Warum „gute Daten“ allein nicht reicht
„Unsere Daten sind schon ziemlich gut“ ist eine der am häufigsten unterschätzten Aussagen in AI-Projekten. Gemeint ist meist: Die Inhalte sind fachlich richtig. Für AI auf eigenen Daten zählt aber mehr als nur fachliche Richtigkeit – ob eine AI die Daten überhaupt findet, versteht und nutzen darf, entscheidet sich an fünf unabhängigen Dimensionen.
Auffindbarkeit & Struktur: liegt das Wissen an einem Ort?
Liegt relevantes Wissen zentral und geordnet vor – oder verstreut in E-Mails, Laufwerken und einzelnen Köpfen? Eine AI kann nur finden, was auffindbar ist. Solange Wissen verstreut liegt, findet auch die beste AI es nicht. Der erste Schritt ist deshalb selten das Sprachmodell, sondern eine saubere, zentrale Wissensbasis.
Qualität & Aktualität: „Garbage in, garbage out“ gilt besonders hart
Sind die Inhalte korrekt, gepflegt und einheitlich – oder veraltet und widersprüchlich? Eine AI gibt auf veralteten oder widersprüchlichen Daten selbstbewusst falsche Antworten, ohne das selbst zu bemerken (siehe „Wo AI an ihre Grenzen stößt“). Vor dem AI-Einsatz lohnt sich deshalb das Aufräumen: Dubletten entfernen, Veraltetes aussortieren, Begriffe vereinheitlichen.
Format & Maschinenlesbarkeit sowie Zugriff & Schnittstellen
Liegen die Inhalte digital und durchsuchbar vor – oder in Papier und Bild-Scans gefangen? Gescannte PDFs muss eine AI erst mühsam und fehleranfällig erschließen. Und selbst gut aufbereitete Inhalte nützen nichts, wenn niemand technisch sauber an sie herankommt: in geschlossenen Tools eingesperrte Daten oder ein fehlendes Berechtigungskonzept (wer darf was sehen) blockieren den Zugriff, bevor die AI überhaupt anfangen kann.
Datenschutz-Rahmen: keine Abwertung, sondern eine Architektur-Frage
Wie sensibel sind die Daten – unkritisch, personenbezogen, reguliert oder hochsensibel? Wichtig: Ein niedriger Wert hier bedeutet nicht, dass die Daten „schlecht“ sind. Er bedeutet, dass sie eine datenschutzkonforme, oft lokal oder in der EU gehostete Architektur brauchen statt einer beliebigen Cloud-AI (siehe „Datenschutz & AI: DSGVO-Basics“) – das ist machbar, gehört aber von Anfang an mitgedacht, nicht nachträglich draufgesetzt.
Warum das für dich als Entscheider zählt
Die ehrlichste erste Frage vor einem AI-Projekt auf eigenen Daten lautet nicht „welches Modell?“, sondern „wie steht es um diese fünf Dimensionen?“. Ein kostenloser Selbsttest mit derselben Struktur wie dieses Modul steht als AI-Daten-Readiness-Check bereit – zeigt den Gesamtstand und benennt die schwächste Dimension offen als größten Hebel, statt sie zu beschönigen.