mittelpunkt stehen Konzepte, Begriffe und Zusammenhänge – nicht die Bedienung einer bestimmten Software.

Kernmerkmale des Trainings:

• Zielgruppe
  Mitarbeitende aus Fachbereichen (z. B. Controlling, Vertrieb, Marketing, HR, Produktion) und IT/BI, die künftig stärker mit Daten, Reports, Dashboards oder KI-Lösungen arbeiten – ohne Data-Science- oder BI-Vorkenntnisse.
• Inhalte (Auszug)
  • Grundlagen von Daten, Kennzahlen und Datenqualität
  • Rollen & Verantwortlichkeiten in Data- & BI-Projekten
  • Realistische Erwartungshaltungen an BI, Analytics und KI
  • Data Literacy als persönliche Kompetenz im Arbeitsalltag
  • Wie man Daten kritisch interpretiert und verantwortungsvoll nutzt
• Didaktik
  • Praxisnah und anschaulich
  • Viele Beispiele aus Kundenprojekten
  • Fokussiert auf Verständlichkeit und Übertragbarkeit in den Arbeitsalltag
• Begleitmaterial
  Jede:r Teilnehmende erhält ein umfangreiches Handbuch als Nachschlagewerk, das die Inhalte strukturiert zusammenfasst und nach dem Training im Alltag unterstützt.

Warum sich das für Unternehmen lohnt

• Bessere Zusammenarbeit zwischen Fachbereichen und IT/BI durch ein gemeinsames Verständnis und Vokabular
• Höhere Akzeptanz für BI-, Analytics- und AI-Lösungen, weil Zusammenhänge verstanden werden
• Weniger Schleifen und Missverständnisse in Projekten
• Bessere Entscheidungen, weil Daten kompetent gelesen, hinterfragt und genutzt werden

Das sagen unsere Teilnehmer:

„Das Training sollte jeder machen, der Berichte liest oder Zugang zu einem BI-System hat.“
„Besonders wertvoll waren die vielen praktischen Beispiele zu jedem Themenblock, durch die sich Inhalte direkt auf meinen Arbeitsalltag übertragen ließen.“
„Anhand von Beispielen werden Zusammenhänge, Kennzahlen und Begriffe sehr gut erklärt. Am Ende wird sehr gut klar wie wir Daten aufbereiten müssen, um diese transparent zeigen zu können.

Data Literacy ist keine „nice to have“- Kompetenz, sondern entscheidender Erfolgsfaktor für datengetriebene Organisationen.

Termine:
09.+10.03. 2026
01.+02.06. 2026

Qlik und AWS bringen KI-Analysen in die neue europäische Sovereign Cloud

Qlik hat eine strategische Zusammenarbeit mit Amazon Web Services (AWS) angekündigt, um seine KI- und Analytics-Lösungen in der AWS European Sovereign Cloud bereitzustellen. Die neue, vollständig in der EU betriebene Cloud-Infrastruktur richtet sich speziell an Organisationen mit hohen Anforderungen an Datenschutz, Datenhoheit und regulatorische Vorgaben.

Im Rahmen seiner KI-Strategie plant Qlik, innerhalb der nächsten fünf Jahre rund 1,5 Milliarden US-Dollar in den Ausbau seiner KI- und Analytics-Fähigkeiten in Europa zu investieren. Diese Investitionen sollen die Weiterentwicklung von vertrauenswürdiger, sicherer und hochperformanter KI beschleunigen und europäischen Unternehmen modernste Datenanalysen in souveränen Umgebungen ermöglichen.

Die Partnerschaft mit AWS erlaubt es, eine souveräne Version von Qlik Cloud anzubieten, die vollständig innerhalb der EU betrieben und ausschließlich von EU-Personal administriert wird. Dadurch bleiben alle Kundendaten in Europa, während KI-gestützte Analysefunktionen, Automatisierungen und Data-Integration ohne Abstriche bei Sicherheit oder Compliance bereitstehen.

Parallel dazu erweitert Qlik sein europäisches Compliance-Portfolio. Geplant sind Zertifizierungen nach BSI C5, ISO/IEC 42001 für KI-Managementsysteme sowie die Unterstützung weiterer nationaler und EU-weiter Anforderungen wie NIS2, HDS (Frankreich) und ACN (Italien). Damit stärkt Qlik seine Position als Anbieter vertrauenswürdiger KI-Lösungen für regulierte Branchen.

Mit der Kombination aus groß angelegten KI-Investitionen und der Integration in die AWS European Sovereign Cloud setzt Qlik ein deutliches Signal: Europäische Unternehmen sollen Zugang zu innovativer KI und fortgeschrittener Datenanalyse erhalten – ohne Kompromisse bei Datenschutz, Souveränität oder regulatorischer Sicherheit.

Neuerungen in Qlik Sense November 2025 – Zusammenfassung 

Qlik Sense Enterprise für Windows bringt eine Reihe von Verbesserungen und neuen Funktionen für AppKonfiguration, Visualisierungen und Dashboards. Wichtige Neuerungen sind ein überarbeitetes AppEinstellungsmenü, ein effizienteres BlattEditing, eine neue Standard-Tabellenvisualisierung sowie erweiterte Design und Analyseoptionen. 

Daten und Plattform 

• Modernisiertes App-Einstellungsmenü
  App-Einstellungen wurden neu strukturiert; Kategorien lassen sich jetzt per Reiter ansteuern.
• Verbesserungen beim Bearbeiten von Arbeitsblatt
  Beim Bearbeiten von Sheets erscheint der Datenquellen-Viewer mit Tabellen und Feldern direkt im Bearbeitungsbereich; außerdem lassen sich Filter jetzt im Eigenschaften-Panel erstellen und anwenden.
• Neue Tabelle als Standard
  Die neue Straight-Table aus dem ChartBundle ersetzt die alte Tabellenvisualisierung als Standard. Die alte Tabelle bleibt vorerst im Asset-Panel verfügbar; eine spätere Ausphasung wird frühzeitig angekündigt.
• Markierung des aktiven Felds
  Im Daten-Asset-Panel der geraden Tabelle wird nun die aktuelle Spalte deutlich hervorgehoben.
• Custom-CSSStyling
  Nach der Abschaffung des Multi-KPI Objekts gibt es einen neuen Weg, Custom CSS auf Arbeitsblättern einzuschleusen. Arbeitsblätter erhalten einen Bereich für benutzerdefiniertes CSS. Qlik weist darauf hin, dass CSS-Klassen nicht als API gedacht sind, Änderungen kurz gehalten werden sollten und native Einstellungen Vorrang haben. In den Sheet-Eigenschaften unter „Styling“ lässt sich Custom Styles einschalten. Schriftgrößen sind auf 18 px begrenzt, HTML-Tags, Pseudo-Selektoren und @Regeln sind verboten, und die Funktion wird in mobilen Apps nicht unterstützt.

 Visualisierungen und Dashboards 

• PivotTable Verbesserungen
  Die neue Pivot-Tabelle bietet eine „Indent rows“Option: verschachtelte Dimensionen können eingerückt und kompakt dargestellt werden (Bilder/Links werden dabei nicht unterstützt). Zudem lassen sich Indikatoren hinzufügen, um Zellen abhängig von Grenzwerten mit Icons oder Farben zu versehen; Details zu Farbbereichen, Symbolen und Anzeigeoptionen erläutert die Hilfeseite. 

• Shapes in Bar und Kombinationsdiagrammen
  Punkte und Linien (Shapes), bisher auf Liniendiagramme beschränkt, können jetzt auch in Balken und Kombi-Charts eingesetzt werden. Anwender können einzelne Punkte mit Label, Symbol, Farbe und Größe versehen oder Linien aus mehreren Punkten erstellen und Farbe, Dicke und Kurventyp (linear/monoton) einstellen.  

• Erweiterte Shapes in Liniendiagrammen
  Beim Hinzufügen von Shapes zu Liniendiagrammen können jetzt zusätzliche Labels und Symbole gesetzt und deren Größe, Farbe und Position angepasst werden. 

• Neue Kategorie „Alle anzeigen“
  In der Übersicht für Arbeitsblätter und Bookmarks gibt es nun die Kategorie „Alle“; hier werden öffentliche, Community und private Elemente gemeinsam angezeigt, sodass Nutzende alles an einem Ort finden. 

• OrgChart mit Bildern und Styling
  Die OrgChart-Visualisierung unterstützt jetzt das Einfügen von Bildern per URL und erweiterte Stiloptionen. In der Datensektion lässt sich ein Image URL für jede Karte hinterlegen; die Präsentations-Einstellungen erlauben, Bilder auf der Karte, nur in Tooltips oder beidem zu zeigen, ihre Ausrichtung und Form (rechteckig oder rund) sowie die Anpassung von Rahmen, Eckenradius und Schatten. 

• Stabilere Karten
  MapCharts nutzen statt eines externen QlikMapServers jetzt einen lokalen WebMapDienst, was Startzeiten verkürzt und die Stabilität verbessert. 

• Entfernung veralteter Objekte
  Qlik kündigt an, dass die alten Diagrammtypen Bar & Area, BulletChart (alt), Heatmap, NavigationsButton, ShareButton, Show/HideContainer und der alte Container im Mai 2027 endgültig aus der Distribution entfernt werden. 

 

Wo Qlik seine Wurzeln hat und Zukunft entsteht

Lund ist die Geburtsstadt von Qlik und war auch 2025 wieder Ort eines der exklusivsten Events der weltweiten Qlik-Community: Legends of Lund. Eingeladen waren Qlik Luminaries, Partner Ambassadors und Community MVPs, um tief in die Produktstrategie einzutauchen, direktes Feedback zu geben und die Weiterentwicklung der Qlik-Plattform mitzugestalten. Als einer der Partner der ersten Stunde waren wir wieder dabei und haben den Blick hinter die Kulissen der Produktentwicklung gerne für direktes Feedback genutzt.

Im Fokus standen offene Gespräche mit den Produktverantwortlichen, frühe Einblicke in die Analytics- und Data-Roadmap sowie die strategischen Schwerpunkte der kommenden Monate:
Cloud, Agentic AI, Data Products, Open Data Lakehouse und eine konsequent Unified Experience über alle Komponenten der Plattform hinweg. Die Teams präsentierten nicht nur Visionen, sondern konkrete Designprinzipien und Roadmap-Elemente – viele davon direkt aus Anregungen der Community abgeleitet. Die Resonanz reichte von konzentriertem Nachfragen bis zu spontanen Applausmomenten.

Für alle, die nicht vor Ort waren: im kommenden Frühjahr wird rund um die AWS re:Invent und die Qlik Connect deutlich werden, wie Qlik seine Rolle in einer von Agentic AI geprägten Analytics-Welt definiert.

Zusammenarbeit auf einem neuen Level

Neben den offiziellen Sessions lebte das Event vom intensiven Austausch der Qlik-Expert:innen aus aller Welt.
Ambassadors, MVPs und Qlik-Teams diskutierten Herausforderungen aus Kundenprojekten, teilten Best Practices und entwickelten gemeinsam neue Ansätze für moderne Analytics-Szenarien.

Ein besonderes Highlight waren die Lightning Design Sprints: In kurzer Zeit wurden Ideen skizziert, geschärft und gepitcht. Die Gewinneridee – ein Unified Metric Framework – zeigt, wie groß das Bedürfnis nach konsistenten Kennzahlen über Apps hinweg ist. Wir sind gespannt, wie sich das Thema rund um Master Items in Qlik weiterentwickelt.

Community, die Qlik bewegt

Das diesjährige Lund-Meetup hat eindrucksvoll gezeigt, warum die Qlik-Community als Herzstück des Ökosystems gilt.
In Workshops, spontanen Sessions und natürlich beim typisch schwedischen Fika mit den legendären Zimtschnecken entstand ein Umfeld, das Kollegialität, Kreativität, kritisches Hinterfragen und mutige Ideen gleichermaßen fördert.

Legends of Lund 2025 war mehr als ein Community-Event: Es war ein direkter Dialog zwischen Qlik und den Menschen, die täglich mit der Plattform arbeiten, sie weiterdenken und in Projekten bei Kunden einsetzen. Dass das Format in Lund stattfindet, dem Ursprungsort von Qlik, macht es jedes Jahr zu etwas Besonderem.

Die Zukunft von Qlik entsteht nicht hinter verschlossenen Türen – sie wird gemeinsam mit der Community entwickelt.

So auditierst Du Deine Sprachmodelle

Generative AI hat in den meisten Unternehmen die reine Experimentierphase verlassen. Die strategische Frage verschiebt sich nun von der technologischen Machbarkeit hin zur betrieblichen Verlässlichkeit.

„Was ist möglich?“ versus  „Was ist sicher und skalierbar?“

Um halluzinierende KI oder das Verwenden unkontrollierter Quellen zu vermeiden, wird technisch meist auf RAG (Retrieval Augmented Generation) zurück gegriffen – eine Methode, die Sprachmodelle mit eigenem Firmenwissen verknüpft. Das kann man sich wie eine Prüfung vorstellen, in die man Nachschlagewerke mitnehmen darf: Anstatt zu raten, sucht das System die passenden internen Dokumente (z.B. Wartungshandbücher oder Richtlinien) heraus und generiert basierend auf diesen Fakten die Antwort. Damit Unternehmen hierbei nicht nur dem Hype folgen, sondern nachhaltige Produktivsysteme aufbauen, braucht es neben dem Business Case vor allem eines: Handwerk.

Herausforderung: inhaltliche Qualitätskontrolle von Textergebnissen

Im klassischen Data Science (z.B. bei Umsatzprognosen) sind Evaluierungsmetriken wie Genauigkeit oder Fehlerquote selbstverständlich. Man weiß sofort, ob ein Modell funktioniert. Bei Sprachmodellen (LLMs) fehlt diese Disziplin oft.
Das Problem: Textqualität jenseits der Rechtschreibprüfung ist schwer zu messen, denn Sprache wirkt subjektiv. Ein Text klingt vielleicht „ganz gut“ – aber ist er auch faktisch korrekt und vollständig? Ohne klare Metriken gleicht der Rollout einem Blindflug.

Die Lösung: Die RAG-Triad

Um die Qualität von Sprachmodellen professionell zu bewerten, hat sich die RAG-Triad als Industriestandard etabliert. Sie bewertet die Güte von Antworten anhand drei (daher Triade) messbarer Komponenten und macht die „Black Box“ transparent.

So funktioniert die Diagnose:

Kontext-Relevanz

• Frage: Werden überhaupt die richtigen Dokumente in der Datenbank gefunden?
• Szenario: Gefragt wird nach der „Reisekostenrichtlinie 2024“, aber die AI erhält vom Suchalgorithmus das Dokument für „Brandschutzmaßnahmen“.
• Diagnose: Ein schlechter Wert bedeutet hier nicht, dass die AI (das LLM) versagt, sondern die Suchmaschine (Retrieval). Das LLM hat keine Chance, richtig zu antworten.

Faktentreue (Groundedness)

• Frage: Hält sich die Antwort strikt an die gefundenen Fakten oder wird etwas hinzugedichtet?
• Szenario: Die AI findet das richtige Dokument („Budget: 50.000€“), antwortet aber: „Das Budget beträgt 100.000€“.
• Diagnose: Eine klassische Halluzination. Hier muss am Prompt Engineering oder der Temperature des Modells gearbeitet werden. In Compliance-Bereichen ist dies die wichtigste Metrik.

Antwort-Relevanz

• Frage: Wird die gestellte Frage tatsächlich beantwortet?
• Szenario: Gefragt ist „Ja oder Nein?“, doch die AI generiert einen dreiseitigen Aufsatz über Hintergründe, ohne sich festzulegen.
• Diagnose: Die Antwort mag faktisch richtig sein (hohe Faktentreue), geht aber am Thema vorbei. Das senkt die Akzeptanz bei den Nutzern massiv.

Die Implementierung dieser Metriken ist kein akademischer Selbstzweck

RAG-Triad ermöglicht gezieltes Debugging. Anstatt pauschal zu urteilen „Der Chatbot funktioniert nicht gut“, lässt sich durch die RAG-Triad exakt diagnostizieren: „Die Suche ist präzise (Hohe Kontext-Relevanz), aber das Modell halluziniert bei Zahlen (Niedrige Faktentreue).“

Nur wer misst, kann optimieren – und den ROI der AI-Initiative sicherstellen.

Kommt Dir das Problem bekannt vor? Besuche uns in der kostenlosen AI Sprechstunde, um uns zu schildern, wo der Schuh drückt.