Datenaufbereitung & KI-Readiness
Rohdaten bereinigen, strukturieren und anreichern als Grundlage für RAG, Fine-Tuning und Analysen – inklusive Deduplizierung und Anonymisierung.
Kurz erklärt
KI-Readiness beschreibt, ob eure Daten überhaupt geeignet sind, um mit KI sinnvoll genutzt zu werden. Datenaufbereitung ist die Arbeit, die dafür nötig ist.
Typische Hindernisse kennt jeder Betrieb: Dasselbe Dokument liegt in vier Fassungen vor, und niemand weiß, welche gilt. Gescannte Unterlagen sind für den Computer nur Bilder ohne lesbaren Text. Tabellen stecken in PDFs. Kundennamen sind unterschiedlich geschrieben.
Ein eigener, besonders häufiger Fall: derselbe Kunde ist durch Umzüge, Tippfehler oder mehrfache Anlage zwei- oder dreimal im System vorhanden, und zwei Abteilungen führen parallele Listen, die sich in denselben Punkten widersprechen. Für KI-Systeme wie für Menschen ist das gleichermaßen ein Problem, denn beide können nicht wissen, welche Version stimmt.
Zur Aufbereitung gehören deshalb: Aufräumen und Zusammenführen doppelt angelegter Datensätze, Abgleich widersprüchlicher Datenquellen, Erkennen von Text in Scans (OCR), Ergänzen von Zusatzinformationen wie Gültigkeit und Zuständigkeit sowie das Entfernen personenbezogener Daten, wo sie nicht gebraucht werden.
Warum das für euch zählt
Der häufigste Grund für enttäuschende KI-Ergebnisse ist nicht das Modell, sondern die Datengrundlage. Wenn zwei widersprüchliche Fassungen einer Preisliste im Bestand liegen, kann kein System entscheiden, welche stimmt – und liefert überzeugend klingende, falsche Antworten.
Der zweite Grund, warum sich diese Arbeit lohnt: Sie nützt auch ohne KI. Ein bereinigter Dokumentenbestand mit klaren Gültigkeiten spart im Alltag Suchzeit und verhindert, dass mit veralteten Unterlagen gearbeitet wird.
Deshalb empfehlen wir, diesen Schritt nicht zu überspringen, auch wenn er weniger spektakulär wirkt als der Rest.
Unsere Leistungen
Das leisten wir:
- Bestandsaufnahme: Welche Daten habt ihr, in welcher Qualität, an welchen Orten?
- Bereinigung und Deduplizierung: veraltete Stände aussortieren, Dubletten zusammenführen
- Strukturierung: aus unstrukturierten Dokumenten nutzbare, gegliederte Inhalte machen
- Anreicherung mit Metadaten wie Gültigkeit, Zuständigkeit, Vertraulichkeit und Version
- Anonymisierung und Pseudonymisierung personenbezogener Daten, wo sie nicht gebraucht werden
- Formatkonvertierung, inklusive Texterkennung bei gescannten Dokumenten
Das Ergebnis ist ein Datenbestand, der als Grundlage für RAG, Fine-Tuning oder Analysen taugt – und der auch für klassische Auswertungen wertvoller ist als vorher.
Abrechnung nach Aufwand (Stunden- oder Tagessatz).
Beispiele
- 1Aus rund 4.000 abgelegten PDF-Dateien werden veraltete Fassungen und Dubletten entfernt – übrig bleibt ein eindeutiger, aktueller Stand.
- 2Gescannte Lieferscheine werden maschinell lesbar gemacht und mit Angaben zu Lieferant, Datum und Auftrag versehen.
- 3Ein Kundenbestand wird für Auswertungszwecke anonymisiert, sodass Analysen möglich sind, ohne Personenbezug offenzulegen.
- 4Ein Handelsunternehmen stellt fest, dass derselbe Kunde durch Umzüge und Tippfehler mehrfach im System angelegt war – die Bereinigung führt die Historie erstmals zusammen.
- 5Ein Unternehmen mit zwei parallel gepflegten Preislisten in Excel und ERP lässt beide Quellen abgleichen, bevor eine KI-Anwendung darauf zugreift.
Häufige Fragen
Wie wähle ich den richtigen Anbieter für Datenaufbereitung?
Achtet darauf, dass mit einer Bestandsaufnahme eurer tatsächlichen Datenlage begonnen wird statt mit einem Pauschalangebot, und dass in einer aufbereiteten Kopie gearbeitet wird, damit eure gewohnte Ablage bestehen bleibt.
Woran erkennen wir, dass unsere Daten nicht KI-tauglich sind?
Typische Anzeichen: widersprüchliche Antworten aus verschiedenen Quellen, Dokumente ohne erkennbaren Gültigkeitsstand, gescannte Dateien ohne lesbaren Text und Wissen, das nur einzelne Personen im Kopf haben.
Was ist OCR?
Texterkennung. Ein Scan ist für den Computer zunächst nur ein Bild. OCR macht daraus durchsuchbaren Text – die Grundlage dafür, dass Software mit alten Unterlagen überhaupt arbeiten kann.
Müssen wir unsere Ordnerstruktur umbauen?
Meist nicht. Wir arbeiten in der Regel mit einer aufbereiteten Kopie, sodass eure gewohnte Ablage bestehen bleibt. Wenn sich strukturelle Probleme zeigen, sprechen wir Empfehlungen aus.
Wie lange dauert die Aufbereitung?
Das hängt von Menge und Zustand ab. Ein abgegrenzter Bereich ist oft in wenigen Wochen nutzbar. Wir empfehlen, mit einem Bereich zu starten statt mit allem gleichzeitig.
Lohnt sich das auch ohne KI-Projekt?
Ja. Ein bereinigter Bestand mit klaren Gültigkeiten spart täglich Suchzeit und verhindert Arbeit mit veralteten Unterlagen. Der Nutzen entsteht unabhängig davon, ob später KI dazukommt.
Was passiert mit personenbezogenen Daten?
Wo sie für den Zweck nicht gebraucht werden, entfernen oder verfremden wir sie. Das reduziert den Aufwand beim Datenschutz erheblich und ist meist ohne Nachteil für die Auswertung möglich.