Auch die beste KI kann aus schlechten Daten keine guten Ergebnisse machen. Sie müssen aber nicht erst alle Daten aufräumen, bevor Sie beginnen. Es reicht, dort anzusetzen, wo Ihr erster Anwendungsfall sie braucht.
Typische Probleme
- Doppelte Datensätze in mehreren Systemen
- Veraltete Dokumente neben aktuellen
- Unterschiedliche Schreibweisen derselben Angabe
- Wichtiges Wissen nur in Köpfen und Mails
Eine führende Quelle festlegen
Legen Sie für jede wichtige Information fest, welches System gilt. Das löst viele Widersprüche und macht klar, wo gepflegt wird.
Beim Anwendungsfall anfangen
Fragen Sie: Welche Daten braucht dieser eine Ablauf? Prüfen Sie Stichproben und bereinigen Sie gezielt. Das geht schneller als ein großes Datenprojekt und zeigt sofort Wirkung.
Qualität dauerhaft sichern
Automatische Prüfungen melden fehlende oder unplausible Werte. Benennen Sie außerdem Verantwortliche, damit Fehler auch wirklich behoben werden.
Was „gut genug“ für Ihren Anwendungsfall bedeutet
Datenqualität ist kein absoluter Wert. Ein Assistent, der Serviceanleitungen durchsucht, verträgt ungleichmäßig formatierte Dokumente, scheitert aber an veralteten Fassungen. Eine automatische Auftragserfassung kommt dagegen mit alten Dokumenten gar nicht in Berührung, braucht aber eindeutige Artikelnummern und korrekte Mengeneinheiten. Bevor Sie etwas bereinigen, sollten Sie deshalb festhalten, welche Eigenschaften für diesen einen Ablauf wirklich zählen.
Vier Fragen helfen bei der Einordnung:
- Vollständigkeit: Sind alle Felder gefüllt, die der Ablauf zwingend benötigt?
- Aktualität: Wie schnell veraltet die Information, und merkt das jemand?
- Eindeutigkeit: Lässt sich ein Kunde, Artikel oder Vorgang sicher einem Datensatz zuordnen?
- Stimmigkeit: Passen die Angaben in verschiedenen Systemen zusammen?
Ein Beispiel aus dem Maschinenbau: Soll eine KI Anfragen zu Ersatzteilen vorsortieren, ist die Zuordnung von alten zu neuen Teilenummern oft wichtiger als der vollständige Artikeltext. Wer zuerst alle Beschreibungen überarbeitet, investiert an der falschen Stelle.
Eine Stichprobe, die wirklich etwas aussagt
Ziehen Sie die Stichprobe nicht nur aus den aktuellsten oder saubersten Datensätzen. Nehmen Sie auch Altkunden, seltene Produktgruppen und Vorgänge aus verschiedenen Standorten dazu. Gehen Sie dann gemeinsam mit einer Person aus dem Fachbereich die Fälle durch und notieren Sie für jeden, ob der Ablauf damit funktionieren würde und was gegebenenfalls fehlt.
Aus dieser Arbeit entsteht eine einfache Fehlerliste. Sortieren Sie sie nach Häufigkeit und Folgen. Ein seltener Fehler kann schwerer wiegen als ein häufiger, wenn er etwa zu einer falschen Lieferung führt. So sehen Sie, ob sich das Problem mit einer kleinen Korrektur lösen lässt oder ob es den geplanten Ablauf grundsätzlich infrage stellt.
An der Quelle korrigieren statt im Ablauf reparieren
Es ist verlockend, Schreibweisen und Lücken direkt im Automatisierungsschritt auszugleichen. Das hilft kurzfristig und ist bei reinen Formatfragen auch sinnvoll, etwa beim Vereinheitlichen eines Datumsformats. Inhaltliche Fehler sollten aber dort behoben werden, wo sie entstehen. Sonst bleibt das Quellsystem falsch, und jede weitere Anwendung muss dieselbe Reparatur noch einmal enthalten.
Oft genügt es, die Erfassung selbst zu verbessern: Pflichtfelder im CRM, Auswahllisten statt Freitext oder eine Warnung beim Anlegen eines scheinbar vorhandenen Kunden. Solche kleinen Änderungen wirken dauerhaft, weil neue Fehler gar nicht erst entstehen.
Dubletten und Dokumente brauchen eigene Regeln
Dubletten sollten Sie nicht vollautomatisch zusammenführen, solange nicht klar ist, welcher Datensatz gilt. Zwei Einträge mit ähnlichem Firmennamen können auch verschiedene Niederlassungen mit eigenen Konditionen sein. Lassen Sie das System Kandidaten vorschlagen und bei unklaren Fällen einen Menschen entscheiden. Halten Sie außerdem fest, welche Felder beim Zusammenführen Vorrang haben.
Bei Dokumenten kommt es vor allem auf Metadaten an. Hilfreich sind Gültigkeitsstatus, Version, Produktbezug und eine zuständige Person. Lässt sich die Fassung eines Dokuments nur am Dateinamen erahnen, kann ein KI-System aktuelle und überholte Inhalte kaum sicher unterscheiden. Legen Sie deshalb eine einfache Ablageregel fest und nehmen Sie überholte Fassungen aus dem Bereich, auf den das System zugreift. Archivieren dürfen Sie sie natürlich weiterhin, nur eben getrennt.
Welche Maßnahme zu welchem Datenproblem passt
| Problem | Sinnvolle Maßnahme | Wer entscheidet |
|---|---|---|
| Uneinheitliche Formate | Automatisch vereinheitlichen und das Ergebnis stichprobenartig prüfen | Technische Betreuung des Ablaufs |
| Vermutete Dubletten | Kandidaten vorschlagen, Zusammenführung erst nach Prüfung | Fachbereich, der die Stammdaten pflegt |
| Fehlende Pflichtangaben | Erfassung anpassen und Altbestand gezielt nachpflegen | Verantwortliche Person des Quellsystems |
| Veraltete Dokumente | Gültigkeitsstatus einführen und alte Fassungen aus dem Suchbestand nehmen | Fachlich zuständige Person je Dokumentart |
Vor dem Start des ersten Anwendungsfalls
Typische Fehler
Solche Programme binden viel Kapazität und zeigen lange keinen Nutzen. Begrenzen Sie die Arbeit auf die Daten des ersten Anwendungsfalls und erweitern Sie danach schrittweise.
Das Quellsystem bleibt falsch, und die Korrekturregeln werden immer schwerer zu überblicken. Beheben Sie inhaltliche Fehler an der Quelle und verbessern Sie die Erfassung.
Ein formal korrekter Wert kann fachlich falsch sein, etwa eine gültige, aber längst abgelöste Artikelnummer. Beziehen Sie deshalb Menschen ein, die die Vorgänge aus dem Alltag kennen.
Häufige Fragen
Müssen unsere Daten perfekt sein, bevor wir KI einsetzen?
Nein. Entscheidend ist, dass die Daten für den konkreten Ablauf ausreichen und unsichere Fälle erkannt werden. Diese Fälle können dann an einen Menschen gehen.
Kann KI die Datenbereinigung selbst übernehmen?
Teilweise, etwa beim Erkennen möglicher Dubletten oder beim Vereinheitlichen von Schreibweisen. Änderungen an wichtigen Stammdaten sollten aber nachvollziehbar sein und in unklaren Fällen von einem Menschen bestätigt werden.
Wie erkennen wir, ob sich Daten im Betrieb verschlechtern?
Überwachen Sie einfache Kennzeichen wie leere Pflichtfelder, unplausible Werte und die Zahl manueller Korrekturen. Steigt einer dieser Werte, sollte die zuständige Person automatisch informiert werden.
Von Patrick Thomas, KI Sidekick. Dieser Artikel ersetzt keine Rechts- oder Steuerberatung.
