Das Datenfundament für KI: Warum die meisten nicht bereit sind

KI-Modelle sind so gut wie die Daten, auf denen sie basieren. Das klingt trivial, ist aber die häufigste Ursache für scheiternde KI-Initiativen in deutschen Unternehmen. In unserer Praxis mit DACH-Kunden stellen wir regelmäßig fest: Nicht die KI-Technologie ist der Engpass, sondern das Datenfundament. Dieser Artikel erklärt, was KI-Bereitschaft auf Datenebene bedeutet, wo die typischen Lücken liegen und wie der Weg zum soliden Datenfundament auf AWS aussieht.

Die KI-Daten-Realität in deutschen Unternehmen

Eine ehrliche Bestandsaufnahme zeigt oft ein ernüchterndes Bild:

• Daten sind in Silos verteilt — ERP, CRM, Datenbank-Inseln, Fileserver, SharePoint
• Keine einheitlichen Datenstandards über Systeme und Abteilungen hinweg
• Fehlende oder veraltete Datenkataloge — niemand weiß genau, welche Daten wo liegen
• Datenschutzklassifizierungen fehlen oder sind nicht maschinenlesbar
• Historische Daten existieren, sind aber nicht bereinigt oder zugänglich
• Keine klare Data Ownership — viele Daten haben keinen definierten Verantwortlichen

Das Ergebnis: KI-Piloten scheitern nicht an der Technologie, sondern daran, dass keine ausreichend guten Daten verfügbar sind, um das Modell zu nähren oder zu evaluieren.

Was bedeutet KI-Bereitschaft auf Datenebene?

Datenverfügbarkeit

Daten sind in ausreichender Menge vorhanden und für KI-Systeme technisch zugänglich — nicht nur theoretisch in Datenbanken vorhanden, sondern praktisch abfragbar und exportierbar.

Datenqualität

Daten sind vollständig (wenige Lücken), konsistent (gleiche Entitäten werden gleich kodiert), aktuell (keine veralteten Stammdaten) und korrekt (Fehler unter einem definierten Schwellenwert).

Datenzugänglichkeit und Governance

Klare Zugriffsrechte, Klassifizierungen (öffentlich/intern/vertraulich/geheim) und Datenschutz-Compliance ermöglichen es, Daten sicher mit KI-Systemen zu kombinieren.

Datenhistorie und -volumen

Für viele Use Cases — insbesondere für supervised Learning oder RAG — braucht es eine ausreichende Datenbasis. Ein Dokumentenarchiv mit nur 50 PDFs liefert nicht genug Kontext für eine wissensbasierte KI.

Die drei häufigsten Datenfundament-Lücken

1. Das Silo-Problem

Daten liegen in unterschiedlichen Systemen ohne Integration: ERP-Daten kennen die Kundenhistorie aus dem CRM nicht, das Dokumentenmanagement ist vom Produktionssystem getrennt. KI-Anwendungen, die über Systemgrenzen hinweg Kontext brauchen, können diesen Kontext nicht herstellen. Lösung: Ein zentrales Data Lake House auf Amazon S3 mit AWS Glue als ETL-Layer sammelt alle relevanten Datenquellen in einem einheitlichen Format.

2. Das Qualitätsproblem

Garbage in, garbage out gilt für KI noch stärker als für klassische Anwendungen. Fehlende Pflichtfelder, inkonsistente Schreibweisen von Kunden- oder Produktnamen, veraltete Kontaktdaten — all das wird von KI-Modellen übernommen und verstärkt. AWS Glue DataBrew und Amazon DataZone bieten Profiling- und Qualitätsprüfungs-Workflows, die Datenqualitätsprobleme systematisch identifizieren und korrigieren.

3. Das Governance-Problem

Ohne klare Data Governance entstehen zwei Probleme: Entweder sind Daten zu restriktiv abgesperrt, sodass KI-Systeme keinen Zugang erhalten. Oder Daten werden zu frei geteilt, sodass vertrauliche Informationen in KI-Kontexte gelangen, die das nicht dürften. AWS Lake Formation ermöglicht feingranulare Zugriffssteuerung auf Zeilen- und Spaltenebene — damit KI-Systeme nur die Daten sehen, die sie sehen dürfen.

Der Weg zum KI-tauglichen Datenfundament auf AWS

1. Datenkatalog aufbauen: Mit AWS Glue Data Catalog alle vorhandenen Datenquellen inventarisieren. Wer besitzt welche Daten? Wo liegen sie? In welchem Format? Wie aktuell sind sie?
2. Data Lake einrichten: Amazon S3 als zentrales Datenlager — mit klarer Ordnerstruktur (Raw / Curated / Trusted Zones) und Lebenszyklusrichtlinien.
3. Datenqualität sichern: ETL-Pipelines mit AWS Glue implementieren, die Daten beim Eingang validieren, transformieren und standardisieren. Amazon DataZone für Datenkatalogisierung und Qualitätsscoring.
4. Governance implementieren: AWS Lake Formation für Zugriffssteuerung, AWS IAM für feingranulare Berechtigungen, automatische Klassifizierung sensitiver Daten mit Amazon Macie.
5. KI-Anbindung herstellen: Amazon Bedrock Knowledge Bases können direkt auf S3-Buckets zugreifen — sobald das Datenfundament steht, ist die RAG-Anbindung in Stunden konfiguriert.

Daten-Reifegradmodell: Wo stehen Sie?

Daten-Reifegradmodell für KI-Bereitschaft

Reifegrad	Merkmal	KI-Tauglichkeit	Typischer Aufwand bis KI-Start
1 — Ad-hoc	Daten in Silos, keine Governance, schlechte Qualität	Nicht KI-bereit	12–24 Monate
2 — Managed	Einige integrierte Quellen, erste Governance-Ansätze	Bedingt KI-bereit (Piloten möglich)	6–12 Monate
3 — Defined	Data Lake vorhanden, Datenkatalog, klare Ownership	KI-bereit für Standard-Use-Cases	2–6 Monate
4 — Quantitatively Managed	Datenqualitäts-Metriken, automatisierte Pipelines	KI-bereit für komplexe Use-Cases	Sofort startbereit
5 — Optimizing	Self-Service Data Mesh, aktives Qualitätsmonitoring	Voll KI-optimiert	Wettbewerbsvorteil

Datenfundament und RAG: Der direkte Zusammenhang

Retrieval-Augmented Generation (RAG) ist heute der am häufigsten eingesetzte Weg, KI mit internem Unternehmenswissen zu verbinden. Aber RAG ist nur so gut wie die Wissensbasis, auf die es zugreift. Dokumente, die nicht vektorisiert werden können (schlechte OCR-Qualität bei gescannten Dokumenten), Wissen, das nicht in zugänglichen Formaten vorliegt, oder veraltete Dokumente ohne Versionierung führen zu ungenauen oder falschen KI-Antworten. Das Datenfundament ist also die direkte Voraussetzung für erfolgreiche RAG-Implementierungen.

Mehr zu RAG auf Amazon Bedrock in unserem Artikel RAG auf Amazon Bedrock: Enterprise-Wissen erschließen.

Häufig gestellte Fragen zum Datenfundament für KI

Was bedeutet 'KI-Bereitschaft' für das Datenfundament?

KI-Bereitschaft bedeutet: Daten sind in ausreichender Qualität und Menge vorhanden, sind zugänglich und strukturiert gespeichert, unterliegen einer klaren Governance (Ownership, Klassifizierung, Datenschutz), und können von KI-Systemen sicher und reproduzierbar verarbeitet werden.

Welche AWS-Services helfen beim Aufbau eines KI-Datenfundaments?

Amazon S3 (Data Lake), AWS Glue (ETL und Datenkatalog), Amazon Athena (serverlose SQL-Analyse), AWS Lake Formation (Governance und Zugriffssteuerung), Amazon Bedrock Knowledge Bases (RAG-Datenquellen) und AWS DataZone (Data Mesh und Datenmarktplatz) bilden das Kernportfolio.

Wie lange dauert der Aufbau eines KI-tauglichen Datenfundaments?

Ein minimales, KI-taugliches Datenfundament für einen spezifischen Use Case kann in 4–8 Wochen aufgebaut werden. Ein vollständiges Enterprise Data Mesh oder Lake House benötigt 6–18 Monate — abhängig von Datenvolumen, Systemlandschaft und organisatorischer Reife.

Können wir trotz schlechtem Datenfundament mit KI anfangen?

Ja — mit einem eng abgegrenzten Use Case, bei dem das Datenproblem beherrschbar ist. Zum Beispiel: Interne Wissenssuche mit einem definierten Dokumentenset von 500–1.000 hochwertigen Dokumenten kann auch ohne perfektes Data Lake starten. Der Pilotbetrieb liefert dann gleichzeitig Erkenntnisse für den Datenfundament-Aufbau.