Datenqualität vor KI — warum Piloten an den Stammdaten scheitern

Ein Vorhaben startet mit einem klaren Versprechen: Eine KI soll einen aufwendigen Prozess in Pharma, MedTech oder Versorgung beschleunigen. Nach den ersten Wochen stockt es. Diskutiert wird dann meist das Modell — dabei liegt das Problem fast immer eine Ebene tiefer, in den Daten, mit denen das Modell arbeiten soll.

Warum die Daten zuerst kommen

Ein Modell ist so gut wie die Daten, aus denen es lernt und die es im Betrieb erhält. Das klingt selbstverständlich, wird in der Planung aber regelmäßig übersprungen, weil die Aufmerksamkeit dem sichtbaren Teil gilt: der Vorhersage, der Automatisierung, der Oberfläche. Der unsichtbare Teil — Stammdaten, Konsistenz, Vollständigkeit — entscheidet jedoch darüber, ob überhaupt etwas Belastbares herauskommt.

Mit Stammdaten sind die stabilen Grunddaten gemeint, auf die ein Prozess immer wieder zugreift: Artikel, Kunden, Standorte, Einheiten. Sind sie uneinheitlich gepflegt, kann ein noch so gutes Verfahren die Lücken nicht schließen — es reicht sie nur weiter.

Ein Muster aus der Praxis

Ein wiederkehrendes Bild, nach unserer Erfahrung: Dieselbe Sache trägt in drei Systemen drei verschiedene Nummern. Ein Kunde existiert doppelt, einmal mit und einmal ohne Umlaut. Mengen stehen mal in Stück, mal in Packungen, ohne dass die Einheit mitgeführt wird. Für einen Menschen sind das Kleinigkeiten, die er im Kopf zusammenführt. Ein automatisiertes Verfahren kann das nicht — es behandelt zwei Schreibweisen als zwei Dinge und rechnet auf einer Grundlage, die nicht stimmt. Der Pilot liefert dann Ergebnisse, die niemand verantworten möchte, und verliert sein Vertrauen, bevor er seinen Nutzen zeigen konnte.

Vorgehen: Datenreife vor Modell

Wir drehen die übliche Reihenfolge um und beginnen bei den Daten:

1. Datenquellen inventarisieren: Welche Systeme liefern was, in welcher Form, wie aktuell?
2. Schlüssel und Stammdaten bereinigen: eindeutige Kennungen, konsistente Einheiten, Dubletten zusammenführen.
3. Eine kleine, belegbare Kennzahl setzen statt einer großen Vision — etwas, das sich nach vier Wochen ehrlich messen lässt.
4. Erst dann das Modell. Es ist der letzte Schritt, nicht der erste.

Dieser Weg fühlt sich langsamer an, weil der Aufwand am Anfang sichtbar wird statt am Ende. In der Summe ist er kürzer, weil das Nacharbeiten entfällt.

Einordnung

Nicht jedes Problem ist ein Datenproblem, und nicht jedes Datenproblem braucht KI. Wenn die Datenmenge zu klein ist, wenn sich der Prozess schneller ändert, als sich Daten sammeln lassen, oder wenn der Engpass organisatorisch statt analytisch ist, hilft auch das beste Modell nicht. In vielen Fällen schlägt eine klare Regel oder ein gutes Dashboard ein Verfahren, das niemand nachvollziehen kann. Und einen kaputten Prozess sollte man nicht automatisieren, sondern zuerst ordnen — sonst skaliert man den Fehler.

Fazit

Datenreife ist nicht die Vorstufe des Projekts, sie ist das Projekt. Das Modell ist die letzten zwanzig Prozent, die sichtbar sind — tragen tut die Arbeit davor. Wer dort ehrlich anfängt, kommt mit weniger Aufwand zu Ergebnissen, auf die man sich verlassen kann.