Warum Daten die Grundlage jeder Digitalisierung sind
Ein digitalisierter Prozess ist nur so gut wie die Daten, auf denen er läuft. Warum saubere Daten die eigentliche Grundlage jeder Digitalisierung sind - und was passiert, wenn dieses Fundament fehlt.
Ein digitalisierter Prozess ist nur so gut wie die Daten, auf denen er läuft. Diese Feststellung klingt banal - wird aber in der Praxis regelmässig ignoriert, weil Digitalisierungsprojekte meist mit der Frage nach der richtigen Software beginnen, nicht mit der Frage nach der Qualität der vorhandenen Daten.
Was Datenqualität konkret bedeutet
Der Begriff “Datenqualität” wirkt abstrakt, lässt sich aber an vier konkreten Fragen festmachen:
- Vollständigkeit - fehlen Angaben, die für den Prozess eigentlich nötig wären?
- Korrektheit - stimmen die erfassten Werte mit der Realität überein?
- Eindeutigkeit - gibt es Dubletten, unterschiedliche Schreibweisen für dieselbe Sache, widersprüchliche Einträge?
- Aktualität - spiegeln die Daten den heutigen Stand wider, oder sind sie seit Monaten nicht mehr gepflegt?
Ein Prozess kann in all diesen vier Punkten einwandfrei digitalisiert sein und trotzdem falsche Ergebnisse liefern, wenn die zugrunde liegenden Daten eine dieser vier Fragen nicht sauber beantworten.
Kurz gesagt: Digitalisierung überträgt einen Prozess ins System - sie repariert aber nicht automatisch die Daten, mit denen dieser Prozess arbeitet. Schlechte Daten bleiben nach der Digitalisierung schlecht, nur schneller sichtbar.
Warum das Problem erst bei der Automatisierung auffällt
Solange Prozesse manuell ablaufen, gleichen erfahrene Mitarbeitende viele Datenmängel unbewusst aus: Sie erkennen, dass eine Adresse falsch geschrieben ist, oder wissen aus dem Kopf, welcher von drei ähnlichen Kundeneinträgen der richtige ist. Sobald derselbe Prozess automatisiert wird, fehlt genau dieses stille Korrektiv - und die Datenmängel wirken sich direkt und ungefiltert auf das Ergebnis aus.
Das gilt in noch stärkerem Mass für künstliche Intelligenz: Eine KI, die auf Basis vorhandener Daten Vorschläge macht oder Muster erkennt, übernimmt jeden systematischen Fehler in diesen Daten ungefragt - und oft in einer Weise, die schwerer zu durchschauen ist als ein einzelner falscher Eintrag in einer Excel-Liste.
Digitalisierung repariert nicht automatisch die Daten, mit denen ein Prozess arbeitet - schlechte Daten bleiben schlecht, nur schneller sichtbar.
Woran sich mangelnde Datenqualität im Alltag zeigt
Drei typische Symptome deuten auf ein Datenqualitätsproblem hin, auch wenn sie zunächst wie etwas anderes aussehen:
- Auswertungen und Reports, denen im Meeting grundsätzlich misstraut wird (“die Zahlen stimmen sowieso nicht”)
- Derselbe Kunde oder Lieferant existiert mehrfach im System, mit leicht unterschiedlichen Angaben
- Eine Automatisierung liefert regelmässig falsche oder unsinnige Ergebnisse, die manuell korrigiert werden müssen
Was Odoo an der Datenbasis ändert
In Odoo laufen alle Bereiche über dieselbe Datenbasis, wodurch sich viele Ursachen für schlechte Datenqualität von selbst reduzieren: Ein Kunde existiert einmal, nicht separat in CRM, Verkauf und Buchhaltung, und Pflichtfelder lassen sich so konfigurieren, dass unvollständige Einträge gar nicht erst entstehen. Datenqualität wird damit nicht automatisch perfekt, aber die strukturellen Gründe für Dubletten und Widersprüche zwischen Abteilungen fallen weitgehend weg.
Fazit
Wer über Digitalisierung, Automatisierung oder KI spricht, spricht zwangsläufig auch über Datenqualität - auch wenn das selten der erste Programmpunkt ist. Ein Fundament aus vollständigen, korrekten, eindeutigen und aktuellen Daten entscheidet am Ende stärker über den Erfolg eines Projekts als die Wahl der Software.
Weiterführend: Themenwelt Digitalisierung & Prozesse. Den nächsten Schritt machen Sie mit dem kostenlosen Projekt-Check.
Wie steht es um die Datenqualität in Ihrem Unternehmen?
Im kostenlosen Projekt-Check schauen wir uns Ihre Datenbasis gemeinsam an, bevor wir über Software sprechen.
