Das Datenfundament: warum KI-Projekte an Daten scheitern und was vorher zu tun ist

KIONIER Guide, Datenfundament

Stand: Juli 2026, dieser Guide wird laufend aktualisiert.

Das Wichtigste in 90 Sekunden

KI-Projekte im Mittelstand scheitern häufiger an den eigenen Daten als an der Technologie. Gartner nannte 2024 schlechte Datenqualität als ersten Grund, warum mindestens 30 Prozent der GenAI-Projekte nach dem Proof of Concept enden. Die Abhilfe ist kein Großprojekt, sondern eine Reihenfolge: Datenreife wird pro Anwendungsfall geprüft, bevor Budget und Anbieter feststehen. Fünf Fragen genügen: Welche Daten braucht der Use-Case, wo liegen sie, wer darf zugreifen, wie gut sind sie, was kostet die Lücke? Wer diese Fragen vor dem Start beantwortet, erkennt tote Use-Cases früh und plant die Datenaufbereitung als eigenen Budgetposten ein. Als Größenordnung im typisierten Beispiel dieses Guides: rund ein Drittel des Projektbudgets einmalig, rund ein Zehntel dauerhaft.

• Die Prüfung der Datenreife gehört vor die Anbieterauswahl, nicht in den Pilotbetrieb. Ein zweiwöchiges Daten-Assessment kostet einen Bruchteil eines gescheiterten Projekts.
• Jede Datenart braucht eigene Vorarbeit: Dokumente brauchen Versions- und Berechtigungshygiene, Stammdaten brauchen Dubletten-Bereinigung und Vorrangregeln, Prozess- und Sensordaten brauchen Kontext.
• Ein KI-Index macht jede historisch gewachsene Fehlberechtigung durchsuchbar. Die Berechtigungsprüfung ist deshalb Sicherheitsthema, kein Projektdetail.
• Datenaufbereitung ist ein sichtbarer Budgetposten mit Rechenweg, keine Nebenleistung des KI-Projekts.
• Es gibt Datenlagen, bei denen der richtige Beschluss lautet: nicht starten oder den Zuschnitt verengen. Diese Abbruchregel vor dem Start spart mehr Geld als jede Optimierung danach.

Warum Daten das Projekt entscheiden, bevor es beginnt

Die Entscheidung über ein KI-Projekt fällt selten im Lenkungskreis. Sie fällt Jahre vorher, in der Pflege der Artikelstämme und der Ordnung der Dateiablagen. Ein Sprachmodell kann nur wiedergeben, was der Bestand hergibt. Widersprüche im Bestand werden nicht geglättet, sondern schneller reproduziert.

Die Studienlage in Zahlen

Die Befundlage ist über Jahre und Herausgeber hinweg erstaunlich einheitlich. Sie lässt sich in einer Tabelle zusammenfassen.

Befund	Wert	Quelle
GenAI-Projekte, die nach dem Proof of Concept enden	mindestens 30 % (Datenqualität als erster Grund)	Gartner 2024
Unternehmen, die die Mehrheit ihrer KI-Initiativen aufgaben	42 %	S&P Global 2025
KI-Projekte insgesamt, die ihre Ziele verfehlen	über 80 %; Datenprobleme unter den fünf Hauptursachen	RAND 2024
Data Leader, die Datenqualität und Readiness als Haupthindernis nennen	43 %	Informatica 2025
Unternehmen, bei denen über die Hälfte der KI-Projekte an Daten-Readiness hängt	42 %	Fivetran 2025
Neu erzeugte Datensätze mit mindestens einem kritischen Fehler	47 %	Nagle/Redman/Sammon, HBR 2017
Durchschnittliche Jahreskosten schlechter Datenqualität je Großunternehmen	12,9 Mio. US-Dollar	Gartner 2020

Zwei Zahlen verdienen einen zweiten Blick. Die HBR-Untersuchung von 2017 ließ 75 Führungskräfte je 100 eigene Datensätze prüfen. Nur 3 Prozent der Bestände erreichten ein akzeptables Qualitätsniveau. Das war vor der KI-Welle. Dieselben Bestände sollen heute Sprachmodelle speisen. Und die Gartner-Kostenzahl beschreibt den Normalbetrieb, nicht den Störfall. Schlechte Daten kosten laufend, auch ohne ein einziges KI-Projekt.

Was die IT sieht und die Geschäftsführung nicht

Die modellierte KIONIER-Lagebild-Erhebung unter IT-Leitungen zeigt eine klare Rangfolge. 28 Prozent nennen Datenqualität und Stammdaten als größtes Hindernis für produktive KI. 24 Prozent nennen die Integration in Altsysteme. Die Qualität der Sprachmodelle liegt mit 2 Prozent am Tabellenende. 58 Prozent stufen ihre eigenen Stammdaten als eher schlecht oder schlecht ein.

Im modellierten Querschnitt über 250 Mittelständler wiederholt sich das Bild. 54 Prozent nennen Datenqualität und Datenverfügbarkeit als Hemmnis, der höchste Wert aller Antwortoptionen. Bei der Frage nach dem schwersten Einzelhindernis liegt die Datenlage mit 22 Prozent ebenfalls vorn. Beide Werte stammen aus der modellierten KIONIER-Lagebild-Erhebung, die an publizierten Primärstudien kalibriert ist.

Die Lücke zwischen den Ebenen hat Folgen. Geschäftsführungen diskutieren Modelle und Anbieter. IT-Leitungen kämpfen mit Artikelstämmen und Berechtigungen. Budgetiert wird das, worüber diskutiert wird.

Der Denkfehler „das Tagesgeschäft läuft doch“

Der häufigste Einwand gegen ein Daten-Assessment lautet: Mit diesen Daten arbeiten wir seit Jahren erfolgreich. Der Einwand übersieht den Ausgleichsmechanismus. Erfahrene Mitarbeiter kennen die Widersprüche im Bestand. Sie wissen, welcher von drei Preisständen der richtige ist. Dieses Korrektiv sitzt im Kopf, nicht im System.

Ein KI-Assistent hat diesen Kopf nicht. Er findet alle drei Preisstände und zitiert sie korrekt. Die KIONIER-Fallakte „Der Wissensassistent, der drei Preise für dasselbe Teil fand“ seziert genau dieses Muster. Dort beendete ein einziger Vergleich zweier Angebotsentwürfe ein 480.000-Euro-Projekt. Beide Entwürfe waren belegt. Beide stammten aus dem eigenen Bestand. Das Tagesgeschäft hatte den Konflikt jahrelang unsichtbar gehalten.

These: Ein KI-Projekt ist der erste ehrliche Audit des eigenen Datenbestands. Wer diesen Audit nicht vorher bewusst durchführt, bekommt ihn nachher unfreiwillig, vor Publikum, zu Projektpreisen und mit beschädigtem Vertrauen.

Datenreife pro Use-Case prüfen, nicht abstrakt

„Wie gut sind unsere Daten?“ ist keine beantwortbare Frage. Beantwortbar ist: Wie gut sind die Daten für diesen einen Anwendungsfall? Ein Servicebot braucht andere Bestände als eine Ausschussprognose. Die Prüfung gehört deshalb an den Use-Case, nicht an das Unternehmen.

Die fünf Prüffragen je Anwendungsfall

Fünf Fragen bilden den Kern jeder Datenreife-Prüfung. Sie sind bewusst so formuliert, dass Fachbereich und IT sie gemeinsam beantworten müssen.

Erstens: Welche Daten braucht der Use-Case konkret? Gemeint sind Objekte und Felder, nicht Systeme. Ein Angebotsassistent braucht Artikelstämme, Preishistorie, Kalkulationsregeln und Alt-Angebote. Alles andere ist Ballast.

Zweitens: Wo liegen diese Daten heute? Die ehrliche Antwort umfasst auch Schattenorte: Excel-Dateien, Postfächer, Netzlaufwerke, Papierordner. Je mehr Orte je Information, desto höher die Widerspruchsgefahr.

Drittens: Wer darf zugreifen, rechtlich und faktisch? Rechtlich heißt: Rechtsgrundlage, Zweckbindung, Vertraulichkeit. Faktisch heißt: Wie ist die Berechtigungslage wirklich, nicht auf dem Papier?

Viertens: Wie aktuell, vollständig und konsistent sind die Bestände? Das ist die Messfrage. Sie wird per Stichprobe beantwortet, nicht per Bauchgefühl.

Fünftens: Was kostet die Lücke? Aus den ersten vier Antworten entsteht ein Aufwand in Personentagen und Euro. Erst diese Zahl macht den Use-Case entscheidbar.

Das Use-Case-Datenprofil als Werkzeug

Die fünf Fragen lassen sich in ein einseitiges Profil übersetzen. Es gehört in jede Projektvorlage, bevor die Geschäftsführung Budget freigibt.

Prüffrage	Messgröße	Erhebungsweg	Roter Bereich
Benötigte Daten	Liste der Objekte, Felder, Dokumenttypen	Workshop Fachbereich + IT, halber Tag	Liste nicht erstellbar oder strittig
Speicherorte	Zahl der Quellen je Information	Systeminventar plus Befragung	mehr als zwei parallel gepflegte Quellen je Kerninformation
Zugriff	Rechtsgrundlage je Quelle; Soll-Ist-Abgleich der Berechtigungen	Datenschutz-Check plus Stichprobe mit zwei Testrollen	offene Altordner mit sensiblen Inhalten; ungeklärte Rechtsgrundlage
Qualität	Dublettenquote, Befüllungsgrad der Pflichtfelder, Altersstruktur, Widerspruchsquote	Stichprobe von 100 bis 300 Objekten je Bestand	Widersprüche in führenden Feldern über 10 %
Kosten der Lücke	Personentage und Euro bis „gut genug für diesen Use-Case“	Schätzung aus Stichprobe, mit Bandbreite	Aufbereitung teurer als der erwartete Jahresnutzen

Die Schwellen in der rechten Spalte sind Erfahrungswerte für interne Assistenzsysteme, keine Norm. Wichtiger als der exakte Wert ist die Regel dahinter: Jeder rote Befund verändert den Projektzuschnitt, bevor das Projekt startet.

Das zweiwöchige Daten-Assessment

Die fünf Fragen brauchen kein Großprojekt. Zwei bis vier Wochen genügen, wenn der Zuschnitt stimmt. Die Stichprobe wird aus dem Produktivbestand gezogen, nicht vom Anbieter geliefert. Geprüft werden nur die Bestände des Anwendungsfalls. Das Ergebnis ist ein Datenprofil mit Ampelwertung und einer Aufwandsschätzung mit Bandbreite.

Der Zeitpunkt ist der eigentliche Hebel. Das Assessment gehört vor die Anbieterauswahl. Danach verhandelt das Unternehmen aus Kenntnis der eigenen Lage. Vorher verhandelt es auf Basis einer Demo, die auf handverlesenen Daten lief. Die Methode ist nicht neu. Fraunhofer IAIS strukturiert die Vertrauenswürdigkeit von KI-Systemen seit 2021 über systematische Prüfkriterien. Die Normreihe ISO/IEC 5259 gibt seit 2024 Messgrößen und Prozesse für Datenqualität in Analytik und maschinellem Lernen vor. Neu ist nur die Disziplin, beides vor der Budgetfreigabe anzuwenden.

Vier Datenarten, vier verschiedene Vorarbeiten

„Unsere Daten“ ist ein Sammelbegriff für sehr verschiedene Bestände. Jede Datenart hat eigene typische Defekte und eine eigene Pflicht-Vorarbeit. Wer alle vier gleich behandelt, bereinigt an der falschen Stelle.

Datenart	Typische Quellen	Typische Defekte	Pflicht-Vorarbeit vor dem KI-Einsatz
Unstrukturierte Dokumente	Dateiablagen, DMS, Wikis, Postfächer	Versionsstände, Duplikate, veraltete Inhalte, wilde Berechtigungen	Korridor definieren, Dubletten und Altversionen entwerten, Berechtigungen prüfen, Quellenregister anlegen
Stammdaten	ERP, CRM, PIM	Dubletten, leere Pflichtfelder, tote Datensätze, parallel gepflegte Stände	führendes System festlegen, Dubletten zusammenführen, Vorrangregeln definieren, Pflegeprozess einführen
Prozess- und Bewegungsdaten	ERP-Belege, Tickets, Workflows, Logistikdaten	Medienbrüche, fehlende Zeitstempel, uneinheitliche Statuswerte, Lücken bei manuellen Schritten	Prozesskette durchgängig erfassen, Statuswerte vereinheitlichen, Lücken dokumentieren
Sensor- und Maschinendaten	Steuerungen, IoT-Plattformen, Messsysteme	Kalibrierungsdrift, Ausfallzeiten, fehlende Labels, fehlender Kontext	Kalibrierung nachweisen, Ausfälle kennzeichnen, Kontextdaten (Schicht, Wartung, Charge) verknüpfen

Unstrukturierte Dokumente und RAG-Readiness

Der häufigste Mittelstands-Use-Case ist ein Wissensassistent per RAG, also die Anbindung eigener Dokumente an ein Sprachmodell. In der modellierten KIONIER-Lagebild-Erhebung unter IT-Leitungen haben 64 Prozent ein solches Vorhaben mindestens in Planung. Die Forschung kennt die Schwachstellen genau. Barnett und Kollegen dokumentierten 2024 sieben Fehlerklassen von RAG-Systemen. Die erste heißt schlicht: Der Inhalt fehlt im Bestand. Kein Modell kann eine Antwort finden, die nirgends steht.

RAG-Readiness heißt deshalb dreierlei. Versionshygiene: Zu jedem Thema ist erkennbar, welches Dokument gilt und welches überholt ist. Duplikat-Kontrolle: Mehrfachkopien werden zusammengeführt oder vom Index ausgeschlossen. Berechtigungs-Etiketten: Jedes Dokument trägt seine Vertraulichkeitsstufe, und die Suche respektiert die Rechte des Fragenden. Ohne diese drei Vorarbeiten liefert der Assistent belegte, aber widersprüchliche oder unzulässige Antworten.

Stammdaten: das führende System entscheidet

Stammdaten-Defekte sind die teuerste Defektklasse, weil sie sich in jede Auswertung vererben. Die Kernfrage ist nicht „sind die Daten sauber?“, sondern „welche Quelle gilt?“. Existiert dieselbe Baugruppe unter drei Artikelnummern, muss eine Vorrangregel entscheiden, nicht das Sprachmodell. Die Bereinigung folgt dem Korridor-Prinzip: Zuerst die Objekte des Anwendungsfalls, nicht der Gesamtbestand. Ein Angebotsassistent braucht saubere aktive Artikel, keine bereinigte Historie von 2009.

Prozess- und Sensordaten: Kontext schlägt Menge

Bei Prozess- und Sensordaten ist selten die Menge das Problem, sondern der fehlende Kontext. Eine Ausschussprognose braucht nicht nur Messwerte, sondern Schichtpläne, Wartungsfenster und Chargenwechsel. Ohne diese Verknüpfung lernt das Modell Scheinzusammenhänge. Die Vorarbeit ist hier Datenverknüpfung, nicht Datenreinigung. Das ist ein anderes Gewerk mit anderem Aufwand und gehört im Datenprofil getrennt ausgewiesen.

Zugriff und Berechtigungen: die vergessene Altlast

Berechtigungen sind die unsichtbarste Vorbedingung eines KI-Projekts. Sie funktionieren im Alltag, weil niemand systematisch sucht. Ein KI-Index ändert genau das.

Warum ein KI-Index jede Fehlberechtigung sichtbar macht

Historisch gewachsene Ablagen enthalten fast immer offene Altordner. Formal lesbar für viele, praktisch vergessen von allen. Ein Suchindex hebt diese Verborgenheit auf. Was indexiert ist, ist per Frage abrufbar: Gehaltslisten, Deckungsbeiträge, Personalunterlagen. In der modellierten KIONIER-Lagebild-Erhebung berichten 68 Prozent der IT-Leitungen, dass Berechtigungsvererbung bereits ein KI-Projekt blockiert hat. Bei 38 Prozent hat sie ein Projekt gestoppt oder stark verzögert.

Die Konsequenz ist eine Reihenfolge-Regel. Erst die Berechtigungsprüfung, dann die Indexierung. Umgekehrt entsteht ein Datenschutzvorfall mit Meldepflicht-Risiko, und die Prüfung findet trotzdem statt, nur später und unter Druck.

Die Soll-Ist-Prüfung vor der Indexierung

Die Prüfung selbst ist Handwerk, kein Forschungsprojekt. Sie beantwortet drei Fragen: Wer kann heute faktisch auf welche Ablagen zugreifen? Deckt sich das mit dem Soll? Respektiert der geplante Assistent die Rechte des jeweils Fragenden durchgängig? Die dritte Frage wird getestet, nicht zugesichert: zwei Testrollen, dieselben Fragen, unterschiedliche erwartete Antworten.

Diese acht Punkte decken sich bewusst mit der Dimension „Datenbasis“ des KIONIER-Produktiv-Readiness-Checks. Was hier vor dem Start geprüft wird, muss dort vor dem Produktivgang nachgewiesen werden.

Vorrangregeln: die billigste Bereinigung

Nicht jeder Widerspruch muss bereinigt werden. Oft genügt eine Entscheidung. Wenn das ERP führend ist und Ablagen nur nachrangig zählen, verschwindet ein großer Teil der Konflikte per Regel statt per Handarbeit. Vorrangregeln kosten einen Workshop. Ihre Abwesenheit kostet ein Projekt. Die Fallakte zum Wissensassistenten zeigt den Preis: Dort standen zwei Preisstände gleichrangig nebeneinander, und niemand hatte entschieden, welcher gilt.

Recht: DSGVO, Betriebsrat und Artikel 10 der KI-Verordnung

Die Rechtslage entscheidet mit über die Datenreife. Ein Bestand kann technisch perfekt und rechtlich unbrauchbar sein. Alle Aussagen dieses Kapitels sind Orientierung mit Stand Juli 2026, keine Rechtsberatung.

DSGVO: Zweckbindung schlägt Sammelwut

Für KI-Vorhaben sind drei DSGVO-Prinzipien aus Verordnung (EU) 2016/679 praktisch entscheidend. Zweckbindung: Daten, die für die Personalverwaltung erhoben wurden, dürfen nicht beiläufig einen Vertriebsassistenten trainieren. Datenminimierung: „Wir binden erst mal alles an“ ist das Gegenteil dieses Prinzips. Speicherbegrenzung: Löschfristen gelten auch für abgeleitete Bestände wie einen Suchindex. Wer einen Index aufbaut, baut eine zweite Kopie seiner Daten und erbt alle Löschpflichten. Bei umfangreicher Verarbeitung personenbezogener Daten ist zudem eine Datenschutz-Folgenabschätzung nach Artikel 35 zu prüfen.

Betriebsrat: Mitbestimmung hängt an den Nutzungsdaten

Der Maßstab steht in § 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz. Der Betriebsrat bestimmt mit, wenn eine technische Einrichtung objektiv zur Verhaltens- oder Leistungsüberwachung geeignet ist. Auf eine Überwachungsabsicht kommt es nach ständiger Rechtsprechung nicht an. Für KI-Systeme heißt das: Protokolliert das System personenbezogene Nutzungsdaten wie Anmeldungen, Eingaben oder Bearbeitungszeiten, ist die Mitbestimmung regelmäßig eröffnet. Zusätzlich verlangt § 90 Betriebsverfassungsgesetz eine rechtzeitige Unterrichtung bei geplantem KI-Einsatz.

Die praktische Folge ist eine Zeitfrage. In der modellierten KIONIER-Lagebild-Erhebung binden nur 24 Prozent der Unternehmen den Betriebsrat vor der Tool-Auswahl ein. 33 Prozent tun es nachträglich. Die nachträgliche Variante ist die teuerste: Sie verzögert den Rollout, nachdem Budget und Vertrag gebunden sind. Frühe Einbindung ist deshalb keine Höflichkeit, sondern Terminplanung.

Artikel 10: Datengovernance als Pflicht für Hochrisiko-Systeme

Artikel 10 der KI-Verordnung (Verordnung (EU) 2024/1689) macht Datengovernance für Hochrisiko-KI-Systeme zur Rechtspflicht. Trainings-, Validierungs- und Testdaten müssen relevant, hinreichend repräsentativ und nach bestem Bemühen fehlerfrei und vollständig sein, bezogen auf den Zweck. Dokumentiert werden müssen unter anderem Herkunft und Erhebung der Daten, Aufbereitungsschritte wie Bereinigung und Anreicherung, Annahmen, eine Eignungsbewertung sowie die Prüfung auf Verzerrungen samt Gegenmaßnahmen.

Die Fristen haben sich 2026 verschoben. Der Digital Omnibus on AI wurde vom Parlament am 16. Juni und vom Rat am 29. Juni 2026 gebilligt; die Veröffentlichung im Amtsblatt stand im Juli 2026 noch aus. Er verlegt die Hochrisiko-Pflichten für eigenständige Systeme nach Anhang III auf den 2. Dezember 2027 und für in Produkte eingebettete Systeme nach Anhang I auf den 2. August 2028.

Pflichtenkreis	Ursprüngliche Frist	Frist nach Digital Omnibus (Amtsblatt ausstehend)
Transparenzpflichten (Artikel 50)	2. August 2026	2. August 2026, unverändert
Hochrisiko eigenständig (Anhang III, z. B. Personalauswahl, Kreditwürdigkeit)	2. August 2026	2. Dezember 2027
Hochrisiko eingebettet (Anhang I, z. B. Medizinprodukte, Maschinen)	2. August 2027	2. August 2028

Die verschobenen Fristen sind kein Grund zur Entspannung, sondern ein Geschenk an die Datenarbeit. Wer heute ein Bewerbungs-Screening oder eine Kreditprüfung mit KI plant, hat bis Dezember 2027 Zeit, die Artikel-10-Dokumentation aufzubauen. Das ist knapp bemessen, wenn die Stammdaten- und Dokumentenlage erst geordnet werden muss. Die Datengovernance-Anforderungen taugen zudem als Messlatte für alle Systeme, auch unterhalb der Hochrisiko-Schwelle. Wer Herkunft, Aufbereitung und Eignung seiner Daten nicht beschreiben kann, hat mehr als ein Compliance-Problem. Er hat ein Fundament-Problem.

Die Kostenwahrheit der Datenaufbereitung

Datenaufbereitung ist der am häufigsten fehlende Posten in KI-Budgets. Nicht weil er klein wäre, sondern weil er unsichtbar ist. Sichtbar sind Lizenzen und Beratertage. Unsichtbar sind die Wochen, in denen eigene Leute Artikelstämme prüfen.

Was die Studienlage über den Aufwand sagt

Der Anteil der Datenarbeit an Datenprojekten ist gut dokumentiert. In der Anaconda-Befragung 2020 gaben Datenfachleute an, im Schnitt 45 Prozent ihrer Zeit mit Laden und Bereinigen von Daten zu verbringen. 2021 lag der Wert bei 39 Prozent. Salesforce befragte 2023 mehr als 10.000 Führungskräfte. 86 Prozent der Analytik- und IT-Verantwortlichen sagen: KI-Ergebnisse sind nur so gut wie die Dateneingaben. Zugleich vertrauen selbst in den datennächsten Teams nur 57 Prozent den eigenen Daten vollständig. Wer für die Datenarbeit null Euro einplant, widerspricht der gesamten empirischen Lage.

Ein durchgerechnetes Beispiel

Das folgende Beispiel ist typisiert. Es bündelt wiederkehrende Größenordnungen, ist aber kein realer Einzelfall. Ein Maschinenbauer mit 800 Mitarbeitern plant einen Wissensassistenten für das Angebotswesen. Freigegebenes Projektbudget für das erste Jahr: 300.000 Euro für Lizenzen, Integration und Projektleitung. Der Datenkorridor des Use-Cases: 2.500 aktive Artikelstämme und 18.000 relevante Dokumente. Interne Arbeit ist mit 600 Euro je Personentag angesetzt, externe mit 1.400 Euro.

Posten	Rechenweg	Betrag (typisiert)
Daten-Assessment (2 Wochen)	10 PT intern × 600 € + 8 PT extern × 1.400 €	17.200 €
Stammdaten-Korridor	Stichprobe zeigt 14 % Dubletten, 22 % veraltete Preisstände → rund 900 Objekte × 12 Min = 180 h ≈ 22,5 PT intern (13.500 €) + Regelwerk und Validierung 10 PT extern (14.000 €)	27.500 €
Dokumenten-Readiness	Werkzeug für Dubletten- und Versionsprüfung (8.000 €) + 15 % manuelle Nacharbeit: 2.700 Dokumente × 4 Min = 180 h ≈ 22,5 PT intern (13.500 €)	21.500 €
Berechtigungsprüfung und Rechte-Etiketten	15 PT intern (9.000 €) + 10 PT extern (14.000 €)	23.000 €
Puffer 15 %	0,15 × 89.200 €	13.400 €
Einmalig gesamt		rund 103.000 €
Laufende Datenpflege	0,25 Vollzeitstelle (rund 25.000 €/Jahr) + Werkzeuge (5.000 €/Jahr)	rund 30.000 €/Jahr

Das Ergebnis in einem Satz: Die Datenaufbereitung kostet in diesem typisierten Fall rund ein Drittel des Projektbudgets einmalig und rund ein Zehntel dauerhaft. Wer 300.000 Euro freigibt und diese Posten nicht ausweist, hat kein 300.000-Euro-Projekt. Er hat ein 430.000-Euro-Projekt mit verdeckter Finanzierung aus Fachbereichs-Kapazität.

Drei Budgetregeln für die Führung

Aus dem Beispiel folgen drei Regeln. Erstens: Datenaufbereitung ist ein eigener Budgetposten mit Rechenweg, sichtbar in der Beschlussvorlage. Zweitens: Die Aufwandsschätzung entsteht aus einer Stichprobe des eigenen Bestands, nicht aus Anbieterangaben. Drittens: Die laufende Pflege wird ab Tag eins mitbeschlossen. Ein bereinigter Bestand ohne Pflegeprozess verfällt binnen weniger Jahre auf den Ausgangszustand.

These: Ein KI-Budget ohne ausgewiesenen Datenposten ist keine sparsame Kalkulation, sondern eine Fehlinformation der Entscheider. Die Kosten entstehen trotzdem, als Verzögerung, als Fachbereichs-Überlast oder als Abbruch.

Die Abbruchregel: wann ein Use-Case an der Datenlage tot ist

Nicht jeder Use-Case verdient eine Datenaufbereitung. Manche sind bei ehrlicher Prüfung tot, bevor sie starten. Das früh festzustellen, ist kein Scheitern. Es ist die günstigste Entscheidung im gesamten Lebenszyklus.

Vier KO-Befunde vor dem Start

KO-Befund	Woran er sich zeigt	Konsequenz
Kerndaten existieren nicht	Das benötigte Wissen liegt in Köpfen oder auf Papier, nicht in Systemen	Nicht starten. Erst Digitalisierung oder Wissenssicherung als eigenes Vorhaben
Aufbereitung übersteigt den Nutzen	Aufwandsschätzung aus der Stichprobe liegt über dem realistischen Jahresnutzen, auch nach Korridor-Verengung	Nicht starten. Befund dokumentieren und Wiedervorlage terminieren
Rechtsgrundlage fehlt und ist nicht herstellbar	Zweckbindung, fehlende Einwilligungen oder vertragliche Sperren blockieren die Nutzung	Nicht starten. Alternativ prüfen: anonymisierte oder synthetische Datenbasis
Datenzugriff ist organisatorisch blockiert	Der Daten-Eigentümer verweigert den Zugriff, und die Führung will den Konflikt nicht entscheiden	Nicht starten. Das Problem ist Governance, kein Projektrisiko

Der zweite Befund braucht eine Rechenregel statt eines Gefühls. Brauchbar ist der Vergleich aus dem Datenprofil: geschätzte Aufbereitungskosten gegen den konservativ geschätzten Jahresnutzen. Liegt die Aufbereitung auch nach Verengung des Korridors darüber, ist der Use-Case in dieser Form tot. Das Wort „in dieser Form“ ist wichtig. Tot ist der Zuschnitt, nicht zwingend die Idee.

Verengen statt abbrechen: die Korridor-Strategie

Zwischen „alles anbinden“ und „nicht starten“ liegt der belastbare Mittelweg. Der Pilot wird auf einen Bestand verengt, der bereits sauber ist oder sich schnell bereinigen lässt: eine Produktlinie, ein Standort, ein Dokumenttyp. Daran wird der Nutzen real gemessen. Parallel läuft die Bereinigung des Restbestands als eigenes Projekt mit eigenem Budget. Die Reihenfolge ist entscheidend: erst der saubere Korridor, dann die Ausweitung. Die umgekehrte Reihenfolge (alles anbinden, dann aufräumen) erzeugt exakt das Scheiter-Muster der Fallakte.

Die Entscheidung dokumentieren

Ein verworfener Use-Case ist nur dann ein Gewinn, wenn die Begründung festgehalten wird. Ein Absatz genügt: geprüfter Zuschnitt, gemessene Befunde, Kostenschätzung, Entscheidung, Wiedervorlage-Datum. Diese Dokumentation verhindert, dass derselbe Use-Case zwei Jahre später mit derselben Datenlage erneut startet, dann mit Budget.

Das Datenfundament dauerhaft tragfähig machen

Ein bereinigter Bestand ist ein Zustand, kein Zielbild. Ohne Verantwortung, Messung und Pflegeprozess kehrt die Entropie zurück. Das Fundament trägt nur, wenn es bewirtschaftet wird.

Rollen: wem die Daten gehören

Die wirksamste Einzelmaßnahme ist die Benennung von Daten-Eigentümern je Kernbestand. Der Eigentümer sitzt im Fachbereich, nicht in der IT. Er verantwortet Qualität und Freigaben, die IT verantwortet Systeme und Werkzeuge. Ohne diese Trennung landet jede Qualitätsfrage bei der IT, die den fachlichen Gehalt nicht beurteilen kann. Für den Mittelstand reicht ein schlankes Modell: ein Eigentümer je Kernbestand, ein Pflegeverantwortlicher je System, ein vierteljährlicher Qualitätsbericht an die Geschäftsführung.

Messung: sechs Kriterien als Prüfrahmen

Der KIONIER-Produktiv-Readiness-Check prüft in seiner Dimension „Datenbasis“ sechs Kriterien. Sie eignen sich direkt als laufender Prüfrahmen: ein Quellenregister mit Eigentümer und Freigabe je Quelle, Vertraulichkeitsstufen an allen Inhalten, ein Schutzfilter für Personendaten mit Testnachweis, ein fester Aktualisierungszyklus, eine gemessene Trefferqualität gegen ein Referenz-Fragenset und Löschregeln, die auch den Suchindex erfassen. Der Schutzfilter ist dort als KO-Kriterium markiert: Steht er auf null, gibt es keinen Produktivgang. Der zugehörige interaktive Readiness-Selbsttest macht aus den Kriterien eine Selbstbewertung mit Punktwert und Lückenliste. Er taugt als Quartalsroutine, nicht nur als Einmalprüfung.

Der Anschluss an die Use-Case-Auswahl

Das Fundament zahlt auf die Auswahl künftiger Vorhaben ein. Wer sein Datenprofil je Bestand kennt, kann neue Use-Cases in Minuten vorsortieren: Welche Ideen treffen auf grüne Bestände, welche auf rote? In der modellierten KIONIER-Lagebild-Erhebung planen 31 Prozent der Unternehmen für die nächsten zwölf Monate ausdrücklich die Verbesserung ihrer Datenbasis. Die klügste Variante dieser Investition ist die, die sich an den nächsten zwei konkreten Use-Cases ausrichtet, nicht an einem abstrakten Zielbild „saubere Daten überall“.

Die fünf Stellen, an denen es scheitert

1. Budgetfreigabe ohne Daten-Assessment. Frühwarnzeichen: Die Beschlussvorlage nennt Anbieter und Lizenzkosten, aber keinen Befund zum Datenbestand. Gegenmaßnahme: Freigabe an ein zweiwöchiges Assessment mit Stichprobe koppeln. Die KIONIER-Fallakte „Der Wissensassistent, der drei Preise für dasselbe Teil fand“ dokumentiert, was der übersprungene Schritt kostet: 480.000 Euro und vierzehn Monate.
2. Anbieter-Demo auf bereinigten Beispieldaten. Frühwarnzeichen: Die Demo überzeugt, lief aber auf einem vom Anbieter vorbereiteten Ausschnitt. Gegenmaßnahme: Die Demo auf einem selbst gezogenen, ungefilterten Ausschnitt der Produktivdaten verlangen. Ein Anbieter, der ablehnt, hat die Frage damit beantwortet.
3. Indexierung vor der Berechtigungsprüfung. Frühwarnzeichen: „Wir binden erst mal alles an, damit nichts fehlt.“ Gegenmaßnahme: Reihenfolge-Regel durchsetzen, Soll-Ist-Abgleich, Ausschlussliste und Zwei-Rollen-Test vor dem ersten Indexlauf. Danach ist jeder Fund ein Vorfall.
4. Fehlerdiagnose am Modell statt am Bestand. Frühwarnzeichen: Nach ersten Fehlantworten wird an Prompts gefeilt, ohne die Ursachenfrage zu stellen. Gegenmaßnahme: Jede Fehlantwort klassifizieren, Modellfehler oder Datenfehler. Widersprüchliche Belege sind ein Datenbefund. Prompt-Arbeit behebt ihn nicht, sie verdeckt ihn.
5. Datenpflege endet mit dem Projekt. Frühwarnzeichen: Der bereinigte Bestand hat keinen Pflegeprozess, keine Kapazität, keinen Eigentümer. Gegenmaßnahme: Pflege als Betriebskostenposten ab Tag eins beschließen. Sonst startet das nächste Projekt in drei Jahren wieder bei null, mit demselben Assessment-Befund.

Maßnahmen für die Geschäftsführung: 30, 60, 90 Tage

Bis Tag 30, Transparenz herstellen.

• Für die zwei wichtigsten geplanten Use-Cases je ein Use-Case-Datenprofil beauftragen (Owner: CIO mit Fachbereich, halber Tag je Profil).
• Ein Daten-Assessment für den vordringlichsten Use-Case starten: Stichprobe aus dem Produktivbestand, zwei bis vier Wochen (Owner: CIO, extern unterstützt).
• Die Beschlussvorlagen-Regel einführen: Kein KI-Budget ohne ausgewiesenen Datenposten mit Rechenweg (Owner: Geschäftsführung).
• Den Betriebsrat über geplante KI-Vorhaben unterrichten, bevor ein Anbieter feststeht (Owner: Geschäftsführung mit HR).

Bis Tag 60, Entscheidungen treffen.

• Assessment-Ergebnis abnehmen und je Use-Case entscheiden: starten, verengen, verschieben oder verwerfen, mit dokumentierter Begründung (Owner: Geschäftsführung).
• Vorrangregeln für die führenden Quellen beschließen: welches System gilt bei Widersprüchen (Owner: CIO mit Daten-Eigentümern).
• Daten-Eigentümer je Kernbestand benennen und den Auftrag schriftlich fassen (Owner: Geschäftsführung).
• Die Berechtigungsprüfung für den ersten Korridor abschließen, inklusive Zwei-Rollen-Test (Owner: CIO mit Informationssicherheit).

Bis Tag 90, Fundament verankern.

• Den ersten Korridor bereinigen und den Piloten auf diesem Korridor starten, nicht auf dem Gesamtbestand (Owner: Fachbereich mit CIO).
• Laufende Pflege budgetieren: Kapazität, Werkzeuge, Aktualisierungszyklus (Owner: CFO mit CIO).
• Den Readiness-Selbsttest für das erste System durchführen und die Lückenliste als Arbeitsplan übernehmen (Owner: KI-Verantwortlicher).
• Bei absehbaren Hochrisiko-Anwendungen die Artikel-10-Dokumentation aufsetzen: Herkunft, Aufbereitung, Eignung, Bias-Prüfung (Owner: CIO mit Datenschutz, Zieltermin Dezember 2027 im Blick).

FAQ

Wie prüfe ich bei 800 Mitarbeitern ohne eigenes Data-Team, ob unsere Daten für ein KI-Projekt reichen?

Mit einem zeitlich begrenzten Daten-Assessment von zwei bis vier Wochen, bezogen auf einen konkreten Anwendungsfall. Sie brauchen dafür kein Data-Team, sondern eine Stichprobe: 100 bis 300 Objekte aus dem Produktivbestand, geprüft auf Dubletten, veraltete Stände, leere Pflichtfelder und Widersprüche. Die Stichprobe ziehen eigene Fachleute, die Auswertung kann ein externer Partner strukturieren. Entscheidend ist der Zeitpunkt: vor der Anbieterauswahl, nicht danach. Das Ergebnis ist eine Ampelwertung je Prüffrage plus eine Aufwandsschätzung in Euro.

Was kostet die Datenaufbereitung für ein RAG-Projekt im Mittelstand ungefähr?

Als typisierte Größenordnung: rund ein Drittel des Projektbudgets einmalig, rund ein Zehntel dauerhaft pro Jahr. Im durchgerechneten Beispiel dieses Guides fallen bei 300.000 Euro Projektbudget rund 103.000 Euro für Assessment, Stammdaten-Korridor, Dokumenten-Readiness und Berechtigungsprüfung an, plus rund 30.000 Euro jährlich für die Pflege. Die Spanne im Einzelfall ist groß und hängt an Objektzahl, Systemlandschaft und Korridor-Zuschnitt. Belastbar wird die Zahl erst durch eine Stichprobe aus dem eigenen Bestand.

Müssen wir erst alle Stammdaten bereinigen, bevor wir mit KI anfangen?

Nein, und ein Komplettprojekt vorab ist meist der falsche Weg. Bereinigt wird der Korridor des Anwendungsfalls: die Objekte, die das KI-System tatsächlich nutzt, etwa aktive Artikelstämme und aktuelle Preisstände. Für den Rest genügen zunächst Vorrangregeln, die bei Widersprüchen festlegen, welche Quelle gilt. Wichtig ist die Reihenfolge: erst der saubere Korridor, dann der Pilot, dann die Ausweitung. Wer umgekehrt alles anbindet und später aufräumen will, reproduziert das häufigste Scheiter-Muster.

Welche Daten braucht ein KI-Assistent für die Angebotserstellung, und wo liegen die typischen Probleme?

Er braucht vier Bestände: Artikelstämme mit gültigen Preisen, Kalkulationsregeln, Alt-Angebote als Referenz und technische Dokumente zum Produkt. Die typischen Probleme sind bekannt: Dubletten in den Artikelstämmen, veraltete Preislisten gleichrangig neben aktuellen, Sonderabsprachen in Postfächern statt in Systemen und Ablagen ohne Versionshygiene. Gefährlich sind nicht fehlende Daten, sondern widersprüchliche: Das System findet dann mehrere belegte Antworten. Die Vorarbeit heißt deshalb Vorrangregeln plus Korridor-Bereinigung, nicht Vollanbindung.

Müssen wir den Betriebsrat einbinden, wenn unser KI-System nur Dokumente durchsucht?

Häufig ja. Das ist Orientierung, keine Rechtsberatung. Nach § 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz genügt es, wenn das System objektiv geeignet ist, Verhalten oder Leistung zu überwachen. Protokolliert der Assistent, wer wann was fragt, ist diese Eignung regelmäßig gegeben, auf die Absicht kommt es nicht an. Zusätzlich besteht nach § 90 eine frühe Unterrichtungspflicht bei geplantem KI-Einsatz. Praktisch gilt: Einbindung vor der Tool-Auswahl ist billiger als jede nachträgliche Verhandlung nach Vertragsschluss.

Was verlangt Artikel 10 der EU-KI-Verordnung von uns, und ab wann gilt das?

Artikel 10 verlangt für Hochrisiko-KI-Systeme dokumentierte Datengovernance: Trainings-, Validierungs- und Testdaten müssen relevant, repräsentativ und möglichst fehlerfrei sein; Herkunft, Aufbereitung, Annahmen, Eignung und Bias-Prüfung sind zu dokumentieren. Nach dem Digital Omnibus on AI gilt das für eigenständige Hochrisiko-Systeme nach Anhang III ab dem 2. Dezember 2027, für eingebettete Systeme nach Anhang I ab dem 2. August 2028; die Amtsblatt-Veröffentlichung stand im Juli 2026 noch aus. Das ist Orientierung, keine Rechtsberatung. Wer betroffen sein könnte, beginnt mit der Dokumentation jetzt.

Wann sollten wir einen KI-Use-Case wegen der Datenlage gar nicht erst starten?

Bei vier Befunden: wenn die Kerndaten nicht digital existieren, wenn die Aufbereitung auch nach Korridor-Verengung teurer ist als der konservativ geschätzte Jahresnutzen, wenn die Rechtsgrundlage fehlt und nicht herstellbar ist, oder wenn der Datenzugriff organisatorisch blockiert ist und niemand den Konflikt entscheiden will. Jeder dieser Befunde ist vor dem Start billig festzustellen und nach dem Start teuer. Wichtig: Entscheidung samt Begründung dokumentieren und eine Wiedervorlage terminieren, tot ist der Zuschnitt, nicht zwingend die Idee.

Vertiefung im KIONIER-Bestand

• Arbeitshilfe A, Produktiv-Readiness-Check (37 Kriterien): Die Dimension „Datenbasis“ mit ihren sechs Kriterien ist der Nachweis-Rahmen für alles, was dieser Guide als Vorarbeit beschreibt; der interaktive Readiness-Selbsttest macht daraus eine Quartalsroutine mit Punktwert und Lückenliste.
• Arbeitshilfe C, Board-ROI-Modell: Liefert die Rechenlogik, mit der die Aufbereitungskosten aus diesem Guide gegen Baseline und Ergebnistreiber gestellt werden.
• Arbeitshilfe D, Use-Case-Priorisierung: Ordnet die Datenreife als Machbarkeits-Kriterium in das Wert-Machbarkeit-Risiko-Scoring ein, bevor Budget fließt.
• Fallakte 01, „Der Wissensassistent, der drei Preise für dasselbe Teil fand“: Das komplette Scheiter-Muster dieses Guides als Post-mortem mit Zeitachse, Kipppunkt und Schadensbilanz.
• Lagebild-Umfrage 3, CIO/IT: Die modellierte Erhebung hinter den IT-Befunden dieses Guides, vom Hindernis-Ranking bis zur Berechtigungsvererbung als Projekt-Blocker.
• Lagebild-Umfrage 4, Querschnitt Mittelstand: Der modellierte Gesamtblick, inklusive Datenqualität als häufigstem Hemmnis und der Baseline-Lücke vor Pilotstart.
• Glossarbegriffe: „Retrieval Augmented Generation (RAG)“ erklärt die Technik hinter dem Wissensassistenten; „Stammdaten“ und „Datengovernance“ schärfen die Begriffe dieses Guides; „Schatten-KI“ beschreibt, was ohne geordnete Datenbasis faktisch passiert; „Baseline“ erklärt, warum ohne Startmessung kein Nutzennachweis gelingt.

Quellen

1. Gartner (2024): „Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025“, schlechte Datenqualität als erster von vier Abbruchgründen. https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025
2. Gartner (2020): Datenqualitäts-Research, schlechte Datenqualität kostet Organisationen im Schnitt 12,9 Millionen US-Dollar pro Jahr. https://www.gartner.com/en/data-analytics/topics/data-quality
3. Nagle, T.; Redman, T. C.; Sammon, D. (2017): „Only 3% of Companies‘ Data Meets Basic Quality Standards“, Harvard Business Review, 47 % der neu erzeugten Datensätze mit mindestens einem kritischen Fehler. https://hbr.org/2017/09/only-3-of-companies-data-meets-basic-quality-standards
4. RAND Corporation (2024): „The Root Causes of Failure for Artificial Intelligence Projects“, über 80 % Fehlschlagquote, Datenprobleme unter den fünf Hauptursachen. https://www.rand.org/pubs/research_reports/RRA2680-1.html
5. S&P Global Market Intelligence (2025): Voice of the Enterprise, AI & Machine Learning, 42 % der Unternehmen gaben die Mehrheit ihrer KI-Initiativen auf. https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/
6. Informatica (2025): „CDO Insights 2025“, 43 % nennen Qualität, Vollständigkeit und Readiness der Daten als Haupthindernis; 67 % bringen weniger als die Hälfte ihrer GenAI-Piloten in Produktion. https://www.informatica.com/campaigns/cdo-insights-2025/assets/resources/cdo_insights_2025_PDF.pdf
7. Fivetran (2025): Befragung zu AI Data Readiness, 42 % der Unternehmen melden, dass mehr als die Hälfte ihrer KI-Projekte an mangelnder Daten-Readiness hängt. https://www.fivetran.com/press/fivetran-report-finds-nearly-half-of-enterprise-ai-projects-fail-due-to-poor-data-readiness
8. MIT NANDA (2025): „The GenAI Divide: State of AI in Business 2025“, 95 % der GenAI-Piloten ohne messbaren Effekt auf das Geschäftsergebnis. https://www.mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
9. Anaconda (2020): „State of Data Science 2020“, Datenfachleute verbringen im Schnitt 45 % ihrer Zeit mit Laden und Bereinigen von Daten (2021: 39 %). https://www.anaconda.com/resources/whitepaper/state-of-data-science-2020
10. Salesforce (2023): „State of Data and Analytics“, 86 % der Analytik- und IT-Führungskräfte: KI-Ergebnisse sind nur so gut wie die Dateneingaben; 57 % vertrauen den eigenen Daten vollständig. https://www.salesforce.com/news/stories/data-analytics-trends/
11. Barnett, S. et al. (2024): „Seven Failure Points When Engineering a Retrieval Augmented Generation System“, CAIN 2024, sieben Fehlerklassen von RAG-Systemen, beginnend mit fehlendem Inhalt im Bestand. https://arxiv.org/abs/2401.05856
12. Europäische Union (2024): Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 10, Daten und Datengovernance für Hochrisiko-KI-Systeme. https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32024R1689
13. Rat der Europäischen Union (2026): Pressemitteilung zum Digital Omnibus on AI, 29. Juni 2026, Verschiebung der Hochrisiko-Fristen auf 02.12.2027 (Anhang III) und 02.08.2028 (Anhang I), Amtsblatt-Veröffentlichung im Juli 2026 ausstehend. https://www.consilium.europa.eu/en/press/press-releases/2026/06/29/
14. Europäische Union (2016): Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), insbesondere Artikel 5 und 35. https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32016R0679
15. Betriebsverfassungsgesetz, § 87 Abs. 1 Nr. 6 und § 90, Mitbestimmung bei technischen Einrichtungen, Unterrichtung bei KI-Einsatz. https://www.gesetze-im-internet.de/betrvg/__87.html
16. ISO/IEC 5259 (2024): Normreihe „Artificial intelligence — Data quality for analytics and machine learning (ML)“, Teile 1 bis 5, Messgrößen, Management und Governance von Datenqualität. https://www.iso.org/standard/81088.html
17. Fraunhofer IAIS (2021): „KI-Prüfkatalog — Leitfaden zur Gestaltung vertrauenswürdiger Künstlicher Intelligenz“, strukturierte Prüfkriterien inklusive Datenqualität und Datenschutz. https://www.iais.fraunhofer.de/de/publikationen/studien/2021/ki-pruefkatalog.html

Das Entscheider-Briefing

Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.

Website

E-Mail-Adresse

Briefing abonnieren

Ich möchte das Briefing per E-Mail erhalten und kann die Einwilligung jederzeit widerrufen. Die Datenschutzerklärung habe ich gelesen.

Sie erhalten zuerst eine E-Mail mit einem Bestätigungslink. Erst nach dem Klick nehmen wir Sie auf. Abmeldung mit einem Klick in jeder Ausgabe.