Offene Systeme und saubere Daten sind das A und O für einen erfolgreichen KI-Einsatz

Künstliche Intelligenz ist nur so gut wie die Grundlage, auf der sie arbeitet

Viele Unternehmen beschäftigen sich derzeit mit Künstlicher Intelligenz. Sie möchten Prozesse automatisieren, interne Informationen schneller auffindbar machen, Kunden besser betreuen oder Marketing- und Vertriebsaufgaben effizienter erledigen.

Dabei beginnt die Diskussion häufig direkt bei den Werkzeugen:

Welches KI-Modell sollen wir verwenden? Brauchen wir eine Cloud-KI oder ein lokales System? Welcher Anbieter bietet die beste Lösung? Welche Automatisierungen lassen sich kurzfristig umsetzen?

Diese Fragen sind wichtig. Sie kommen jedoch häufig zu früh.

Bevor Unternehmen sinnvoll über KI sprechen können, sollten sie zwei wesentlich grundlegendere Fragen beantworten:

1. Sind unsere Systeme offen genug, um Informationen zuverlässig auszutauschen?

Und:

2. Sind unsere Daten vollständig, aktuell und strukturiert genug, damit eine KI damit arbeiten kann?

Denn selbst das leistungsfähigste KI-Modell kann keine verlässlichen Ergebnisse liefern, wenn die zugrunde liegenden Daten unvollständig, veraltet oder widersprüchlich sind.

Schlechte Daten werden durch KI nicht besser

Künstliche Intelligenz kann große Datenmengen schnell verarbeiten, Muster erkennen und Informationen miteinander verknüpfen. Sie kann jedoch nicht automatisch feststellen, welche Unternehmensdaten korrekt und welche überholt sind.

Arbeitet eine KI mit fehlerhaften Informationen, entstehen daraus ebenfalls fehlerhafte Ergebnisse.

Dieses Prinzip wird in der IT häufig mit dem Ausdruck „Garbage in, garbage out“ beschrieben. Werden schlechte Daten in ein System eingegeben, kommen auch schlechte Ergebnisse heraus.

Typische Probleme in Unternehmen sind beispielsweise:

• – doppelte Kundendatensätze
• – unterschiedliche Schreibweisen für dieselben Produkte
• – veraltete Preislisten
• – fehlende Produktmerkmale
• – widersprüchliche Informationen in verschiedenen Systemen
• – unvollständige Kontakt- und Unternehmensdaten
• – Dokumente ohne klare Versionierung
• – nicht gepflegte Kategorien und Zuordnungen
• – Informationen, die nur in E-Mails oder auf lokalen Rechnern liegen

Solange diese Probleme nicht gelöst sind, kann eine KI zwar schnell arbeiten, aber nicht zwangsläufig richtig.

KI beschleunigt auch schlechte Prozesse

Viele Unternehmen hoffen, dass Künstliche Intelligenz bestehende Abläufe automatisch verbessert. In der Praxis kann jedoch das Gegenteil passieren.

Ist ein Prozess schlecht strukturiert, wird er durch KI möglicherweise lediglich schneller ausgeführt. Fehler, unnötige Arbeitsschritte und falsche Entscheidungen werden dadurch nicht beseitigt, sondern im schlimmsten Fall automatisiert.

Ein Beispiel:

Ein Unternehmen verwendet drei unterschiedliche Systeme für Kundendaten. In jedem System stehen andere Telefonnummern, Ansprechpartner oder Vertragsinformationen. Eine KI soll daraus automatisiert Vertriebsinformationen erstellen.

Doch welche Daten sind korrekt?

Ohne eine klare Datenquelle und eindeutige Regeln kann die KI keine verlässliche Entscheidung treffen. Sie verarbeitet lediglich die Informationen, die ihr zur Verfügung gestellt werden.

Deshalb gilt:

Vor der Automatisierung muss der Prozess verstanden, bereinigt und standardisiert werden.

Was sind offene Systeme?

Ein offenes System ist nicht zwangsläufig eine Open-Source-Lösung. Gemeint ist vielmehr eine Softwarelandschaft, in der Daten und Funktionen über dokumentierte Schnittstellen zugänglich sind.

Offene Systeme ermöglichen es, Informationen zwischen verschiedenen Anwendungen auszutauschen. Sie verhindern, dass wichtige Daten in einzelnen Programmen eingeschlossen bleiben.

Dazu gehören beispielsweise:

• – dokumentierte APIs
• – Webhooks
• – standardisierte Datenformate
• – Export- und Importmöglichkeiten
• – Zugriff auf relevante Datenfelder
• – klar definierte Benutzer- und Zugriffsrechte
• – Erweiterungsmöglichkeiten durch Plugins oder Module
• – Schnittstellen zu ERP-, CRM-, PIM- und Shopsystemen

Je besser Systeme miteinander kommunizieren können, desto einfacher lassen sich Prozesse automatisieren und KI-Anwendungen integrieren.

Geschlossene Systeme werden zur Innovationsbremse

Viele Unternehmen arbeiten mit Software, die zwar einzelne Aufgaben erfüllt, aber kaum Möglichkeiten zur Weiterverarbeitung der Daten bietet.

Das kann kurzfristig funktionieren. Langfristig entstehen jedoch Abhängigkeiten und technische Grenzen.

Geschlossene Systeme führen häufig zu folgenden Problemen:

• – Daten müssen manuell übertragen werden
• – Informationen liegen mehrfach vor
• – Automatisierungen sind nur eingeschränkt möglich
• – individuelle Erweiterungen werden teuer
• – KI-Systeme erhalten keinen zuverlässigen Datenzugriff
• – ein Anbieterwechsel wird kompliziert
• – Prozesse hängen von einzelnen Softwareherstellern ab

Besonders problematisch wird es, wenn geschäftskritische Daten nur in einem proprietären System gespeichert sind und keine saubere Exportmöglichkeit existiert.

Ein Unternehmen sollte jederzeit wissen, welche Daten es besitzt, wo diese liegen und wie es darauf zugreifen kann.

Daten müssen nicht nur vorhanden, sondern nutzbar sein

Viele Unternehmen verfügen über große Datenmengen. Das bedeutet jedoch nicht automatisch, dass diese Daten für KI geeignet sind.

Eine KI benötigt Informationen in einer Form, die sie eindeutig verarbeiten und zuordnen kann.

Dafür sollten Daten möglichst:

• – vollständig
• – aktuell
• – eindeutig
• – konsistent
• – strukturiert
• – nachvollziehbar
• – zugänglich
• – rechtmäßig nutzbar

sein.

Ein ungeordneter Dateiserver mit tausenden Dokumenten ist beispielsweise noch keine brauchbare Wissensbasis. Bevor eine KI darauf zugreifen kann, müssen unter anderem Dateitypen, Berechtigungen, Versionen und inhaltliche Zuständigkeiten geklärt werden.

Stammdaten bilden die Grundlage

Besonders wichtig sind saubere Stammdaten. Dazu gehören dauerhaft oder langfristig genutzte Informationen über Kunden, Produkte, Lieferanten, Mitarbeiter oder Standorte.

Im E-Commerce betrifft das beispielsweise:

• – Artikelnummern
• – Produktnamen
• – Varianten
• – Kategorien
• – technische Eigenschaften
• – Preise
• – Lieferzeiten
• – Herstellerinformationen
• – Bilder
• – Produktbeschreibungen
• – Übersetzungen

Sind diese Informationen uneinheitlich, kann eine KI keine konsistenten Texte, Empfehlungen oder Auswertungen erstellen.

Ein Produkt darf nicht in einem System als „schwarz“, in einem anderen als „black“ und in einem dritten als „anthrazit“ geführt werden, wenn dieselbe Eigenschaft gemeint ist. Ohne klare Standards entstehen falsche Zuordnungen und unzuverlässige Ergebnisse.

Eine zentrale Datenquelle reduziert Fehler

Unternehmen sollten für wichtige Informationen möglichst eine eindeutige führende Datenquelle definieren. Dieses Prinzip wird häufig als Single Source of Truth bezeichnet.

Dabei wird festgelegt, welches System für eine bestimmte Art von Information verbindlich ist.

Beispiele:

• – Das ERP ist führend bei Preisen und Beständen.
• – Das PIM ist führend bei Produktinformationen.
• – Das CRM ist führend bei Kunden- und Vertriebsdaten.
• – Das Shopsystem ist führend bei Bestellungen.
• – Das Dokumentenmanagement ist führend bei Verträgen und Richtlinien.

Andere Systeme greifen auf diese Informationen zu, statt eigene, abweichende Versionen zu pflegen.

Dadurch entstehen weniger Dubletten, weniger Widersprüche und eine deutlich bessere Grundlage für Automatisierung und KI.

Datenqualität ist keine einmalige Aufgabe

Eine Datenbereinigung ist wichtig, reicht allein jedoch nicht aus. Daten verändern sich kontinuierlich. Produkte werden ergänzt, Ansprechpartner wechseln und neue Dokumente entstehen.

Deshalb benötigt jedes Unternehmen klare Prozesse zur dauerhaften Sicherung der Datenqualität.

Dazu gehören unter anderem:

• – Verantwortlichkeiten für Datenbereiche
• – verbindliche Eingaberegeln
• – Pflichtfelder und Validierungen
• – regelmäßige Qualitätsprüfungen
• – automatisierte Dublettenprüfung
• – Versionierung von Dokumenten
• – definierte Freigabeprozesse
• – Lösch- und Archivierungsregeln
• – nachvollziehbare Änderungsprotokolle

Ohne diese Regeln verschlechtert sich die Datenqualität nach einer Bereinigung häufig erneut.

Datenverantwortung muss klar geregelt sein

Ein häufiges Problem besteht darin, dass sich niemand für die Qualität bestimmter Daten verantwortlich fühlt.

Die IT stellt die Systeme bereit. Der Vertrieb pflegt Kundendaten. Das Marketing erstellt Inhalte. Der Einkauf verwaltet Lieferanteninformationen. Doch wer entscheidet, welche Information korrekt ist?

Für einen erfolgreichen KI-Einsatz müssen Verantwortlichkeiten eindeutig geregelt werden.

Unternehmen sollten für wichtige Datenbereiche festlegen:

• – Wer darf Daten anlegen?
• – Wer darf sie verändern?
• – Wer kontrolliert die Qualität?
• – Wer gibt Inhalte frei?
• – Wie werden Fehler gemeldet?
• – Welche Daten dürfen von der KI verarbeitet werden?
• – Wann müssen Informationen gelöscht oder archiviert werden?

Erst durch klare Zuständigkeiten wird aus einer Datensammlung eine verlässliche Unternehmensressource.

Offene Schnittstellen machen KI erst wirklich nutzbar

Eine KI entfaltet ihren größten Nutzen nicht als isoliertes Chatfenster, sondern als Bestandteil bestehender Prozesse.

Dafür muss sie mit anderen Systemen kommunizieren können.

Ein KI-System kann beispielsweise:

• – Produktinformationen aus einem PIM abrufen
• – Bestelldaten aus einem Shop auswerten
• – Kundeninformationen aus einem CRM berücksichtigen
• – Dokumente aus einem Wissenssystem durchsuchen
• – Aufgaben in einer Projektsoftware anlegen
• – Tickets kategorisieren und weiterleiten
• – Marketingdaten analysieren
• – Entwürfe zur menschlichen Freigabe bereitstellen

Diese Abläufe funktionieren nur zuverlässig, wenn Schnittstellen vorhanden und sauber dokumentiert sind.

Ohne APIs und klare Datenstrukturen bleiben viele KI-Projekte bei einzelnen Tests stehen und erreichen nie den produktiven Einsatz.

E-Commerce: Saubere Produktdaten werden zum Wettbewerbsvorteil

Im E-Commerce ist die Datenqualität besonders wichtig. Kunden erwarten vollständige Produktinformationen, passende Bilder, korrekte Preise und verständliche Beschreibungen.

KI kann Online-Händler bei vielen Aufgaben unterstützen:

• – Produktbeschreibungen erstellen
• – Texte übersetzen
• – Produktmerkmale zuordnen
• – ähnliche Artikel erkennen
• – Suchfunktionen verbessern
• – Kundenfragen beantworten
• – Datenlücken identifizieren
• – personalisierte Empfehlungen vorbereiten

Doch auch hier gilt: Die KI kann nur mit den Informationen arbeiten, die vorhanden sind.

Fehlen Maße, Materialien, Zielgruppen oder technische Details, kann eine KI diese Daten nicht zuverlässig ergänzen. Sie könnte Vermutungen anstellen oder Inhalte erfinden. Das wäre für Kunden irreführend und für das Unternehmen riskant.

Deshalb beginnt erfolgreiche KI im Online-Shop nicht beim Textgenerator, sondern bei einer soliden Produktdatenstruktur.

Marketing: Ohne konsistente Daten keine sinnvolle Personalisierung

Auch im Online-Marketing spielt die Datenqualität eine zentrale Rolle. Unternehmen möchten Zielgruppen genauer ansprechen, Kampagnen automatisieren und Inhalte personalisieren.

Dafür müssen jedoch Daten aus verschiedenen Bereichen zusammengeführt werden können.

Dazu gehören beispielsweise:

• – Website-Nutzung
• – Kaufhistorie
• – Newsletter-Interaktionen
• – Interessen
• – Kundenstatus
• – Produktpräferenzen
• – Vertriebskontakte
• – Kampagnendaten

Sind diese Informationen unvollständig oder falsch verknüpft, entstehen unpassende Botschaften und schlechte Kundenerlebnisse.

Eine Personalisierung ist nur dann hilfreich, wenn die zugrunde liegenden Daten korrekt sind und rechtmäßig genutzt werden dürfen.

Datenschutz und Zugriffsrechte gehören zur Datenstrategie

Saubere Daten bedeuten nicht, dass alle Informationen für alle Systeme oder Mitarbeiter zugänglich sein sollten.

Gerade beim KI-Einsatz müssen Unternehmen genau festlegen, welche Daten verarbeitet werden dürfen.

Zu klären ist unter anderem:

• – Enthalten die Daten personenbezogene Informationen?
• – Liegt eine geeignete Rechtsgrundlage für die Verarbeitung vor?
• – Welche Mitarbeiter dürfen auf die Ergebnisse zugreifen?
• – Werden Daten an externe Anbieter übertragen?
• – Wie werden Eingaben und Ausgaben gespeichert?
• – Müssen Informationen anonymisiert werden?
• – Welche Löschfristen gelten?
• – Wie werden sensible Bereiche voneinander getrennt?

Eine offene Systemarchitektur bedeutet nicht unbegrenzten Zugriff. Offenheit muss immer mit einem durchdachten Rechte- und Sicherheitskonzept kombiniert werden.

Lokale KI benötigt ebenfalls saubere Daten

Manche Unternehmen glauben, eine lokale KI löse automatisch alle Datenschutz- und Datenprobleme. Doch auch ein On-Premises-System kann nur so gut arbeiten wie die Informationen, die ihm zur Verfügung stehen.

Wer einen unstrukturierten Datenbestand in eine lokale KI überführt, erhält lediglich eine lokale Version des bisherigen Chaos.

Auch für lokale Systeme gelten deshalb dieselben Anforderungen:

• – klare Datenquellen
• – strukturierte Dokumente
• – aktuelle Inhalte
• – Zugriffsrechte
• – Qualitätskontrollen
• – Versionierung
• – Verantwortlichkeiten

Die Entscheidung zwischen Cloud-KI und lokaler KI löst keine Probleme der Datenqualität. Sie betrifft vor allem die technische Betriebsform.

So bereitest du dein Unternehmen auf KI vor

Unternehmen sollten nicht mit dem Kauf eines KI-Tools beginnen, sondern zunächst ihre Prozesse und Datenlandschaft analysieren.

1. Anwendungsfall definieren

Welche konkrete Aufgabe soll die KI unterstützen? Ein klarer Anwendungsfall verhindert unnötige Investitionen.

2. Systeme erfassen

Welche Anwendungen werden genutzt und welche Daten liegen darin?

3. Schnittstellen prüfen

Verfügen die Systeme über APIs, Webhooks oder verlässliche Exportmöglichkeiten?

4. Datenqualität bewerten

Sind die benötigten Informationen vollständig, aktuell und eindeutig?

5. Führende Datenquellen festlegen

Welches System ist für welche Informationen verbindlich?

6. Daten bereinigen

Dubletten, falsche Formate und veraltete Informationen müssen korrigiert werden.

7. Verantwortlichkeiten definieren

Für jeden wichtigen Datenbereich sollte eine zuständige Person oder Abteilung benannt werden.

8. Sicherheits- und Rechtekonzept erstellen

Nicht jede KI-Anwendung darf auf alle Unternehmensdaten zugreifen.

9. Pilotprojekt umsetzen

Ein begrenzter Anwendungsfall zeigt, ob Daten, Systeme und Prozesse tatsächlich geeignet sind.

10. Ergebnisse kontinuierlich prüfen

Auch nach der Einführung müssen Datenqualität, Kosten und Ergebnisqualität überwacht werden.

Offene Standards schützen vor Abhängigkeiten

Bei der Auswahl neuer Systeme sollten Unternehmen nicht nur auf den aktuellen Funktionsumfang achten. Ebenso wichtig ist die Frage, wie flexibel sich die Lösung zukünftig erweitern oder ersetzen lässt.

Relevante Kriterien sind:

• – dokumentierte Schnittstellen
• – standardisierte Exportformate
• – Zugriff auf eigene Daten
• – Erweiterbarkeit
• – Rechte- und Rollenkonzepte
• – Möglichkeit zum Anbieterwechsel
• – Integration externer Werkzeuge
• – Unterstützung von Automatisierungen

Wer heute ein geschlossenes System ohne brauchbare Schnittstellen einführt, schafft möglicherweise die technischen Altlasten von morgen.

KI-Readiness: Ist dein Unternehmen wirklich bereit?

Bevor ein Unternehmen größere KI-Projekte startet, sollte es seine KI-Bereitschaft realistisch bewerten.

Wichtige Fragen sind:

• – Sind die relevanten Prozesse dokumentiert?
• – Sind Datenquellen und Verantwortlichkeiten bekannt?
• – Gibt es eine zentrale Datenstrategie?
• – Sind wichtige Systeme über Schnittstellen erreichbar?
• – Können Daten rechtssicher verwendet werden?
• – Gibt es Qualitätskontrollen?
• – Können Mitarbeiter die Ergebnisse der KI überprüfen?
• – Funktionieren kritische Prozesse notfalls auch ohne KI?

Je mehr dieser Fragen unbeantwortet bleiben, desto größer ist das Risiko, dass ein KI-Projekt teurer und komplexer wird als erwartet.

Fazit: Erst die Grundlage, dann die KI

Künstliche Intelligenz kann Unternehmen schneller, effizienter und wettbewerbsfähiger machen. Doch KI ist kein Ersatz für eine saubere technische und organisatorische Grundlage.

Offene Systeme ermöglichen den zuverlässigen Austausch von Informationen. Saubere Daten sorgen dafür, dass eine KI richtige Zusammenhänge erkennen und brauchbare Ergebnisse liefern kann.

Ohne diese Voraussetzungen entstehen:

• – falsche Ausgaben
• – unnötige Kosten
• – instabile Automatisierungen
• – Sicherheitsrisiken
• – neue Abhängigkeiten
• – enttäuschte Erwartungen

Die entscheidende Frage lautet deshalb nicht zuerst:

„Welche KI sollen wir einsetzen?“

Sondern:

„Sind unsere Systeme und Daten überhaupt bereit für KI?“

Wer diese Grundlage schafft, kann KI nicht nur ausprobieren, sondern langfristig produktiv und wirtschaftlich einsetzen.

Wir machen dein Unternehmen bereit für KI

Die Cutvert GmbH unterstützt Unternehmen dabei, ihre Systeme, Prozesse und Daten für den Einsatz Künstlicher Intelligenz vorzubereiten.

Wir analysieren bestehende Systemlandschaften, identifizieren Datensilos und entwickeln Lösungen für:

• – offene Schnittstellen und API-Integrationen
• – Datenbereinigung und Datenstrukturen
• – ERP-, CRM-, PIM- und Shop-Anbindungen
• – Shopware und E-Commerce
• – Prozessautomatisierung
• – Cloud-KI und lokale KI
• – interne Wissenssysteme
• – individuelle KI-Anwendungen
• – Online-Marketing und Webentwicklung

Unser Ziel ist nicht, möglichst schnell irgendeine KI einzuführen. Unser Ziel ist eine stabile Grundlage, auf der intelligente Prozesse langfristig funktionieren.

Cutvert – Connected by Code

Lass uns gemeinsam prüfen, wie KI-ready dein Unternehmen wirklich ist.

Jetzt unverbindlich beraten lassen:

www.cutvert.de