Agent AI schraubt die Anforderungen an die Datenqualität deutlich nach oben. Jetzt geht es nicht mehr um Datenformate, sondern um die richtigen Inhalte.
Der erfolgreiche Einsatz von KI hängt im hohen Maße von der schnellen und einfachen Verfügbarkeit relevanter Daten ab. „Das KI-Datenmanagement ist ein besonders kritischer Bereich, doch nur 33 Prozent der Befragten halten sich hierzulande auf diesem Gebiet für sehr gut vorbereitet“, lautet das Ergebnis einer Umfrage von Deloitte. Damit liegt Deutschland deutlich unter dem globalen Durchschnitt von 41 Prozent.
Das Kernproblem der neuen KI-bezogenen Datennutzung ist, dass Daten bislang nur unter technischen Aspekten betrachtet wurden. Doch mit KI geht es nicht mehr nur um die Daten an sich, sondern um die Bedeutung der Daten, also den darin enthaltenen Informationen. Fehlerhafte oder unzureichende Informationen führen zwangsläufig zu falschen KI-Ergebnissen. Und das hat gravierende Auswirkungen. Gartner schätzt, dass 2026 rund 60 Prozent aller KI-Projekte wegen nicht KI-fähiger Daten scheitern werden. Entsprechend schwach ist das Vertrauen der KI-User in die Daten. Laut einer Salesforce-Umfrage haben nur 42 Prozent der Service-Mitarbeiter volles Vertrauen in die Genauigkeit der bereitgestellten Daten.
CIOs erkennen das Problem
Das KI-Datenproblem ist inzwischen bei den CIOs angekommen. „Wenn wir mit CIOS sprechen, sind natürlich die KI-Fähigkeiten das Thema Nummer eins, aber Nummer zwei sind immer die Daten, sie dominieren vielfach die weitere Diskussion“, sagt Ed Thompson, SVP, Global Influencer Strategy bei Salesforce. Dass darüber so viel diskutiert wird, liegt vor allem daran, dass es keine schnelle und einfache Lösung gibt. Erforderlich ist ein ganzes Bündel an Maßnahmen, um die Datenqualität KI-Ready zu machen.
Metadaten im Mittelpunkt
Eine zentrale Bedeutung nehmen dabei Metadaten ein, denn sie prägen die Art und Weise, wie die neuen KI-Systeme interagieren. Ein gut strukturiertes Metadaten-Framework verbessert die Automatisierung, Personalisierung und Entscheidungsfindung, indem es sicherstellt, dass KI die Beziehungen innerhalb der Daten verstehen kann. „Metadaten sind die Grundlage, auf der die Zukunft der KI-Innovation und -Skalierbarkeit aufgebaut wird“, sagt Srinivas Tallapragada, President and Chief Engineering & Customer Officer bei Salesforce. „Sie sind der Dreh- und Angelpunkt eines jeden erfolgreichen KI-Ökosystems“, führt er weiter aus. Dabei verweist er auf die Objektmetadaten bei Salesforce. Sie erlauben Datenmodelle mit strukturierten Metadaten, die eine benutzerfreundliche lokalisierbare Bezeichnung, einen entwicklerkonsistenten API-Namen und klar definierte Datentypen definieren. Diese werden von den KI-Agenten richtig „verstanden“, also im richtigen Kontext verarbeitet, sodass alle diesbezüglichen KI-Anforderungen erfüllt werden können.
Daten für alle User und Apps aktivieren
Eine weitere wichtige Maßnahme ist die Datenaktivierung. Das bedeutet, dass alle Daten eines Anwendungsbereiches für jede zugehörige App und für jeden User ausnahmslos zur Verfügung stehen. Beispielsweise müssen bei CRM alle Kundendaten im Zugriff sein. Das heißt, alle historische Verkaufsdaten (auch wenn sie über mehrere Anwendungen und Systeme verteilt sind), alle Daten von Drittanbietern (zum Beispiel demographische Daten), Finanz- und Abonnementdaten (meist im ERP oder in ähnlichen Verwaltungssystemen) sowie die Servicedaten (Probleme und Beschwerden).
Das hört sich zunächst einfach an, doch dazu gehören eine Reihe an Maßnahmen, die nicht ohne Weiteres umgesetzt werden können. Beispielsweise müssen dafür alle Datensilos aufgebrochen werden und die Produktdaten aus ERP und den Produktionssystemen müssen ebenfalls verfügbar sein. Und das alles muss dergestalt aufbereitet werden, dass sowohl strukturierte und unstrukturierte Daten als auch alle Transaktionsverläufe schnell und zuverlässig analysiert werden können.
Die Data Cloud: Eine Plattform für alle und alles
Um das zu erreichen, ist eine einheitliche Datenplattform unumgänglich. Salesforce bietet beispielsweise mit seiner Data Cloud eine solche Plattform an. Sie erlaubt eine 360-Grad-Sicht auf alle Datenbestände – egal wo sie abgelegt sind und ohne dass die Daten kopiert werden müssen. Hierzu gehört eine Connector-Bibliothek zum Anbinden von Daten-Repositories wie Snowflake, Redshift, BigQuery und Databricks, AWS S3 und Google Cloud Storage.
Alle strukturierten und unstrukturierten Daten, wie PDFs, E-Mails oder Texttranskripte lassen sich über die Konnektoren nahtlos in Salesforce integrieren. Die Data Cloud baut auf die grundlegende Metadaten-Ebene auf. Diese Ebene vereint dank einer gemeinsamen Sprache alle Salesforce-Anwendungen und Low-Code-Plattformservices, darunter Einstein KI, Flow zur Automatisierung, Lightning für die Benutzeroberfläche und Apex für die tiefgreifende Pro-Code-Anpassung. Gartner stuft nicht zuletzt deswegen Salesforce als Leader bei Customer Data Platforms ein.
Fazit
KI-fähige Daten sind ein absolutes Muss, um das Potenzial einer KI-Lösung vollends auszuschöpfen. Das bedeutet ein Umdenken beim Datenmanagement, denn bei KI-fähigen Daten geht es nicht um den technischen Wert, sondern um den Inhalt, den Informationsgehalt. Das heißt, um agentenbasierte KI zu erstellen und zu betreiben, braucht es eine Plattform, die die Agenten, Daten und Workflows im Rahmen eines einzigen Datenmodell vereinen kann – so wie es mit der Data Cloud von Salesforce möglich ist.