Datenaufbereitung KI: Aufwand vor dem Modell

Wer ein KI-Projekt plant, denkt oft zuerst an das Modell: Welche Lösung passt? Welche Plattform ist geeignet? Wie intelligent soll das System werden? In der Praxis zeigt sich jedoch schnell, dass der entscheidende Aufwand meist früher entsteht. Nicht bei der Modellwahl, sondern bei der Frage, ob die vorhandenen Daten überhaupt nutzbar, vollständig und verlässlich sind.

Gerade für Schweizer KMU ist das ein zentraler Punkt. Die Daten für einen sinnvollen KI-Einsatz sind oft grundsätzlich vorhanden, aber sie liegen verteilt in verschiedenen Systemen, sind uneinheitlich gepflegt oder nur teilweise zugänglich. Eine realistische Datenaufbereitung für KI ist deshalb kein Nebenschritt, sondern ein tragender Teil der Projektplanung.

Dieser Beitrag zeigt, warum Rohdaten selten direkt verwendbar sind, welche Schritte zur Aufbereitung gehören und wie KMU den Aufwand frühzeitig sauber einplanen.

Warum Datenaufbereitung in KI-Projekten den eigentlichen Aufwand bestimmt

KI liefert nur dann brauchbare Ergebnisse, wenn die zugrunde liegenden Daten zum Anwendungsfall passen. Das klingt selbstverständlich, wird in Projekten aber oft zu spät konkret geprüft. Viele Vorhaben starten mit einer Idee wie Prognosen, Klassifikation, Dokumentenverarbeitung oder automatisierte Priorisierung. Erst später wird sichtbar, dass die nötigen Daten unvollständig sind, in mehreren Systemen liegen oder fachlich unterschiedlich verstanden werden.

Das ist kein technisches Randproblem, sondern eine Frage der Projektlogik. Wenn ein Modell mit widersprüchlichen, lückenhaften oder schlecht verknüpften Daten arbeitet, sinkt die Aussagekraft der Ergebnisse. Selbst leistungsfähige Verfahren können fehlende Struktur und eine unklare Datenbasis nicht ausgleichen.

Für KMU ist deshalb wichtig: Die eigentliche Herausforderung vieler KI-Projekte liegt weniger in der Auswahl eines Tools als in der belastbaren Vorbereitung der Daten. Dazu gehören unter anderem Zugriff, Bereinigung, Zusammenführung, fachliche Prüfung und ein gemeinsames Verständnis darüber, was die Daten überhaupt aussagen sollen.

Wer KI als Teil von Automatisierung und KI betrachtet, plant deshalb sinnvollerweise nicht vom Modell her, sondern vom Prozess und von der Datenlage aus. Das schafft eine realistische Grundlage für Entscheidungen zu Machbarkeit, Aufwand und Priorität.

Welche Daten KMU für KI-Projekte typischerweise nutzen

In vielen KMU sind bereits zahlreiche Datenquellen vorhanden, die für KI-Projekte relevant sein können. Die Herausforderung ist selten ein vollständiger Datenmangel. Häufiger besteht das Problem darin, dass Daten an unterschiedlichen Orten entstehen und nicht ohne Weiteres zusammenpassen.

Typische Quellen sind zum Beispiel:

• ERP-Daten aus Einkauf, Verkauf, Lager oder Produktion

• CRM-Daten mit Kundenhistorien, Aktivitäten und Angeboten

• Ticketsysteme aus Service, Support oder interner IT

• Excel-Dateien mit Planungs-, Reporting- oder Sonderlisten

• E-Mail-Postfächer mit Anfragen, Freigaben oder Korrespondenzen

• Produktions- und Maschinendaten aus laufenden Prozessen

• Dokumentenarchive mit Offerten, Verträgen, Spezifikationen oder Rechnungen

• manuell gepflegte Listen aus Fachbereichen

Diese Datenquellen unterscheiden sich oft stark in Format, Aktualität und Qualität. Ein ERP enthält in der Regel strukturierte Felder, während E-Mails oder PDFs unstrukturierte Inhalte liefern. Excel-Dateien sind flexibel, aber oft nicht versioniert oder standardisiert. Maschinendaten sind meist technisch präzise, müssen aber fachlich richtig interpretiert werden. Manuell geführte Listen enthalten wertvolles Wissen, sind aber anfällig für Schreibvarianten, Lücken und individuelle Pflegegewohnheiten.

Hinzu kommt, dass Zuständigkeiten häufig verteilt sind. Der Vertrieb pflegt Kundeninformationen anders als der Service. Die Produktion verwendet andere Bezeichnungen als der Einkauf. Die IT kennt die Systeme, aber nicht immer die fachliche Bedeutung einzelner Felder. Genau an dieser Schnittstelle zwischen Fachbereich, Organisation und Technik entsteht der Kern der Datenaufbereitung.

Im KMU-Umfeld ist Datenarbeit deshalb eng mit Fragen aus IT und Digitalisierung verbunden. Nicht weil jedes Projekt hochkomplex wäre, sondern weil schon einfache Anwendungsfälle klare Datenzugänge, nachvollziehbare Strukturen und abgestimmte Verantwortlichkeiten brauchen.

Rohdaten sind selten direkt nutzbar: Diese Schritte gehören zur Datenaufbereitung

Rohdaten sind selten so beschaffen, dass sie sofort in einem KI-Projekt eingesetzt werden können. Damit aus vorhandenen Informationen eine tragfähige Datengrundlage wird, sind mehrere Schritte nötig. Diese Schritte müssen nicht in jedem Projekt gleich tief ausfallen, sie gehören aber fast immer dazu.

Datenerhebung

Am Anfang steht die Frage, welche Daten für den konkreten Anwendungsfall tatsächlich gebraucht werden. Das klingt einfacher, als es ist. Viele Organisationen haben mehr Daten, als sie im ersten Moment überblicken, aber nicht jede Quelle ist relevant.

Wenn etwa eingehende Kundenanfragen automatisch klassifiziert werden sollen, reichen E-Mails allein oft nicht aus. Sinnvoll können auch frühere Ticketdaten, Bearbeitungszeiten, Kategorien oder Eskalationsgründe sein. Für eine Absatzprognose sind Verkaufszahlen zwar zentral, aber ohne Kalenderdaten, Saisonmuster, Lagerbewegungen oder Aktionsinformationen bleibt das Bild unvollständig.

Bei der Datenerhebung geht es deshalb um mehr als um das reine Sammeln. Es braucht eine fachliche Auswahl: Welche Felder helfen wirklich weiter, welche Daten sind verfügbar, und in welchem Zeitraum liegen sie in genügender Qualität vor?

Datenbereinigung

Daten bereinigen ist einer der aufwändigsten, aber auch nützlichsten Schritte. Dabei werden Fehler, Lücken und Inkonsistenzen sichtbar, die im Tagesgeschäft oft kein grosses Problem darstellen, für KI aber entscheidend sind.

Typische Beispiele aus dem KMU-Alltag sind:

• Dubletten bei Kunden oder Artikeln

• unterschiedliche Schreibweisen für dieselbe Kategorie

• fehlende Werte in wichtigen Feldern

• ungültige Datumsformate

• veraltete Stammdaten

• Freitext statt standardisierter Auswahlfelder

Wenn ein Kunde einmal als "Müller AG", einmal als "Mueller AG" und einmal mit altem Firmennamen erfasst ist, wird die Auswertung ungenau. Wenn Servicefälle teils kategorisiert und teils frei beschrieben werden, fehlt Vergleichbarkeit. Datenbereinigung schafft hier die Basis für Verlässlichkeit.

Datenintegration

Für viele KI-Vorhaben genügt eine einzelne Quelle nicht. Relevante Informationen liegen oft verteilt über mehrere Systeme hinweg. Datenintegration bedeutet, diese Informationen so zusammenzuführen, dass ein konsistentes Gesamtbild entsteht.

Ein Beispiel: Für die Priorisierung von Servicefällen können Daten aus dem Ticketsystem, dem CRM und aus E-Mail-Verläufen nötig sein. Für die Erkennung von Lieferverzögerungen müssen ERP-Daten, Lagerbewegungen und Produktionsinformationen zusammengeführt werden. Entscheidend ist dabei nicht nur die technische Verbindung, sondern auch die fachliche Zuordnung. Gleiche Begriffe bedeuten nicht immer dasselbe, und nicht alle Schlüssel sind über Systeme hinweg sauber gepflegt.

Datentransformation

Nach der Zusammenführung müssen Daten oft in eine Form gebracht werden, die für Analysen oder Modelle brauchbar ist. Das kann bedeuten, Formate zu vereinheitlichen, Kategorien zu standardisieren, Texte vorzustrukturieren oder Zeitreihen in sinnvolle Intervalle zu überführen.

Ein einfaches Beispiel: In einer Liste steht das Lieferdatum im Format TT.MM.JJJJ, in einer anderen Quelle als Zeitstempel mit Uhrzeit. Mengen werden einmal in Stück, einmal in Verpackungseinheiten geführt. Oder Produktgruppen wurden historisch mehrfach umbenannt. Solche Unterschiede müssen harmonisiert werden, bevor ein Modell damit sinnvoll arbeiten kann.

Datenreduktion

Nicht jede verfügbare Information ist für den Use Case nützlich. Datenreduktion bedeutet, irrelevante, redundante oder wenig aussagekräftige Inhalte gezielt auszuschliessen. Das hilft nicht nur technisch, sondern verbessert oft auch die fachliche Klarheit.

In der Praxis heisst das: Nicht jedes Feld aus dem ERP gehört in das KI-Projekt. Nicht jede Textpassage aus einem Dokument ist relevant. Nicht jede historische Information bringt zusätzlichen Nutzen. Eine gute Reduktion fokussiert auf das, was für die Fragestellung wirklich zählt.

Datenvalidierung

Am Ende muss geprüft werden, ob die aufbereiteten Daten fachlich und technisch stimmig sind. Datenvalidierung bedeutet nicht nur zu testen, ob ein Datensatz geladen werden kann. Es geht darum zu überprüfen, ob die Daten plausibel, vollständig genug und für den Anwendungsfall sinnvoll interpretiert sind.

Beispielsweise kann formal alles korrekt aussehen, obwohl fachlich entscheidende Informationen fehlen. Ein Modell zur Vorhersage von Reklamationen wird wenig belastbar sein, wenn Reklamationsgründe in der Vergangenheit nur sporadisch dokumentiert wurden. Ebenso problematisch ist es, wenn ein Feld zwar vorhanden ist, aber von verschiedenen Abteilungen unterschiedlich verwendet wird.

Die Datenvalidierung braucht deshalb immer die Mitarbeit des Fachbereichs. KI funktioniert auf klaren Prozessen und nachvollziehbaren Daten am besten. Sie ersetzt diese Grundlagen nicht.

Warum Bereinigung und Integration oft mehr Zeit kosten als erwartet

Die meiste Verzögerung in KI-Projekten entsteht selten, weil das Modell schwierig zu konfigurieren ist. Häufiger zeigt sich der Aufwand beim Bereinigen und Zusammenführen der Daten. Dafür gibt es nachvollziehbare Gründe.

Ein typischer Zeitfresser sind Medienbrüche. Ein Teil der Informationen liegt im System, ein anderer Teil in Anhängen, E-Mails oder separaten Excel-Dateien. Was fachlich zusammengehört, ist technisch nicht verbunden. Entsprechend braucht es manuelle Prüfung, Zuordnung und Klärung.

Dazu kommen historische Datenbestände. Viele KMU arbeiten seit Jahren mit gewachsenen Systemlandschaften. Stammdaten wurden mehrfach migriert, Kategorien angepasst oder Prozesse geändert. Solche Veränderungen sind im Tagesgeschäft handhabbar, erschweren aber die Nutzung für KI-Projekte erheblich. Wenn Bezeichnungen über die Jahre gewechselt haben oder Pflichtfelder erst später eingeführt wurden, fehlt die gewünschte Einheitlichkeit.

Auch uneinheitliche Stammdaten verursachen Aufwand. Wenn Kundengruppen, Produkttypen, Schadencodes oder Servicekategorien nicht konsequent gepflegt sind, müssen sie vor der Nutzung erst vereinheitlicht werden. Diese Arbeit lässt sich nicht einfach automatisieren, weil fachliches Verständnis nötig ist.

Ein weiterer Punkt sind Zugriffsrechte und Systemverantwortung. Die relevanten Daten sind oft nicht an einem Ort gebündelt, sondern in unterschiedlichen Anwendungen mit verschiedenen Verantwortlichen. Bevor überhaupt mit der Aufbereitung begonnen werden kann, müssen Zugänge geklärt, Exporte abgestimmt und Datenschutz sowie interne Richtlinien berücksichtigt werden.

Schliesslich fehlt in vielen Fällen eine saubere Dokumentation. Felder existieren, aber ihre genaue Bedeutung ist unklar. Historische Sonderfälle sind nur einzelnen Mitarbeitenden bekannt. Prozesse wurden angepasst, ohne dass die Datenlogik nachgezogen wurde. All das ist kein Hinweis auf schlechte Arbeit, sondern Ausdruck gewachsener Organisationen. Für ein KI-Projekt bedeutet es jedoch, dass Datenintegration und Bereinigung nicht nebenbei laufen.

Gerade deshalb ist eine nüchterne Planung wichtig. Wer diese Schritte von Anfang an einplant, verhindert spätere Überraschungen. Wer sie als Vorarbeit unterschätzt, gerät schnell in Schleifen aus Nachbesserung, Rückfragen und Fehlannahmen.

Wie Datenqualität den Projekterfolg und die Modellwahl beeinflusst

Die Diskussion über Modelle ist sinnvoll, aber sie kommt im Projekt idealerweise nicht zuerst. Vor der Modellwahl sollte geklärt sein, welches Ziel verfolgt wird, welche Daten dazu vorliegen und in welchem Qualitätsniveau sie nutzbar sind.

Denn die Leistungsfähigkeit eines Modells entfaltet sich nur innerhalb der Grenzen der Datenbasis. Wenn Daten lückenhaft, uneinheitlich oder fachlich unklar sind, bleibt die Ergebnisqualität entsprechend begrenzt. Ein komplexeres Modell behebt dieses Problem nicht automatisch. Es kann unter Umständen sogar zusätzliche Intransparenz schaffen, ohne den praktischen Nutzen zu erhöhen.

Für die KI-Projektplanung in KMU heisst das: Der Use Case, die vorhandenen Daten und der gewünschte Entscheidungsnutzen müssen gemeinsam betrachtet werden. Einfache, sauber vorbereitete Daten können für einen klar abgegrenzten Anwendungsfall oft mehr bringen als ein technisch ambitionierter Ansatz mit unscharfer Datenbasis.

Ein Beispiel: Wenn ein KMU Anfragen automatisch vorsortieren möchte, ist zunächst wichtiger, ob historische Fälle konsistent kategorisiert wurden, als ob ein besonders anspruchsvolles Modell gewählt wird. Wenn Labels fehlen oder nur teilweise verlässlich sind, muss dieser Punkt zuerst geklärt werden. Erst danach lässt sich seriös beurteilen, welche technische Lösung passt.

Datenqualität beeinflusst damit nicht nur die Resultate, sondern auch die Wahl des Vorgehens. Manche Vorhaben eignen sich für einen schnellen Piloten. Andere brauchen zuerst strukturelle Vorarbeit bei Daten und Prozessen. Diese Unterscheidung früh zu treffen, spart Zeit und Budget.

So planen Schweizer KMU die Datenaufbereitung realistisch in ihr KI-Projekt ein

Eine realistische Planung beginnt damit, die Datenaufbereitung als eigenes Arbeitspaket zu behandeln. Nicht als technische Vorbemerkung, sondern als zentralen Teil des Projekts mit Zeit, Budget und klaren Zuständigkeiten.

Praxistauglich ist meist eine einfache Phasenlogik:

1. Ist-Analyse des Use Case

Zuerst wird geklärt, welches Problem gelöst werden soll, welcher Nutzen erwartet wird und welche Entscheidung oder Unterstützung die KI im Alltag liefern soll. Ohne diese Klärung bleibt auch unklar, welche Daten gebraucht werden.

2. Datenlage und Datenzugang prüfen

Danach folgt die Bestandsaufnahme: Welche Quellen existieren? Wer ist zuständig? Welche Felder sind relevant? Wie vollständig und historisch nutzbar sind die Daten? Gibt es Einschränkungen bei Zugriff, Export oder Datenschutz?

3. Bereinigung und Integration vorbereiten

Auf Basis dieser Analyse wird festgelegt, welche Daten bereinigt, zusammengeführt oder standardisiert werden müssen. Hier sollte auch entschieden werden, welche Punkte zwingend vor dem Pilot nötig sind und welche später verbessert werden können.

4. Testen mit einem klar abgegrenzten Datensatz

Bevor ein Vorhaben skaliert wird, lohnt sich ein Test mit einem repräsentativen Ausschnitt. So wird sichtbar, ob die Annahmen zur Datenqualität stimmen und ob die Aufbereitung für den Anwendungsfall genügt.

5. Fachliche Freigabe und nächste Ausbaustufe

Erst wenn Fachbereich und Projektverantwortliche bestätigen, dass die Daten inhaltlich plausibel sind, sollte der nächste Schritt folgen. Diese Freigabe ist wichtig, weil technische Korrektheit allein nicht genügt.

Für viele KMU ist es hilfreich, diese Projektstruktur früh mit einer Potenzialanalyse zu verbinden. So lässt sich vor der Umsetzung einschätzen, ob der gewählte Use Case zur Datenlage passt und wo zusätzlicher Aufwand entsteht.

Wichtig ist auch die Zusammenarbeit der Beteiligten. Der Fachbereich kennt Bedeutung und Qualität der Inhalte. Die IT sorgt für Zugang, Struktur und technische Umsetzbarkeit. Projektverantwortliche halten Zielbild, Prioritäten und Entscheidungswege zusammen. Fehlt eine dieser Perspektiven, wird die Datenaufbereitung unnötig mühsam.

Welche Verantwortlichkeiten für die Datenvorbereitung klar geregelt sein sollten

Datenaufbereitung bleibt in Projekten oft dort liegen, wo sich niemand eindeutig zuständig fühlt. Genau deshalb sollten die Verantwortlichkeiten früh geregelt werden. Dafür braucht es keine komplexen Governance-Modelle, aber klare Rollen.

Sinnvoll ist es, mindestens folgende Zuständigkeiten explizit zu benennen:

• Verantwortung für Datenquellen: Wer kennt das jeweilige System, die verfügbaren Inhalte und die technischen Zugänge?

• Verantwortung für Datenqualität: Wer entscheidet fachlich, ob Daten vollständig, korrekt und sinnvoll interpretiert sind?

• Verantwortung für fachliche Validierung: Wer prüft, ob die aufbereiteten Daten den realen Prozess richtig abbilden?

• Verantwortung für technische Umsetzung: Wer setzt Extraktion, Integration und Aufbereitung praktisch um oder koordiniert diese Arbeiten?

In einem KMU müssen diese Rollen nicht zwingend auf viele Personen verteilt sein. Entscheidend ist die Klarheit. Wenn beispielsweise der Fachbereich annimmt, die IT bereinige die Inhalte schon irgendwie, während die IT auf fachliche Vorgaben wartet, entstehen Stillstand und Missverständnisse.

Auch die Geschäftsführung spielt eine Rolle. Nicht in der Detailarbeit, aber in der Priorisierung. Wenn ein KI-Projekt relevant ist, muss sichtbar sein, dass Zeit für Datenarbeit eingeplant und intern mitgetragen wird. Sonst konkurriert die Vorbereitung permanent mit dem Tagesgeschäft und verliert an Verbindlichkeit.

Besonders wichtig ist die Abstimmung zwischen Fachbereich und IT. Die eine Seite kennt den Prozess, die andere die Systemrealität. Erfolgreiche Datenaufbereitung entsteht dort, wo beides zusammengeführt wird.

Ein sinnvoller Startpunkt: Potenzialanalyse vor der Umsetzung

Wenn die Datenlage noch unklar ist oder der erwartete Aufwand schwer einschätzbar bleibt, lohnt sich vor der eigentlichen Umsetzung ein strukturierter Zwischenschritt. Eine Potenzialanalyse hilft, den geplanten Use Case, die vorhandenen Daten und die praktische Machbarkeit gemeinsam zu prüfen.

Dabei geht es nicht um eine theoretische Vorstudie, sondern um eine fundierte Standortbestimmung: Welche Anwendungsfälle sind sinnvoll? Welche Daten sind vorhanden? Wo entstehen Aufwände bei Bereinigung, Integration und Validierung? Was lässt sich mit vertretbarem Aufwand realistisch umsetzen, und was braucht zuerst Vorarbeit?

Gerade im Umfeld von Automatisierung und KI ist dieser Schritt oft entscheidend, um nicht vorschnell Zeit und Budget in ein unklar vorbereitetes Vorhaben zu investieren. Wer früh erkennt, wie gut Use Case und Datenbasis zusammenpassen, kann Prioritäten sauber setzen und die nächsten Schritte belastbarer planen.

Wenn ein KMU den Aufwand für Datenaufbereitung noch nicht klar einschätzen kann, ist eine Potenzialanalyse ein sinnvoller nächster Schritt. Sie schafft eine Grundlage, um Realisierbarkeit, Nutzen und Projektumfang sachlich zu klären, bevor die eigentliche Umsetzung startet.

Häufig gestellte Fragen

Warum ist die Datenaufbereitung in KI-Projekten oft aufwändiger als erwartet?

Weil relevante Daten meist nicht in einheitlicher Form vorliegen. Sie sind über mehrere Systeme verteilt, enthalten Lücken, Dubletten oder unterschiedliche Bezeichnungen und müssen fachlich eingeordnet werden. Der Aufwand entsteht also nicht nur technisch, sondern auch organisatorisch und prozessual.

Welche Datenquellen sind für KI in KMU besonders relevant?

Häufig relevant sind ERP, CRM, Ticketsysteme, Excel-Dateien, E-Mail-Postfächer, Produktions- oder Maschinendaten, Dokumentenarchive und manuell geführte Listen. Welche Quelle wirklich wichtig ist, hängt immer vom konkreten Anwendungsfall ab.

Was gehört bei einem KI-Projekt zur Datenbereinigung dazu?

Dazu gehören unter anderem das Entfernen von Dubletten, das Vereinheitlichen von Bezeichnungen, das Prüfen fehlender Felder, das Korrigieren fehlerhafter Formate und das Bereinigen historisch gewachsener Inkonsistenzen. Ziel ist eine verlässliche und vergleichbare Datengrundlage.

Wie erkenne ich früh, ob unsere Daten für ein KI-Projekt genügen?

Ein guter Frühindikator ist die Kombination aus fachlicher Relevanz, Verfügbarkeit und Konsistenz. Wenn klar ist, welche Daten für den Use Case nötig sind, wer sie liefert und wie verlässlich sie gepflegt wurden, lässt sich die Machbarkeit wesentlich besser einschätzen. Ein Test mit einem abgegrenzten Datensatz ist oft besonders aufschlussreich.

Wer sollte in einem KMU für die Datenvorbereitung verantwortlich sein?

Nicht eine einzelne Stelle allein. Sinnvoll ist eine klare Aufteilung zwischen Fachbereich, IT und Projektverantwortung. Der Fachbereich verantwortet die inhaltliche Bedeutung und Plausibilität, die IT den technischen Zugang und die Umsetzung, die Projektleitung die Abstimmung und Priorisierung.

Wie viel Zeit sollte man für Datenaufbereitung in der Projektplanung einrechnen?

Dafür gibt es keine seriöse Standardzahl. Der Aufwand hängt stark von Use Case, Datenquellen, Datenqualität und internen Zuständigkeiten ab. Wichtig ist, die Datenaufbereitung als eigenes Arbeitspaket einzuplanen und nicht stillschweigend als Nebenaufgabe mitzunehmen.