Datenbereitschaft für KMU: Sind Ihre Daten KI-bereit?

Datenbereitschaft für KMU: Sind Ihre Daten KI-bereit?

"Wir haben nicht genug Daten für KI" das ist der häufigste Einwand, den wir von KMU-Inhabern hören. Und in den meisten Fällen stimmt er nicht. Sie haben mehr Daten, als Sie denken. Die Frage ist: Sind sie in der richtigen Form?

Mythos: "KI braucht Big Data"

Vergessen Sie alles, was Sie über Big Data gelesen haben. Grosse Sprachmodelle und vortrainierte KI-Systeme haben die Datenmenge, die Sie für ein KMU-Projekt brauchen, drastisch reduziert. Für die meisten Anwendungsfälle reichen 6-12 Monate historische Geschäftsdaten. Das sind typischerweise einige Tausend Datenpunkte, nicht Millionen.

Ein Beispiel: Um ein Nachfrageprognose-System für ein Restaurant zu bauen, brauchen wir nicht Millionen von Datenpunkten. Wir brauchen die täglichen Umsatzzahlen der letzten 12 Monate (365 Datenpunkte), die Wetterdaten (öffentlich verfügbar), den Veranstaltungskalender der Region (öffentlich verfügbar) und die Reservierungshistorie. Das ist alles. Kein Data Warehouse, kein Data Lake, keine Hadoop-Cluster.

Wo Ihre Daten schon jetzt sind

Die meisten KMU sammeln bereits wertvolle Daten, ohne es zu wissen: Ihr Kassensystem speichert jede Transaktion mit Zeitstempel, Artikeln und Beträgen. Ihr E-Mail-Postfach enthält Tausende von Kundenanfragen mit Mustern. Ihre Buchhaltungssoftware hat Jahre an Finanzdaten. Ihr Online-Shop protokolliert jeden Klick, jede Bestellung, jede Retoure. Ihr Kalender dokumentiert Termine, Auslastung und Verfügbarkeit. Sogar Ihre Excel-Tabellen und Word-Dokumente sind Datenquellen.

Die vier Dimensionen der Datenbereitschaft

Wir bewerten die Datenbereitschaft eines KMU anhand von vier Dimensionen: Verfügbarkeit, Zugänglichkeit, Qualität und Relevanz.

Verfügbarkeit fragt: Existieren die Daten überhaupt? In den meisten Fällen ja. Die Frage ist nur, wo. Manchmal sind die Daten in Systemen versteckt, von denen Sie nicht wussten, dass sie Daten speichern (z.B. Ihr Telefonsystem, das Anrufzeiten protokolliert).

Zugänglichkeit fragt: Können wir auf die Daten zugreifen? Das betrifft technische Aspekte (hat das System eine Exportfunktion oder API?) und rechtliche Aspekte (dürfen wir die Daten für KI verwenden?).

Qualität fragt: Sind die Daten konsistent und vollständig? Die häufigsten Qualitätsprobleme: fehlende Felder (30% der Kundenprofile ohne E-Mail-Adresse), inkonsistente Formate (Telefonnummern mal mit, mal ohne Vorwahl), Duplikate (derselbe Kunde unter drei verschiedenen Schreibweisen) und veraltete Daten (Adressen von vor fünf Jahren).

Relevanz fragt: Enthalten die Daten die Informationen, die die KI braucht? Wenn Sie die Nachfrage prognostizieren wollen, brauchen Sie historische Verkaufsdaten, nicht nur Umsatzzahlen.

Der Datenbereitschafts-Check: 10 Fragen

Beantworten Sie diese zehn Fragen ehrlich, um Ihre Datenbereitschaft einzuschätzen: Haben Sie digitale Aufzeichnungen Ihrer Kerntransaktionen (Bestellungen, Rechnungen, Termine)? Decken diese Aufzeichnungen mindestens 6 Monate ab? Sind die Daten in einem System, das Export oder API-Zugriff erlaubt? Sind Ihre Kundendaten konsistent erfasst? Können Sie Ihre Transaktionen einem Zeitstempel zuordnen? Haben Sie Zugang zu den relevanten Datenquellen? Sind die Daten aktuell? Gibt es offensichtliche Lücken oder Inkonsistenzen? Sind die Daten datenschutzkonform gespeichert? Gibt es in Ihrem Team jemanden, der die Daten versteht und erklären kann?

Wenn Sie 7 oder mehr Fragen mit Ja beantworten, sind Ihre Daten wahrscheinlich KI-bereit. Bei 4-6 ist eine Aufbereitung nötig, die aber in der Regel 1-2 Wochen dauert. Bei weniger als 4 empfehlen wir, zuerst die Datenerfassung zu verbessern, was oft mit einfachen Massnahmen wie konsistenter Dateneingabe und regelmässigen Backups möglich ist.

Daten aufbereiten: Praktische Schritte

Falls Ihre Daten Aufbereitung brauchen, sind dies die wichtigsten Schritte: Konsolidieren Sie Daten aus verschiedenen Quellen in ein einheitliches Format. Bereinigen Sie offensichtliche Fehler und Duplikate. Füllen Sie fehlende Felder, wo möglich, nach. Definieren Sie Standards für die zukünftige Dateneingabe, um die Qualität langfristig zu sichern. Dokumentieren Sie, was die einzelnen Datenfelder bedeuten.

Diese Aufbereitung muss nicht perfekt sein. Die Regel lautet: 80% sauber reicht für den Start. Die KI wird auch mit imperfekten Daten Muster erkennen. Die Ergebnisse werden einfach besser, je sauberer die Daten sind.

Datenschutz: Was Sie beachten müssen

In der Schweiz gilt das revidierte Datenschutzgesetz (revDSG). Für KI-Projekte sind drei Punkte besonders relevant: Personenbezogene Daten dürfen nur mit einem berechtigten Interesse oder mit Einwilligung verarbeitet werden. Daten müssen in der Schweiz oder in einem Land mit angemessenem Datenschutzniveau verarbeitet werden. Betroffene Personen haben das Recht auf Auskunft und Löschung.

Für die meisten KMU-KI-Projekte lassen sich diese Anforderungen mit einfachen Massnahmen erfüllen: Verarbeitung auf Schweizer Servern, Anonymisierung wo möglich, und transparente Information der Kunden.

Fazit: Daten sind kein Hindernis

Die Datenbereitschaft ist selten ein K.O.-Kriterium für KI im KMU. In unserer Erfahrung haben 90% der KMU genug Daten für ein erstes KI-Projekt. Sie wissen es nur nicht. Die grösste Hürde ist nicht der Mangel an Daten, sondern die Unsicherheit darüber, ob die vorhandenen Daten "gut genug" sind. Unser Rat: Lassen Sie Ihre Daten von einem KI-Spezialisten bewerten, bevor Sie Annahmen treffen.