Du hast ein KI-Tool ausprobiert, ein paar Dokumente hochgeladen und eine Frage gestellt. Die Antwort kam schnell, klang souverän und war falsch.
Danach passiert in den meisten Betrieben dasselbe: Der Chef verliert das Interesse, das Team sagt "hab ich doch gleich gesagt", und das Thema KI landet für zwei Jahre in der Schublade. Schade, denn die KI war selten der Schuldige. Sie hat nur ordentlich vorgelesen, was in deinen Unterlagen steht. Und da steht oft: die Preisliste von 2021, drei Versionen desselben Angebots und ein Wiki, das seit dem Umzug niemand mehr angefasst hat.
Das liegt nicht an dir. Sondern daran, dass Ablagen in kleinen Unternehmen historisch gewachsen sind und jahrelang niemand danach gefragt hat. Solange Menschen gesucht haben, ging es irgendwie. Menschen erkennen an der Dateiendung, am Datum und am Bauchgefühl, was noch gilt. Eine Maschine tut das nicht.
In diesem Artikel zeige ich dir, warum Daten-Readiness das unspektakulärste und gleichzeitig wichtigste KI-Projekt in deinem Betrieb ist. Du bekommst einen ehrlichen Selbst-Check mit zehn Fragen, die vier Baustellen, an denen es fast immer hakt, und einen 30-Tage-Plan, den du ohne IT-Abteilung schaffst.
Wenn ich in Workshops erkläre, wie ein KI-Assistent auf Firmendokumente zugreift, kommt fast immer dieselbe Frage: "Und woher weiß das Ding, welches Dokument das richtige ist?" Antwort: Gar nicht. Es sucht die Textstellen, die zur Frage am besten passen, und formuliert daraus eine Antwort. Ob der gefundene Text aktuell, freigegeben oder überhaupt gültig ist, kann es nicht beurteilen.
Genau deshalb entsteht der Eindruck, KI würde "halluzinieren". In vielen Fällen halluziniert sie gar nicht. Sie zitiert korrekt aus einem Dokument, das schlicht nicht mehr stimmt.
Dass das kein Randproblem ist, zeigt der Blick auf gescheiterte Projekte. Gartner erwartet, dass bis Ende 2027 mehr als 40 Prozent der Projekte rund um KI-Agenten wieder eingestellt werden, unter anderem wegen unklarem Nutzen, unterschätzter Komplexität und mangelnder Kontrolle über die Grundlagen (Gartner, 2025).
Die unbequeme Reihenfolge lautet also: erst Daten, dann KI. Wer ein KI-System auf ein Datenchaos setzt, bekommt selbstbewusst vorgetragenes Chaos zurück. Und verbrennt intern für Jahre das Vertrauen in die Technologie.
Wenn ich mir Ablagen ansehe, sind es fast immer dieselben vier Muster. Vielleicht erkennst du dich wieder.
Veraltete Wahrheiten. Ein internes Dokument von vor vier Jahren wird zur KI-Antwort von heute. Mit Brief und Siegel, ohne Warnhinweis. Der Mitarbeiter glaubt es, weil es aus dem eigenen System kommt.
Versionen-Wildwuchs. "Angebot_final_v3_NEU(2).docx" liegt neben "Angebot_final_ÜBERARBEITET.docx". Welches gilt? Wenn du es nicht in fünf Sekunden sagen kannst, kann die KI es erst recht nicht.
Wissen ausschließlich in Köpfen. Der wichtigste Prozess im Betrieb steht nirgends geschrieben. Ein KI-Assistent kann nur finden, was existiert. Er erfindet nichts dazu, was nie aufgeschrieben wurde. Er formuliert dann eine plausible Vermutung, und die klingt leider genauso überzeugend wie eine echte Antwort.
Scan-Friedhöfe. Schiefe Handy-Fotos von Lieferscheinen, PDFs, die eigentlich nur Bilder sind. Für dich lesbar, für eine Maschine eine graue Fläche.
Beispiel: Stell dir einen Sanitärbetrieb vor, der einen internen Assistenten für sein Team aufsetzt. Ein Monteur fragt nach dem Stundensatz für Notdienste. Der Assistent findet eine Preisübersicht, die zwei Preiserhöhungen alt ist, und nennt einen Betrag, der deutlich zu niedrig liegt. Der Monteur nennt ihn dem Kunden. Der Fehler steckte nicht im Modell. Er lag im Ordner.
Damit du weißt, wo du ansetzen musst, hilft ein einfaches Stufenmodell. Jede Ebene baut auf der darunter auf. Ein Loch unten macht alles darüber wacklig.
Ebene 1, Auffindbarkeit: Gibt es zu jedem wichtigen Thema genau einen Ort der Wahrheit? Oder konkurrieren Fileserver, Teams-Chat, Mail-Anhänge und der Desktop vom Chef?
Ebene 2, Aktualität: Erkennt man an einem Dokument, ob es noch gilt? Gibt es ein Datum, eine Version, einen Verantwortlichen?
Ebene 3, Lesbarkeit: Kann eine Maschine den Inhalt überhaupt lesen? Text-PDF statt Scan, feste Vorlagen statt Freistil.
Ebene 4, Struktur: Stimmen deine Stammdaten in CRM und Warenwirtschaft? Sind Pflichtfelder gefüllt, Dubletten bereinigt, Begriffe einheitlich?
Ebene 5, Zugriff und Schutz: Wer darf was sehen? Wenn die Rechte nicht sauber sind, wird der KI-Assistent zum Datenleck nach innen. Plötzlich beantwortet er der Aushilfe Fragen zu Gehältern.
Der Praxis-Maßstab: Du brauchst keine perfekten Daten. Du brauchst, dass die 20 Prozent der Dokumente, die 80 Prozent der Fragen beantworten, auffindbar, aktuell, lesbar und rechtssauber sind. Preisliste, FAQ, AGB, Produktdoku, Kernprozesse. Damit startet jedes sinnvolle Projekt.
Nimm dir zehn Minuten und beantworte diese Fragen ehrlich mit Ja oder Nein. Kein Schönreden, das bringt dir nichts.
Auswertung: Acht bis zehn Mal Ja bedeutet, du kannst mit einem KI-Assistenten loslegen. Fünf bis sieben bedeutet, der 30-Tage-Plan weiter unten kommt zuerst. Unter fünf heißt schlicht: Dein Datenprojekt ist dein KI-Projekt. Und das ist keine schlechte Nachricht, sondern eine ehrliche.
Das Zielbild ist pragmatisch und ausdrücklich nicht perfekt. Du brauchst zwei Bereiche.
Erstens eine Wissensbasis für "was gilt": flach, thematisch, maximal drei Klick-Ebenen. Produkte, Preise, Prozesse, Vorlagen, Recht. Typischerweise sind das 50 bis 300 Dokumente. Nicht mehr.
Zweitens ein Archiv für "was war": Projekte, Jahrgänge, alte Angebote. Das darf chaotisch bleiben, weil es gar nicht erst indexiert wird.
Was du brauchst: eine Namenskonvention, die auf eine Zeile passt, zum Beispiel JJJJ-MM_Thema_Status. Und einen Eigentümer je Kernordner. Aktualität ist eine Zuständigkeit, kein Zufall.
Tipp gegen Perfektionismus: Räum nicht den ganzen Server auf. Das schafft niemand und es bringt fast nichts. Kuratiere nur die Wissensbasis. Der Rest bleibt Archiv und stört keinen.
Eine Maschine hat kein Bauchgefühl für Aktualität. Also musst du sie sichtbar machen, und zwar leichtgewichtig.
Setze in Kerndokumente einen Gültig-bis-Vermerk in die erste Zeile. Preisliste bis Quartalsende, AGB bis Jahresende, Prozessbeschreibung bis zum nächsten Review. Wer ein Dokument findet, dessen Frist abgelaufen ist, weiß sofort Bescheid.
Dazu ein Review-Ritual: einmal im Quartal 60 Minuten Wissensbasis-Pflege. Ein Termin im Kalender, ein Verantwortlicher, eine Liste. Das ist die billigste Versicherung gegen falsche KI-Antworten, die es gibt.
Und ganz wichtig: Archiviere veraltete Versionen konsequent aus der Wissensbasis heraus. Nicht löschen, verschieben. Was nicht mehr gilt, darf nicht mehr gefunden werden.
Hier liegt oft der schnellste Gewinn, weil es reine Fleißarbeit ist und keine Diskussion braucht.
Scans in Text verwandeln. Moderne OCR-Werkzeuge machen aus Bild-PDFs durchsuchbaren Text. In Adobe Acrobat heißt die Funktion "Text erkennen", kostenfreie Alternativen gibt es ebenfalls. Auch Microsoft OneNote und die Scan-Funktion aktueller Smartphones liefern brauchbare Ergebnisse. Prüfe nach dem Durchlauf stichprobenartig, ob Zahlen richtig erkannt wurden.
Vorlagen statt Freistil. Wenn jeder sein Protokoll anders aufbaut, findet keine Suche verlässlich die Entscheidungen darin. Drei feste Vorlagen für Angebot, Protokoll und Bericht reichen für die meisten Betriebe.
Tabellen als Tabellen speichern. Eine Preisliste als Excel oder als saubere Tabelle im Dokument ist für ein KI-System deutlich besser verwertbar als ein Screenshot einer Tabelle im PDF.
Diese Baustelle wird am häufigsten übersehen und ist die unangenehmste, wenn sie schiefgeht.
In vielen gewachsenen Netzwerken hat die Gruppe "Jeder" seit Jahren Vollzugriff auf Ordner, die niemand mehr überblickt. Solange keiner sucht, fällt das nicht auf. Ein KI-Assistent sucht aber immer und überall, wo er darf.
Angenommen, eine Steuerkanzlei bindet ihre Ablage an einen internen Assistenten an. In einem Unterordner liegen Gehaltsabrechnungen, die vor Jahren einmal dort abgelegt wurden. Der Assistent hat Zugriff, also nutzt er ihn. Die erste unangenehme Frage kommt garantiert von jemandem, der sie nur aus Neugier stellt.
Lösung: Bevor du irgendein System an deine Ablage lässt, geh drei Dinge durch. Erstens: Welche Ordner sind für alle offen und sollten es nicht sein? Zweitens: Welche Personaldaten, Kalkulationen und Verträge liegen außerhalb geschützter Bereiche? Drittens: Bekommt der KI-Assistent eigene, eingeschränkte Rechte oder erbt er die Rechte des Nutzers? Die zweite Variante ist die sichere.
Wie du den Umgang mit KI-Tools im Team verbindlich regelst, habe ich in ChatGPT im Unternehmen: Was erlaubt ist und was nicht ausführlich beschrieben.
Du brauchst kein Data-Warehouse-Projekt. Du brauchst vier fokussierte Wochen und jemanden, der das Thema wirklich zieht.
Woche 1, Bestandsaufnahme. Mach den 10-Fragen-Check. Liste die 30 wichtigsten Dokumente auf, die eure häufigsten internen und externen Fragen beantworten. Notiere zu jedem: Wo liegt es, wie alt ist es, wer ist zuständig?
Woche 2, Aufräumen und benennen. Lege die Wissensbasis an, ziehe die 30 Dokumente hinein, benenne sie nach eurer Konvention, setze Gültig-bis-Vermerke und archiviere alle Doppelversionen weg.
Woche 3, Lesbar machen und Lücken schließen. Alles, was Scan ist, durch OCR schicken. Und dann der wertvollste Teil: Die zwei bis drei Prozesse, die nur in Köpfen stecken, endlich aufschreiben. Kurzes Handy-Video vom erfahrenen Kollegen aufnehmen, per Transkription in Text wandeln, einmal glattziehen. Das dauert pro Prozess eine Stunde statt der befürchteten drei Tage.
Woche 4, Rechte und Pilot. Zugriffsrechte durchgehen, dann einen kleinen Assistenten auf genau diese Wissensbasis setzen und mit fünf Testpersonen zwanzig echte Fragen stellen. Wo die Antwort falsch ist, liegt fast immer ein Datenproblem dahinter. Notiere es, korrigiere die Quelle, teste erneut.
Was du danach hast: keine perfekte Ablage, aber eine belastbare Grundlage. Und die Gewissheit, dass ein KI-Projekt bei dir jetzt eine faire Chance hat. Wie du auf dieser Basis eine echte Wissensdatenbank aufbaust, liest du in Firmenwissen sichern mit KI.
Ein Nebeneffekt, den viele unterschätzen: Wer seine Daten kennt, verhandelt besser.
Sobald ein Anbieter dir eine Demo zeigt, in der alles reibungslos funktioniert, kannst du die entscheidende Frage stellen: "Wie verhält sich das System, wenn zwei widersprüchliche Dokumente in der Ablage liegen? Sagt es mir, dass es unsicher ist, oder wählt es einfach eines aus?" Anbieter, die darauf keine klare Antwort haben, sind raus.
Tipp: Nimm zehn deiner realen, unaufgeräumten Dokumente mit in den Test. Nicht die schönen. Genau daran zeigt sich, ob ein System für deinen Alltag taugt. Worauf du bei Demos sonst noch achten solltest, steht in KI-Anbieter auswählen: so prüfst du jede Demo.
Daten aufräumen klingt nach dem Gegenteil von Innovation. Es gibt keine Demo, kein Wow, kein Foto fürs LinkedIn-Profil. Und trotzdem entscheidet genau dieser Schritt darüber, ob dein erstes KI-Projekt funktioniert oder ob es zur Anekdote wird, die du bei jedem Beratungsgespräch erzählst.
Der Trend geht klar in eine Richtung: KI-Systeme werden immer mehr selbst handeln, Termine anlegen, Angebote vorbereiten, Anfragen beantworten. Je selbstständiger sie arbeiten, desto teurer wird jede falsche Grundlage. Ein Modell, das nur Text vorschlägt, produziert einen Tippfehler. Ein System, das eigenständig ein Angebot verschickt, produziert einen Vertrag zum falschen Preis.
Deshalb ist meine Empfehlung unromantisch, aber belastbar: Investiere die ersten 30 Tage in deine Daten, nicht in Tool-Vergleiche. Die Tools ändern sich sowieso im Halbjahrestakt. Eine saubere Wissensbasis bleibt.
Du willst wissen, wo deine Daten stehen und mit welchem KI-Schritt du bei dir realistisch anfangen solltest? Dann buch dir dein kostenloses Strategiegespräch. Ich sage dir ehrlich, was bei dir möglich ist und was noch warten kann. Schneller Draht: auch per WhatsApp.
