Daten, die tragen

Auffällig daran ist, dass alle fünf Punkte im Alltag kaum ins Gewicht fallen. Menschen gleichen Abweichungen beim Lesen unbewusst aus, und genau deshalb lohnt sich der Blick darauf, bevor ein System die Daten zum ersten Mal auswerten soll.

Welcher der fünf Punkte hat den größten Hebel?

Die Historie mit Gültigkeitszeitraum, weil sie ab dem Tag entsteht, an dem sie gespeichert wird. Dubletten lassen sich zusammenführen, Freitext lässt sich zerlegen, leere Felder lassen sich nachtragen. Eine versionierte Historie bewahrt darüber hinaus, welcher Preis im vorletzten Jahr galt. Wer Vorhersagen oder Prüfungen gegen ältere Vorgänge plant, sollte deshalb zuerst nachsehen, ob Änderungen mit Gültigkeitszeitraum gespeichert werden, und diese Umstellung bei Bedarf vorziehen, weil sie jedem späteren Vorhaben zugutekommt.

Lassen sich Dubletten automatisch zusammenführen?

Teilweise. Ein Abgleich über Name, Anschrift und Steuernummer findet die klaren Fälle, und die sind meist die Mehrheit. Der Rest bleibt Handarbeit, weil die Entscheidung fachlich ist: Zwei Datensätze mit leicht abweichender Anschrift können dieselbe Firma oder zwei Niederlassungen sein. Wichtig ist, dass jede Zusammenführung protokolliert wird und umkehrbar bleibt, solange offene Vorgänge daran hängen. Mit Protokoll bleibt auch die Zuordnung alter Belege sicher erhalten.

Wie bleibt der bereinigte Zustand dauerhaft erhalten?

Drei Eingriffe wirken, und alle drei sind organisatorisch. Erstens Auswahllisten statt Freitext an den Feldern, die später ausgewertet werden. Zweitens die Pflicht, vor dem Anlegen zu suchen, technisch erzwungen und nicht als Bitte. Drittens eine benannte Person je Bestand, die zuständig ist, wenn etwas unklar ist. Der dritte Punkt sorgt dafür, dass die ersten beiden dauerhaft wirken.

Der Unterschied zwischen den ersten drei Zeilen und der letzten ist erheblich. Wer Belege automatisiert, kann in Wochen ein Ergebnis sehen. Wer Bedarfe vorhersagen will, braucht eine gepflegte Historie, die ab dem ersten sauber gespeicherten Tag wächst.

Deshalb unsere Empfehlung für den Einstieg: bei den Dokumentenprozessen anfangen. Das deckt sich mit dem, was das Statistische Bundesamt misst, nachzulesen unter KI im Unternehmen: Textauswertung und Texterzeugung führen die Nutzung an, autonome Maschinen bilden das Schlusslicht.

Wie viele Beispiele braucht die Abnahme?

Zwanzig bis fünfzig echte Fälle mit der Antwort, die der Fachbereich für richtig hält. Entscheidend ist nicht die Anzahl, sondern dass die schwierigen Fälle dabei sind: der Beleg mit dem Stempel quer über der Summe, die Anfrage mit zwei Themen in einer Mail, der Vorgang mit Storno. Diese Sammlung ist später der Prüfsatz für den Betrieb, siehe Baustein 10.

Welcher Weg passt, solange die Historie für Vorhersagen wächst?

Dann rückt der Vorhersagefall auf einen späteren Termin. Zwei Wege bieten sich an: den Anwendungsfall auf etwas umstellen, das ohne Historie trägt, etwa Zuordnen oder Auslesen, oder ab jetzt saubere Historie aufbauen und das Vorhaben datieren. Der zweite Weg braucht Geduld und ist ehrlich: Eine belastbare Prognose entsteht aus einer vollständigen Historie über ausreichend lange Zeit.

Können Daten künstlich ergänzt werden?

Für Tests ja, die Auswertung selbst stützt sich auf echte Daten. Erzeugte Beispiele sind nützlich, um einen Ablauf zu prüfen, ohne echte Kundendaten zu bewegen. Für eine Auswertung zählen echte Daten, weil erzeugte Beispiele die Annahmen wiedergeben, aus denen sie entstanden sind. Wie KI-Ausgaben im eigenen Bestand sauber geprüft werden, steht im Fachbeitrag zur Datenqualität.

Wichtig ist die zweite Zeile: Vollständigkeit wird je Feld ausgezählt, nicht je Datensatz. Ein Bestand, in dem 95 Prozent der Datensätze vollständig sind, kann bei einem einzelnen entscheidenden Feld trotzdem zur Hälfte leer sein. Die Auszählung je Feld zeigt genau die Stelle, auf die es ankommt.

Auch mit einem Wert unter neunzig Prozent bei Zuordenbarkeit bleibt ein Vorhaben möglich, er verschiebt lediglich den Aufwand: Fälle ohne eindeutige Zuordnung gehen zur Prüfung an einen Menschen, und die Zahl dieser Fälle bestimmt, ob sich das Vorhaben rechnet.

Wer erhebt diese fünf Größen?

Jemand aus dem Haus mit Lesezugriff auf die betroffenen Bestände, fachlich begleitet von der Abteilung, die mit den Daten arbeitet. Die Erhebung bleibt bewusst im eigenen Haus, damit sie unabhängig vom späteren Angebot ist. Sie braucht kein Spezialwissen, es sind Abfragen und Auszählungen.

Ab welchen Werten lohnt sich zuerst die Bereinigung?

Statt einer allgemeinen Grenze gibt es einen klaren Rechenweg. Nehmen Sie die Zahl der Vorgänge im Monat, multiplizieren Sie sie mit dem Anteil, der sich nicht eindeutig zuordnen lässt, und multiplizieren Sie das Ergebnis mit der Zeit, die ein Mensch für die Klärung eines Falls braucht. Kommt dabei mehr Arbeit heraus als das Vorhaben einspart, bringt die Bereinigung des Bestands den größten Fortschritt, noch vor der Wahl des Modells.

Wie hält man die Prüfung aktuell?

Einmal im Quartal dieselben Abfragen, dieselbe Tabelle, die Werte darunter. Der Nutzen liegt im Vergleich über die Zeit: Ein Anteil leerer Felder, der von Quartal zu Quartal steigt, weist auf eine Stellschraube im Ablauf hin und nicht in den Daten. Eine einmalige Messung zeigt einen Zustand, eine Reihe zeigt eine Richtung.

Personenbezogene Daten und der ursprüngliche Zweck

Daten, die für die Auftragsabwicklung erhoben wurden, brauchen für eine Auswertung eine eigene Prüfung. Die DSGVO bindet die Verarbeitung an den Zweck, für den erhoben wurde. Eine neue Verwendung braucht entweder eine Grundlage oder muss mit dem ursprünglichen Zweck vereinbar sein. Diese Prüfung gehört an den Anfang, weil sie den Zuschnitt des Vorhabens verändern kann.

Daten, die Kunden Ihnen überlassen haben

Hier kommt ein Punkt hinzu, der unabhängig vom Datenschutz gilt. Verträge enthalten regelmäßig Zweckbindungen oder Vertraulichkeitsklauseln. Wer Konstruktionsdaten oder Kalkulationen eines Auftraggebers verwenden möchte, um ein System anzulernen, sichert sich vorher vertraglich ab, auch wenn kein einziges personenbezogenes Datum betroffen ist.

Die Gegenprobe ist einfach: Würden Sie dem Kunden erzählen, was Sie mit seinen Daten vorhaben? Bei jedem Zögern lohnt sich ein Blick in die Klausel.

Wie Rechtsgrundlage, Auftragsverarbeitung und Mitbestimmung zusammenhängen, steht ausführlich unter Betriebsrat, Folgenabschätzung, Schulung.

Was gilt für Daten über die eigenen Mitarbeitenden?

Sobald eine Auswertung Leistung oder Verhalten von Beschäftigten sichtbar machen kann, ist sie mitbestimmungsrelevant, und das gilt unabhängig von der Absicht. Ein Protokoll je Person genügt dafür. Das spricht dafür, früh mit dem Betriebsrat zu sprechen und Zugriffe klar zu regeln. Wie das zusammen mit Folgenabschätzung und Schulung abläuft, steht in Baustein 04.

Dürfen diese Daten in ein Modell in der Cloud?

Das entscheidet nicht die Technik, sondern der Vertrag. Nötig sind ein Auftragsverarbeitungsvertrag, Klarheit über den Verarbeitungsort, eine Liste der Unterauftragsverarbeiter und die Zusage, dass Ihre Eingaben nicht zum Training verwendet werden. Welcher Betriebsweg zu welcher Vertraulichkeitsklasse passt, steht in Baustein 02, die technische Seite in Baustein 09.

Was gehört über die Datennutzung dokumentiert?

Fünf Angaben, und sie passen auf eine Seite: welche Quellen verwendet werden, zu welchem Zweck, auf welcher Rechtsgrundlage, wer die Ergebnisse sieht und wann gelöscht wird. Diese Seite ist später die Grundlage für das Verzeichnis der Verarbeitungstätigkeiten und für jede Frage eines Kunden, der wissen will, was mit seinen Unterlagen passiert.

Der tragfähige Weg ist umgekehrt und hat drei Schritte.

1. Den Anwendungsfall abgrenzen. Welcher Vorgang, welche Belege, welche Systeme. Erst danach lässt sich überhaupt sagen, welche Daten betroffen sind.
2. Nur die betroffenen Bestände prüfen. Ein Vorhaben zur Rechnungsprüfung braucht saubere Lieferanten- und Artikeldaten. Der übrige Stammdatenbestand kann warten.
3. Bereinigen, was die Zuordnung trägt, und den Rest später angehen. Dubletten bei den zwanzig Lieferanten, die achtzig Prozent der Belege ausmachen, bringen mehr als eine vollständige Bereinigung über Monate.

Der Nebeneffekt ist der eigentliche Gewinn: Nach diesem Vorgehen haben Sie einen bereinigten Kernbestand und wissen, wie die Bereinigung geht. Das nächste Vorhaben baut direkt darauf auf.

Wie lange dauert eine solche Bereinigung?

Das hängt an der Zahl der betroffenen Datensätze und ist rechenbar: Zahl der Sätze, die angefasst werden müssen, mal Minuten je Satz, geteilt auf die Personen, die mitarbeiten. Für die zwanzig Lieferanten mit dem größten Belegvolumen ist das ein Tag. Für einen vollständigen Artikelstamm sind es Wochen, und genau deshalb steht in Kapitel 05, dass beides nicht dasselbe Vorhaben ist.

Wer macht die Arbeit, wenn die Zeit knapp ist?

Die Aufteilung, die sich bewährt hat: Der Fachbereich legt die Regeln fest, also was bei einem Widerspruch gilt. Die Ausführung kann eine eingearbeitete Aushilfe übernehmen, solange sie unklare Fälle sammelt statt sie zu entscheiden. Wichtig ist, die Regeln vorab festzulegen, statt sie nebenher entstehen zu lassen: So bleibt jede Entscheidung später nachvollziehbar.

Was passiert mit dem Rest des Bestands?

Der wartet, und das ist Absicht. Sinnvoll ist, ihn zu kennzeichnen, damit später erkennbar ist, was geprüft wurde und was nicht. Bereinigt wird dann im Vorbeigehen: Wer einen alten Datensatz ohnehin öffnet, bringt ihn in Ordnung. Über ein Jahr erledigt das mehr als jede Aufräumaktion, und es kostet keine Projektzeit.

Die vier üblichen Fundorte

Das führende System. ERP oder Warenwirtschaft. Hier liegen Stammdaten und Vorgänge, und hier ist die Datenlage in aller Regel am besten, weil das System täglich benutzt wird.

Die Dokumentenablage. Verträge, Lieferscheine, Protokolle, Handbücher. Meist ein Laufwerk mit gewachsener Ordnerstruktur. Die Inhalte sind wertvoll, und mit einer klaren Ordnung werden sie auch gut auffindbar.

Postfächer. Ein wertvoller Bestand. Absprachen, Freigaben und Sonderkonditionen stehen häufig ausschließlich in E-Mails, und zwar in persönlichen Postfächern. Verfügbar sind sie damit vor allem für die Person, die das Postfach führt.

Tabellen auf einzelnen Rechnern. Fast immer vorhanden und eine echte Fundgrube. Sie entstehen dort, wo die Arbeit mehr verlangt, als das führende System abbildet, und enthalten deshalb regelmäßig genau die Angaben, um die es geht.

Für ein Vorhaben ist die letzte Kategorie die aufschlussreichste. Die Angaben sind gepflegt und aktuell, sie hängen aber an einer Person und einem Rechner. Wer sie in ein System überführen will, klärt zuerst, warum sie bisher außerhalb stehen. Die Antwort zeigt meist, wo sich der Ablauf verbessern lässt.

Wie findet man die Tabellen auf einzelnen Rechnern?

Durch Fragen statt durch Suchen, und zwar mit der richtigen Frage. „Welche Liste führen Sie neben dem System?“ bringt die besten Antworten. Wer diese Listen führt, tut es, weil sie die Arbeit erleichtern; wer spürt, dass das anerkannt wird, nennt sie gern. Diese Frage gehört in jedes erste Gespräch, und die Antwort ist fast immer die nützlichste Auskunft des Tages.

Sollten Postfächer als Quelle eingebunden werden?

Geteilte Funktionspostfächer ja, persönliche Postfächer bleiben außen vor. Der Unterschied ist nicht technisch, sondern rechtlich und menschlich: In einem persönlichen Postfach steht Privates, und eine Auswertung berührt Mitbestimmung und Vertraulichkeit. Liegen entscheidende Absprachen dort, lohnt sich ein Blick auf den Ablauf: Diese Absprachen gehören in den Vorgang, wo alle Beteiligten sie finden.

Was tun, wenn zwei Systeme dieselbe Angabe führen?

Dann ist vor dem Vorhaben festzulegen, welches führt, und zwar je Feld und nicht je System. Genau darum geht es in Kapitel 08. Was dort festgelegt ist, befolgt später auch das Modell verlässlich.

Daraus folgt eine Abstufung, die den Aufwand bestimmt:

1. Strukturierter Datensatz. Eine E-Rechnung, eine Schnittstellenantwort, eine Tabelle mit benannten Spalten. Hier gibt es nichts zu erkennen, die Bedeutung steht in den Feldern.
2. Digital erzeugtes PDF. Der Text ist vorhanden, die Bedeutung nicht. Ein Modell kann daraus zuverlässig Felder gewinnen, weil es nicht raten muss, was da steht, sondern nur, was es bedeutet.
3. Gescanntes Papier. Zusätzlich muss der Text erst aus dem Bild gewonnen werden. Bei guter Vorlage ist das gelöst, Stempel, Handschrift und schiefe Scans brauchen zusätzliche Sorgfalt.
4. Foto vom Beleg. Kommt häufiger vor, als Verantwortliche annehmen, vor allem im Außendienst und im Handwerk. Hier bewährt sich ein Ablauf mit einem eigenen Weg für die Fälle, die eine Nachbearbeitung brauchen.

Der wirtschaftlich entscheidende Punkt: Die Verteilung über diese vier Stufen bestimmt Ihre Dunkelbuchungsquote stärker als jede Softwareauswahl. Wer wissen will, was ein Vorhaben bringt, zählt vorher aus, wie viele Belege in welcher Form eingehen. Diese Auszählung braucht einen Tag und schafft eine verlässliche Grundlage.

Wie sich der Anteil strukturierter Belege durch die E-Rechnungspflicht verschiebt, steht im Beitrag Rechnungseingang automatisieren.

Woran erkennt man ein digital erzeugtes PDF?

Am Text: Wenn Sie eine Zahl im Dokument markieren und kopieren können, ist der Text vorhanden. Geht das nicht, liegt ein Bild vor und der Text muss erst erkannt werden. Für eine Einschätzung genügt eine Stichprobe von zwanzig Belegen aus dem letzten Monat, aufgeteilt nach Absender: Meist ist der Anteil der Scans an wenigen Lieferanten festzumachen, und ein Anruf dort ändert mehr als jede Erkennungstechnik.

Lohnt sich die E-Rechnung auch für die Automatisierung?

Ja, und zwar stärker als die Pflicht vermuten lässt. Bei einer strukturierten Rechnung entfällt das Erkennen vollständig, damit entfallen die Fehlerquellen und die Prüfschritte, die daran hängen. Wer die Umstellung ohnehin machen muss, sollte sie vor dem Vorhaben machen und nicht danach. Der Fachbeitrag zum Rechnungseingang geht auf den Ablauf ein.

Wie geht man mit Handschrift und Stempeln um?

Messen schafft Klarheit. Nehmen Sie die Belege eines Monats, lassen Sie sie durchlaufen und zählen Sie, wie oft ein Mensch nacharbeiten muss. Diese Zahl entscheidet über die Wirtschaftlichkeit und ist aussagekräftiger als jede Erkennungsrate im Prospekt. Bei vielen verbleibenden Fällen bewährt sich oft diese Reihenfolge: erst die Quelle ändern, also den Absender, dann die Technik.

Das klingt nach einer technischen Frage und ist eine organisatorische. Die Antwort kommt aus dem Betrieb und nicht allein aus der IT, weil sie eine Entscheidung darüber ist, wessen Arbeit künftig maßgeblich ist.

Drei Muster aus der Praxis

Ein führendes System je Datenart. Kundenstammdaten im ERP, Dokumente im Ablagesystem, Termine im Kalender. Andere Systeme dürfen lesen, aber nicht zurückschreiben. Das ist das robusteste Muster und das mit dem geringsten Abstimmungsbedarf.

Führend je Feld. Aufwendiger, aber manchmal nötig: Die Anschrift kommt aus dem ERP, die Einwilligung aus dem Kundenportal. Setzt voraus, dass jemand die Zuordnung dokumentiert, damit sie dauerhaft nachvollziehbar bleibt.

Festlegung aus Erfahrungswissen. Kommt in der Praxis am häufigsten vor und ist der Ausgangspunkt für die beiden anderen Muster. Erkennbar daran, dass Mitarbeitende wissen, welchem System sie bei welcher Angabe glauben. Dieses Wissen schriftlich festzuhalten, macht es für alle nutzbar.

Für ein KI-Vorhaben ist die Festlegung Voraussetzung. Ein System, das aus einer eindeutig führenden Quelle speist, liefert nachvollziehbare Ergebnisse und gewinnt damit genau das Vertrauen, das es braucht.

Wie wird ein führender Bestand festgelegt?

Feldweise und schriftlich. Für Anschrift und Zahlungsbedingungen kann das ERP führen, für die technische Beschreibung eines Artikels das Konstruktionssystem, für den Bestand das Lagersystem. Wichtig ist, dass eine Person die Festlegung verantwortet und dass sie an einer Stelle steht, die auffindbar ist. Eine schriftliche Festlegung gilt auch dann weiter, wenn der Verantwortliche im Urlaub ist.

Was tun, wenn beide Bestände plausibel aussehen?

Dann entscheidet nicht der Inhalt, sondern der Weg: Welches System nimmt die Angabe zuerst auf, und wer arbeitet täglich darin? Der Zeitstempel ist dabei nur ein Hinweis, weil Massenaktualisierungen ihn verändern. Bis die Frage geklärt ist, sollte das Vorhaben den betroffenen Fall auf einen Prüftisch legen statt automatisch zu entscheiden.

Drei Dinge halten sie stabil, und alle drei kosten wenig, solange sie von Anfang an mitgedacht werden.

Prüfung bei der Erfassung statt Bereinigung im Nachhinein. Eine Dublettenprüfung beim Anlegen erspart genau den Fall, dessen spätere Bereinigung aufwendig ist. Das ist eine Einstellung im führenden System, die sich oft direkt aktivieren lässt.

Eine benannte Zuständigkeit. Nicht eine Abteilung, eine Person. Mit einem Namen dahinter wird Datenqualität verbindlich.

Eine regelmäßige Messung. Dieselben fünf Größen aus Kapitel 03, einmal im Quartal erhoben. Der Wert liegt weniger in der Zahl als darin, dass eine Veränderung früh auffällt, solange sie klein ist.

Was das in Stunden bedeutet, hängt vollständig von der Menge neuer Datensätze ab. Eine belastbare Größenordnung nennen wir bewusst erst, wenn wir den Betrieb gesehen haben. Was sich sagen lässt: Der laufende Aufwand bleibt erheblich kleiner als eine spätere zweite Bereinigung.

Was gehört in eine Pflegeroutine?

Vier Dinge, alle mit überschaubarem Aufwand: die fünf Größen aus Kapitel 03 einmal im Quartal erheben, neue Quellen aufnehmen, sobald sie entstehen, die Regeln fortschreiben, wenn ein Fall neu entschieden wurde, und eine benannte Person, die das tut. Der Aufwand liegt in der Größenordnung eines halben Tages im Quartal; mit diesem halben Tag bleibt der bereinigte Zustand dauerhaft erhalten.

Wer trägt die Pflege, wenn das Projekt beendet ist?

Der Betrieb, und das gehört in die Übergabe. Mit einer benannten Zuständigkeit bleibt die Datenqualität stabil, die Ausgabe bleibt verlässlich, und das Vertrauen in das System wächst mit jedem Monat im Betrieb. Was im Betrieb einer KI-Lösung sonst zu regeln ist, steht in Baustein 10.

Drei Punkte verdienen dabei Aufmerksamkeit, und alle drei lassen sich gut steuern. Erstens liest das Modell, was es einmal geschrieben hat, beim nächsten Mal als Tatsache, deshalb lohnt eine Prüfung vor der Übernahme. Zweitens bleibt die Unterscheidung zwischen geprüft und erzeugt erhalten, wenn sie festgehalten wird. Drittens lassen sich Abweichungen gezielt einkreisen, wenn klar ist, welcher Stand von wem stammt.

Die Lösung ist unspektakulär: ein Feld, das festhält, ob ein Eintrag von einem Menschen oder von einem Modell stammt, mit Datum und Modellversion. Damit lässt sich jede spätere Frage beantworten, und es kostet beim Bau eine Stunde. Deshalb gehört dieses Feld von Beginn an dazu, denn die Information entsteht nur im Moment des Schreibens.

Sollten maschinell erzeugte Angaben freigegeben werden?

Dort, wo sie nach außen gehen, ja. Für interne Notizen und Zusammenfassungen genügt die Kennzeichnung. Die Grenze verläuft nicht nach Aufwand, sondern nach Wirkung: Was ein Kunde liest oder was in eine Preisauskunft eingeht, braucht einen Menschen davor. Was nur die Suche im eigenen Haus verbessert, kommt mit der Kennzeichnung aus.

Wie hält man den Bestand langfristig auseinander?

Mit einer Stichprobe, wie im Betrieb üblich: eine feste Anzahl maschinell erzeugter Einträge je Woche, von Hand bewertet, drei Stufen. Verändert sich die Trefferquote, wird früh nachgesteuert, und der Bestand bleibt sauber. Der Fachbeitrag zur Datenqualität geht auf die Mechanik ein, Baustein 10 auf den Betrieb drumherum.