Datenstrategie für KI-Anwendungen?

Die Vorstellung, eine umfassende, das gesamte Unternehmen betreffende Datenstrategie entwickeln zu müssen, schreckt viele Geschäftsführer ab. Der Aufwand scheint riesig, der Nutzen unklar. Für den erfolgreichen Einsatz von KI in einem konkreten Bereich ist ein derartiges Großprojekt jedoch selten erforderlich.

Sinnvoller ist ein prozessorientierter Ansatz. Statt das ganze Unternehmen auf einmal zu betrachten, konzentrieren Sie sich auf einen einzigen, klar abgrenzbaren Ablauf — zum Beispiel die Bearbeitung von Eingangsrechnungen. Für diesen Prozess wird eine Mini-Datenstrategie entwickelt. Das macht den Start überschaubar und führt schnell zu einem messbaren Ergebnis.

Um eine pragmatische Datenstrategie für einen Prozess zu entwickeln, müssen Sie keine Data-Science-Abteilung aufbauen. Es genügt, vier grundlegende Fragen für den gewählten Anwendungsfall zu beantworten. Diese bilden das Fundament für jede erfolgreiche KI-Implementierung.

Die Antworten auf diese Fragen dokumentieren den Ist-Zustand und decken gleichzeitig auf, wo eventuell nachgebessert werden muss, bevor ein KI-System die Arbeit aufnehmen kann. Diese Klarheit ist der erste Schritt zur Automatisierung.

Der Grundsatz „Garbage in, garbage out“ (Müll rein, Müll raus) gilt für künstliche Intelligenz uneingeschränkt. Ein KI-System kann nur so gut arbeiten wie die Daten, mit denen es trainiert und betrieben wird. Schlechte Datenqualität ist eine häufige Ursache für das Scheitern von KI-Projekten.

Das bedeutet nicht, dass Ihre Daten perfekt sein müssen. Ein moderner KI-Mitarbeiter kann lernen, mit gewissen Inkonsistenzen umzugehen — etwa, wenn eine Rechnungsnummer mal im Betreff einer E-Mail, mal im PDF-Anhang steht. Die Datenstrategie legt jedoch fest, was der Mindeststandard ist und welche Abweichungen toleriert oder korrigiert werden müssen.

Der Datenschutz ist kein Hindernis für KI, sondern ein Qualitätsmerkmal einer professionellen Umsetzung. Eine saubere Datenstrategie ist zugleich ein wirksames Werkzeug, um die Erfüllung der Anforderungen der Datenschutz-Grundverordnung (DSGVO) zu unterstützen.

Zwei Prinzipien sind hierbei zentral: die Zweckbindung und die Datenminimierung. Ein KI-Mitarbeiter, der für die Buchhaltung zuständig ist, darf nur auf buchhaltungsrelevante Daten zugreifen — nicht auf Personaldaten oder die E-Mails der Geschäftsführung. Die Datenstrategie dokumentiert genau diesen Zweck und den Umfang des Zugriffs.

Anstatt eine theoretische Datenstrategie zu entwerfen, lässt sich der Prozess umkehren. Die Entscheidung, einen KI-Mitarbeiter für einen bestimmten Arbeitsbereich einzuführen, macht die Erstellung einer Datenstrategie zu einem praktischen und zielgerichteten Projekt.

Die Analysephase vor der Implementierung eines KI-Mitarbeiters ist im Kern die Erstellung einer fokussierten Datenstrategie. Sie beantwortet alle vier Kernfragen (Identifikation, Verfügbarkeit, Qualität, Sicherheit) für einen konkreten, wertschöpfenden Prozess. So entsteht die Strategie pragmatisch aus der Umsetzung und kann so frühzeitig einen Mehrwert schaffen, anstatt ein reines Verwaltungsprodukt zu sein.