Ist Ihre Datenlage bereit für die Arbeit, die KI übernehmen soll

Die Frage, die dieses Tor stellt

Nicht: haben wir viele Daten. Nicht: haben wir eine Datenstrategie auf Papier. Die Frage, die zählt, ist enger und unbequemer: sind die Daten, die zu einer bestimmten Aufgabe gehören, vollständig, aktuell und zugänglich genug, um diese Aufgabe an KI zu übertragen, ganz oder mit Aufsicht.

Das ist pro Aufgabe eine andere Frage. Eine Aufgabe, bei der KI Text aus einer gut strukturierten Datenbank zusammenfasst, verlangt etwas anderes als eine Aufgabe, bei der KI eine Entscheidung vorbereitet auf Basis von Daten, die in drei Systemen unterschiedlich erfasst sind. Die Ambition nennt oft nur den ersten Fall laut und setzt den zweiten stillschweigend voraus.

Warum sich das jetzt ändert

KI übernimmt Arbeiten. Bei einem Teil der Aufgaben kann das vollständig geschehen, bei einem Teil nur mit menschlichem Toezicht, der mit Begründung genehmigt oder ablehnt, und bei einem Teil bleibt es Menschenarbeit. Diese Aufteilung verläuft quer durch jede Abteilung und ändert sich nicht, weil das Jahr wechselt, sondern weil die zugrundeliegenden Daten sich ändern.

Der Unterschied zwischen Unternehmen, die das bereits gut prüfen, und Unternehmen, die das noch nicht tun, liegt selten in der Datenmenge. Er liegt in der Frage, ob jemand aufzeigen kann, welche Daten zu welcher Aufgabe gehören, wer dafür Eigentümer ist, und woran man merken würde, dass diese Daten nicht stimmen. Unternehmen, bei denen diese Frage Gewohnheit ist, sehen pro Aufgabe recht schnell, ob eine KI-Übernahme ein reelles Gespräch ist. Unternehmen, bei denen diese Frage neu ist, entdecken die Datenlücken erst in dem Moment, in dem KI bereits etwas Falsches geliefert hat.

Welcher Nachweis genügt

Der Test verlangt kein Datenklassifizierungsdokument. Er verlangt drei Dinge, die Sie aufzeigen können, nicht beschreiben:

Herkunft. Von jeder Datenquelle, die die Aufgabe benötigt, wissen Sie, woher sie kommt und wer sie pflegt. Wenn die Antwort „irgendwoher aus einem Export von letztem Jahr“ lautet, ist das die Antwort.
Aktualität. Sie wissen, wie oft sich die Daten ändern und ob die Aktualisierungsfrequenz zur Geschwindigkeit passt, mit der die Aufgabe ausgeführt wird. Daten, die einmal pro Quartal aktualisiert werden, eignen sich nicht für eine Aufgabe, die täglich eine Entscheidung speist.
Zugänglichkeit für das System. Die Daten liegen in einer Form vor, die ein KI-System lesen kann, ohne dass jemand von Hand abtippt, zusammenführt oder interpretiert. Ist dieser Eingriff nötig, ist das selbst bereits eine Form von menschlichem Toezicht, die Sie mitzählen müssen, nicht wegdenken dürfen.

Nachweis, der zählt: eine Stichprobe, bei der drei Personen unabhängig voneinander dieselbe Datenquelle abfragen und zum selben Ergebnis kommen. Nachweis, der nicht zählt: ein Zufriedenheitswert über „unsere Dateninfrastruktur“ bei einem Direktions-Offsite.

Was ein enttäuschendes Ergebnis bedeutet

Eine Aufgabe, die auf der Datendimension niedrig abschneidet, ist nicht per Definition eine Aufgabe, die keine Kapazität freisetzt. Es bedeutet, dass sich die Reihenfolge ändert: erst die Daten in Ordnung bringen, dann die Übertragung. Das ist ein Zeitplan, kein Njet.

Es bedeutet auch nicht, dass etwas mit den Personen nicht stimmt, die die Daten derzeit verwalten. Der Test misst die Bereitschaft der Arbeit, nicht die Qualität der Mitarbeiter, und sagt nichts über Funktionen oder Anzahlen aus. Berührt ein Ergebnis Personalentscheidungen, gelten dafür eigene gesetzliche Anforderungen; die beurteilen Sie separat, nicht auf Basis eines Bereitschaftstests.

Was nutzbar ist: das Ergebnis zeigt, ob das Problem bei den Daten selbst liegt, bei den Menschen, die damit arbeiten, oder bei den Lieferanten, die die Systeme liefern. Diese Unterscheidung bestimmt den nächsten Schritt. Liegt es daran, wie Mitarbeiter mit Daten umgehen, betrifft das wie Sie prüfen, ob Ihre Mitarbeiter es schaffen. Liegt es an Systemen Dritter, die die Daten liefern oder erschließen, spielt wie Sie prüfen, ob Ihre Lieferanten mithalten können eine Rolle. Und wenn die Ambition selbst den Datenbedarf nicht benannt hatte, liegt die Ursache oft eher in der Formulierung als in den Daten: dann hilft wie Sie eine vage Vision konkret machen.

Die Frage hinter der Frage

Hinter „sind unsere Daten gut genug“ steckt eine größere Frage: welche Arbeit in diesem Unternehmen ist, angesichts der jetzt vorhandenen Daten, wirklich von KI zu übernehmen, und welche nicht. Diese Frage wird pro Aufgabe mit dem Werkscan von FTE TO AI beantwortet, nicht mit einem Urteil über die Organisation als Ganzes.

Was Sie jetzt tun können

Sie können die Datendimension isoliert prüfen, aber sie steht nicht allein. Bereitschaft für KI-Übernahme besteht aus acht Dimensionen, und Daten sind eine davon, neben zum Beispiel Menschen, Lieferanten und der Schärfe der Ambition selbst. Ein Ergebnis zu einer Dimension sagt wenig ohne die anderen sieben.

Der kostenlose Bereitschaftscheck gibt diesen Überblick in acht kurzen Fragen, eine pro Dimension, mit einem Bild davon, wo Sie am weitesten und am wenigsten weit sind. Kein Bericht, keine Verpflichtung, aber ein ehrlicher Startpunkt. Der vollständige Ambitionstest, mit den vier Schichten von Vision bis Target State und der Übersetzung in Rollen und Entscheidungsrechte, befindet sich im Aufbau.