KI-Readiness-Check: fünf Prüfsteine für Ihre Daten, bevor Sie in KI investieren

Ob ein KI-Projekt in Ihrem Unternehmen etwas bringt, entscheidet sich vor der ersten Zeile Code: an der Frage, ob Ihre Daten dafür taugen. Fünf Prüfsteine zeigen Ihnen in einem Nachmittag, ob Sie starten können oder erst aufräumen müssen.

Warum scheitern Digitalisierungsprojekte an den Daten?

Die meisten KI-Vorhaben im Mittelstand scheitern nicht am Modell, sondern an dem, was man ihm füttert. Adressen in drei Schreibweisen, Artikelnummern, die im ERP anders heißen als in der Excel-Liste des Vertriebs, Lieferzeiten, die nur der Disponent im Kopf hat. Ein Modell, das auf solchen Daten lernt oder arbeitet, liefert Ergebnisse, die plausibel aussehen und falsch sind. Der Ärger kommt dann Monate später, wenn die Prognose daneben lag und niemand sagen kann, warum.

Prüfstein eins: Sind die Daten vollständig und eindeutig?

Nehmen Sie den Datensatz, den die KI nutzen soll, und ziehen Sie eine Stichprobe von Hand. Fehlen Pflichtfelder? Gibt es denselben Kunden mehrfach? Widersprechen sich zwei Systeme? Wenn Ihre eigenen Leute die Stichprobe nicht ohne Rückfragen lesen können, kann es ein Modell auch nicht. Dieser Punkt ist der wichtigste und der billigste. Er kostet einen Nachmittag und verhindert die teuersten Fehler.

Prüfstein zwei: Wächst die Technik mit?

Ein KI-System, das heute mit dem Datenbestand einer Abteilung läuft, muss morgen den des ganzen Betriebs verkraften. Fragen Sie Ihre IT, was passiert, wenn sich das Datenvolumen verdoppelt: Wird die Auswertung nur langsamer, oder bricht sie ab? Wer das nicht weiß, sollte klein starten und den Ausbau einplanen, statt gleich das große Vorhaben zu kaufen.

Prüfstein drei: Wer darf was sehen?

KI verarbeitet oft die sensibelsten Daten im Haus: Kundendaten, Preise, Konstruktionen. Prüfen Sie, ob Zugriffe geregelt und protokolliert sind und ob die Daten verschlüsselt liegen. Für Unternehmen, die unter die DSGVO fallen (also alle) und für regulierte Branchen wird das zur Pflicht, sobald eine KI mitliest. dataso baut solche Systeme auf Infrastruktur in Deutschland, damit die Frage nach dem Speicherort gar nicht erst aufkommt.

Prüfstein vier: Ist die Herkunft der Daten dokumentiert?

Wenn eine KI-gestützte Bedarfsprognose ein Ergebnis liefert, müssen Sie zurückverfolgen können, aus welchen Quellen es stammt. Ohne diese Dokumentation lässt sich ein Fehler weder erklären noch beheben, und im Audit steht die Geschäftsführung ohne Antwort da. Legen Sie fest, welches System für welche Daten die führende Quelle ist und wer Änderungen freigibt.

Prüfstein fünf: Kommt die KI an die Daten heran?

Ein Modell braucht Daten aus ERP, CRM und oft aus Maschinen. Prüfen Sie, ob diese Systeme Schnittstellen haben oder ob jemand exportieren und importieren muss. Der zweite Fall ist keine Automatisierung, sondern eine neue Excel-Liste mit KI-Etikett. Schnittstellen nachzurüsten ist meist der größte Posten im Projekt; wer ihn vorher kennt, erlebt keine Überraschung im Angebot.

Was Sie nach dem Check wissen

Nach den fünf Prüfsteinen haben Sie eine ehrliche Liste: Was ist bereit, was muss vorher aufgeräumt werden, was kostet das Aufräumen. Erst mit dieser Liste lohnt sich das Gespräch über konkrete KI-Anwendungen.

Wenn Sie die Liste mit jemandem durchgehen wollen, der solche Systeme baut und betreibt, nehmen wir uns eine halbe Stunde dafür: Potenzial-Check buchen.