Garbage In, Garbage Out: Warum saubere Daten die Voraussetzung für jede Digitalisierung sind

"Wenn die Datenbasis nicht stimmt, liefert auch das beste System falsche Ergebnisse. Schnell, überzeugend und deshalb gefährlich. Denn darauf trifft jemand eine Entscheidung."

Es gibt einen Satz, den IT-Leiter und IT-Projektleiter kennen und der in Projekten trotzdem zu selten laut ausgesprochen wird: „Garbage In, Garbage Out."

Was immer man an Analyse, Automatisierung oder Künstlicher Intelligenz obenauf baut: Wenn die Datenbasis nicht stimmt, liefert das beste System die falschen Ergebnisse. Präziser, schneller und teurer falsch - aber eben falsch.

Dieser Beitrag beschäftigt sich nicht mit den Symptomen. Er beschäftigt sich mit der Ursache.

Warum Excel-Silos entstehen und warum sie bleiben

Excel ist nicht das Problem. Excel ist die Lösung, die jemand vor Jahren für ein konkretes, begrenztes Problem gefunden hat. Eine Tabelle für die Stammdaten. Eine Tabelle für die Projektinformationen. Eine Tabelle für die Projektverfolgung. Jede für sich sinnvoll, jede gepflegt, jede „irgendwie" aktuell.

Das Problem entsteht nicht beim ersten Anlegen dieser Dateien. Es entsteht, wenn das Unternehmen wächst, wenn Systeme hinzukommen, wenn Teams größer werden und die Frage auftaucht: Welche Version ist die richtige?

In der Praxis beobachten wir bei IT-Leitern in nahezu jeder Branche dasselbe Muster:

• Mehrere Abteilungen führen parallele Datenbestände mit unterschiedlichen Ständen.
• Datenübertragungen zwischen Systemen passieren manuell. Wöchentlich, manchmal täglich.
• Der Aufwand dafür wird als normal akzeptiert, weil er schon immer so war.
• Entscheidungen werden getroffen, obwohl allen Beteiligten klar ist, dass die Datenbasis nicht vollständig verlässlich ist.

Das ist kein Versagen einzelner Menschen. Es ist das strukturelle Ergebnis gewachsener Systemlandschaften ohne zentrales Datengerüst.

Wichtig zu verstehen: Excel ist dabei nicht der Feind. In den Branchen, in denen wir intensiv arbeiten, ist Excel der wesentliche Baustein für Stammdaten, Projektinformationen und die operative Projektverfolgung - und wird es auf absehbare Zeit bleiben. Die Frage ist nicht, ob Excel genutzt wird, sondern wie die Daten aus Excel verlässlich in eine zentrale, konsistente Datenbasis überführt werden.

Das Muster in zwei Branchen - und was dahintersteckt

In der Telekommunikations- und Glasfaserbranche ist es vor allem die Systemvielfalt, die das Problem erzeugt. Typische Quellsysteme in einem Telko-Unternehmen:

• CRM für Kundendaten und Vertriebsprozesse
• OSS (Operations Support Systems) für den Netzbetrieb
• BSS (Business Support Systems) für Auftragsmanagement und Abrechnung
• Billing-Plattformen mit eigenen Datenformaten
• Externe Partner-APIs mit unterschiedlichen Schnittstellen

Diese Systeme sprechen unterschiedliche Sprachen, liefern unterschiedliche Datenformate und werden von unterschiedlichen Teams gepflegt. Das Ergebnis: Berichte, die je nach Quelle zu unterschiedlichen Ergebnissen kommen. Entscheidungen, die auf Basis des letzten manuell zusammengeführten Exports getroffen werden. Und ein wachsender Aufwand für die Datenaufbereitung, der eigentlich im Business gebraucht würde.

Während in der Telekommunikation vor allem die Systemvielfalt das Problem ist, kommt in der Erneuerbaren-Energien-Branche noch eine ganz andere, analoge Hürde hinzu. Eine, die in dieser Form kaum eine andere Branche kennt.

Windparks werden in ihrer Gesamtheit ge- und verkauft. Was bei einer solchen Transaktion passiert, ist für jeden, der es zum ersten Mal erlebt, eine Überraschung. Der Käufer erhält die gesamte Datenhistorie des Windparks, aber nicht als strukturierter Datensatz. Sondern als:

• PDF-Dokumente mit hundert oder mehr Seiten
• handschriftliche Notizen und eingescannte Sterbeurkunden von Grundstückseigentümern
• jahrzehntealte Pachtvertragsklauseln in unterschiedlichen Formaten
• Abrechnungsinformationen aus unterschiedlichen Epochen der Betriebsführung
• oder schlicht: ordnerweise Papierdokumente

All diese Informationen müssen nun in das Zielsystem des Käufers übernommen werden. Stammdaten, Vertragsdaten, Grundstücksinformationen, Fristen, Zahlungskonditionen. Bisher war das ausschließlich manuell möglich: Seite für Seite lesen, relevante Informationen extrahieren, in das Zielsystem einpflegen. Bei komplexen Beständen ein Aufwand von Wochen.

Wir haben dafür eine KI-basierte Komponente entwickelt, die diesen Prozess teilautomatisiert. Auf Basis der Microsoft Power Platform werden eingehende Dokumente automatisch analysiert, relevante Vertragsinformationen extrahiert, strukturiert aufbereitet und direkt in das Zielsystem überführt. Die Lösung ersetzt nicht die menschliche Überprüfung, aber sie reduziert den manuellen Erfassungsaufwand erheblich und senkt gleichzeitig die Fehlerquote. Den vollständigen technischen Deep Dive dazu finden Sie hier: KI-Vertragsanalyse: PDFs mit Power Platform automatisieren.

Was beide Branchen verbindet, gilt für jeden Digitalisierungsprozess: Wer Daten automatisiert verarbeiten, analysieren oder mit KI anreichern will, braucht zuerst eine verlässliche, einheitliche Datenbasis. Ohne dieses Fundament bleibt jede weitere Investition in Technologie ein Experiment mit unsicherem Ausgang.

„Single Source of Truth ist kein Marketingbegriff. Es ist ein Architekturprinzip."

Der Begriff, den IT-Leiter kennen sollten: Single Source of Truth

Es gibt genau eine autoritative Quelle für jeden Datensatz im Unternehmen. Nicht eine beste Quelle unter mehreren. Eine einzige. In der Praxis bedeutet das: Wenn ein Datensatz - etwa ein Vertragswert, ein Anlagenparameter oder ein Kundenstatus - an zwei Stellen unterschiedlich hinterlegt ist, dann ist keine der beiden Stellen die SSOT. Dann hat das Unternehmen ein Datenproblem, das es vielleicht noch nicht als solches benennt.