Saubere Daten sind nicht dasselbe wie Daten, mit denen Ihre KI arbeiten kann. Die meisten Unternehmen verfügen über Ersteres. Nur sehr wenige verfügen über Letzteres.
Ihre KI-Systeme verarbeiten Daten wörtlich. Eine Empfehlungsmaschine bemerkt nicht, dass ein Lieferant vor sechs Monaten inaktiv geworden ist – sie sieht lediglich einen gültigen Datensatz und handelt entsprechend. Ein Beschaffungsmitarbeiter hinterfragt nicht, ob es sich bei einem Preis um einen Listenpreis oder um Selbstkosten handelt – er wählt eine Interpretation und handelt danach.
Die Daten haben jede Qualitätsprüfung bestanden, doch es kommt trotzdem zu Fehlern. Was fehlt, ist Governed Intelligence.
Geregelte Intelligenz ist eine Bedeutungsebene, die auf bereinigten Daten aufsetzt und KI-Systemen nicht nur mitteilt, wie die Werte lauten, sondern auch:
- Was sie bedeuten
- In welcher Beziehung sie zu allem anderen stehen
- Welche Regeln gelten
Ohne diese Informationen treffen KI-Systeme selbstbewusste Entscheidungen auf der Grundlage unvollständiger Kontextinformationen.
Dies ist grundlegendes Wissen im Zeitalter der KI. Lesen Sie also weiter und erfahren Sie, was der Unterschied zwischen „sauberen“ und „geregelten“ Daten ist und warum dies wichtiger ist, als den meisten Unternehmen bewusst ist.
Warum saubere Daten und Governed-Daten unterschiedliche Probleme darstellen
Die Datenqualitätsarbeit löst ein spezifisches Problem:
Verwenden alle Systeme die gleichen Informationen einheitlich?
Das bedeutet: keine doppelten Datensätze, keine Nullwerte und keine Formatierungsfehler. Die Kunden-ID 12345 bezieht sich in den Bereichen Rechnungsstellung, Versand und Kundenservice auf dieselbe Person.
Das ist wertvoll. Aber es beantwortet keine andere Frage: Was bedeuten diese Daten?
Ihre Kundendatenbank kann vollkommen fehlerfrei sein und dennoch keine einheitliche Definition enthalten, was jemanden zu einem Kunden macht. Ist es eine E-Mail-Adresse? Eine Kaufhistorie? Ein aktives Abonnement?
Ohne Klarheit interpretieren verschiedene Systeme denselben Datensatz unterschiedlich – und KI-Systeme übernehmen diese Mehrdeutigkeit direkt.
Die Unterscheidung lässt sich wie folgt zusammenfassen:
- Bei der Datenqualität lautet die Frage: „Ist dieser Wert korrekt und konsistent?“
- Bei „Governed-Daten“ lautet die Frage: „Weiß die KI, was dieser Wert bedeutet?“
Es handelt sich um miteinander verbundene Probleme, die jedoch unterschiedliche Lösungen erfordern. Semantische Klarheit lässt sich nicht allein durch Deduplizierung erreichen. Die meisten Unternehmen haben Jahre damit verbracht, den ersten Aspekt zu optimieren, während der zweite weitgehend unberücksichtigt blieb.
Genau hier treten die Fehler der KI auf.
Die 4 Fähigkeiten, die Governed Intelligence bietet, dass saubere Daten nicht können
1. Semantische Klarheit
Saubere Daten teilen Ihren Systemen mit, welche Werte vorhanden sind. Semantische Klarheit vermittelt ihnen, was diese Werte in Ihrem geschäftlichen Kontext bedeuten.
Ein Produktdatensatz mit der Lebenszyklusphase „rückläufig“ hat eine bestimmte Bedeutung, beispielsweise „bei Empfehlungen nicht priorisieren“ oder „keine neuen Lieferantenverträge dafür abschließen“. Oder ein Kundenstatus „inaktiv“ hat für Ihr Abrechnungssystem eine andere Bedeutung als für Ihr Marketing-System.
Semantische Klarheit macht diese Definitionen explizit und maschinenlesbar, sodass jedes System auf derselben Grundlage arbeitet.
2. Beziehungssteuerung
Entitäten existieren nicht isoliert. Ein Produkt gehört zu einer Kategorie, stammt von einem Lieferanten, ist mit Compliance-Kennzeichnungen versehen und befindet sich an einem bestimmten Punkt seines Lebenszyklus. Ein Kunde hat Bestellungen, Präferenzen, eine Zahlungshistorie und ein regionales Profil.
Beziehungssteuerung macht diese Zusammenhänge explizit.
Ohne sie sehen KI-Systeme isolierte Datensätze. Mit ihr erkennen sie den Kontext.
3. Ausführbare Geschäftsregeln
Hier können KI-Systeme Ihrer Geschäftslogik folgen. Sie lesen nicht nur Ihre Daten, sondern handeln auch im Rahmen Ihrer Vorgaben.
In der Praxis könnte das zum Beispiel Folgendes sein:
- Keine Produkte von Lieferanten mit dem Status „inaktiv“ empfehlen
- Keine Produkte außerhalb des für einen Kunden zulässigen Gebiets anbieten
- Kennzeichnen Sie jeden Beschaffungsauftrag, bei dem die Risikobewertung des Lieferanten den Schwellenwert überschreitet
Wenn eine Regel verletzt wird, weiß das System genau, warum. Und wenn eine Entscheidung korrekt getroffen wird, können Sie genau nachvollziehen, welche Regeln dafür maßgeblich waren.
4. Herkunft und Nachverfolgbarkeit
Jeder Wert hat eine Geschichte. Woher stammt er? Wann wurde er zuletzt aktualisiert? Wie sicher können wir uns auf ihn verlassen?
Das ist wichtig, denn KI-Entscheidungen sind nur so vertrauenswürdig wie ihre Eingabedaten. Wenn etwas schiefgeht – und irgendwann wird das passieren –, gibt die Herkunft Aufschluss darüber, welche Daten in die Entscheidung eingeflossen sind, welchem System sie gehörten und wo die Lücke lag.
Genau das macht aus einer einmaligen Korrektur eine dauerhafte Verbesserung.
So sieht Governed AI aus, wenn sie richtig umgesetzt ist
Schauen wir uns ein Beispiel an:
- Ein Kunde stöbert nach Bürostühlen. Eine Empfehlungsmaschine findet ein passendes Produkt – gleiche Kategorie, ähnlicher Preis. Klare Logik und saubere Daten.
- Ohne Governance wird die Empfehlung ausgegeben. Das Produkt stammt von einem Lieferanten, mit dem das Unternehmen seit sechs Monaten nicht mehr zusammenarbeitet. Der Datensatz ist gültig, daran ist nichts auszusetzen, aber es gibt keinen Hinweis darauf, dass er „inaktiv“ ist.
- Der Kunde bestellt. Er wartet wochenlang, doch die Ware wird nie versandt.
Mit einer bestehenden Governance läuft dieselbe Abfrage anders ab. Bevor die Empfehlung angezeigt wird, prüft die Engine:
- Ist der Lieferant aktiv?
- Ist das Produkt in der Region des Kunden verfügbar?
- Bedeutet „verfügbarer Lagerbestand“, dass die Ware versandfertig ist, oder sind die Artikel gesperrt oder beschädigt?
Die Antwort auf die erste Frage lautet „Nein“. Die Empfehlung wird nicht ausgesprochen.
Der unmittelbare Gewinn
Der unmittelbare Vorteil besteht darin, dass kein Fehler auftritt.
Der enorme, ganzheitliche Vorteil
Die größere Veränderung zeigt sich darin, was passiert, wenn doch einmal etwas schiefgeht. Ohne Governance gräbt sich das Team ein, findet die Datenlücke, behebt sie manuell und wartet auf den nächsten Ausfall aus einem anderen Blickwinkel. Immer wieder derselbe Kreislauf der Brandbekämpfung, auf unbestimmte Zeit.
Mit Governance weist eine fehlgeschlagene Entscheidung auf eine konkrete Lücke hin. Der Status des Lieferanten war nicht aktuell.
- Beheben Sie dies systematisch
- Fügen Sie eine Regel hinzu, die vor jeder Empfehlung eine Überprüfung durchführt
- Auf Abweichungen überwachen
Die KI wird mit der Zeit zuverlässiger – nicht, weil sich der Algorithmus geändert hat, sondern weil sich die Steuerung verbessert hat.
Wie Stibo Systems Ihnen dabei hilft, dieses Ziel zu erreichen
Governed Intelligence ist eine Fähigkeit, die gezielt in Ihrer gesamten Dateninfrastruktur aufgebaut werden muss. STEP, unsere bewährte Intelligence-Plattform, wurde genau dafür entwickelt.
- Durch kontrollierte Produkt- und Lieferantendaten wird verhindert, dass inaktive Beziehungen in KI-Empfehlungen auftauchen, bevor Schaden entsteht
- Semantische Produktstammdaten sorgen dafür, dass territoriale Beschränkungen, Lagerbestände und Preiskontexte jedem Datensatz zugeordnet sind, mit dem Ihre Mitarbeiter arbeiten
- Ein geregelter 360°-Kundenüberblick verhindert, dass widersprüchliche Definitionen von „aktiv“, „ruhend“ und „risikobehaftet“ Ihre kundenorientierten Mitarbeiter verwirren
- Lieferantenstammdaten mit durchgesetzten Regeln halten risikoreiche oder nicht konforme Lieferanten von autonomen Beschaffungsentscheidungen fern
- Dank vollständiger Datenherkunft und Rückverfolgbarkeit der Regeln kann Ihr Team genau erklären, welche Daten und Regeln eine KI-Entscheidung beeinflusst haben
- Eine geregelte Datenbasis verhindert, dass jede neue KI-Initiative bei Null anfangen muss – so verkürzen sich die Produktionszeitpläne mit jeder Bereitstellung
- Einheitliche Informationen über Anwendungen, Arbeitsabläufe und Mitarbeiter hinweg verhindern, dass Ihr Unternehmen auf der Grundlage derselben Daten unterschiedliche Entscheidungen trifft
Wenn Ihre KI-Projekte in der Produktion ins Stocken geraten, liegt das selten am Algorithmus. Beginnen Sie mit den Daten, auf denen seine Schlussfolgerungen basieren.
