Die Datenqualität für KI-Automatisierung entscheidet darüber, ob ein automatisierter Ablauf verlässliche Ergebnisse liefert oder Fehler in hoher Geschwindigkeit vervielfacht. Viele Projekte im Mittelstand konzentrieren sich zunächst auf die Auswahl des Modells oder des Werkzeugs, während die Daten, mit denen das System arbeiten soll, als gegeben vorausgesetzt werden. Erst im Pilotbetrieb zeigt sich dann, dass Kundenstammdaten Dubletten enthalten, Artikelbezeichnungen uneinheitlich gepflegt sind, Pflichtfelder fehlen und Dokumente in unterschiedlichen Formaten vorliegen. Das Ergebnis sind falsche Zuordnungen, unbrauchbare Vorschläge und ein Vertrauensverlust bei den Anwendern, der sich nur schwer wieder aufbauen lässt. Die Datenvorbereitung ist damit keine Nebensache, sondern Teil des Projekts. Dieser Beitrag richtet sich an Geschäftsführung, IT-Leitung und Prozessverantwortliche. Er beschreibt die Dimensionen der Datenqualität, ein Verfahren zur Bestandsaufnahme, geeignete Prüfregeln, die Verteilung der Verantwortung, den Zusammenhang mit datenschutzrechtlichen Vorgaben sowie einen Pflegeprozess, der die Qualität dauerhaft sichert. Ziel ist, die Eignung der eigenen Daten vor dem Projektstart realistisch einzuschätzen und den Aufwand der Datenvorbereitung von Beginn an einzuplanen.
Hinweis: Dieser Beitrag gibt ausschließlich die redaktionellen Ansichten der Redaktion von effizienzpraxis.de wieder. Er stellt keine Rechts- oder Steuerberatung dar und ersetzt nicht die Beratung durch qualifizierte Fachleute. Für verbindliche Auskünfte zu Ihrem konkreten Fall wenden Sie sich bitte an eine zugelassene Beratung.
Titelbild: Foto von Stephen Dawson auf Unsplash.
Warum Datenqualität die Grenze der Automatisierung bestimmt
Ein KI-gestützter Ablauf lernt aus Daten oder wendet Regeln auf Daten an. In beiden Fällen gilt: Die Qualität des Ergebnisses kann nicht besser sein als die Qualität der Eingabe. Ein Klassifikationsmodell, das auf falsch beschrifteten Beispielen trainiert wurde, reproduziert die Fehler. Ein Assistent, der auf veraltete Preislisten zugreift, formuliert Angebote mit falschen Konditionen, und zwar überzeugend und grammatikalisch einwandfrei.
Hinzu kommt der Verstärkungseffekt. Ein Mitarbeiter, der einen falschen Datensatz bemerkt, korrigiert ihn und denkt sich seinen Teil. Ein automatisierter Ablauf verarbeitet denselben Fehler in jedem Durchlauf, bis jemand ihn entdeckt. Je höher der Automatisierungsgrad, desto kostspieliger wird mangelhafte Datenqualität, weil menschliche Plausibilitätsprüfungen entfallen.
Eine Bestandsaufnahme der Datenlage ist daher kein Vorprojekt aus Gründlichkeit, sondern die Grundlage für eine realistische Aufwandsschätzung. In vielen Vorhaben entfällt ein erheblicher Teil des Gesamtaufwands auf die Aufbereitung der Daten.
Die Dimensionen der Datenqualität
Datenqualität ist kein einzelnes Merkmal, sondern ein Bündel von Eigenschaften. Für die Praxis genügt eine überschaubare Zahl von Dimensionen, die sich je Datenbestand prüfen lassen.
| Dimension | Frage | Typisches Problem |
|---|---|---|
| Vollständigkeit | Sind alle benötigten Felder gefüllt? | Fehlende Umsatzsteuer-ID, Lieferadresse oder Artikelgruppe |
| Richtigkeit | Stimmen die Werte mit der Realität überein? | Veraltete Ansprechpartner, falsche Preise |
| Konsistenz | Sind gleiche Sachverhalte gleich dargestellt? | Mehrere Schreibweisen desselben Kunden, unterschiedliche Einheiten |
| Aktualität | Sind die Daten auf dem neuesten Stand? | Nicht gepflegte Stammdaten, überholte Preislisten |
| Eindeutigkeit | Kommt jedes Objekt genau einmal vor? | Dubletten bei Kunden, Lieferanten und Artikeln |
| Zugänglichkeit | Sind die Daten für das System erreichbar und lesbar? | Daten in Papierakten, Einzeltabellen oder gesperrten Systemen |
Je nach Anwendungsfall haben die Dimensionen unterschiedliches Gewicht. Für eine automatische Rechnungsprüfung sind Richtigkeit und Eindeutigkeit der Lieferantenstammdaten entscheidend, für eine Nachfrageprognose eher Vollständigkeit und Aktualität der Verkaufshistorie.
Rechtlicher Rahmen: Datenqualität als Pflicht
Wo personenbezogene Daten verarbeitet werden, ist Datenqualität nicht nur eine technische, sondern auch eine rechtliche Frage. Der Grundsatz der Richtigkeit nach Art. 5 Abs. 1 Buchst. d der Datenschutz-Grundverordnung verlangt, dass Daten sachlich richtig und erforderlichenfalls auf dem neuesten Stand sind. Unrichtige Daten sind unverzüglich zu berichtigen oder zu löschen. Ein automatisiertes System, das auf fehlerhaften Personendaten beruht, kann daher unmittelbar Datenschutzpflichten berühren.
Hinzu kommt der Grundsatz der Datenminimierung. Für die Automatisierung sollten nur Daten genutzt werden, die für den Zweck erforderlich sind. Eine umfassende Zusammenführung aller verfügbaren Daten, um dem System möglichst viel Material zu geben, steht im Widerspruch zu diesem Grundsatz und muss gesondert begründet werden.
Für buchführungsrelevante Daten gelten zudem die Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen. Werden Belege oder Buchungsdaten automatisiert verarbeitet, muss die Nachvollziehbarkeit erhalten bleiben. Bei Unsicherheit empfiehlt sich die Abstimmung mit der Steuerberatung und dem Datenschutzbeauftragten.
Bestandsaufnahme in fünf Schritten
- Anwendungsfall festlegen: Welche Entscheidung oder Tätigkeit soll das System übernehmen, und welche Daten benötigt es dafür?
- Datenquellen erfassen: In welchen Systemen, Dateien und Ordnern liegen die Daten, und wer ist jeweils verantwortlich?
- Stichprobe ziehen: Eine repräsentative Stichprobe von mehreren hundert Datensätzen wird manuell auf die Qualitätsdimensionen geprüft.
- Fehlerquote ermitteln: Pro Dimension wird festgehalten, wie viele Datensätze betroffen sind und welche Ursachen vorliegen.
- Aufwand bewerten: Die Ergebnisse werden mit dem Anwendungsfall abgeglichen, um Mindestanforderungen und Bereinigungsaufwand zu bestimmen.
Die Stichprobe vermittelt schnell ein realistisches Bild. Sie sollte nicht von den besten Beständen gezogen werden, sondern zufällig, damit auch die selten gepflegten Bereiche sichtbar werden.
Beispielrechnung zur Fehlerquote
Die folgende Rechnung ist rein illustrativ. Aus 500 geprüften Kundendatensätzen weisen 60 fehlende Pflichtfelder, 35 Dubletten und 25 veraltete Ansprechpartner auf. Ein Datensatz kann mehrere Fehler enthalten. Hat die Prüfung ergeben, dass insgesamt 90 Datensätze mindestens einen Mangel aufweisen, liegt die Fehlerquote bei 18 Prozent.
| Prüfergebnis | Anzahl | Anteil an 500 |
|---|---|---|
| Fehlende Pflichtfelder | 60 | 12 % |
| Dubletten | 35 | 7 % |
| Veraltete Ansprechpartner | 25 | 5 % |
| Datensätze mit mindestens einem Mangel | 90 | 18 % |
Ob 18 Prozent akzeptabel sind, hängt vom Anwendungsfall ab. Für eine Rundmail mag das tolerierbar sein, für eine automatische Rechnungsstellung oder Angebotserzeugung nicht. Entscheidend ist, dass die Schwelle vor dem Projekt festgelegt wird und nicht im Nachhinein.
Prüfregeln und technische Maßnahmen
Die Prüfung der Datenqualität lässt sich weitgehend automatisieren. Regeln werden dabei an den Stellen eingesetzt, an denen Daten entstehen, und nicht erst bei der Weiterverarbeitung. Je früher ein Fehler erkannt wird, desto geringer sind die Korrekturkosten.
- Pflichtfelder und Formatprüfungen bei der Erfassung, etwa für Postleitzahlen, IBAN, Umsatzsteuer-ID und Datumsangaben.
- Auswahllisten statt Freitext bei Merkmalen, die einheitlich sein sollen, etwa Branche, Land oder Artikelgruppe.
- Dublettenprüfung beim Anlegen neuer Datensätze, mit Abgleich nach Name, Adresse und Kennung.
- Plausibilitätsregeln, etwa Preisgrenzen, Mengenbereiche oder zeitliche Abfolgen.
- Regelmäßige Auswertungen, die auffällige Datensätze listen und an Verantwortliche melden.
Bereinigung bestehender Bestände
Für den Altbestand ist eine Bereinigung erforderlich, die nach Priorität erfolgt. Zuerst werden Datensätze bearbeitet, die der Anwendungsfall tatsächlich nutzt. Dubletten werden zusammengeführt, wobei zu klären ist, welcher Datensatz führend ist und welche Verknüpfungen auf den zusammengeführten Datensatz umgehängt werden. Fehlende Werte werden, wo möglich, aus verlässlichen Quellen ergänzt und nicht geschätzt.
Eine maschinelle Bereinigung durch Regeln oder KI-Verfahren kann Vorschläge liefern, sollte aber bei Stammdaten mit wirtschaftlicher Bedeutung durch Stichproben oder Freigaben abgesichert werden.
Besondere Anforderungen bei Dokumenten und unstrukturierten Daten
Viele KI-Anwendungen im Mittelstand arbeiten nicht mit Tabellen, sondern mit Dokumenten: Verträge, Rechnungen, Angebote, Handbücher, E-Mails. Hier stellen sich eigene Fragen. Sind die Dokumente maschinell lesbar oder liegen sie als Scan in schlechter Qualität vor? Gibt es mehrere Versionen desselben Dokuments? Sind veraltete Fassungen als solche gekennzeichnet?
Besonders kritisch sind Wissensbestände, die einem Assistenten als Grundlage dienen. Enthalten sie widersprüchliche oder überholte Informationen, wird der Assistent beide Fassungen gleichberechtigt wiedergeben. Es empfiehlt sich, nur freigegebene Dokumente mit Datum, Gültigkeit und Verantwortlichem einzubeziehen und veraltete Inhalte konsequent aus dem Bestand zu nehmen.
Stammdatenmanagement und Schnittstellen
Sobald Daten aus mehreren Systemen zusammenfließen, wächst das Risiko von Widersprüchen. Kundendaten liegen im ERP, im CRM und in der Buchhaltung, jeweils mit eigenen Schreibweisen und Kennungen. Ein Stammdatenmanagement legt fest, welches System für welche Daten führend ist und wie Änderungen an die übrigen Systeme weitergegeben werden. Ohne diese Festlegung entstehen Abweichungen, die ein automatisierter Ablauf nicht auflösen kann.
Praktisch bewährt hat sich die Vergabe eindeutiger Schlüssel, etwa einer unternehmensweit gültigen Kundennummer, sowie eine dokumentierte Zuordnung der Felder zwischen den Systemen. Bei Schnittstellen sollten Fehlermeldungen nicht stillschweigend übergangen, sondern gesammelt und einem Verantwortlichen zugeleitet werden. So werden Datenfehler sichtbar, bevor sie sich im Bestand festsetzen.
Verantwortlichkeiten: Data Owner und Data Steward
Datenqualität ist keine Aufgabe der IT allein. Die IT stellt Werkzeuge und Schnittstellen bereit, aber die inhaltliche Richtigkeit liegt bei den Fachbereichen. Bewährt hat sich eine klare Rollenverteilung.
| Rolle | Aufgabe | Typische Besetzung |
|---|---|---|
| Data Owner | Verantwortet einen Datenbestand und legt Qualitätsanforderungen fest | Bereichsleitung, etwa Vertriebsleitung für Kundendaten |
| Data Steward | Pflegt Daten im Alltag, prüft Auffälligkeiten, koordiniert Bereinigung | Fachlich versierte Mitarbeitende im Bereich |
| IT-Verantwortliche | Stellen Systeme, Prüfregeln und Auswertungen bereit | IT-Abteilung oder Dienstleister |
| Datenschutz | Prüft personenbezogene Bestände und Rechtsgrundlagen | Datenschutzbeauftragte oder Datenschutzkoordination |
Für jeden Datenbestand, der in eine Automatisierung einfließt, sollte der Data Owner benannt sein. Ohne diese Zuordnung bleibt jede Qualitätsinitiative eine Einmalaktion.
Qualitätskennzahlen und Monitoring
Damit Datenqualität steuerbar wird, werden wenige aussagekräftige Kennzahlen festgelegt und regelmäßig erhoben. Typisch sind die Quote vollständiger Pflichtfelder, die Zahl der Dubletten, das Durchschnittsalter der letzten Pflege und der Anteil der Datensätze, die Prüfregeln bestehen.
- Jeder Kennzahl wird ein Zielwert zugeordnet, der sich am Anwendungsfall orientiert.
- Die Erhebung erfolgt automatisiert, die Ergebnisse gehen an Data Owner und Steward.
- Bei Unterschreiten eines Schwellenwerts wird ein Korrekturprozess ausgelöst.
- Die Entwicklung wird in einem festen Rhythmus, etwa quartalsweise, im Führungskreis besprochen.
Zusätzlich sollten die Ergebnisse des KI-Systems selbst überwacht werden. Steigt die Quote korrigierter Ergebnisse, ist dies ein Hinweis auf nachlassende Datenqualität oder auf veränderte Bedingungen, die das System nicht abbildet.
Hilfreich ist ein einfacher Qualitätsbericht, der je Datenbestand den aktuellen Wert, die Entwicklung gegenüber dem Vorquartal und die drei häufigsten Fehlerursachen ausweist. Dadurch wird sichtbar, ob Probleme in der Erfassung, in der Schnittstelle oder in der Pflege entstehen, und die Maßnahmen können gezielt an der Ursache ansetzen, statt dauerhaft Symptome zu bereinigen.
Häufige Fehler und Stolperfallen
- Datenprüfung nach dem Piloten: Die Mängel werden erst entdeckt, wenn Budget und Zeitplan bereits festgelegt sind.
- Bereinigung als Einmalprojekt: Nach der Bereinigung verschlechtert sich die Qualität wieder, weil die Ursachen in der Erfassung nicht beseitigt wurden.
- Fehlende Verantwortung: Alle halten die Daten für wichtig, aber niemand ist für Richtigkeit und Pflege zuständig.
- Zu breite Datengrundlage: Es werden alle verfügbaren Daten eingebunden, obwohl nur ein kleiner Teil für den Zweck nötig ist, was Aufwand und Datenschutzrisiken erhöht.
- Überschätzung der KI-Verfahren: Es wird erwartet, dass das System Datenmängel selbst ausgleicht, obwohl es sie in vielen Fällen nur verdeckt.
- Fehlende Rückkopplung: Korrekturen der Anwender fließen nicht in die Datenpflege zurück, sodass dieselben Fehler wiederholt auftreten.
Automatisierung beschleunigt, was vorhanden ist: ordentliche Daten ebenso wie unordentliche.
Vorgehen in der Praxis: ein Beispiel aus der Auftragsabwicklung
Ein Großhändler möchte eingehende Bestellungen per E-Mail automatisch erfassen lassen. Die Bestandsaufnahme zeigt, dass Artikelnummern bei Kunden in mehreren Schreibweisen geführt werden, dass Kundenstammdaten Dubletten enthalten und dass für etwa jeden zehnten Artikel keine eindeutige Mengeneinheit hinterlegt ist. Ohne Bereinigung würde das System Bestellungen falschen Artikeln zuordnen oder an Dubletten ausliefern.
Das Unternehmen legt zunächst Mindestanforderungen für die Artikel- und Kundenstammdaten fest, bereinigt die Daten für die zehn umsatzstärksten Kundengruppen und führt Pflichtfelder sowie eine Dublettenprüfung bei der Neuanlage ein. Erst danach startet der Pilot mit einer Freigabestufe: Bestellungen mit unsicherer Zuordnung werden einem Sachbearbeiter vorgelegt. Die Zahl der Rückfragen sinkt im Verlauf der Pilotphase, weil die Korrekturen der Sachbearbeiter in die Stammdatenpflege zurückfließen.
Das Beispiel ist verallgemeinert dargestellt. Es zeigt, dass der Weg über Mindestanforderungen, gezielte Bereinigung und schrittweise Ausweitung in der Regel schneller zum Ziel führt als der Versuch, zunächst den gesamten Datenbestand zu vervollkommnen.
Checkliste vor dem Projektstart
- Anwendungsfall und benötigte Datenbestände dokumentiert.
- Datenquellen und Verantwortliche je Bestand benannt.
- Stichprobe gezogen und Fehlerquoten je Qualitätsdimension ermittelt.
- Mindestanforderungen an die Datenqualität vor Projektbeginn festgelegt.
- Datenschutzrechtliche Zulässigkeit, Zweckbindung und Datenminimierung geprüft.
- Bereinigungsaufwand geschätzt und im Projektplan berücksichtigt.
- Prüfregeln an der Datenerfassung eingerichtet.
- Data Owner und Data Steward benannt und eingewiesen.
- Qualitätskennzahlen und Berichtsrhythmus vereinbart.
- Rückkopplung von Korrekturen der Anwender in die Datenpflege geregelt.
FAQ
Warum ist Datenqualität für KI-Automatisierung so wichtig?
Ein automatisiertes System kann nur so zuverlässig arbeiten wie die Daten, die es nutzt. Fehlerhafte, veraltete oder doppelte Daten führen zu falschen Ergebnissen, die sich bei hohem Automatisierungsgrad schnell vervielfachen.
Welche Dimensionen der Datenqualität sollten geprüft werden?
Üblich sind Vollständigkeit, Richtigkeit, Konsistenz, Aktualität, Eindeutigkeit und Zugänglichkeit. Welche Dimension besonders wichtig ist, hängt vom Anwendungsfall ab.
Wie lässt sich die Datenqualität vor einem Projekt einschätzen?
Durch eine Stichprobe von mehreren hundert Datensätzen, die zufällig gezogen und manuell geprüft wird. Daraus ergibt sich eine Fehlerquote je Dimension, die mit den Anforderungen des Anwendungsfalls verglichen wird.
Wer ist für die Datenqualität verantwortlich?
Die inhaltliche Verantwortung liegt bei den Fachbereichen. Ein Data Owner verantwortet den Bestand, ein Data Steward pflegt ihn im Alltag, und die IT stellt Werkzeuge und Prüfregeln bereit.
Welche Rolle spielt die DSGVO bei der Datenqualität?
Der Grundsatz der Richtigkeit verlangt, dass personenbezogene Daten sachlich richtig und erforderlichenfalls aktuell sind. Außerdem sind Zweckbindung und Datenminimierung zu beachten, wenn Daten für eine Automatisierung zusammengeführt werden.
