Unstrukturierten Daten sind das Problem
Kaum ein Unternehmen beschäftigt sich derzeit nicht mit generativer KI. Die Diskussion dreht sich dabei meist um leistungsfähigere Sprachmodelle, neue Agentensysteme oder den Return on Investment. Weit weniger Aufmerksamkeit erhält dagegen die eigentliche Grundlage jeder KI-Anwendung: die Daten, und zwar die unstrukturierten. Aparavi, Anbieter einer Plattform für die Vorbereitung unstrukturierter Daten auf den KI-Einsatz, erklärt, worauf es ankommt.
Die Suche nach den Ursachen gescheiterter KI-Projekte verläuft meist nach demselben Muster: Das Sprachmodell sei nicht leistungsfähig genug, die Prompts seien zu unpräzise formuliert oder die Agenten hätten nicht zuverlässig gearbeitet. Tatsächlich liegt das eigentliche Problem jedoch deutlich tiefer.
Die meisten Unternehmen konzentrieren sich nur auf einen kleinen Teil ihrer Daten, nämlich die bereits strukturierten. Der weitaus größere Wissensschatz aus E-Mails, Dokumenten, Besprechungsprotokollen, Videos oder Dateien auf File-Servern bleibt dagegen weitgehend unberücksichtigt.
Genau dort entscheidet sich jedoch, ob eine KI belastbare Antworten liefert oder lediglich plausibel klingende Vermutungen. Aparavi nennt sechs Gründe, warum Unternehmen in der Regel nicht an ihrer KI scheitern, sondern an der fehlenden Transparenz in Bezug auf ihre eigenen Daten.
1. Die KI kennt nur einen Bruchteil des Unternehmenswissens
Viele Unternehmen investieren seit Jahren in Data Warehouses, Business Intelligence oder analytische Plattformen. Diese Systeme enthalten jedoch überwiegend strukturierte Daten, also Zahlen, Tabellen und Transaktionen. Der weitaus größere Teil des Wissens befindet sich dagegen in unstrukturierten Informationssilos: in Projektunterlagen, E-Mails, Besprechungsnotizen, technischen Dokumentationen, Präsentationen oder Collaboration-Plattformen.
Genau dort steckt häufig das Wissen, das für fundierte Entscheidungen unabdingbar ist. Greift eine KI lediglich auf den strukturierten Teil zu, beantwortet sie Fragen zwar überzeugend, aber auf Basis eines unvollständigen Bildes. Das heißt: Bevor die KI produktiv arbeiten kann, muss relevantes Wissen aus strukturierten und unstrukturierten Quellen erschlossen, verknüpft und kontrolliert zugänglich gemacht werden.
2. Falsch formatierte Informationen bleiben unentdeckt
Nicht jede Information liegt in einem Format vor, das sich unmittelbar durchsuchen oder auswerten lässt. Gescannte PDF-Dokumente ohne Texterkennung, Bilddateien mit Tabellen, Audio- und Videoaufzeichnungen aus Schulungen oder Meeting-Mitschnitte enthalten oft wertvolles Wissen, bleiben für KI-Systeme jedoch unsichtbar.
Technisch lassen sich solche Inhalte heute längst erschließen: Texterkennung macht Scans und Bilder lesbar, Transkription wiederum Audio- und Videoinhalte zugänglich. Entscheidend ist deshalb, sämtliche Datenquellen einzubeziehen und die Informationen automatisiert aufzubereiten. Erst wenn auch bislang ungenutzte Inhalte systematisch integriert werden, entsteht eine Wissensbasis, die den tatsächlichen Informationsbestand eines Unternehmens widerspiegelt.
3. Mehr Daten machen eine KI nicht automatisch intelligenter
Die Versuchung ist groß, möglichst alle verfügbaren Daten in eine Vektordatenbank oder ein anderes Zielsystem zu übernehmen. Tatsächlich verschlechtert eine ungefilterte Datenflut häufig die Qualität der Ergebnisse. Veraltete Dokumente, Dubletten oder irrelevante Informationen erschweren es der KI, belastbare Antworten zu liefern.
Hinzu kommt ein wirtschaftlicher Aspekt: Jede unnötig verarbeitete Information verursacht zusätzliche Speicher-, Rechen- und Token-Kosten. Erfolgreiche KI-Projekte beginnen deshalb mit einer einfachen Frage: Welche Informationen sind für den jeweiligen Anwendungsfall tatsächlich relevant?
Eine regelbasierte Bewertung nach Kriterien wie Aktualität, Redundanz, Format und Sensitivität schafft die Grundlage für belastbare Ergebnisse. Sie reduziert zugleich den Bestand, der überhaupt inhaltlich analysiert werden muss, je nach Projekt deutlich. Erfassen, bewerten und reduzieren lassen sich unstrukturierte Datenbestände mit deterministischen und nachvollziehbaren Verfahren, ohne dass zuvor jedes Dokument durch ein KI-Modell laufen muss.
4. Berechtigungsrisiken werden durch KI plötzlich sichtbar
Viele Unternehmen führen KI-Assistenten ein, ohne zuvor ihre bestehenden Berechtigungsstrukturen zu überprüfen. Was im Tagesgeschäft kaum auffällt, kann dadurch schnell zum Sicherheitsproblem werden.
Freigaben, die ursprünglich für kleine Arbeitsgruppen gedacht waren, ermöglichen plötzlich einem deutlich größeren Nutzerkreis den Zugriff auf sensible Informationen. Besonders kritisch sind versehentlich freigegebene Links oder historisch gewachsene Berechtigungen in Collaboration-Plattformen. Die KI erzeugt diese Sicherheitslücken nicht, sie macht lediglich sichtbar, was bereits seit Jahren vorhanden ist.
Eine Bestandsaufnahme kann Eigentümerschaft und Zugriffsrechte erfassen, soweit die angebundene Quelle diese Angaben bereitstellt, und auffällige Bereiche überprüfen. Die Bewertung und die Korrektur der Rechte bleiben Aufgabe des Unternehmens. Die sollte abgeschlossen sein, bevor KI-Systeme produktiv auf die unterschiedlichen Ablagen zugreifen.
5. Sensible Daten gehören nur bedingt in die KI
Der Aufbau einer KI-Wissensbasis ist keine rein technische Aufgabe. Unternehmen müssen gleichzeitig regulatorische und organisatorische Anforderungen berücksichtigen. Personenbezogene Daten, vertrauliche Entwicklungsunterlagen oder Finanzinformationen dürfen nicht automatisch Bestandteil jeder KI-Anwendung sein. Ebenso benötigen verschiedene Fachbereiche unterschiedliche Wissensgrundlagen.
Deshalb geht es heute weniger darum, möglichst viele Datenquellen anzubinden, als darum, klare Regeln dafür zu definieren, welche Informationen verwendet, bereinigt oder ausgeschlossen werden. Sensible Inhalte lassen sich regelbasiert kennzeichnen und vor einer Übergabe an externe Systeme bereinigen, anonymisieren oder pseudonymisieren. Entscheidend ist, dass diese Regeln zu Beginn eines KI-Projekts feststehen und nicht erst nachträglich formuliert werden.
6. Datensouveränität endet nicht an der Firewall
Ob Daten in der Cloud, im eigenen Rechenzentrum oder in hybriden Infrastrukturen verarbeitet und gespeichert werden, ist eine Infrastrukturentscheidung. Sie allein schafft keine Souveränität. Entscheidend ist, dass ein Unternehmen jederzeit weiß, welche Daten es besitzt, wem sie gehören und wo sie liegen. Fehlt diese Transparenz, wird jeder Speicherort zum Risiko und es entstehen Probleme weit über KI-Projekte hinaus.
Nach einem Sicherheitsvorfall oder einer Datenschutzanfrage lässt sich oft nur mit erheblichem Aufwand rekonstruieren, welche Daten betroffen sind und ob sie überhaupt hätten verarbeitet werden dürfen.
Wer seine Datenbestände dagegen kennt und sie durch automatische, zeitgesteuerte Rescans aktuell hält, hat die Kontrolle, unabhängig vom Speicherort. Dazu gehört auch die Frage, wo die Bestandsaufnahme stattfindet. Läuft die Software im eigenen Rechenzentrum und bleibt der Index dort, dann bleiben auch die Quelldaten für die Analyse in der eigenen Umgebung.
Links:
Verwandte Artikel
Anzeige
