Evercore: ServiceNow-Datengeschäft auf Kurs zu über 1 Mrd. $ ARR – der Burggraben ist tiefer, als Investoren ahnen
Evercore Global TMT Conference, 3. Juni 2026 — ServiceNow EVP Gaurav Rewari erläutert, warum die Daten- und Analyseplattform des Unternehmens zu einem eigenständigen Umsatztreiber wird und nicht nur als KI-Enabler fungiert.
Ein neues Geschäft, das bereits die 1-Milliarden-Dollar-Marke ansteuert
Die zentrale Kennzahl der Evercore Global TMT Conference ist simpel und von erheblicher Tragweite. Gaurav Rewari, EVP und General Manager für Data and Analytics bei ServiceNow, erklärte gegenüber dem Evercore-Analysten Kirk Materne, dass das Daten- und Analysegeschäft des Unternehmens „auf dem besten Weg ist, in wenigen Quartalen einen ARR von über 1 Milliarde Dollar zu erreichen“. Für einen Geschäftsbereich, den Rewari als „relativ neu“ und zuvor „ziemlich fragmentiert“ beschreibt, ist diese Dynamik ein Signal für Investoren, die ServiceNow möglicherweise noch primär als Plattform für IT-Service-Management (ITSM) wahrnehmen.
Rewari wurde direkt von CEO Bill McDermott und President Amit Zaveri rekrutiert, um, wie er es ausdrückt, „unser nächstes Milliardengeschäft aufzubauen“. Die Motivation dazu kam aus zwei Richtungen: Kunden drängten ServiceNow dazu, das Thema Daten ernst zu nehmen, und das Unternehmen erkannte selbst, dass seine KI-Ambitionen strukturell davon abhingen, zuerst das Datenproblem zu lösen. Rewari formulierte es unverblümt: „Der Weg in den Himmel der agentischen KI führt durch eine Art Daten-Hölle.“
Das „4-C“-Framework ist die Produkt-Roadmap, die Investoren verstehen müssen
Anstatt mit technischen Leistungsdaten zu werben, stellte Rewari eine konzeptionelle Architektur vor, die das gesamte Datengeschäft um die sogenannten 4 Cs organisiert: Connect, Control, Context und Converge. Die ersten beiden – die Anbindung von Daten aus externen Systemen und deren kontinuierliche Bereinigung – werden durch das Workflow Data Fabric abgedeckt. Der dritte Punkt, Context, ist ein Bereich hoher aktueller Investitionen, der sich auf eine kürzlich angekündigte neue Analyse-Produktlinie konzentriert. Der vierte Punkt, Converge, steht für RaptorDB, die hybride transaktionale und analytische Datenbank des Unternehmens.
Dieses Framework ist deshalb von Bedeutung, weil es erklärt, warum ServiceNow davon überzeugt ist, Datenprodukte verkaufen zu können, ohne diese explizit als solche vermarkten zu müssen. „Wir sind auf dem Weg zu einem Giganten für Daten und Analysen, indem wir anfangs, und sogar mittelfristig, nie direkt an Daten- und Analyseteams verkaufen“, so Rewari. Der Vertriebsansatz ist rein ergebnisorientiert: Bestehenden ServiceNow-Plattformkunden werden Workflows angeboten, die zehnmal schneller laufen, oder KI-Agenten, die mit reichhaltigeren und saubereren Daten gespeist werden. Die zugrunde liegenden Datenprodukte bleiben für den Käufer im Wesentlichen unsichtbar, bis sie bereits integriert sind.
Die konvergente Architektur von RaptorDB als echter struktureller Vorteil
Das Investitionsargument für RaptorDB beruht auf einem Wandel in der Architektur von Unternehmensdatenbanken, der vom Markt noch unterschätzt wird. Historisch gesehen verarbeiteten transaktionale Systeme wie ERP und CRM die Arbeit, während analytische Abfragen separat in Data Warehouses ausgeführt wurden, nachdem die Daten physisch verschoben worden waren. Diese Latenz war tolerierbar, wenn Menschen an einem Montagnachmittag Dashboards prüften. Sie ist jedoch nicht akzeptabel, wenn Millionen von KI-Agenten in Echtzeit Daten benötigen, um kontinuierlich Entscheidungen zu treffen.
RaptorDB ermöglicht es, sowohl operative als auch analytische Workloads gleichzeitig auf derselben Datenbank auszuführen, wodurch die durch Datenverschiebungen verursachte Latenz entfällt. Rewari äußerte sich direkt zum Wettbewerbsumfeld: „Überlegen Sie mal – niemand sonst hat das, oder? Nicht in unserem Maßstab.“ ServiceNow hat RaptorDB zudem für direkte Abfragen durch Drittanbieter-Tools wie Tableau und Power BI geöffnet, wodurch Kunden keine separaten Datenpipelines zu Snowflake oder BigQuery mehr pflegen müssen. Das Unternehmen nennt dies Live Connect. Eine ergänzende Funktion, Live Archive, ermöglicht es Kunden, Daten innerhalb von Raptor nach Kosten zu staffeln, was externe Backup-Pipelines überflüssig macht. Rewaris Argumentation zufolge finanzieren sich beide Funktionen durch die eingesparten Pipeline-Kosten effektiv „selbst“.
Zero Copy und die Wette auf „Knowledge Gravity“ gegen die Branche
Die vielleicht strategisch wichtigste Positionierung, die auf der Konferenz artikuliert wurde, ist die explizite Ablehnung der „Data Gravity“-These durch ServiceNow, die die Ära der Cloud-Data-Warehouses dominierte. Während Snowflake, Databricks und andere darum konkurrierten, das Ziel für Unternehmensdaten zu werden, setzt ServiceNow auf das, was Rewari „Knowledge Gravity“ nennt – die Fähigkeit, Erkenntnisse zu gewinnen und Maßnahmen aus Daten abzuleiten, unabhängig davon, wo diese physisch gespeichert sind.
Durch die Zero-Copy-Architektur des Workflow Data Fabric föderiert ServiceNow Abfragen an die Datenquellen vor Ort – sei es SAP, Snowflake, Databricks, Google BigQuery oder Oracle –, ohne dass eine Datenmigration erforderlich ist. „Wir bilden sie logisch in Raptor ab. Und im Moment der Abfrage leiten wir diese weiter und föderieren sie an die zugrunde liegenden Data Warehouses und Data Lakes. Diese sind zufrieden, weil wir dort weiterhin den Datenverarbeitungskonsum vorantreiben“, erklärte Rewari. Dies positioniert ServiceNow als Orchestrierungs- und Erkenntnisschicht über der Dateninfrastruktur, nicht als deren Konkurrent – eine Haltung, die die Partnerschaften mit Snowflake und Databricks dauerhafter macht, als sie auf den ersten Blick erscheinen mögen.
Die Context Engine: Der am meisten unterschätzte Vermögenswert im Stack
Der Teil der Datenplattform, dem Rewari die meiste Aufmerksamkeit widmete – und mit dem Investoren am wenigsten vertraut zu sein scheinen –, ist die sogenannte Context Engine. Aufbauend auf dem bestehenden CMDB Knowledge Graph des Unternehmens, der IT-Komponenten mit Geschäftsdiensten verknüpft und seit über zwanzig Jahren Daten akkumuliert, integriert die Context Engine nun Identitäts- und Benutzerdaten aus der Veza-Akquisition, Asset-Daten von Armis, eine semantische Ebene für Geschäftskennzahlen aus der Pyramid-Übernahme sowie Metadaten aus dem Datenkatalog von data.world, deren vollständige Integration Rewari für die Knowledge-Konferenz im Mai 2026 bestätigte.
Das Ergebnis ist das, was Rewari als „Graph der Graphen“ beschreibt. Entscheidend ist, dass sie auch einen sogenannten Decision Graph enthält – eine strukturierte Aufzeichnung darüber, warum vergangene Entscheidungen getroffen wurden, welche Ausnahmen gemacht wurden und welche Ergebnisse daraus resultierten, basierend auf über zwanzig Jahren und mehr als zehn Milliarden Workflows auf der ServiceNow-Plattform. „Wenn man nicht in diesem Geschäft tätig ist und über zehn Milliarden Workflows mit Billionen von Transaktionen unterstützt, wie will man das erreichen?“, sagte er und bezeichnete dies als einen Burggraben, der für neue Marktteilnehmer definitionsgemäß nicht replizierbar ist.
Die praktische Relevanz für KI ist unmittelbar. Die Reduzierung von Halluzinationen und Verzerrungen (Bias) bei KI-Agenten ist nachweislich an die Reichhaltigkeit des Kontextes gebunden, der diesen Agenten bereitgestellt wird. Die Context Engine ist ServiceNows Antwort auf dieses Problem, und Rewari beschrieb sie als zunehmend unverzichtbare Voraussetzung für Kunden, die den Einsatz von agentischer KI in Erwägung ziehen.
Analytik: Ein 100-Milliarden-Dollar-TAM in „tiefgreifendem Umbruch“
Die Pyramid-Akquisition, die etwa zwei bis drei Monate vor der Konferenz abgeschlossen wurde, bringt eine semantische Ebene und moderne BI-Funktionen in den Stack. Rewari widersprach entschieden der Auffassung, Analytik sei eine reine Commodity-Schicht. Sein Argument stützt sich auf drei strukturelle Veränderungen, die gleichzeitig ablaufen: KI-Agenten benötigen dieselben validierten, autoritativen Geschäftskennzahlen wie Menschen; die Trennung zwischen Erkenntnis und Aktion kann in einer agentischen Welt nicht bestehen bleiben, in der derselbe Agent beides leisten muss; und Dashboards werden durch Konversationsschnittstellen abgelöst, bei denen KI Ergebnisse interpretiert und Workflows automatisch auslöst.
„Niemand sonst kann das“, sagte Rewari über die Fähigkeit, Risiken zu erkennen und innerhalb einer einzigen Plattform zu beheben. Er bezeichnete den aktuellen Moment als „tiefgreifenden Umbruch in diesem 100-Milliarden-Dollar-TAM-Markt“ und positionierte ServiceNow als einzigartig aufgestellt, da es Erkenntnis und Aktion an einem Ort zusammenführt. Er zog einen expliziten historischen Vergleich zu seiner Zeit bei Oracle, wo ein BI-Anwendungsgeschäft auf Basis von PeopleSoft, Siebel und JD Edwards einen Umsatz von über 1,5 Milliarden Dollar erzielte, bevor es über die installierte Basis hinaus expandierte – genau das Playbook, das ServiceNow seiner Aussage nach derzeit umsetzt.
Go-to-Market reift noch, eine Schlüsselentscheidung steht bevor
Hinsichtlich der Markteinführungsstrategie (Go-to-Market) äußerte sich Rewari offen über den aktuellen Stand. Derzeit führen die primären Account Executives die ersten Gespräche und ziehen bei Bedarf Daten- und Analysespecialists hinzu. Rewari wies jedoch darauf hin, dass die Diskussion darüber, ob eine voll dedizierte Data-and-Analytics-Vertriebsmannschaft aufgebaut werden soll – getrennt vom Spezialistenmodell –, für die zweite Jahreshälfte 2026 aktiv auf der Agenda steht. Da Rewari dies als „eines der am schnellsten wachsenden Geschäfte in der Geschichte von ServiceNow innerhalb eines Unternehmens, das bereits die 5-, 10- und nun 15-Milliarden-Dollar-Marke schneller als jeder andere durchbrochen hat“ beschrieb, ist die Frage der Go-to-Market-Infrastruktur keineswegs trivial.
Zur Reihenfolge der Kundenakzeptanz merkte Rewari an, dass das Workflow Data Fabric meist den Anfang macht, da ServiceNow bereits in 95 % der Fortune-500-Unternehmen präsent ist und viele Kunden bereits Integrationsfunktionen nutzen, die sie technisch gesehen zu Workflow-Data-Fabric-Kunden machen. Der Upsell erfolgt dann durch ein Tier-Upgrade zur Aktivierung der Zero-Copy-Föderation. Die Nutzung von RaptorDB wird von Kunden mit großen Workloads angeführt, soll aber mit den neuen Funktionen Live Connect und Live Perform ausgeweitet werden. Analytik durch Pyramid ist das neueste und am wenigsten durchdrungene Produkt.
Das ultimative Burggraben-Argument: Architektonische Reinheit über zwanzig Jahre
Auf die Frage, was im Datengeschäft wirklich dauerhaft ist, gab Rewari eine vielschichtige Antwort – die konvergente Datenbank, die Zero-Copy-Föderation und die über zwei Jahrzehnte akkumulierte CMDB –, stellte jedoch klar, dass nichts davon an erster Stelle steht. „Nichts davon ist das, was ich an die erste Stelle setzen würde. Die Nummer eins ist die Tatsache, dass all diese Juwelen in einer einzigen Plattform vereint sind. Ein einziges Datenmodell, ein einziges Sicherheitsmodell, eine einheitliche Benutzererfahrung für alle. Niemand sonst hat das.“ Er führte dies direkt auf die ursprüngliche architektonische Disziplin des Gründers Fred Luddy zurück und zitierte Archimedes: „Gebt mir einen Hebel, der lang genug ist, und ich werde den Mond bewegen.“
Für Investoren bedeutet dies in der Praxis: niedrigere Gesamtbetriebskosten (TCO), höhere Genauigkeit, eine einheitliche Kompetenzbasis über IT- und Geschäftsbereiche hinweg sowie ein einheitliches Sicherheitsmodell, das das Zusammenstückeln von Produkten überflüssig macht. Kunden, die bereits mehrere ServiceNow-Produkte in den Bereichen ITSM und HR nutzen, spüren dies laut Rewari am deutlichsten – sie seien sowohl das einfachste Ziel für Upsells als auch die stärksten Validatoren dieser These. Wie er auf der Knowledge-Konferenz von ServiceNow sagte: „Man spürt die Begeisterung einfach.“