Die beste AI Automation Strategie scheitert an schlechten Daten. Diese Aussage klingt offensichtlich, wird aber in der Praxis regelmässig ignoriert. Unternehmen investieren CHF 50'000 in eine Automation-Lösung, haben aber Kundendaten, in denen ein erheblicher Teil der E-Mail-Adressen veraltet ist, Adressen in drei verschiedenen Formaten existieren und Dubletten sich durch den ganzen Bestand ziehen.
Das Ergebnis: Die Automation funktioniert technisch, aber die Ergebnisse sind unbrauchbar. Rechnungen gehen an falsche Adressen, AI Agents generieren Halluzinationen basierend auf widersprüchlichen Daten, und das Vertrauen ins Projekt erodiert.
Was das praktisch bedeutet:
- Der grössere Teil des Projektaufwands entfällt auf die Datenaufbereitung, nicht auf die Automation. Das ist unsere Einschätzung, keine erhobene Marktzahl — die kursierenden Faustzahlen zum Zeitanteil liessen sich in keiner nachprüfbaren Erhebung bestätigen
- Wie viele Schweizer KMU eine dokumentierte Datenqualitätsstrategie führen, ist uns nicht belegt bekannt. Wir gehen davon aus, dass sie die Ausnahme bleibt
- Was schlechte Datenqualität ein Unternehmen im Jahr kostet, beziffern wir nicht. Die im Netz kursierende Durchschnittszahl geht auf eine Gartner-Publikation zurück, die nicht frei zugänglich ist (Abruf am 24. August 2026: HTTP 403); ohne eingesehene Fundstelle nennen wir den Betrag nicht. Rechnen Sie stattdessen die eigenen Nacharbeitsstunden hoch — Zeit für Korrekturen, Rückfragen und Doppelerfassung mal Stundensatz
Die 6 Dimensionen der Datenqualität
Datenqualität ist kein binärer Zustand (gut oder schlecht), sondern ein multidimensionales Konzept. Sechs Dimensionen bestimmen, ob Ihre Daten für AI Automation geeignet sind:
1. Vollständigkeit
Sind alle notwendigen Felder befüllt? Fehlen kritische Datenpunkte?
Rechenbeispiel: Eine Kundendatenbank mit 10'000 Einträgen, aber nur 4'200 mit vollständiger Adresse. Ein Automation-Workflow, der Rechnungen per Post verschickt, erreicht die übrigen 5'800 Einträge nicht — 58 Prozent des Bestands. Die Zahlen sind gesetzt, um den Effekt zu zeigen; entscheidend ist Ihre eigene Vollständigkeitsrate.
Massnahmen:
- Pflichtfelder in Eingabeformularen definieren
- Automatisierte Vollständigkeitsprüfung bei Datenimport
- Nachfass-Workflows für fehlende Daten (z.B. automatische E-Mail-Anfrage)
2. Genauigkeit
Stimmen die Daten mit der Realität überein?
Beispiel: Kundendaten aus 2019 mit Firmenname «ABC GmbH» — das Unternehmen heisst seit 2021 «ABC AG». Der AI Agent generiert Dokumente mit falschem Firmennamen.
Massnahmen:
- Regelmässige Abgleiche mit externen Datenquellen (z.B. Handelsregister)
- Validierungsregeln (PLZ-Prüfung, E-Mail-Syntax, IBAN-Format)
- Feedback-Loops aus der Automation zurück in die Datenqualität
3. Konsistenz
Werden gleiche Sachverhalte gleich dargestellt?
Beispiel: «Zürich», «Zurich», «ZH», «8000 Zürich», «CH-Zürich» — fünf verschiedene Schreibweisen für denselben Ort in einer Datenbank. Ein Automation-Workflow, der nach Stadt gruppiert, erzeugt fünf separate Gruppen statt einer.
Massnahmen:
- Normalisierung: Einheitliche Formate für Adressen, Telefonnummern, Firmennamen
- Controlled Vocabularies für Kategorien und Statusfelder
- Automatisierte Formatkonvertierung bei Datenimport
4. Aktualität
Wie aktuell sind die Daten? Wann wurden sie zuletzt geprüft?
Beispiel: Ein AI Agent für Kundenservice Automation greift auf Produktpreise zu, die vor 6 Monaten aktualisiert wurden. Kunden erhalten falsche Preisangaben.
Massnahmen:
- TTL (Time-to-Live) für Datensätze definieren
- Automatisierte Aktualisierungsworkflows (z.B. stündlicher Sync mit ERP)
- Timestamps bei jeder Datenänderung
5. Verfügbarkeit
Können die Daten zum richtigen Zeitpunkt abgerufen werden?
Beispiel: Produktdaten liegen in einer Excel-Datei auf dem Desktop des Produktmanagers. Der AI Agent hat keinen Zugriff, wenn der Mitarbeiter im Urlaub ist.
Massnahmen:
- Daten in API-fähigen Systemen speichern (keine lokalen Dateien)
- Redundanz für geschäftskritische Datenquellen
- Zugriffsberechtigungen dokumentieren und automatisieren
6. Format
Sind die Daten in einem maschinenlesbaren Format strukturiert?
Beispiel: Kundenfeedback liegt als unstrukturierter Text in E-Mails vor. Finanzberichte sind als PDF-Scans ohne OCR archiviert. Ein AI Agent kann diese Daten nicht verarbeiten.
Massnahmen:
- Strukturierte Datenformate verwenden (JSON, CSV, Datenbanken statt PDFs und Word)
- OCR für historische Dokumente
- Einheitliche Encodierung (UTF-8 als Standard)
Garbage In, Garbage Out: Typische Probleme in KMU-Daten
Schweizer KMU kämpfen mit charakteristischen Datenqualitätsproblemen:
Problem 1: Datensilos
Kundendaten im CRM, Finanzdaten in der Buchhaltungssoftware, Projektdaten in Excel, Kommunikation in E-Mail-Postfächern. Jedes System hat eine eigene Version der Wahrheit.
Auswirkung auf Automation: Workflows können nicht auf alle relevanten Daten zugreifen. Ein AI Agent, der eine Kundenanfrage bearbeiten soll, findet die Bestellhistorie im ERP, aber die Reklamationshistorie im E-Mail-System.
Problem 2: Dubletten
Derselbe Kunde existiert dreimal im CRM — einmal als «Müller & Söhne AG», einmal als «Müller + Söhne», einmal als «müller söhne ag».
Auswirkung auf Automation: E-Mail-Automation verschickt drei Nachrichten an denselben Kunden. ROI-Berechnungen sind verfälscht. AI Agents generieren widersprüchliche Antworten.
Problem 3: Legacy-Daten ohne Struktur
Historische Daten aus Altsystemen wurden migriert, aber nicht bereinigt. Freitextfelder enthalten unstrukturierte Informationen, die ursprünglich für menschliche Leser gedacht waren.
Auswirkung auf Automation: AI kann Freitextfelder zwar lesen, interpretiert sie aber möglicherweise falsch. Eine Notiz «Kunde zahlt immer pünktlich — ABER seit letztem Quartal Probleme» wird vom AI-Modell als gemischte Bonität interpretiert.
Problem 4: Fehlende Datengovernance
Niemand ist für die Datenqualität verantwortlich. Jede Abteilung pflegt ihre Daten nach eigenen Standards (oder ohne Standards).
Auswirkung auf Automation: Automation verstärkt bestehende Probleme. Wenn fehlerhafte Daten schneller verarbeitet werden, produziert die Automation mehr Fehler in kürzerer Zeit.
Datenbereinigung: Tools und Prozesse
ETL-Prozesse (Extract, Transform, Load)
ETL ist der systematische Ansatz zur Datenbereinigung:
- Extract: Daten aus allen Quellsystemen extrahieren
- Transform: Bereinigen, normalisieren, deduplizieren, validieren
- Load: Bereinigte Daten in das Zielsystem laden
- n8n: geeignet für ETL-Workflows mit AI-Unterstützung; selbst gehostet bleibt die Bearbeitung auf eigener Infrastruktur. Das entscheidet über den Bearbeitungsort, nicht über die übrigen nDSG-Pflichten wie Informationspflicht, Bearbeitungsverzeichnis und Betroffenenrechte
- Make: visuelles ETL mit über 3'000 Konnektoren (Make Integrations, abgerufen am 24. August 2026: «3,000+ Integration Apps»)
- Fivetran/Airbyte: Spezialisierte ETL-Tools für grössere Datenmengen
- dbt (data build tool): SQL-basierte Transformationen für strukturierte Daten
Data Validation
Automatisierte Prüfregeln, die bei jedem Datenimport und jeder Dateneingabe greifen:
- Formatvalidierung: E-Mail-Syntax, Telefonnummern, PLZ-Format
- Wertebereich: Preise > 0, Prozentsätze 0-100, Datum nicht in der Zukunft
- Referenzielle Integrität: Fremdschlüssel zeigen auf existierende Datensätze
- Business Rules: Branchenspezifische Regeln (z.B. IBAN-Prüfsumme, AHV-Nummernformat)
Deduplication
Dubletten erkennen und zusammenführen:
- Exakte Matches: Identische E-Mail-Adresse oder Telefonnummer
- Fuzzy Matching: Ähnliche Namen (Levenshtein-Distanz < 3)
- AI-basiert: LLM prüft, ob zwei Datensätze denselben Kunden beschreiben
Datenqualitäts-Checkliste für AI-Projekte
Bevor Sie ein AI-Automation-Projekt starten, prüfen Sie diese 10 Punkte:
1. Datenquellen identifiziert
Alle relevanten Systeme und Datenquellen sind dokumentiert. Sie wissen, wo welche Daten liegen.
2. Datenqualität gemessen
Für jede Datenquelle sind Vollständigkeit, Genauigkeit und Konsistenz quantifiziert — formuliert als messbarer Satz, etwa «87 Prozent der CRM-Kontakte haben eine gültige E-Mail-Adresse». Der Wert ist hier nur ein Muster für die Formulierung; gemessen wird er in Ihrem eigenen Bestand.
3. Datenverantwortliche benannt
Für jede Datenquelle ist ein Data Owner definiert, der für Qualität und Aktualität verantwortlich ist.
4. Dubletten bereinigt
Eine Deduplizierung wurde durchgeführt. Regeln für die zukünftige Vermeidung von Dubletten sind etabliert.
5. Formate standardisiert
Adressen, Telefonnummern, Firmennamen, Währungen und Datumsangaben folgen einem einheitlichen Format.
6. API-Zugriff sichergestellt
Alle Datenquellen sind über APIs erreichbar. Keine Abhängigkeit von lokalen Dateien oder manuellen Exporten.
7. Historische Daten bereinigt
Legacy-Daten aus Altsystemen wurden geprüft, bereinigt oder als «nicht für Automation geeignet» markiert.
8. Aktualisierungsprozesse definiert
Für jede Datenquelle ist definiert, wie oft die Daten aktualisiert werden und wer dies verantwortet.
9. Validierungsregeln implementiert
Automatisierte Prüfregeln verhindern, dass neue fehlerhafte Daten in die Systeme gelangen.
10. Monitoring eingerichtet
Ein Dashboard zeigt die aktuelle Datenqualität über alle Quellen. Alerts warnen bei Qualitätsabfall.
RAG-spezifisch: Wie Datenqualität die AI-Agent-Performance beeinflusst
RAG-Systeme (Retrieval Augmented Generation) sind besonders empfindlich gegenüber Datenqualitätsproblemen. Ein RAG-basierter AI Agent sucht in einer Wissensdatenbank nach relevanten Informationen und generiert darauf basierend Antworten.
Wie schlechte Daten RAG-Ergebnisse zerstören
Problem 1: Widersprüchliche Informationen
Wenn die Wissensdatenbank zwei Dokumente enthält, die unterschiedliche Preise für dasselbe Produkt nennen, generiert der Agent entweder eine falsche Antwort oder halluziniert einen Kompromiss.
Problem 2: Veraltete Dokumente
RAG-Systeme gewichten neuere Dokumente nicht automatisch höher. Ein veralteter FAQ-Eintrag von 2023 kann einen aktuellen von 2026 überstimmen, wenn er semantisch besser zur Anfrage passt.
Problem 3: Unstrukturierte Dokumente
PDFs mit komplexen Tabellen, Bilder mit Text, gescannte Dokumente — all diese Formate erschweren die korrekte Indexierung und führen zu schlechteren Suchergebnissen.
Best Practices für RAG-Datenqualität
- Chunking-Strategie: Dokumente in semantisch sinnvolle Abschnitte teilen (nicht willkürlich nach Zeichenzahl)
- Metadaten anreichern: Jedes Dokument mit Datum, Quelle, Gültigkeitsbereich und Kategorie versehen
- Versionierung: Veraltete Dokumente archivieren, nicht löschen — aber als «veraltet» markieren
- Regelmässige Qualitätsprüfung: Testfragen stellen und die Antwortqualität bewerten
- Feedback-Loop: Falsche Antworten tracken und die zugrunde liegenden Datenprobleme beheben
Häufig gestellte Fragen
- Wie lange dauert eine Datenbereinigung typischerweise?
Für ein Schweizer KMU mit 3-5 Kernsystemen (CRM, ERP, E-Mail, Buchhaltung) rechnen Sie mit 2-6 Wochen für eine initiale Bereinigung. Die Zeit hängt stark vom Zustand der Daten ab: Ein CRM mit 5'000 Kontakten und wenigen Dubletten ist in einer Woche bereinigt. Ein ERP mit 50'000 Artikeln, Legacy-Daten aus 15 Jahren und drei verschiedenen Nummerierungssystemen braucht eher 4-6 Wochen. Der Schlüssel ist, nicht alles auf einmal zu bereinigen, sondern mit den Daten zu beginnen, die für den ersten Automation-Workflow relevant sind.
- Kann AI selbst bei der Datenbereinigung helfen?
Ja, und das ist ein häufig übersehener Ansatz. LLMs können bei Fuzzy-Matching (z.B. «Müller & Söhne AG» = «Müller + Söhne AG»), bei der Normalisierung von Freitextfeldern und bei der Klassifizierung von unstrukturierten Daten helfen. In n8n oder Make können Sie einen Bereinigungsworkflow erstellen, der GPT-5.6 nutzt, um unstrukturierte Notizen in strukturierte Datensätze zu konvertieren. Wichtig: Die AI-Ergebnisse sollten stichprobenartig geprüft werden — AI ist hilfreich, aber nicht fehlerfrei.
- Was kostet eine professionelle Datenbereinigung?
Die Kosten variieren stark. Ein einfaches CRM-Cleanup (Dubletten, Formatierung) durch einen spezialisierten Dienstleister kostet CHF 3'000-8'000. Eine umfassende Datenqualitätsinitiative über alle Systeme hinweg liegt bei CHF 15'000-50'000. Interne Bereinigung mit AI-Unterstützung kann günstiger sein, erfordert aber Know-how. Der Hebel ist gross, weil jeder Fehler, der vor der Automation entfernt wird, nicht in jedem späteren Durchlauf erneut Nacharbeit auslöst. Ein festes Verhältnis von Aufwand zu Ersparnis nennen wir nicht — belastbare Erhebungen dazu liegen uns nicht vor.
- Welche Datenqualitäts-Metriken sollte ich tracken?
Fokussieren Sie sich auf fünf Kernmetriken: Erstens, Vollständigkeitsrate (% der Datensätze mit allen Pflichtfeldern befüllt). Zweitens, Dublettenrate (% der identifizierten Duplikate). Drittens, Aktualitätsrate (% der Datensätze, die innerhalb der definierten TTL aktualisiert wurden). Viertens, Fehlerrate (% der Datensätze mit Validierungsfehlern). Fünftens, API-Verfügbarkeit (% der Zeit, in der alle Datenquellen über APIs erreichbar sind).
- Muss ich alle Daten perfekt bereinigen, bevor ich mit AI Automation starte?
Nein, das wäre ein häufiger Fehler, der Projekte unnötig verzögert. Bereinigen Sie zunächst nur die Daten, die für Ihren ersten Automation-Use-Case relevant sind. Ein Kundenservice-Chatbot braucht saubere Produktdaten und FAQs — aber nicht unbedingt perfekte Finanzdaten. Starten Sie mit einer bewusst begrenzten Erstbereinigung und verbessern Sie iterativ. Die Automation selbst hilft dabei, Datenqualitätsprobleme sichtbar zu machen.
Quellen
Die Konnektorenzahl von Make stammt von der Übersichtsseite des Anbieters (make.com/en/integrations, Seitentitel «3,000+ Integration Apps»), erhoben am 24. August 2026 und am 8. September 2026 erneut geprüft — die Angabe steht unverändert. Alle Prozent-, Franken- und Zeitangaben in diesem Artikel sind Richtwerte und Rechenbeispiele mit offengelegten Annahmen, keine erhobenen Marktdaten.
