Tägliche Handarbeit ist ein Konstruktionsfehler

In vielen Betrieben schneidet jemand jeden Morgen dieselben Zahlen aus mehreren Systemen zu einer Tabelle zusammen. Das sieht nach Fleiß aus und belegt doch nur, dass eine gemeinsame Quelle fehlt. Wer diese Zusammenführung einmal sauber baut, ersetzt die tägliche Nacharbeit durch einen Ort, aus dem alle lesen, und spart diese Stunden schon vor dem ersten KI-Fall. Dabei entsteht zweierlei parallel: die technische Zusammenführung und die Datenqualität dahinter, mit einem benannten Verantwortlichen je Datenbereich. Der zweite Teil ist der unbeliebte, und genau deshalb bleibt er ohne Namen an der Rolle liegen.

Datenprodukt statt Datenhalde

Trenne zwei Ebenen deiner Datenhaltung. Auf der einen liegt alles roh auf billigem Speicher, in einem Data Lake, also einem Sammelspeicher, in dem Rohdaten unsortiert zusammenlaufen. Dort gilt: Was du ohnehin anfasst, nimmst du gleich mit. Gepflegt wird nur die zweite Ebene, die Datenprodukte. Ein Datenprodukt arbeitest du vom Nutzen rückwärts aus: Zuerst steht fest, wem es was bringt, daraus leitest du ab, wie aktuell und wie verfügbar es sein muss. Sein Lebenszyklus rechnet in Wochen, nicht in Jahren. Zielgröße ist dabei nicht fehlerfreie Qualität, sondern Tauglichkeit für den Zweck, denn die letzten Prozent Sauberkeit kosten mehr als sie einbringen. Und wenn die Leute sich wieder die Tabelle herunterladen, war das Produkt nicht gut genug: Dann übergibst du es an den Fachbereich oder schaltest es ab.

Vier Rollen, vier Namen

Datenpflege ohne benannte Personen ist eine Aufgabe, die alle meinen und niemand tut. Vier Rollen tragen sie. Eine Person führt die Datenordnung im Haus ein und hält sie am Leben. Je Datenbereich entscheidet ein Verantwortlicher über Inhalt, Qualität und Freigabe. Eine technische Rolle betreibt Speicher und Zugänge. Und im Fachbereich sitzt jemand, der weiß, was ein Feld fachlich bedeutet. In einem mittelständischen Betrieb trägt eine Person oft zwei dieser Rollen, solange jede Rolle einen Namen hat. Plane den Aufwand realistisch: Für das Anbinden und Aufbereiten von Daten brauchst du rund viermal so viele Leute wie für den Modellbau.

Erst zählen, dann hochrechnen

Datenarbeit hat eine feste Reihenfolge: beschreiben, was passiert ist, erklären, warum es passiert ist, vorhersagen, was passieren wird, und erst danach ein System selbst handeln lassen. Viele Betriebe scheitern schon am ersten Schritt und reden trotzdem über Vorhersagen. Prüf deshalb zuerst, ob zwei Abteilungen dieselbe Kennzahl gleich zählen. Genauso unbequem ist der zweite Teil: In vielen Häusern liegen längst Auswertungen, die niemand umsetzt. Der Engpass ist dann nicht die fehlende Vorhersage, sondern die fehlende Ausführung.

Die fünf Handgriffe vor jeder Auswertung

Bevor Daten an eine KI gehen, gehst du fünf Schritte durch: die Daten ansehen und verstehen, sie bereinigen, die Spalten klar benennen, die Kennung sichern, über die sich zwei Datensätze verbinden lassen, und das Ergebnis gegen Ausreißer und erfundene Zahlen prüfen. Führ die KI wie einen neuen Junior durch diese Schritte, statt ihr die Rohdatei hinzuwerfen. Personenbezogene Daten nimmst du vorher heraus, und für wiederkehrende Auswertungen nimmst du ein Werkzeug, das den erzeugten Programmcode behält. Die Faustregeln daraus, etwa welche unterschiedlichen Kennungen dieselbe Person meinen, legst du an einen gemeinsamen Ort. So entsteht die Auswertung, für die früher ein Ticket und fünf Tage Wartezeit nötig waren, in 15 Minuten.

Daten, die das Haus verlassen

Ein Teil deiner Daten wird nicht intern genutzt, sondern von außen abgefragt. Der belegte Fall sind Nachhaltigkeitsangaben in der Kreditvergabe. Nur rund 2 Prozent der deutschen Unternehmen sind selbst berichtspflichtig, den Großteil der Angaben holen sich Banken bei ihren Kunden. Neun von zehn Kreditinstituten erfassen solche Angaben bereits bei Mittelständlern oder planen es kurzfristig, und einzelne haben schon auf Geschäft verzichtet, weil die Datengrundlage zu dünn war. Für dein Handwerk zählt die Überlappung: Die Anforderungen verschiedener Häuser decken sich zu 70 bis 80 Prozent. Also baust du das Antwortpaket einmal, statt jeden Fragebogen neu zu beantworten.