Jetzt anfangen oder erst die Daten aufräumen
Rund 80 Prozent der Arbeit an einem KI-Vorhaben ist Datenaufbereitung. Trotzdem ist Warten die falsche Antwort. Fünf Prüfungen, die deine Anwendungsfälle in zwei Stränge sortieren: den sichtbaren Erfolg ohne Datenhunger und das Fundament für den Fall, der wirklich zählt.
In den meisten Runden zu diesem Thema stehen sich zwei Sätze gegenüber, und beide werden von Leuten gesagt, die ihr Fach beherrschen. Der erste lautet: „Wir müssen endlich anfangen, sonst reden wir in zwei Jahren immer noch." Der zweite lautet: „Wir können nicht anfangen, unsere Daten sind ein Chaos." Danach diskutiert die Runde zwanzig Minuten, vertagt und macht in drei Wochen dasselbe noch einmal.
Das Unangenehme daran: Beide Sätze stimmen. Wer sofort loslegt und dabei auf Stammdaten zugreift, also auf die Grunddaten zu Kunden, Produkten und Verträgen, die an fünf Orten in fünf Versionen liegen, bekommt eine Anwendung, die im Test glänzt und im Alltag überzeugend falsch antwortet. Wer zuerst aufräumt, startet ein Vorhaben ohne sichtbares Ergebnis, das nach einem halben Jahr niemand mehr verteidigen kann, weil es nichts vorzuzeigen hat außer Aufwand.
Die Frage ist trotzdem falsch gestellt, und zwar an einer einzigen Stelle: Sie behandelt „anfangen" und „aufräumen" als zwei Zeitpunkte, zwischen denen du wählst. In Wirklichkeit sind es zwei Stränge, die nebeneinander laufen. Der Fehler entsteht nicht dadurch, dass jemand beides gleichzeitig macht. Er entsteht dadurch, dass beides am selben Anwendungsfall versucht wird.
Denn Anwendungsfälle sind unterschiedlich datenhungrig. Es gibt Fälle, bei denen ein frei erfundener Fakt teuer wird, und Fälle, bei denen er nichts kostet. Diese Trennlinie ist die eigentliche Entscheidung, und sobald du sie einmal durch deine Kandidatenliste gezogen hast, löst sich der Streit in der Runde von selbst auf.
Woran du merkst, dass ihr in dieser Zange steckt
Das erste Anzeichen ist der Pilot, der mit Testdaten begeistert und mit echten Daten zerfällt. In der Vorführung stimmt jede Antwort, weil die Vorführung mit einem sauberen, handverlesenen Ausschnitt läuft. Im Alltag trifft dieselbe Anwendung auf doppelte Datensätze, veraltete Fassungen und Felder, die vor Jahren jemand anders befüllt hat, als es die Anleitung vorsah. Was dabei sichtbar wird, sind keine neuen Probleme, sondern alte, die vorher niemand gesehen hat.
Das zweite Anzeichen ist ein Datenprojekt ohne Enddatum. Es läuft, es kostet, es produziert Tabellen, und niemand kann in einem Satz sagen, welcher konkrete Anwendungsfall dadurch möglich wird. Solche Vorhaben sterben selten an einem Beschluss. Sie sterben daran, dass die Aufmerksamkeit weiterzieht.
Das dritte Anzeichen ist ein kurzer Test, der in fünf Minuten geht: Frag drei Leute, wo die verbindliche Fassung eines wichtigen Dokuments liegt. Bekommst du drei Antworten, hat auch die beste KI drei Chancen, die falsche zu erwischen, und sie wird die falsche mit derselben Souveränität vortragen wie die richtige.
Das vierte Anzeichen ist die Frage, die vor jedem Vorhaben stehen sollte und meistens fehlt: Welche Daten braucht dieser eine Fall eigentlich? Nicht welche Daten es gibt, sondern welche Felder er wirklich anfasst. Wo diese Liste fehlt, wird die Datenarbeit entweder ganz übersprungen oder ins Uferlose ausgedehnt, und beides ist teuer. Ein Teil der Erklärung dafür, dass rund 95 Prozent der KI-Projekte keinen messbaren Rückfluss bringen, sitzt genau hier: Die Datenbasis fehlte, und der erhoffte Nutzen war nie definiert.
Was für jede der beiden Seiten spricht
Für „jetzt anfangen" spricht, dass Können nur an sichtbaren Ergebnissen entsteht. Eine Belegschaft investiert keine Zeit in etwas, das sie nicht wirken sieht. Der erste Erfolg sollte deshalb ein Feuerwerk sein, damit die Leute dranbleiben. Am schnellsten zahlt sich dabei das Backoffice aus, weil dort die Rückflüsse am höchsten und die Risiken am kleinsten sind. Und die Beträge, um die es dabei geht, sind oft klein: In einem Fall holte eine von KI geschriebene Newsletter-Betreffzeile 15 Prozent mehr Klickrate bei rund einem Euro Zusatzkosten. Wer solche Fälle liegen lässt, wartet nicht nur, er verliert auch die Leute, die sonst mitgezogen hätten.
Für „erst aufräumen" spricht die nüchternste Planungszahl dieses Themas. Rund 80 Prozent der Arbeit an einem KI-Vorhaben ist Datenaufbereitung, die eigentliche KI-Arbeit sind die restlichen 20 Prozent. Praktisch heißt das: Du brauchst ungefähr viermal so viele Leute, die Daten ordnen und anbinden, wie Leute, die an Modellen arbeiten. Wer diese Reihenfolge umdreht und mit dem sichtbaren Fall beginnt, obwohl der auf ungeordnete Stammdaten zugreift, baut auf Sand und verkalkuliert sich um ein Vielfaches.
Beide Seiten haben also einen echten Punkt, und beide werden falsch, sobald man sie auf alle Fälle gleichzeitig anwendet. Die Auflösung liegt in der Sortierung. Ein Fall, bei dem ein Mensch das Ergebnis ohnehin liest und beurteilt, etwa ein Entwurf, eine Zusammenfassung oder eine Betreffzeile, verträgt eine unaufgeräumte Datenlage, weil ein Fehler dort auffällt und nichts kostet. Ein Fall, der einem Kunden eine Auskunft gibt, eine Rechnung erzeugt oder eine Zusage macht, verträgt sie nicht.
Fünf Prüfungen, die dir die Reihenfolge geben
Teil deine Kandidatenliste in zwei Spalten: Fälle, bei denen ein frei erfundener Fakt teuer wird, und Fälle, bei denen er es nicht wird
Wähl aus der ungefährlichen Spalte den einen Fall, dessen Ergebnis du selbst beurteilen kannst, und mach ihn sichtbar
Schreib für den wichtigsten Fall der anderen Spalte auf, welche Daten er wirklich braucht
Setz die Datenarbeit als eigenes Vorhaben auf, mit einem Namen, einem Zeitbudget und dem Anteil, den sie wirklich hat
Häng jeden der beiden Stränge an eine eigene Zahl
Wann du anfängst und wann du erst aufräumst
Sofort anfangen gewinnt, wenn der Fall textbasiert ist, wenn der nötige Zusammenhang überschaubar bleibt, wenn ein Mensch das Ergebnis ohnehin liest und wenn ein Fehler auffällt, bevor er nach außen geht. Für diese Fälle ist Warten nicht vorsichtig, sondern teuer, weil du dafür bezahlst, ohne etwas zu bekommen.
Erst das Fundament gewinnt, wenn der Fall auf Stammdaten zugreift, wenn eine falsche Auskunft Geld oder Vertrauen kostet, wenn das Ergebnis ohne menschliche Prüfung nach außen geht oder wenn der Fall später in die Fläche soll. Für diese Fälle ist Losbauen nicht mutig, sondern eine Verschiebung der Arbeit nach hinten, wo sie teurer wird und obendrein Vertrauen kostet.
Die Entscheidung, die du triffst, ist also keine über Zeitpunkte, sondern eine über Zuordnung: Welcher Fall gehört in welchen Strang. Wer sie einmal sauber trifft, hat in wenigen Wochen einen sichtbaren Erfolg und parallel ein Fundament, das trägt, wenn der wichtige Fall dran ist. Wer sie nicht trifft, hat nach einem Jahr entweder eine Sammlung schöner Demos ohne Betrieb oder ein Datenprojekt, das niemand mehr bezahlen will.
Wenn du wissen willst, wo dein Unternehmen dabei gerade steht, mach den KIRA-Check. Er verortet dich über sechs Stufen und fünf Achsen, und eine dieser Achsen heißt Daten und Wissen, also genau das Fundament, um das es hier ging. Du bekommst dein Profil und die zwei Engpässe, die dich aktuell bremsen. Zehn Minuten, keine Note am Ende.
