Mit einer klaren Prüfentscheidung beginnen

Legen Sie vor dem Audit fest, welche Anwendung vorbereitet wird. Für einen internen Serviceassistenten sind Handbücher und freigegebene Lösungsanleitungen relevant. Für eine Rechnungsverarbeitung stehen Belege, Lieferantenstammdaten und Buchungsregeln im Vordergrund.

Schreiben Sie den Prüfauftrag auf eine Seite: Ziel, Datenbereiche, beteiligte Personen, Zeitraum und gewünschte Entscheidung. So vermeiden Sie, dass aus einem begrenzten Audit eine unüberschaubare Aufräumaktion wird.

Die Checkliste für jeden Datenbestand

Erfassen Sie die folgenden Angaben pro Quelle. Wo etwas unklar ist, dokumentieren Sie die Lücke und eine zuständige Person. Ein bewusst offener Eintrag ist besser als eine scheinbar vollständige, aber geratene Antwort.

• Zweck: Welche Aufgabe soll diese Quelle unterstützen?

• Herkunft: Aus welchem System oder Arbeitsprozess stammt sie?

• Verantwortung: Wer kann ihre fachliche Richtigkeit bestätigen?

• Aktualität: Wann und wodurch wird sie geändert?

• Struktur: Welche Formate, Kennungen und Beziehungen gibt es?

• Schutz: Welche Personen dürfen welche Inhalte sehen?

• Pflege: Wie werden Korrekturen, Löschungen und neue Versionen übernommen?

Das W3C beschreibt Metadaten und Herkunft als wichtige Grundlagen nutzbarer Daten. Für ein internes Audit übersetzen Sie das in konkrete Angaben, die ein späteres Projektteam tatsächlich verwenden kann.

Eine Stichprobe auswählen, die Probleme zeigt

Prüfen Sie nicht nur die neuesten, saubersten Dateien. Wählen Sie auch ältere Versionen, besonders lange Dokumente, Sonderformate und typische Ausnahmen. Bei strukturierten Daten gehören leere Felder, Dubletten und ungewöhnliche Werte in die Stichprobe.

Notieren Sie die Auswahlmethode. Eine handverlesene Stichprobe kann Schwachstellen aufdecken, liefert aber keine statistisch belastbare Fehlerquote für den gesamten Bestand. Schreiben Sie deshalb etwa «12 von 40 geprüften Datensätzen ohne Gültigkeitsdatum» und nicht «30 Prozent aller Daten sind unbrauchbar».

Qualität entlang der späteren Nutzung bewerten

Ein Datensatz kann vollständig und trotzdem falsch sein. Eine Telefonnummer kann formal korrekt aussehen und dennoch nicht mehr gelten. Das Government Data Quality Framework unterscheidet deshalb mehrere Qualitätsdimensionen.

Leiten Sie Ihre Prüfregeln aus dem Anwendungsfall ab. Für Ersatzteilfragen sind Artikelnummer, Modellzuordnung und Revision entscheidend. Für Textentwürfe kann ein fehlendes historisches Datum weniger relevant sein. Ein einziges pauschales Qualitätslabel würde diese Unterschiede verdecken.

Findings so dokumentieren, dass jemand handeln kann

Jeder Befund braucht eine Beobachtung, eine mögliche Auswirkung und einen nächsten Schritt. «Daten sind schlecht» hilft niemandem. «Drei aktive Preislisten ohne Gültigkeitsdatum; Assistent könnte alte Konditionen verwenden; Vertrieb bestätigt bis Freitag die gültige Fassung» ist bearbeitbar.

Unterscheiden Sie zwischen Fehlern, die vor dem Pilot behoben werden müssen, und Verbesserungen, die später folgen können. Wenn ein Bestand nicht erforderlich ist, kann sein Ausschluss günstiger und zuverlässiger sein als eine sofortige Bereinigung.

Beispiel: Ein Audit vor einer internen Suche

In einem fiktiven KMU enthalten zwei Ablagen technische Anleitungen. Eine hat klare Modellnummern, aber keine Versionshistorie. Die andere enthält freigegebene Revisionen, jedoch auch vertrauliche Kundenprojekte.

Der Auditentscheid könnte lauten: Die freigegebenen Herstelleranleitungen kommen in den Pilot. Kundenprojekte bleiben zunächst ausgeschlossen. Die fehlende Versionszuordnung wird von der technischen Leitung nachgetragen. Anschliessend prüft das Team anhand bekannter Fragen, ob die richtigen Dokumente gefunden werden.

Diese Entscheidung ist nützlicher als ein allgemeiner Reifegradwert. Sie verbindet konkrete Daten mit einem vertretbaren Projektumfang.

Welche Unterlagen am Ende vorliegen sollten

Ein brauchbares Audit liefert ein Dateninventar, eine dokumentierte Stichprobe, eine priorisierte Befundliste und einen Vorschlag für den Pilotbestand. Es hält auch fest, welche Fragen nicht geprüft wurden.

Die Umsetzung erläutern wir im Beitrag Daten für KI aufbereiten. Wenn Sie die Bestandsaufnahme mit einer Projektentscheidung verbinden möchten, unterstützt unsere KI-Beratung bei der fachlichen und technischen Einordnung.