Viele Besprechungen über ein KI-Vorhaben enden mit dem Satz: „Uns fehlen die Daten." Der Satz klingt nach Sorgfalt, und in diesem Moment widerspricht ihm kaum jemand. Das Vorhaben rückt in die nächste Planungsrunde, mit dem Auftrag, zuerst die Datenlage zu verbessern. Ein Jahr später ist es keinen Schritt weiter.
Für einen großen Teil dieser Vorhaben ist der Einwand unbegründet. Sie sollen ein Programm eine Aufgabe so erledigen lassen, wie ein Mensch sie heute erledigt: Belege prüfen, Angaben vergleichen, in Systemen nachschlagen, entscheiden und den Vorgang an die richtige Stelle weitergeben. Dafür bekommt das Programm Zugriff auf die nötigen Systeme und eine schriftliche Beschreibung des Vorgehens: welche Quellen man in welcher Reihenfolge prüft, woran man erkennt, dass ein Zwischenergebnis nicht stimmt, und was dann zu tun ist. Trainingsdaten, also alte Fälle mit markiertem richtigem Ergebnis, an denen ein Programm lernt, sind für solche Aufgaben selten der Engpass. In der Rechnungsprüfung heißt das: Gebraucht wird jemand, der aufschreibt, woran er eine fehlerhafte Rechnung erkennt.
Anders liegt es bei Vorhersagen aus den eigenen historischen Daten. Eine Absatzprognose aus der Auftragshistorie oder die Vorhersage von Störungen aus Sensordaten funktioniert nur, wenn genügend saubere Messwerte über genügend lange Zeit vorliegen. Hier ist der Dateneinwand berechtigt.
Dass er trotzdem gegen fast jedes Vorhaben erhoben wird, hat zwei Gründe. Das Bild von KI, das viele Führungskräfte mitbringen, stammt aus den bekannten Erfolgsgeschichten der vergangenen Jahre: Ein Programm lernt aus einer riesigen Menge aufbereiteter Beispiele und wird mit jedem weiteren besser. Außerdem ist der Einwand bequem. Er lässt sich in einer Sitzung kaum widerlegen und macht das Problem zur Aufgabe der IT oder eines eigenen Datenprojekts. Die tatsächliche Voraussetzung muss der Fachbereich selbst schaffen: Seine erfahrenen Mitarbeiterinnen und Mitarbeiter brauchen Zeit, ihr Vorgehen aufzuschreiben, und gerade sie sind im Tagesgeschäft fest eingeplant.
Dass dieses Vorgehen fehlt, bemerkt selten jemand, weil es nie aufgeschrieben war. Die Sachbearbeiterin weiß seit Jahren, bei welchem Lieferanten die Rechnungspositionen nicht stimmen. Der Meister hört, wann eine Maschine gleich Ausschuss produziert. Beide wenden ihr Wissen täglich an und mussten es nie erklären. Für diese Lücke hat niemand ein Wort, also nennen die Beteiligten die Lücke, für die es eines gibt: fehlende Daten.
Welcher Fall vorliegt, klärt eine Rückfrage: „Welche Daten genau, für welchen Schritt?" Bei einer Vorhersage kommt eine Antwort, die sich prüfen lässt, etwa die Auftragsdaten mehrerer Jahre oder die Sensorwerte einer bestimmten Anlage. Bei einem Vorhaben, das ein Arbeitsverfahren nachbilden soll, lautet die Antwort etwa so: „Beispiele, wie wir das machen." Gemeint ist dann eine Beschreibung des Vorgehens, und die kann der Fachbereich selbst schreiben.
Stellen Sie diese Rückfrage bei jedem Einwand, der ein KI-Vorhaben verschiebt. Soll das Programm aus Messwerten vorhersagen, arbeiten Sie zuerst an den Daten. Soll es eine Aufgabe so erledigen, wie ein Mensch sie heute erledigt, beginnen Sie mit dem Vorgehen.
Dafür genügt eine Stunde. Nehmen Sie eine Aufgabe, die jemand in Ihrem Bereich regelmäßig und erkennbar gut erledigt, und geben Sie dieser Person die Zeit. Sie beschreibt, womit sie anfängt, was sie in welcher Reihenfolge prüft, woran sie merkt, dass etwas nicht stimmt, und was sie dann tut. Jemand schreibt mit. Am Ende liegen etwa zwei Seiten Text vor, und für die meisten Vorhaben, die bei Ihnen auf bessere Daten warten, ist das die Voraussetzung, die bisher gefehlt hat.