Start / Themen / Digitalisierung & KI / Antwort
Digitalisierung & KI

Datenqualität prüfen bevor KI eingeführt wird: Was wirklich zählt

Kurz gesagt

Ein strukturierter Daten-Audit vor der KI-Einführung dauert bei einem mittelständischen Unternehmen mit drei bis fünf zentralen Datenquellen in der Regel zwei bis fünf Arbeitstage. Er prüft Vollständigkeit, Richtigkeit, Aktualität, Konsistenz und Zugänglichkeit der Daten und verhindert damit monatelange Fehlersuche nach dem Projektstart.

Warum Datenqualität über Erfolg oder Scheitern entscheidet

Die häufigste Ursache für gescheiterte KI-Projekte sind nicht schlechte Algorithmen, sondern schlechte Daten. In der Praxis zeigt sich das erst spät: Das Modell ist trainiert, die ersten Ergebnisse kommen – und ergeben keinen Sinn. Dann beginnt die mühsame Rückwärtssuche durch Datenhistorie und Systeme. Dieser Aufwand ist vermeidbar, wenn vor dem Start eine ehrliche Bestandsaufnahme steht. Ein strukturierter Daten-Audit vor der KI-Einführung dauert je nach Unternehmensgröße zwei bis fünf Arbeitstage, verhindert Monate an Fehlersuche und zeigt außerdem, welche KI-Anwendungen realistisch sind – und welche besser warten.

Fünf Dimensionen von Datenqualität

Datenqualität ist kein einzelnes Merkmal, sondern ein Bündel aus fünf Dimensionen. Jede davon kann ein KI-Projekt zum Scheitern bringen:

  • Vollständigkeit: Wie viele Datensätze haben fehlende Felder? Ein Kundendatensatz ohne Branche ist für ein Klassifikationsmodell wertlos.
  • Richtigkeit: Stimmen die Werte mit der Realität überein? Falsch eingetragene Umsatzzahlen, Tippfehler in Adressen, veraltete Statusfelder.
  • Aktualität: Wie alt sind die Daten? Ein Prognosemodell auf Basis mehrere Jahre alter Daten liefert heute keine verlässlichen Ergebnisse mehr.
  • Konsistenz: Sind gleiche Sachverhalte überall gleich erfasst? „GmbH" versus „Ges. m. b. H." versus „gmbh" sind für ein Modell drei verschiedene Dinge.
  • Zugänglichkeit: Können die Daten überhaupt genutzt werden? Papier, gesperrte Silos, fehlende API-Schnittstellen oder rechtliche Beschränkungen machen selbst gute Daten unbrauchbar.

Der Daten-Audit in fünf Schritten

1. Quellen inventarisieren: Liste aller Datenquellen erstellen – CRM, ERP, Datenbanken, Excel-Dateien, externe Dienste. Für jede Quelle: Format, Zugriffsweg, Update-Frequenz, Verantwortlicher. 2. Null-Werte prüfen: Pro relevanter Spalte den Anteil fehlender Werte ermitteln. Mehr als 20 Prozent fehlende Werte in einem Schlüsselfeld sind ein kritisches Signal. 3. Alter der Daten prüfen: Jüngsten und ältesten Datensatz bestimmen, Lücken im Zeitverlauf identifizieren – sie können Modellverzerrungen verursachen. 4. Inkonsistenzen aufspüren: Wertausprägungen pro Feld zählen, Schreibvarianten, uneinheitliche Codes und widersprüchliche Einträge aufdecken. 5. Zugänglichkeit testen: Kann ein Data Engineer die Daten in einer Testumgebung laden? Wenn nicht, ist das kein Datenproblem, sondern ein Infrastrukturproblem, das zuerst gelöst werden muss.

Typische Probleme in der Praxis

  • Datensilos ohne API: Informationen liegen in Altsystemen ohne programmatischen Zugriff, Export nur manuell per Excel möglich – Automatisierung entfällt damit.
  • Veraltete Stammdaten: Kundendaten, die seit Jahren nicht gepflegt wurden – Adressen stimmen nicht, Ansprechpartner sind längst gewechselt.
  • Fehlende Labels: Für überwachtes Lernen braucht man gelabelte Beispiele, oft existieren nur Rohdaten ohne Annotation.
  • Inkonsistente Formate: Datumsfelder mal als 2024-01-15, mal als 15.01.2024, mal als „Jan 2024" – vor jedem Training muss normalisiert werden.
  • Rechtliche Einschränkungen: Personenbezogene Daten dürfen nicht ohne Weiteres für KI-Training genutzt werden, eine DSGVO-Prüfung gehört zum Audit.

Was gute Daten je nach Anwendungsfall bedeutet

  • Klassifikation (z. B. Kundenanfragen kategorisieren): mindestens rund 500 Beispiele pro Kategorie, konsistente Labels, möglichst wenige fehlende Werte
  • Prognose (z. B. Umsatz, Nachfrage): vollständige Zeitreihen ohne Lücken, mindestens zwei Jahre Historie, keine Systemwechsel ohne Markierung
  • Chatbot / RAG (z. B. interner Wissens-Assistent): aktuelle Dokumente in maschinenlesbarem Format, klare Struktur, keine widersprüchlichen Aussagen

Diese Anforderungen sollten vor dem Audit bekannt sein, damit das Team gezielt danach sucht.

Nach dem Audit: eine ehrliche Entscheidung

KI starten lässt sich in der Regel, wenn die Vollständigkeit in Schlüsselfeldern hoch ist, die Daten nicht zu alt sind, der Zugriff technisch möglich ist und keine offenen Rechtsfragen bestehen. Daten sollten dagegen zuerst bereinigt werden, wenn zentrale Felder viele fehlende Werte aufweisen, Daten aus inkompatiblen Systemen ohne Migrationspfad stammen, Labels für Trainingsbeispiele fehlen oder die DSGVO-Prüfung noch aussteht. Diese Entscheidung ist keine Niederlage – sie verhindert, dass ein KI-Projekt mit falschen Erwartungen startet und nach wenigen Monaten ohne Ergebnis endet.

Ein schneller Einstiegstest: Nehmen Sie eine repräsentative Stichprobe von rund 200 Datensätzen aus Ihrer Hauptdatenquelle. Prüfen Sie manuell, wie viele vollständig sind und wie viele offensichtliche Fehler enthalten. Wenn deutlich mehr als jeder zehnte Datensatz Probleme hat, ist ein vollständiger Audit vor dem KI-Start ratsam.

Häufige Fragen

Wie lange dauert ein Daten-Audit vor der KI-Einführung?
Bei einem mittelständischen Unternehmen mit drei bis fünf zentralen Datenquellen dauert ein strukturierter Audit in der Regel zwei bis fünf Arbeitstage; größere Unternehmen mit vielen Systemen sollten eher zwei bis drei Wochen einplanen.
Was ist der Mindestdatenbestand, den man für KI braucht?
Das hängt vom Anwendungsfall ab: Für einfache Klassifikation sind rund 500 Beispiele pro Kategorie ein guter Richtwert, für Prognosemodelle braucht es meist mindestens zwei Jahre Zeitreihendaten, für RAG-Systeme zählt vor allem die Qualität der Dokumente.
Dürfen wir Kundendaten für KI-Training nutzen?
Grundsätzlich nur mit klarer Rechtsgrundlage nach DSGVO. Internes Training auf anonymisierten oder aggregierten Daten ist meist unproblematisch, sobald personenbezogene Daten einfließen, braucht es in der Regel eine Datenschutz-Folgenabschätzung und gegebenenfalls Einwilligungen.