Datenmüll. So heißt es hinterher, wenn ein KI-Projekt nicht liefert. Nur: In den meisten Angebotsarchiven sieht man ihn nicht.
3.000 Vorgänge aus zwanzig Jahren. Alle Felder gefüllt, jede Historie nachvollziehbar. Der Bestand wirkt wie eine ideale Lernbasis.
Darin steckt der Sonderpreis, den ein Vertriebsleiter 2014 einmalig gewährt hat, um ein Projekt zu retten. Der Montagestundensatz, der seit zwei Tarifrunden nicht angepasst wurde. Der Sensor, den es seit 2019 nicht mehr gibt und der trotzdem im Artikelstamm steht.
Nichts davon ist als Ausnahme gekennzeichnet. Es steht gleichberechtigt neben sauber kalkulierten Angeboten. Wer das auseinanderhalten konnte, war bisher der eine Kollege, der die Geschichte hinter jedem Vorgang kannte. Ist er weg, bleiben die Daten — der Filter geht.
Eine KI-Software, die aus diesem Bestand lernt, macht aus der einmaligen Ausnahme eine Regel. Nicht spektakulär, sondern leise, über viele Angebote hinweg.
Die verführerisch einfachen KI-Lösungen im Internet ändern daran nichts: Daten hochladen, loslegen. Das Aufräumen der eigenen Daten bleibt beim Kunden. Und dort scheitert es, weil kein Mittelständler seine erfahrensten Leute wochenlang für Datenpflege freistellen kann.
Das Aufräumen wird fast immer als Handarbeit gedacht, die dem KI-Einsatz vorausgeht. Dabei ist es die erste Aufgabe, für die sich KI-Programmierung überhaupt lohnt: Plausibilitäten über Tausende Vorgänge prüfen, Zusammenhänge zwischen Angeboten, Artikelstamm und Email Archiv herstellen, Auffälligkeiten zur Entscheidung vorlegen.
Erst dadurch wird der Aufwand fürs Datenaufräumen tragbar. Ohne KI bleibt er eine Aufgabe, die im Tagesgeschäft niemand stemmt.
Dann wäre der Altbestand kein Datenmüll, sondern eine belastbare Grundlage für jede weitere KI-Anwendung im Angebotswesen.
Nr. 74 · Cord Cassel · Zuerst erschienen auf LinkedIn, hier in der Originalfassung.