Ein modernes KI-System kann heute Verträge prüfen, Prognosen erstellen oder ganze Prozesse steuern. Doch all das funktioniert nur, wenn die Grundlage stimmt. Und die Grundlage heißt: Daten.
Ein kleiner Fehler in einer Tabelle, ein uneinheitlicher Begriff in einem Formular oder eine veraltete Quelle kann schon reichen, um Muster entstehen zu lassen, die gar nicht existieren. KI lernt dann Zusammenhänge, die auf fehlerhaften Informationen beruhen.
Eine Untersuchung der Stanford University zeigte, dass rund 80 Prozent der Arbeit in KI-Projekten in die Datenaufbereitung fließt (Sambasivan et al. (2021)). Die meiste Zeit geht also nicht in den Algorithmus, sondern in das Aufräumen, Prüfen und Verstehen der Daten.
Wenn Zahlen Vertrauen schaffen oder zerstören
Daten sollen Sicherheit geben. Doch schlechte Daten machen das Gegenteil. Sie erzeugen falsche Gewissheiten. Ein unvollständiger Datensatz kann Trends überzeichnen oder Zusammenhänge vorgaukeln, die nicht existieren.
Gerade in der öffentlichen Verwaltung und in datengetriebenen Organisationen ist das entscheidend. Eine fehlerhafte Datenbasis kann nicht nur Geld kosten, sondern auch das Vertrauen in Technologie schwächen. Vertrauen ist die Währung jeder digitalen Entscheidung.
Qualität ist keine Fleißarbeit
Lange galt Datenqualität als Fleißaufgabe, als etwas, das nebenbei in der IT erledigt wird. Heute ist klar, dass sie eine Führungsaufgabe ist.
Der EU AI Act schreibt vor, dass KI-Systeme nur mit relevanten, repräsentativen und fehlerfreien Daten betrieben werden dürfen (European Parliament & Council, 2024). Damit wird Verantwortung für Daten zur strategischen Pflicht.
Wer heute mit KI arbeitet, arbeitet automatisch mit Verantwortung. Denn jedes Modell spiegelt die Entscheidungen wider, die bei der Datenerfassung getroffen wurden.
Wie Qualität entsteht
Bei anacision erleben wir täglich, dass gute Datenarbeit kein Zufall ist. Sie beginnt mit einer klaren Struktur und dem gemeinsamen Verständnis, was gute Daten eigentlich bedeuten.
Manchmal reicht es, einheitliche Definitionen einzuführen. Manchmal braucht es neue Schnittstellen, um Silos zu verbinden. Immer aber braucht es den Willen, Qualität zur gemeinsamen Aufgabe zu machen – über Abteilungen und Rollen hinweg.
Kompetenz ist die beste Kontrolle
Gute Daten entstehen dort, wo Menschen verstehen, wie wichtig sie sind. Der EU AI Act spricht von AI Literacy, der Fähigkeit, KI-Systeme zu verstehen, zu bewerten und zu hinterfragen.
Genau hier setzt die KI-Kompetenzschulung von anacision an. Sie vermittelt praxisnah, wie Daten entstehen, welche Risiken fehlerhafte Informationen bergen und wie Qualität in komplexen Organisationen sichergestellt werden kann.
Ziel ist es, Mitarbeitende und Führungskräfte zu befähigen, KI-Systeme nicht nur zu nutzen, sondern sie kritisch einzuordnen und sicher zu steuern.
Denn Wissen ist der Schlüssel zu Qualität – und Qualität ist die Grundlage jeder verlässlichen Entscheidung.
Fazit
KI kann nur so gut sein wie die Daten, auf denen sie aufbaut.
Wer Datenqualität ernst nimmt, schafft Vertrauen – und damit die Grundlage für Entscheidungen, die tragen.
Literatur
Sambasivan, N., Kapania, S., Highfill, H., Akrong, D., Paritosh, P., & Aroyo, L. M. (2021). “Everyone wants to do the Proceedings of the CHI Conference on Human Factors in Computing Systems. https://dl.acm.org/doi/10.1145/3411764.3445518
European Parliament and Council (2024). Artificial Intelligence Act. Official Journal of the European Union. https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32024R1689
