Ihre Daten sind nicht bereit für KI — die fünf Schritte, die vorher kommen

In den meisten Automatisierungsprojekten gibt es einen Moment, in dem alles stehen bleibt. Der Workflow ist gebaut, das Modell macht seinen Teil, die Oberfläche funktioniert — und dann lässt jemand das Ganze auf die echte Kundenliste los und stellt fest, dass dieselbe Firma viermal in drei Schreibweisen vorkommt, die Hälfte der Datensätze kein Land hat und das Feld status elf Werte enthält, von denen sechs Tippfehler der anderen fünf sind.

Ab diesem Punkt funktioniert nichts richtig, bis das behoben ist. Und es steht praktisch nie im Plan.

Hier also die Bereinigung, in der Reihenfolge, in der wir sie tatsächlich machen. Sie können sie komplett selbst durchführen. Es ist unglamouröse Arbeit, die sich lohnt, ganz gleich ob Sie je etwas darauf aufbauen.

Schritt 1: Klären, was ein Datensatz eigentlich ist

Bevor Sie Daten anfassen, beantworten Sie pro Datensammlung eine Frage: Was ist eine Zeile?

Klingt trivial. Ist es nicht. In den meisten CRMs ist „Kunde“ heimlich dreierlei — die juristische Person, die die Rechnung bekommt, der Standort, der beliefert wird, und der Mensch, der auf E-Mails antwortet. Werden diese drei in eine Tabelle gepresst, wird jede weitere Frage mehrdeutig. „Wie viele Kunden haben wir?“ hat drei vertretbare Antworten, und jede Automatisierung wählt eine davon zufällig aus.

Schreiben Sie in je einem Satz auf, was eine Zeile in jeder Ihrer Haupttabellen bedeutet. Wo der Satz ein „oder“ braucht, haben Sie eine Tabelle gefunden, die geteilt gehört.

Diesen Schritt überspringen alle — und er verursacht die teure Nacharbeit.

Schritt 2: Zuerst die Identität, dann alles andere

Dubletten sind das schädlichste Datenproblem, weil sie sich vervielfachen. Aus einem doppelten Kunden werden doppelte Aufträge, doppelte Rechnungen und ein Report, der still alles überzeichnet.

Die Arbeit:

• Einen Schlüssel wählen. Etwas, das die Einheit wirklich identifiziert. Bei Firmen schlägt die Registernummer den Namen immer. Bei Personen schlägt die E-Mail-Adresse den Namen. Namen sind keine Identifikatoren — Firmen benennen sich um, Menschen heiraten, und abgekürzt wird von jedem anders.
• Vor dem Vergleich normalisieren. Rechtsformzusätze entfernen, alles kleinschreiben, Satzzeichen und überflüssige Leerzeichen weg — dann vergleichen. Die meisten Dublettenpaare findet man allein damit.
• Nach Regel zusammenführen, nicht nach Gefühl. Welcher Datensatz überlebt? Meist der mit der jüngsten Aktivität. Regel aufschreiben, konsequent anwenden und protokollieren, was in was übernommen wurde — Sie brauchen das, wenn jemand fragt, wo ein alter Auftrag geblieben ist.
• Dann die nächste verhindern. Eine Bereinigung ohne Eindeutigkeitsprüfung im Eingabeformular ist eine Bereinigung, die Sie in einem Jahr wiederholen.

Schritt 3: Wichtige Felder verpflichtend machen — und auf das Reale eindampfen

Sehen Sie sich die Felder an, auf deren Basis wirklich entschieden wird: Status, Kategorie, Verantwortlicher, Land, Wert. Zählen Sie je Feld die verschiedenen Werte.

Irgendeine Variante hiervon finden Sie überall: ein Statusfeld mit aktiv, Aktiv, AKTIV, active, in Arbeit, In Arbeit, wip, offen — und einem Eintrag, in dem nur ?? steht.

Drei Handgriffe beheben das:

1. Eine geschlossene Liste vereinbaren, gemeinsam mit den Leuten, die das Feld nutzen. Die echte Liste hat meist vier bis sechs Werte, nicht elf.
2. Alte Werte auf die neue Liste mappen. Was sich nicht mappen lässt, wird unbekannt — ausdrücklich, nicht stillschweigend.
3. Die Eingabe einschränken. Dropdown statt Textfeld. Das ist die eigentliche Lösung. Alles andere hält nicht.

Freitext ist für Notizen in Ordnung. Für alles, worauf ein System verzweigt, ist er katastrophal.

Schritt 4: Datumsangaben, Zahlen und Währungen in ein Format bringen

Langweilig und nicht verhandelbar. Die Wiederholungstäter:

• Datum als Text. 01/02/2026 ist in Europa der 1. Februar und in den USA der 2. Januar, und wenn beide Schreibweisen in derselben Spalte stehen, trennt sie rückwirkend keine Regel mehr. Datum als Datum speichern, im ISO-Format, in einer Zeitzone.
• Zahlen als Text. Beträge mit Währungssymbol, Tausendertrennzeichen oder Dezimalkomma in einem Textfeld. Was summiert werden muss, gehört als Zahl gespeichert.
• Gemischte Währungen in einer Spalte ohne Währungsspalte daneben. Betrag und Währung gehören immer zusammen.
• Leer vs. Null vs. NULL. Das sind drei verschiedene Dinge. Legen Sie fest, was was ist, und bleiben Sie dabei — ein Report, der Leer als Null behandelt, errechnet selbstbewusst den falschen Durchschnitt.

Schritt 5: Aufschreiben, woher jede Datensammlung kommt und wem sie gehört

Der letzte Schritt ist keine Bereinigung mehr — er sorgt dafür, dass die Bereinigung hält.

Pro Datensammlung eine Zeile: woher sie stammt, was sie speist, wer ihre Struktur ändern darf und wie oft sie aktualisiert wird.

Genau diese kleine Tabelle macht aus einer einmaligen Aufräumaktion ein dauerhaftes Asset. Ohne sie fügt in sechs Monaten jemand eine Spalte hinzu, eine Automatisierung bricht stillschweigend, und niemand weiß, wen man fragen soll. Mit ihr dauert die Antwort zehn Sekunden.

Liegen dieselben Daten in zwei Systemen, entscheiden Sie jetzt, welches die Quelle der Wahrheit ist. Nicht „die sollten übereinstimmen“ — sondern eine Regel, welches gewinnt, wenn sie es nicht tun. Sie werden nicht übereinstimmen.

Wie lange das dauert

Für ein kleineres Unternehmen mit CRM, Buchhaltung und ein paar Tabellen: zwei bis fünf Tage konzentrierte Arbeit, das meiste davon in Schritt 2 und 3. Es ist kein quartalslanges Datenprogramm und erfordert keinen Plattformkauf.

Die Versuchung ist groß, es parallel zum Automatisierungsbau zu erledigen. Wir haben beides probiert: parallel ist langsamer, weil jede Datenentscheidung zur Unterbrechung eines halbfertigen Systems wird.

Was Ihnen das bringt, auch wenn Sie nichts bauen

Das gehört klar gesagt: Nichts davon ist KI-Arbeit. Es ist die Arbeit, die Reporting vertrauenswürdig macht, Einarbeitung beschleunigt und jedes künftige System billiger macht. Würde das Automatisierungsprojekt morgen gestrichen, hätte sich die Bereinigung trotzdem gelohnt.

Und wenn Sie dann bauen, ist sie der Unterschied zwischen einem System, das auf Demodaten läuft, und einem, das am Montagmorgen läuft.

Ein Fünf-Minuten-Test

Nehmen Sie Ihre Hauptkundentabelle und prüfen Sie:

1. Suchen Sie den Namen eines großen Kunden. Wie viele Datensätze kommen zurück?
2. Zählen Sie die verschiedenen Werte im meistgenutzten Statusfeld. Mehr als acht?
3. Ziehen Sie zehn zufällige Zeilen. Wie viele haben eine Lücke in einem Feld, das Sie für wesentlich halten?
4. Fragen Sie zwei Kolleginnen, wie viele aktive Kunden Sie haben. Stimmen die Zahlen überein?

Jede falsche Antwort bedeutet: Ihre nächste Woche gehört Schritt 2 oder 3 — und es wird die billigste Woche des gesamten Projekts.

Wenn Sie die Prozessseite dazunehmen wollen: Unser Leitfaden zum Prozessaudit behandelt dieselbe Idee von der anderen Seite — erst die echte Arbeit finden, dann entscheiden, was Automatisierung verdient.