Datenqualität verbessern: Audit, Maßnahmen, Gegenwert

01 · Einführung

Wie verbessert man Datenqualität?

Datenqualität verbessert man in vier Schritten: messen, Ursachen zuordnen, an der Quelle beheben und wieder messen. Am Anfang steht ein Regelkatalog. Er hält fest, was aktuell, vollständig, plausibel, eindeutig, stimmig und beschrieben sein muss. Der Abstand zum Ziel zeigt, wo sich Arbeit lohnt. Daraus wird eine Liste von Maßnahmen mit Aufwand und Gegenwert in Euro. Das ist auch die Voraussetzung für KI-Agenten: Ein Agent antwortet nur so gut wie die Daten, auf denen er arbeitet.

Genau das ist unser Datenqualitätsaudit. Wir greifen nur lesend auf Ihr Data Warehouse oder Ihre SQL-Datenbank zu und holen nur Zählwerte: Anzahl, Anteile, Ladezeitpunkte. Einzelne Sätze verlassen Ihre Datenbank nicht. Wie wir messen, steht im Kapitel Datenqualität messen des Agentic BI Guide.

Nur lesendZählungen und Anteile, keine einzelnen Sätze
Score je Dimensionaktuell, vollständig, plausibel, eindeutig, stimmig, beschrieben
Ja oder Neinje Maßnahme, mit Aufwand und Gegenwert in Euro
Nachweisderselbe Regelkatalog läuft nach jeder Maßnahme

02 · Ausgangslage

Woran man schlechte Datenqualität erkennt

Die meisten Teams merken es an den Berichten, nicht an den Daten. Vier Anzeichen sind typisch.

Das Alter der Daten steht in keinem Bericht

Kommt ein Ladelauf verspätet, zeigt der Bericht es nicht. Erst wenn jemand seine eigene Liste daneben legt, fällt der alte Stand auf.

Pflichtfelder bleiben leer

Kunden ohne Branche, Artikel ohne Warengruppe. Jede Auswertung nach diesem Feld lässt diese Sätze still weg.

Zwei Zahlen für dieselbe Frage

Controlling und Fachbereich nennen für denselben Monat verschiedene Umsätze. Bevor entschieden wird, wird erst gerechnet, wer recht hat.

Niemand weiß, was eine Spalte bedeutet

Was „Status 3“ heißt, weiß nur, wer die Tabelle gebaut hat. Wer eine Zahl verstehen will, muss fragen.

03 · KI-Agenten

Warum KI-Agenten gute Daten brauchen

Ein Agent arbeitet auf denselben Daten wie Ihr Bericht. Lücken sieht er nicht, er rechnet mit ihnen.

Warum muss die Datenqualität stimmen, bevor KI-Agenten auf den Daten arbeiten?

Weil ein Agent jede Lücke weitergibt, schneller und überzeugender als ein Bericht. Fehlt ein Pflichtfeld bei der Hälfte der Sätze, rechnet er mit der anderen Hälfte und sagt es nicht dazu. Ist ein Ladelauf ausgefallen, antwortet er mit einem alten Stand. Ist eine Spalte nicht beschrieben, rät er, was sie bedeutet.

Wer im Fachbereich mit den Zahlen arbeitet, merkt so etwas oft. Ein Agent merkt es nicht. Deshalb liefert das Audit genau das, was ein Agent braucht, um eine Lücke zu nennen statt sie zu überdecken. Wie Agenten falsche Antworten erzeugen und wie man sie verhindert, zeigt das Kapitel KI-Halluzination.

Vollständig

Das Audit zeigt je Feld, wie viel gefüllt ist. Ein Agent, der das weiß, kann eine Lücke nennen, statt sie zu verschweigen.

Beschrieben

Tabellen und Spalten tragen eine Beschreibung. Ein Agent muss nicht raten, was ein Feld bedeutet, und Copilot findet die richtige Spalte.

Aktuell

Das Monitoring zeigt den Ladestand je Tabelle. Ein Agent kann sagen, von wann seine Zahlen sind.

04 · Optionen

Drei Stufen: prüfen, beheben, überwachen

Jede Stufe ist einzeln wählbar. Die meisten beginnen mit dem Audit und entscheiden danach je Maßnahme.

Die Prüfung ist SQL in Ihrer Datenbank: je Regel eine Abfrage, die zählt. ABIS liest den SQL-Code als Dateien ein und baut daraus den Graphen der Abhängigkeiten. Er zeigt, wie viele Objekte eine Änderung trifft, und damit den Testaufwand je Maßnahme. Das Monitoring ist ein gewöhnlicher Power-BI-Bericht.

Entwurf eines Monitoring-Berichts in Power BI: Score, fehlende Punkte, gewertete Regeln und Alter der Daten, darunter Dimensionen und Themen mit Zuständigem; alle Zahlen sind Beispielwerte

Stufe 1 · Datenqualitätsaudit

Regelkatalog für eine Datenbank oder ein Datenprodukt, zwei Läufe, Score je Dimension, Befunde mit Rückfragen und eine Maßnahmenliste mit Gegenwert in Euro. Zum Abschluss eine Ergebnisbesprechung.

Voraussetzung: ein lesender Zugang. Einzelne Sätze sehen wir nicht.

Stufe 2 · Maßnahmen umsetzen

Wir setzen um, was Sie freigeben und was im Code liegt: Views, Tests, Beschreibungen, Abgleiche. Jede Maßnahme hat einen Aufwand in Personentagen, den Preis nennen wir mit der Maßnahmenliste.

Nachweis: Der Regelkatalog läuft nach jeder Maßnahme neu.

Stufe 3 · Monitoring in Power BI

Ein Bericht zeigt jeden Tag, wann jede Tabelle zuletzt geladen wurde. Danach kommen die Pflichtfelder dazu, die der Fachbereich braucht: wer was nachpflegen muss, je Team.

Das Monitoring ist ein Power-BI-Bericht, keine Funktion von ABIS.

05 · Schritte

So läuft das Audit

Nur lesender Zugang · Ergebnis in einer Besprechung

01
Erstgespräch und Zugang
Wir klären, welche Datenbank oder welches Datenprodukt geprüft wird und wer mit den Zahlen arbeitet. Sie richten einen lesenden Zugang ein. Schreiben können wir nicht.
Wie wir messen
02
Inventar aus den Metadaten
Wir lesen Schemata, Tabellen, Views und Spalten, dazu die Abhängigkeiten im Code. Daraus entsteht der Graph, der zeigt, was wovon abhängt.
03
Regelkatalog mit Zielwerten
Je Regel ein Satz in Ihrer Sprache, eine Dimension und ein Zielwert. Ein Zielwert bleibt ein Vorschlag, bis Ihr Fachbereich ihn bestätigt.
04
Lauf und Score
Je Regel eine Abfrage, die zählt: geprüft, verletzt, erfüllter Anteil. Daraus entsteht der Score je Dimension und gesamt. Gelesen werden nur Zählwerte.
05
Befunde und Rückfragen
Jeder Befund ist als gesichert, offen oder Annahme gekennzeichnet. Wo die Daten eine Frage nicht beantworten, fragen wir nach, statt zu raten. Nach Ihren Antworten läuft der Katalog ein zweites Mal, und dieser Lauf ist die Ausgangslage.
06
Maßnahmenliste und Besprechung
Jede Maßnahme mit Grund, Wirkung in Punkten, Aufwand in Personentagen und Gegenwert in Euro. Sie entscheiden Ja oder Nein. Der nächste Lauf zeigt, was die Umsetzung gebracht hat.

Was es kostet

Datenqualitätsaudit

Festpreis nach Umfang

eine Datenbank oder ein Datenprodukt

Regelkatalog mit Zielwerten
zwei Läufe, Score je Dimension
Maßnahmenliste mit Gegenwert in Euro
Ergebnisbesprechung

Umfang besprechen

Maßnahmen umsetzen

je Maßnahme

Aufwand in Personentagen, Preis mit der Maßnahmenliste

nur, was Sie freigeben
Test und Ausrollen über Ihren Weg
Nachweis durch den nächsten Lauf

Monitoring in Power BI

Aufbau einmalig

danach Betrieb in Ihrem Team

Ladestand je Tabelle, jeden Tag
Pflichtfelder je Team
Verlauf des Scores je Lauf

06 · Referenz

Wie eine Maßnahmenliste aussieht

Ein Beispiel mit erfundenen Zahlen, aus keinem Projekt. Es zeigt, wie aus dem Abstand zum Ziel eine Entscheidung wird und ob sich die Maßnahmen im ersten Jahr rechnen.

Beispiel einer Maßnahmenliste aus einem Datenqualitätsaudit: Score 81 von 100, Aufwand 12 Personentage, Gegenwert 79.200 Euro im Jahr; sechs Maßnahmen nach Punkten sortiert, je mit Grund, Aufwand und Feldern für Ja oder Nein; darunter, bis zu welchem Tagessatz sich die Maßnahmen im ersten Jahr rechnen; alle Zahlen sind Beispielwerte

Beispielwerte · Verfahren

Sechs Maßnahmen, 15,6 Personentage, 79.200 € Gegenwert im Jahr

Ein Datenprodukt mit 42 Regeln steht bei 81 von 100 Punkten. Die 19 fehlenden Punkte verteilen sich auf sechs Maßnahmen, zusammen 12 Personentage, mit Puffer 15,6. Der Gegenwert ist Arbeitszeit, die heute in Kontrolle, Rückfragen, Abgleich und Nebenlisten geht: 1.320 Stunden im Jahr, mit 60 € je Stunde 79.200 €. Trifft nur die Hälfte zu, rechnen sich die Maßnahmen im ersten Jahr bis zu einem Tagessatz von 2.538 €. Das Audit ist nicht eingerechnet, die Stunden sind Annahmen.

Reihenfolge der Maßnahmen

19 PunkteAbstand zum Ziel, auf sechs Maßnahmen verteilt

15,6 PTAufwand aller Maßnahmen mit 30 % Puffer

2.538 €Tagessatz, bis zu dem es sich im ersten Jahr rechnet, wenn nur die Hälfte zutrifft

07 · Häufige Fragen

Häufige Fragen zum Datenqualitätsaudit

Was ist ein Datenqualitätsaudit?

Ein Datenqualitätsaudit misst, wie gut die Daten in einer Datenbank zu ihrem Zweck passen, und leitet daraus Maßnahmen ab. Gemessen wird gegen einen Regelkatalog: je Regel ein Satz, eine Dimension und ein Zielwert. Das Ergebnis sind ein Score je Dimension, Befunde mit Rückfragen und eine Maßnahmenliste mit Aufwand und Gegenwert in Euro. Eine Zertifizierung oder eine Wirtschaftsprüfung ist es nicht.

Was kostet schlechte Datenqualität?

Organisationen schätzen die Kosten schlechter Datenqualität auf durchschnittlich 12,9 Mio. US-Dollar im Jahr. So steht es in der Kundenumfrage zum Gartner Magic Quadrant for Data Quality Solutions vom Juli 2020. Das ist eine Selbstschätzung der befragten Kunden, keine Messung und kein Maßstab für Ihr Unternehmen. Laut Gartner messen außerdem 59 % der Organisationen ihre Datenqualität gar nicht. Deshalb rechnen wir mit Ihren Stunden: Wie viel Zeit geht heute in Kontrolle, Rückfragen, Abgleich und Nebenlisten? Daraus entsteht der Gegenwert je Maßnahme.

Was kostet das Audit?

Das Audit hat einen Festpreis. Er richtet sich nach dem Umfang: eine Datenbank oder ein Datenprodukt, die Zahl der Regeln, zwei Läufe und eine Ergebnisbesprechung. Den Betrag nennen wir nach dem Erstgespräch, wenn der Umfang feststeht. Für die Umsetzung schätzen wir je Maßnahme den Aufwand in Personentagen, den Preis nennen wir mit der Maßnahmenliste.

Wie misst das Audit die Datenqualität?

Je Regel eine Abfrage, die zählt: wie viele Sätze geprüft wurden, wie viele die Regel verletzen und welcher Anteil sie erfüllt. Aus dem erfüllten Anteil und dem Zielwert entsteht ein Score je Regel, je Dimension und gesamt. Wie die Regeln nach Schwere gewichtet werden und wie daraus der Gesamtscore entsteht, steht im Kapitel Datenqualität messen.

Was prüft das Audit, und sehen Sie unsere Daten?

Geprüft wird ein Data Warehouse oder eine SQL-Datenbank. Die Daten können aus einem CRM, einem ERP oder anderen Quellen kommen. Wir holen nur Zählwerte: Anzahl, Anteile, Wertebereiche, Ladezeitpunkte. Einzelne Sätze verlassen Ihre Datenbank nicht. Das Power-BI-Modell gehört nicht zum Audit. Dafür gibt es die Copilot-Discovery.

Was macht ABIS dabei, und was nicht?

ABIS liest den SQL-Code der Datenbank als Dateien ein, etwa aus einem Export der Definitionen, und baut daraus einen Graphen: Tabellen, Views, Spalten und ihre Abhängigkeiten. So sehen wir, wie viele Objekte eine Änderung trifft. Die Messung selbst ist SQL in Ihrer Datenbank, das Monitoring ein Power-BI-Bericht. Beides sind keine Funktionen von ABIS.

Wie bleibt die Datenqualität nach dem Audit gut?

Mit drei Dingen. Regeln mit festem Ziel laufen als Tests bei jedem Ladelauf, siehe Datenvalidierung. Jede Fehlerklasse hat einen Zuständigen, der an der Quelle behebt, siehe Datenqualitätsmanagement. Und ein Monitoring in Power BI zeigt jeden Tag, ob geladen wurde und welche Felder fehlen.

Sind unsere Daten danach bereit für Copilot und KI-Agenten?

Ein Agent antwortet nur so gut wie die Daten, auf denen er steht. Das Audit zeigt, welche Felder tragen und welche nicht, und beschriebene Spalten geben Copilot und Agenten den Zusammenhang. Ob Ihr Unternehmen insgesamt bereit ist, beantwortet das Kapitel KI-Readiness.

David Chang, Gründer und Datenarchitekt von DBI Analytics

Direkter Draht

Fragen zu dieser Leistung?

Rufen Sie direkt an. Kein Formular, keine Rückruf-Schleife: Sie sprechen mit jemandem, der diese Leistung aus Projekten kennt.

David ChangGründer & Datenarchitekt · Agentic BI, Microsoft Fabric

Direkt anrufen+49 89 21542466

Weiter erkunden

Wie wir messen, zuordnen und überwachen

Wie aus Regeln ein Score wird, wer welchen Fehler behebt, wie Regeln als Tests bei jedem Lauf laufen und wie eine Fehlerliste im Power-BI-Modell aussieht: vier Kapitel aus dem Agentic BI Guide zum Verfahren.

Alle 31 Kapitel im Agentic BI Guide

Bringen Sie eine Frage mit, die Ihre Daten heute nicht beantworten

In 30 Minuten klären wir, welche Datenbank geprüft wird, welche Regeln zuerst zählen und wovon der Festpreis abhängt. Keine Vertragsbindung.

Erstgespräch buchen Wie wir messen

Datenqualität verbessern: erst messen, dann verbessern

Wie verbessert man Datenqualität?

Woran man schlechte Datenqualität erkennt