Datenqualität: Definition und Bedeutung
Definition
Datenqualität beschreibt, wie verlässlich das Wissen ist, aus dem ein KI-Assistent antwortet: aktuell, korrekt, vollständig, widerspruchsfrei und mit klarer Herkunft. Ein Assistent gibt wieder, was in seiner Wissensbasis steht. Ist diese veraltet oder widersprüchlich, klingt die Antwort trotzdem sicher, ist aber falsch. Datenqualität ist damit die stille Voraussetzung dafür, dass ein Company Brain überhaupt vertrauenswürdig sein kann.
Warum der Begriff zählt
Über die Qualität eines Assistenten entscheidet weniger das Modell als das Wissen dahinter. Ein starkes Modell auf schlechter Grundlage liefert überzeugend formulierte Fehler. Gute Daten dagegen machen Antworten belegbar und stabil. Wer den Begriff versteht, investiert zuerst in Aktualität, Klarheit und Herkunft der Wissensbasis, bevor er über Modelle nachdenkt. Für ein Company Brain, auf das sich ein Team verlässt, ist das der wichtigste Hebel.
Wann es relevant ist
- Antworten stützen Entscheidungen und müssen korrekt sein.
- Wissen stammt aus vielen Quellen, die sich widersprechen können.
- Inhalte veralten und müssen gepflegt werden.
- Herkunft und Aktualität einer Aussage sollen nachvollziehbar sein.
Wann nicht
Für einen ersten Prototyp, der nur zeigt, ob eine Idee trägt, ist maximale Datenqualität noch zweitrangig. Auch bei rein kreativen Aufgaben ohne Faktenbezug zählt sie weniger. Sobald ein Assistent aber belegbar antworten und Entscheidungen tragen soll, wird sie zur Grundvoraussetzung.
Branchen, die das nutzen
- Finanzen und Versicherung: Auskünfte müssen aktuell und widerspruchsfrei sein, sonst entstehen Fehlberatungen.
- Gesundheit: veraltete Leitlinien in der Basis sind ein echtes Risiko.
- Handel und Retail: Produktdaten müssen stimmen, damit der Assistent nicht falsch informiert.
- Verwaltung: Prozesse und Fristen müssen korrekt und gepflegt hinterlegt sein.
Typische Anwendungsfälle
- Veraltete Inhalte werden markiert, damit das Company Brain sie nicht mehr nutzt.
- Widersprüche zwischen Quellen werden sichtbar gemacht und geklärt.
- Jede Antwort trägt ihre Herkunft, sodass sich Aktualität prüfen lässt.
- Ein Pflegeprozess hält die Wissensbasis aktuell und geordnet.
- Neue Inhalte werden vor Aufnahme geprüft, statt ungefiltert einzufließen.
Entscheidungshilfe
| Signal | Datenqualität zuerst angehen | Alternative |
|---|---|---|
| Antworten tragen Entscheidungen | Aktualität und Herkunft sichern | ein besseres Modell löst das nicht |
| Quellen widersprechen sich | Widersprüche klären | Assistent gibt zufällig eine Variante |
| Reiner Prototyp | zweitrangig | erst Nutzen prüfen |
| Inhalte veralten | Pflegeprozess einrichten | ohne Pflege driftet die Qualität |
Beispiel
Ein Team stellt fest, dass sein Assistent zu einer Richtlinie zwei widersprüchliche Fassungen findet. Es räumt die Wissensbasis auf, markiert die alte Fassung und stellt sicher, dass jede Antwort ihre Herkunft zeigt. Danach sind die Auskünfte belegbar und stabil. Das Beispiel beschreibt die Methode, keine behauptete Fehlerquote.
Verbindung zu Services
Gepflegte Datenqualität ist die Grundlage jedes Company Brain und macht einen persönlichen KI-Assistenten belastbar, schon beim Aufbau des Assistenten.
Quellen
Diese Einordnung beschreibt gängige Praxis rund um Datenqualität. Welche Prüfungen im Einzelfall nötig sind, hängt von den Quellen, dem Risiko und den Anforderungen ab und muss konkret festgelegt werden.
