„Starten Sie mit den geschäftlichen Herausforderungen, nicht mit der Lösung“, sagt Justin Rister von Microsoft

30. April 2026

Justin Rister, Senior Cloud and AI Specialist bei Microsoft, erklärt, warum Führungskräfte bei geschäftlichen Problemen ansetzen sollten, nicht bei Technologie. Er zeigt, wie Fabric den Analytics-Stack für Teams mit unterschiedlichen Skillsets vereint, warum Databricks und Fabric zusammen stärker sind und wie eine KI-Schicht auf einheitlichen Daten Fachbereiche befähigt, Fragen zu stellen und Antworten zu erhalten, ohne auf die IT warten zu müssen. 

• Was bedeutet es, strategischer Partner zu sein, statt nur Produkte zu verkaufen? 
• Wie lassen sich Engpässe abbauen, indem Fachbereiche direkten Zugriff auf Erkenntnisse erhalten? 
• Warum sollten Führungskräfte groß denken, klein starten und schnell skalieren? 

Ganzes Interview ansehen (in englischer Sprache):  

  

 

Podcast als Interview lesen: 

(Das Interview wurde mithilfe von ChatGPT gekürzt und bearbeitet.) 

Mark Kohout: Hallo und willkommen zum Adastra Podcast. Mein Name ist Mark Kohout und ich leite die North American Governance Practice bei Adastra, einem globalen Systemintegrator für Daten, KI und Cloud. Wir sind heute in Atlanta auf der Fabcon 2026. Bei mir ist Justin Rister, Senior Cloud and AI Specialist bei Microsoft. 

Justin arbeitet eng mit Führungskräften in Unternehmen zusammen und hilft ihnen, komplexe Analytics-Umgebungen zu vereinfachen und das volle Potenzial ihrer Daten mit Microsofts Cloud- und KI-Plattformen zu nutzen. Er unterstützt Unternehmen dabei, ihre Daten-, Analytics- und KI-Strategien neu zu denken und fragmentierte Erkenntnisse in eine einheitliche 360-Grad-Sicht auf das Geschäft zu überführen. Einen großen Teil seiner Zeit verbringt er im direkten Austausch mit Executives. Dabei begleitet er Gespräche über moderne Analytics-Architekturen, die Einführung von KI und darüber, wie Plattformen wie Microsoft Fabric Unternehmen helfen, schneller zu handeln und bessere Entscheidungen zu treffen. 

Justin, schön, dass du hier bist. Vielen Dank für deine Zeit und willkommen im Podcast. 

Justin Rister: Danke für die Einladung. Ich freue mich, hier zu sein. 

Mark Kohout: Dann starten wir mit dir. Erzähl uns kurz etwas über dich und deinen Weg in Cloud und KI. 

Justin Rister: Mein Weg hat vor etwa zehn Jahren begonnen. Vor meiner Zeit bei Microsoft habe ich für ein Unternehmen gearbeitet, das, wie die meisten Unternehmen, sehr viele Daten an ganz unterschiedlichen Stellen hatte. Ich habe damals auf der Business-Seite angefangen, als Business Analyst. Meine Aufgabe war es, dem Unternehmen zu helfen, seine Daten besser zu nutzen, sie zusammenzuführen und daraus aussagekräftige Erkenntnisse zu gewinnen. 

Mark Kohout: Es geht also darum, die Daten zu verstehen. 

Justin Rister: Absolut. Am Ende geht es darum, dem Business zu helfen, fundierte Entscheidungen zu treffen. Die Daten lagen überall verteilt, und mein Fokus lag darauf, sie zusammenzubringen. Vor zehn Jahren hat sich die Technologie sehr schnell weiterentwickelt. Das war eine ganz andere Situation als heute. Selbst vor einem Jahr sah die Welt noch anders aus als heute. Ich habe verschiedene Tools aus dem Azure-Stack genutzt, um Daten zu integrieren. 

Mark Kohout: Also einzelne Tools wie Data Factory oder Synapse? 

Justin Rister: Genau. Ich habe mir damals das Skillset aufgebaut, Daten zusammenzuführen und Menschen dabei zu helfen, sie sinnvoll zu verstehen. Der spannende Teil ist, ein Dashboard zu erstellen, mit dem das Business fundierte Entscheidungen treffen kann. Vor etwa vier Jahren bin ich dann zu Microsoft gewechselt und habe angefangen, Unternehmen dabei zu unterstützen, KI auf ihre Daten zu legen. Damals nahm KI richtig Fahrt auf. Wir haben ihnen gezeigt, wie sie einheitliche Daten mit KI noch besser nutzen können, um fundierte Entscheidungen zu treffen und zu skalieren. 

Mark Kohout: Damit sind wir beim heutigen Thema. Viele Unternehmen haben komplexe Analytics-Umgebungen mit Datensilos, mehreren Tools für Visualisierung und Integration sowie verschiedenen Datenquellen und Plattformen. Wenn du mit Executives sprichst: Was sind die größten Herausforderungen für Führungskräfte, die ihre Analytics-Architektur vereinfachen und optimieren wollen? 

Justin Rister: Ich unterteile das in mehrere Bereiche. Erstens: Daten liegen überall verteilt. Jedes Unternehmen hat mehrere Datenquellen und mehrere ERP-Systeme, besonders wenn es durch Übernahmen gewachsen ist. 

Mark Kohout: Integration nach einer Fusion. 

Justin Rister: Genau. Mehrere Datenquellen, On-Premises, Multi-Cloud, Altsysteme. Die Herausforderung ist die Integration. Der CIO will Chief Information Officer sein, nicht Chief Integration Officer. Er versucht herauszufinden, welches Tool das richtige ist, um Daten zu integrieren. Allen ist klar, dass es die Technologie gibt. Aber es gibt sehr viele Optionen. Welche ist die richtige, um Dutzende unterschiedliche Datenquellen anzubinden? Welche passt zu den vorhandenen Skillsets? Viele Unternehmen, mit denen ich arbeite, haben keine großen IT-Teams. Vielleicht gibt es dort ein paar Personen mit bestimmten Fähigkeiten, aber keine Möglichkeit, weitere Fachkräfte einzustellen. 

Mark Kohout: Das passt zu dem, was wir von CIOs hören. In ihrer Rolle geht es um Wirkung im Unternehmen, nicht nur um Integration. Ein häufiges Ziel ist eine 360-Grad-Sicht auf Kunden, Operations und Lieferketten. Wie hilft das Zusammenführen von Daten über Plattformen wie Fabric Unternehmen dabei, diese Transparenz zu erreichen? 

Justin Rister: Wenn wir über geschäftliche Erkenntnisse sprechen, denken wir sofort an Analytics. Und Analytics bedeutet für viele meist Dashboards und Reports. Aber das ist nur ein kleiner Teil. Echte durchgängige Analytics umfasst Integration, Transformation, Speicherung und erst danach Visualisierung. Mit Tools wie Fabric bringen Sie all diese Komponenten an einem Ort zusammen. 

Mark Kohout: Eine zentrale Oberfläche. 

Justin Rister: Genau. Bevor es Fabric gab, musste ich in der Business Analytics für jeden Schritt das passende Tool finden: Datenaufnahme, Speicherung, Transformation und Visualisierung. Fabric bringt all diese Schritte zusammen. Unternehmen müssen nicht mehrere Tools kaufen, sie integrieren und komplexe Architekturen aufbauen. Außerdem löst Fabric die Herausforderung rund um Skillsets. Die meisten Unternehmen kennen SQL für Datentransformationen. Data Engineers bevorzugen dagegen oft Python und Spark, etwa für Machine-Learning-Modelle. Fabric bietet die Flexibilität, für jede Aufgabe das passende Tool zu wählen. 

Mark Kohout: Funktioniert Fabric gut mit anderen Plattformen zusammen? Wir hören oft von „better together"-Konzepten. 

Justin Rister: Diese Frage bekomme ich häufig. Viele meiner Kunden arbeiten mit Databricks. Das ist eine starke Analytics Plattform für optimierte Datenaufnahme und Datentransformation. Sie fragen mich, warum sie sich Fabric ansehen sollten, wenn sie mit Databricks bereits gut aufgestellt sind. Ich mag dieses Gespräch, weil es genau um dieses Zusammenspiel geht. Man muss nicht alles neu aufbauen. Databricks ist stark für Data Engineers, die Code schreiben. Fabric kann das erweitern. Sie können direkte Shortcuts zum Databricks Storage nutzen, Daten nahezu in Echtzeit replizieren und schnelles Reporting ermöglichen. Fachbereiche können Dashboards auf Basis bereits kuratierter semantischer Modelle erstellen, die Data Engineers in Databricks aufgebaut haben. 

Mark Kohout: „Better together" mit Databricks und Fabric bedeutet also, unterschiedliche Zielgruppen dort abzuholen, wo sie stehen. Citizen Analysts fühlen sich im Fabric-Ökosystem vielleicht wohler. 

Justin Rister: Genau. Egal ob Sie Databricks, Snowflake oder ein anderes Data Warehouse nutzen: Power BI ist oft der Ort, an dem Visualisierung stattfindet. Die Menschen sind damit vertraut. Genau das macht Fabric attraktiv. Es ist Teil einer Umgebung, in der sich viele bereits sicher bewegen. 

Mark Kohout: Sobald Unternehmen ihre Datengrundlage geschaffen haben, geht es oft um KI. Wie schaffen Unternehmen den Schritt vom reinen Sammeln von Daten hin zu KI, die bessere Entscheidungen unterstützt? 

Justin Rister: Genau das ist der spannende Teil. Sobald Ihre Daten in einer echten Foundation Layer vereinheitlicht sind, können Sie sinnvoll über KI sprechen. Denken Sie an natürliche Sprache. Fachbereiche sollen Fragen so stellen können, wie sie sie in eine Suchmaschine eingeben würden, und direkt eine Antwort bekommen. Genau das wird möglich, wenn einheitliche Daten mit einer KI-Schicht kombiniert werden. Viele Unternehmen haben keine großen IT-Teams. Wenn das Business schnell einen Ad-hoc-Report braucht, kommt die IT oft an ihre Kapazitätsgrenzen. Fachbereiche zu befähigen, Fragen in einem Chat zu stellen und Antworten zu bekommen, ohne dafür ein komplettes Dashboard bauen zu müssen, ist extrem wertvoll. 

Mark Kohout: Ihr nehmt also einen Engpass heraus. 

Justin Rister: Genau. 

Mark Kohout: Wenn Executives anfangen, sich mit KI und Datenplattformen wie Fabric zu beschäftigen, welche Fragen stellen sie zuerst? Was sind ihre größten Bedenken? 

Justin Rister: Häufig kommt die Frage: „Wie fange ich an?" Sie wollen geschäftlichen Nutzen sehen. Wenn etwas den Umsatz nicht steigert oder Kosten nicht senkt, warum sollte man es dann tun? Ich fordere sie gern heraus: Nennt mir eure drei größten Pain Points, und wir steigen dort ein. Starten Sie nicht mit der Lösung oder der Technologie. Starten Sie mit den geschäftlichen Herausforderungen. 

Mark Kohout: Da kommt der Business Analyst aus deinen Anfangstagen durch. 

Justin Rister: Genau so zeigt man Nutzen. Man versteht die Herausforderungen des Kunden und zeigt einen Weg, wie man sie lösen kann. 

Mark Kohout: Es geht also nicht um die Technologie, sondern um das Gespräch über das Geschäft. 

Justin Rister: Führungskräfte kommen nicht zu mir und fragen nach Fabric. Und wenn doch, frage ich: Warum? Was wollen Sie lösen? Wir wissen, dass die Technologie da ist. Aber zuerst möchte ich die Herausforderung verstehen. 

Mark Kohout: Sind die Herausforderungen meistens klar definiert, oder helft ihr auch dabei, eine Vision für das Machbare zu entwickeln? 

Justin Rister: Nicht immer. Sie wissen, dass es ein Problem gibt. Aber es klar zu definieren, ist schon die halbe Miete. Deshalb sehe ich mich als strategischen Partner, nicht als jemanden, der nur über Produkte spricht. 

Für Architektur-Design-Sessions holen wir Solution Engineers dazu. Aber die Grundlage ist immer, zu verstehen, was wir eigentlich lösen wollen. Außerdem bringen wir andere Kunden mit ähnlichen Herausforderungen ins Gespräch, damit sie Best Practices teilen können. Ein völlig neues Problem höre ich nur selten. 

Mark Kohout: Bei Adastra sehen wir, dass viele Kunden verstehen, wie wichtig Daten sind und welches Potenzial KI bietet, auch beim Aufbau agentischer Workforces. Trotzdem fällt ihnen der Schritt von der Strategie in die Umsetzung schwer. Was hilft Unternehmen, diese Lücke zu schließen und schnell echten geschäftlichen Nutzen zu erzielen? 

Justin Rister: Ich fordere Führungskräfte immer auf, zuerst groß zu denken. Was ist möglich? Wenn Sie einen Zauberstab hätten und all Ihre Probleme lösen könnten, wie würde das aussehen? So kommen kreative Ideen in Gang. Dann ziehe ich eine gedankliche Linie: groß denken, aber klein starten. Beginnen Sie mit einem klar begrenzten Thema. Wenn wir dieses eine Problem lösen, sehen Sie geschäftlichen Nutzen. Es ist wie ein Pilotprojekt. Nichts, was Sie später wegwerfen müssen, sondern etwas, das Sie skalieren können. Danach können Sie schnell vorangehen, weil Sie den Nutzen bereits nachgewiesen haben. Tools wie Fabric und Technologieberater helfen dabei, schnell zu skalieren. Viele Führungskräfte glauben, sie müssten alles mit einem großen Big-Bang-Ansatz umsetzen. Das sollten sie aber nicht. Groß denken, klein starten, schnell skalieren. 

Mark Kohout: Also das klassische Prinzip: krabbeln, gehen, laufen. Justin, unsere Zeit ist fast um. Eine letzte Frage in der Blitzrunde: Welchen Rat würdest du Führungskräften geben, die ihre Analytics-Umgebung modernisieren und sich auf KI vorbereiten wollen? 

Justin Rister: Lassen Sie sich von den vielen unterschiedlichen Technologien nicht überwältigen. Starten Sie nicht mit der Lösung. Starten Sie damit, Ihre tatsächlichen Pain Points zu verstehen. Ich werfe keine Lösungen an die Wand, um zu sehen, was hängen bleibt. Ich möchte auf der Business-Seite als strategischer Partner wahrgenommen werden. Starten Sie nicht mit der Frage: „Welches LLM soll ich nutzen?" Dieses Gespräch können wir später führen. Beginnen Sie mit den geschäftlichen 

Mark Kohout: Vielen Dank, Justin. Das war ein sehr aufschlussreiches Gespräch. Ich nehme mit, wie wichtig Datenplattformen sind, die Unternehmen dort abholen, wo sie stehen. Außerdem, dass sie auch für kleine IT-Teams ein echter Hebel sein können, und wie entscheidend der Fokus auf das Geschäft ist. Danke für deine Zeit. Ich weiß, dass es eine intensive Woche war. 

Justin Rister: Danke für die Einladung. 

Mark Kohout: Und an unser Publikum: Wenn Ihnen der heutige Podcast gefallen hat, liken und abonnieren Sie uns für weitere Einblicke, wie Sie mit Daten und KI Ergebnisse erzielen. Bis zum nächsten Mal. Vielen Dank fürs Zuhören und viele Grüße von der Fabcon 2026 in Atlanta.