Wird KI mit mehr Daten automatisch besser?

Das Problem

«Daten sind das neue Öl», heisst es oft. Daraus entsteht die Vorstellung: Je mehr Daten, desto klüger die KI. Also sammeln manche Betriebe alles, was anfällt: jede E-Mail, jedes Dokument, jede Kundenangabe. Man hofft, dass daraus später etwas Nützliches entsteht.

Das ist aus mehreren Gründen riskant. Es kostet Speicherplatz und Ordnung, es bringt Datenschutzfragen mit sich, und es führt nicht automatisch zu besseren Ergebnissen. Manchmal verschlechtert eine grosse, unordentliche Datenmenge sogar die Resultate.

Diese Seite zeigt Ihnen, warum die Qualität wichtiger ist als die Menge und wie Sie die Behauptung «Mehr Daten helfen immer» für Ihren eigenen Fall prüfen.

So lösen Sie es mit KI – Schritt für Schritt

1. Ziel festlegen. Schreiben Sie auf, was die KI leisten soll, etwa «Kundenanfragen nach Thema sortieren». Ohne Ziel lässt sich nicht beurteilen, welche Daten nützen.

1. Vorhandene Daten auflisten. Notieren Sie, wo welche Daten liegen: Mailordner, Tabellen, Programme, Papierablage.

1. Relevanz prüfen. Streichen Sie, was zum Ziel nichts beiträgt. Eine Sammlung zum Thema «Lohnabrechnung» hilft nicht beim Sortieren von Kundenmails.

1. Qualität kontrollieren. Prüfen Sie Stichproben: Sind die Angaben richtig, vollständig, aktuell, einheitlich geschrieben? Gibt es Doppelte oder Widersprüche?

1. Vielfalt sicherstellen. Decken die Daten die typischen Fälle ab, auch Ausnahmen? Wenn nur Standardfälle vorkommen, kann die KI mit Sonderfällen nicht umgehen.

1. Datenschutz klären. Entfernen oder anonymisieren Sie Personendaten, wo sie nicht nötig sind. Siehe Datensparsamkeit.

1. Klein anfangen und messen. Starten Sie mit einer überschaubaren, sauberen Auswahl und vergleichen Sie die Ergebnisse. Erst wenn das gut funktioniert, erweitern Sie schrittweise.

Einfach erklärt

Stellen Sie sich eine Köchin vor, die für ein Menü einkauft. Ein voller Kühlschrank macht noch keine gute Mahlzeit. Entscheidend sind frische Zutaten, die zueinander passen. Alte, verdorbene oder falsche Zutaten verderben das Gericht, egal wie viele es sind.

Bei KI ist das ähnlich. Ein Modell lernt aus Beispielen. Sind sie falsch, einseitig oder voller Wiederholungen, lernt es Falsches. Zu den bekannten Problemen gehören:

Es stimmt aber auch: Grosse Sprachmodelle wurden mit sehr grossen Datenmengen trainiert, und mehr Daten haben ihre Fähigkeiten über längere Zeit verbessert. Die Erfahrung zeigt jedoch, dass auch dort sorgfältige Auswahl, Reinigung und Mischung der Daten eine grosse Rolle spielen. Für kleine Betriebe mit eigenen Aufgaben gilt noch stärker: Qualität schlägt Menge.

Wie Sie Datenqualität im Alltag prüfen

Eine einfache Stichprobe genügt für den Anfang. Ziehen Sie zwanzig zufällige Einträge aus Ihrer Sammlung und lesen Sie sie genau. Wie viele sind fehlerhaft, doppelt, unvollständig oder veraltet? Sind es mehr als ein bis zwei, lohnt es sich, zuerst aufzuräumen. Notieren Sie, welche Art von Fehlern am häufigsten vorkommt, und beheben Sie diese an der Quelle, zum Beispiel durch ein einheitliches Eingabeformular.

Fragen Sie sich zudem, wer für die Daten verantwortlich ist. Ohne eine zuständige Person verschlechtert sich jede Sammlung mit der Zeit.

Worauf Sie achten müssen

• Datenschutz und Zweckbindung: Personendaten dürfen nicht auf Vorrat für beliebige KI-Zwecke gesammelt werden. Klären Sie Zweck und Rechtsgrundlage, bei Zweifeln mit einer Fachperson.
• Schutz vor Datenabfluss: Je mehr Daten in einem System liegen, desto grösser der Schaden bei einem Vorfall.
• Kosten für Aufbereitung: Das Reinigen und Ordnen von Daten kostet oft mehr als das Sammeln.
• Nutzung von Kundendaten für Training: Prüfen Sie, ob ein Dienst Ihre Eingaben zum Training verwendet, und stellen Sie das wenn möglich ab.
• Keine Wunder: Auch mit guten Daten bleibt KI fehleranfällig. Siehe Qualität der Daten.
• Überschätzung durch Hype: Aussagen wie «Mit mehr Daten löst sich das Problem von selbst» sind unseriös.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Online-Händler mit Sitz im Kanton Zürich möchte eine KI einsetzen, die Kundenanfragen nach Thema sortiert. Der Geschäftsführer will dafür alle Mails der letzten zehn Jahre einspeisen.

Vorher: Im Archiv liegen Newsletter, Spam, Weiterleitungen und Anfragen zu längst eingestellten Produkten durcheinander. Nachher: Das Team wählt 500 typische, aktuelle Anfragen aus, lässt sie von einer Person einem Thema zuordnen und entfernt Namen und Adressen. Mit dieser kleinen, sauberen Sammlung testet es die KI. Die Ergebnisse sind besser als mit dem grossen Archiv, und der Datenschutz ist einfacher zu erfüllen. Erweitert wird erst später.

So hilft Ihnen Alpasana

Mitarbeitende, die mit Daten und KI arbeiten, brauchen ein Gespür für Qualität und Datenschutz. Die KI-Weiterbildung für Unternehmen von absofort umfasst laut Beschreibung Online-Weiterbildung von Grundlagen bis zum Executive-Diplomlehrgang, mit Datenschutz als Lerninhalt und dem verantwortungsbewussten Umgang mit Unternehmensdaten. Kontaktmöglichkeiten für Firmenlösungen und Teambuchungen sind angegeben.

Häufige Fragen

Brauche ich eigene Daten, um KI zu nutzen?

Nicht unbedingt. Viele Aufgaben, etwa Texte formulieren oder zusammenfassen, funktionieren ohne eigene Daten. Eigene Daten werden wichtig, wenn die KI betriebsspezifische Fragen beantworten soll. Siehe KI mit wenigen Daten.

Wie viele Daten genügen für einen ersten Test?

Das hängt von der Aufgabe ab. Für einen Pilot reicht oft eine kleine, gut ausgewählte Sammlung typischer Fälle. Prüfen Sie zuerst, ob es funktioniert, bevor Sie mehr sammeln.

Verbessert sich die KI, wenn ich ihr im Chat Korrekturen gebe?

Im laufenden Gespräch folgt sie Ihren Hinweisen. Das ist aber kein Training des Modells selbst. Mehr dazu in KI lernt aus dem Chat?.