KI-Datenqualität messen.

„Unsere Daten sind sauber“ — diese Aussage gehört zu den unverbindlichsten Sätzen, die in Vorgesprächen für KI-Projekte fallen. Sauber im Sinne von „keine Sonderzeichen im Namensfeld“? Sauber im Sinne von „aktuell, konsistent, vollständig“? Sauber für Reporting oder sauber für maschinelles Lernen? Die Frage ist nicht akademisch. Wer die Qualität seiner Daten nicht messen kann, kann nicht beurteilen, ob ein KI-Projekt realistisch ist. Und kann hinterher nicht erklären, warum es scheitert. Das Gute ist: Datenqualität lässt sich mit überschaubarem Aufwand quantifizieren. Es braucht keine teuren Tools und keine Data-Stewards in Vollzeit. Es braucht ein klares Verständnis, welche Kennzahlen für welche Anwendung relevant sind — und die Bereitschaft, ein paar Tage in eine ehrliche Erhebung zu investieren. In der Praxis ist diese Messung oft der Punkt, an dem Geschäftsführer und Datenverantwortliche zum ersten Mal mit klaren Zahlen vor einer realistischen Lagebeurteilung sitzen. Was dabei herauskommt, ist nicht nur ein Datenqualitäts-Bericht, sondern eine realistische Erwartungshaltung für das, was KI in Ihrem Unternehmen leisten kann — und was eben nicht ohne weitere Investitionen.

Warum „sauber“ nicht reicht.

Datenqualität ist ein vieldeutiger Begriff. Was ein Controlling als saubere Daten bezeichnet, kann für ein KI-Modell unbrauchbar sein. Und umgekehrt. Der Unterschied liegt darin, wofür die Daten verwendet werden.

Für klassisches Reporting reicht oft, dass Summen stimmen und keine offensichtlichen Lücken klaffen. Wenn 3 Prozent der Datensätze fehlerhaft sind, fällt das in einer Auswertung über tausende Zeilen kaum auf. Für KI ist das anders. Ein Klassifikationsmodell lernt aus jedem einzelnen Datensatz. Wenn drei Prozent davon falsch beschriftet sind, lernt das Modell systematisch eine kleine Verzerrung — die im Live-Betrieb dann zu Fehlern führt, die niemand mehr nachvollziehen kann.

Vor allem aber: Datenqualität ist nicht binär. Es gibt keine Schwelle, ab der Daten „sauber genug für KI“ sind. Es gibt nur die Frage: Reicht die aktuelle Qualität für diesen konkreten Anwendungsfall, oder müssen wir investieren? Diese Frage ist beantwortbar — aber nur, wenn man Datenqualität messbar macht.

In Beratungsprojekten zeigt sich, dass die meisten Mittelständler eine grobe Einschätzung ihrer Datenqualität haben, aber keine belastbare Messung. Das ist verständlich, weil es bisher selten gebraucht wurde. Mit KI ändert sich das. Wer messen kann, was er hat, kann fundiert entscheiden, ob ein Projekt sinnvoll ist.

Die vier klassischen Dimensionen.

Die Datenqualitätsforschung kennt eine ganze Reihe von Dimensionen — manche Quellen zählen ein Dutzend oder mehr. Für die Praxis reichen vier, die in nahezu jedem Audit relevant sind.

• Vollständigkeit: Welcher Anteil der Datensätze hat alle benötigten Felder gefüllt? Gemessen pro Pflichtfeld oder pro Datensatz insgesamt.
• Konsistenz: Stimmen die Daten in sich und mit anderen Quellen überein? Misst Widersprüche innerhalb eines Datensatzes oder zwischen Systemen.
• Aktualität: Wann wurden die Daten zuletzt aktualisiert oder bestätigt? Misst, ob die Information noch der Realität entspricht.
• Validität: Entsprechen die Werte den vorgegebenen Formaten und Bereichen? Misst Tippfehler, falsche Wertebereiche, ungültige Codes.

Manche Frameworks ergänzen diese Liste um Eindeutigkeit (Duplikatfreiheit), Relevanz (passen die Daten zum Verwendungszweck) oder Zugänglichkeit (kommt man rechtzeitig an die Daten). Diese Erweiterungen sind in spezifischen Kontexten sinnvoll, aber für den Einstieg überdimensioniert.

Wichtig ist die Erkenntnis: Diese Dimensionen sind nicht alle gleich wichtig. Für ein Vertriebs-Forecasting ist Vollständigkeit der Auftragsdaten entscheidend, Aktualität von Kundendaten weniger. Für eine Lieferanten-Risikoanalyse ist Aktualität der Compliance-Informationen wesentlich. Welche Dimension Priorität hat, hängt vom Anwendungsfall ab — und sollte am Anfang des Projekts geklärt werden.

Vollständigkeit konkret messen.

Vollständigkeit ist die einfachste Dimension. Sie messen den Anteil der Datensätze, in denen ein Pflichtfeld einen sinnvollen Wert hat. Klingt trivial, hat aber Tücken.

Die erste Frage ist: Welche Felder sind Pflicht? Im technischen Sinne sind das die, die Ihr System als „not null“ deklariert hat. Im fachlichen Sinne sind das oft mehr. Eine Kundenadresse mit Postleitzahl, aber ohne Straße ist nicht unvollständig im technischen Sinn — aber für eine Versand-KI unbrauchbar. Diese fachliche Vollständigkeit lässt sich nur im Gespräch mit dem Anwendungsverantwortlichen klären.

Die zweite Frage ist: Was zählt als „gefüllt“? Ein Feld kann technisch gefüllt sein, aber mit „N/A“, „unbekannt“, „xx“ oder Leerzeichen. Diese Pseudo-Füllungen sind in Praxis-Daten weit verbreitet und müssen bei der Messung herausgefiltert werden. Eine pragmatische Liste von Mustern („N/A“, „unbekannt“, einzelne Sonderzeichen, sehr kurze Strings) reicht meist aus.

Die dritte Frage ist: Wo ist die Schwelle? In den meisten KI-Projekten ist eine Vollständigkeit von 90 bis 95 Prozent realistisch und ausreichend. Mehr ist oft unwirtschaftlich, weniger gefährdet den Anwendungsfall. Die genaue Schwelle hängt vom Modelltyp ab — Modelle mit hoher Toleranz für fehlende Werte (etwa Gradient-Boosted-Trees) brauchen weniger Vollständigkeit als sequenzielle Modelle.

Konsistenz: Wo es richtig komplex wird.

Konsistenz ist die anspruchsvollste der vier Dimensionen, weil sie systemübergreifend gedacht werden muss. Innerhalb eines Datensatzes ist es einfach — wenn der Kunde als „GmbH“ gekennzeichnet ist, sollte die Rechtsform „GmbH“ lauten. Komplex wird es zwischen Systemen.

Ein typisches Beispiel: Ein Mittelständler hat denselben Kunden im ERP, im CRM und in der E-Commerce-Plattform. In allen drei Systemen steht eine Adresse — aber sie weichen in Schreibweise, Detailgrad und manchmal in der Information selbst voneinander ab. Welche ist richtig? Welche soll die KI nutzen? Wie misst man die Konsistenz?

Pragmatisch geht das in mehreren Schritten. Erstens: Identifizieren, welche Datenfelder über Systeme hinweg dieselbe Information darstellen sollten — das ist ein Mapping-Aufwand, der einmalig erbracht werden muss. Zweitens: Den Identifier definieren, der dasselbe Objekt in verschiedenen Systemen verbindet (Kundennummer, Email, oder eine Kombination). Drittens: Die Daten gegeneinander vergleichen und die Quote der Übereinstimmungen messen.

Das klingt nach Aufwand und ist es auch. Aber die Erkenntnisse sind in der Regel ernüchternd und gleichzeitig wertvoll. Wenn herauskommt, dass nur 65 Prozent der Kundendaten zwischen zwei Systemen übereinstimmen, weiß man, dass eine KI, die beide Quellen nutzt, ohne Bereinigung Unsinn produzieren wird. Diese Erkenntnis vor einem Projekt zu haben, spart viel Frust währenddessen.

Aktualität und Validität — die übersehenen Dimensionen.

Aktualität und Validität werden in Audits oft kürzer behandelt, sind aber für KI-Projekte teils kritischer als die Klassiker Vollständigkeit und Konsistenz.

Aktualität bedeutet: Wie alt ist die Information im Verhältnis zum Anwendungsfall? Ein Kundendatensatz, der seit fünf Jahren nicht bestätigt wurde, ist mit hoher Wahrscheinlichkeit teilweise veraltet — Ansprechpartner gewechselt, Adressen geändert, Konditionen angepasst. Für eine KI-gestützte Vertriebsansprache ist das ein erhebliches Risiko. Messbar wird Aktualität durch das Alter des letzten Update-Timestamps. Ein einfacher Bericht „Wie viele Prozent der Datensätze wurden in den letzten zwölf Monaten angefasst?“ reicht oft.

Validität misst, ob die Daten den vorgegebenen Formaten entsprechen. Beispiele: Postleitzahlen mit fünf Ziffern, Email-Adressen mit gültigem Format, Datumswerte in plausiblen Bereichen, Codes aus einer Wertelisteliste. Validität ist technisch gut messbar — viele Datenbanken und ETL-Tools haben dafür eingebaute Regeln.

Pragmatische Erhebung ohne Tool-Stack.

Die Versuchung ist groß, für ein Datenqualitäts-Audit gleich ein Data-Governance-Tool anzuschaffen. Im Mittelstand ist das in 80 Prozent der Fälle nicht nötig. Eine pragmatische Erhebung lässt sich mit Bordmitteln durchführen.

• SQL-Abfragen auf den vorhandenen Datenbanken: Für Vollständigkeit, Validität und teilweise Konsistenz reichen einfache Abfragen, die ein erfahrener Datenbankentwickler in Stunden formuliert.
• Python-Skripte mit Pandas: Für komplexere Auswertungen, etwa Duplikatsuche per Fuzzy Matching. Auch hier reicht das Können einer Person mit Grundkenntnissen — keine spezialisierte Data-Scientist-Rolle erforderlich.
• Excel und manuelle Stichproben: Für die fachliche Bewertung. Ein Bericht zeigt 5 Prozent unvollständige Datensätze — eine Stichprobe von 50 dieser Datensätze klärt, ob das Problem systematisch oder zufällig ist.

Das Ziel ist ein Datenqualitätsbericht von vielleicht 10 bis 20 Seiten, der für die wichtigsten Datenkategorien die vier Dimensionen quantifiziert, Hotspots benennt und Empfehlungen für die nächsten Schritte enthält. Dieser Bericht ist die Grundlage für die Entscheidung, welche KI-Projekte realistisch sind — und welche zuerst eine Datenbereinigung brauchen.

Wer dauerhaft messen will, kann später ein Tool wie Great Expectations, Soda oder Monte Carlo einführen. Aber das ist die Skalierungsstufe — nicht der Einstieg.

Was Datenqualität nicht löst.

Datenqualität ist eine notwendige, aber keine hinreichende Bedingung für erfolgreiche KI. Drei Punkte werden oft überschätzt.

Erstens: Hohe Datenqualität bedeutet nicht, dass die Daten das richtige Signal enthalten. Wenn Sie aus Ihren Auftragsdaten Marktprognosen ableiten wollen, brauchen Sie Signale über Marktentwicklung — und die stecken vielleicht gar nicht in Ihren internen Daten. Daten können perfekt gepflegt sein und trotzdem für den geplanten Anwendungsfall ungeeignet.

Zweitens: Datenqualität allein macht aus einem fragwürdigen Anwendungsfall keine sinnvolle Anwendung. Wenn Sie Reklamationsmuster analysieren wollen, aber Ihre Mitarbeitenden die Reklamationskategorien beliebig vergeben haben, hilft auch eine sauber strukturierte Datenbank nichts. Das Problem liegt vor der Datenebene, im Erfassungsprozess.

Drittens: Datenqualität kann KI-Halluzinationen nicht ausschließen. Generative Modelle erzeugen plausibel klingende, aber falsche Aussagen — unabhängig von der Qualität der zugrunde liegenden Daten. Wer denkt, ein sauberer Datenbestand würde Halluzinationen verhindern, irrt. Andere Maßnahmen sind nötig, etwa Retrieval-Verfahren oder Validierungslayer.

Wie Sie konkret weitermachen.

Ein Datenqualitäts-Audit sollte am Anfang jeder ernsthaften KI-Initiative stehen. Es ist keine drei-Monats-Veranstaltung, sondern eine fokussierte Aktion über zwei bis vier Wochen.

Beginnen Sie mit den Datenbeständen, die für die geplanten ersten Anwendungsfälle relevant sind. Definieren Sie pro Bestand die Pflichtfelder, die Wertebereiche, die Verknüpfungspunkte zu anderen Systemen. Erheben Sie pro Bestand die vier Dimensionen quantitativ. Dokumentieren Sie das Ergebnis in einem nüchternen Bericht.

Daraus folgt eine zweistufige Entscheidung. Stufe eins: Welche der geplanten Anwendungsfälle sind mit der aktuellen Datenqualität realistisch? Welche brauchen eine Bereinigung vorher? Welche müssen vielleicht ganz verworfen werden, weil die zugrunde liegenden Daten nicht reichen? Stufe zwei: Für die Anwendungsfälle, die eine Bereinigung brauchen — wie groß ist der Aufwand, wer macht es, in welchem Zeitfenster?

Das klingt nüchtern, ist aber befreiend. Es ersetzt die Diskussion „Sind unsere Daten gut genug?“ durch klare Aussagen mit Zahlen. Es ermöglicht ehrliche Roadmaps. Und es vermeidet, dass Sie KI-Projekte starten, die wegen schlechter Daten zum Scheitern verurteilt sind — was später viel teurer wäre.

Sie wollen ein Datenqualitäts-Audit für die Datenbestände machen, die für Ihre nächsten KI-Anwendungen relevant sind? Unverbindlich anfragen — wir definieren gemeinsam die richtigen Kennzahlen, erheben sie pragmatisch und leiten daraus eine ehrliche Roadmap ab.