Lernthema 2 von 10

Daten als Basis für Künstliche Intelligenz

Aus der Schulung KI-Schulung – Künstliche Intelligenz im Arbeitsalltag

Daten bilden den Kern jeder KI-Anwendung. Ohne hochwertige und gut strukturierte Daten können KI-Systeme nicht effektiv arbeiten. Dieses Modul erläutert, warum Daten so wichtig sind, welche Arten von Daten verwendet werden, wie Daten gesammelt und verarbeitet werden und welche Verantwortung Sie bei der Eingabe tragen.

Warum sind Daten wichtig?

KI basiert auf der Analyse großer Datenmengen. Je besser die Datenqualität, desto leistungsfähiger das System. Daten dienen einerseits als Trainingsmaterial für die Entwicklung von Modellen. Andererseits, und das ist für die meisten Unternehmen der Regelfall, sind sie das, was täglich in fertige KI-Systeme eingegeben wird, um Ergebnisse zu erhalten. Beide Perspektiven haben unterschiedliche Verantwortlichkeiten (siehe unten).

Daten als Basis für Künstliche Intelligenz

Arten von Daten

  • Strukturierte Daten: klar formatiert, z. B. Datenbanktabellen mit Kund:innendaten, Verkaufszahlen oder Lagerbeständen.
  • Unstrukturierte Daten: ohne festes Format, z. B. Textdokumente, E-Mails, Bilder, Audio. Sie sind schwerer zu analysieren, aber oft informationsreich.
  • Halb strukturierte Daten: teilweise strukturiert, z. B. JSON- oder XML-Dateien.

Datensammlung und -verarbeitung

  • Datenquellen: intern (Unternehmensdatenbanken) und extern (öffentliche Datenbanken, soziale Medien).
  • Datenerfassung: z. B. per API oder Sensoren. Beim Web-Scraping ist Vorsicht geboten – das automatisierte Auslesen fremder Websites kann Urheber- und Datenschutzrechte verletzen; Rechteinhaber können der Nutzung ihrer Inhalte für KI-Training widersprechen (Nutzungsvorbehalt). Vorab die Rechtslage klären.
  • Datenbereinigung: Filtern, Korrigieren und Standardisieren fehlerhafter Rohdaten.
  • Datenvorverarbeitung: Normalisieren, Transformieren und Formatieren für Analyse und Training.

Moderne Verfahren im Umgang mit Daten

  • Prompts als Dateneingabe: Ein Text, den Mitarbeitende in ein KI-Werkzeug eingeben (ein Prompt), ist eine Datenverarbeitung. Der Inhalt verlässt unter Umständen das Unternehmen und wird je nach Anbieter gespeichert oder zum Training verwendet. Welche Daten eingegeben werden dürfen, wird in Modul 4 vertieft.
  • Retrieval-Augmented Generation (RAG): Das KI-System greift auf eine hinterlegte Sammlung eigener Unternehmensdokumente zu, um Antworten auf deren Basis zu geben, ohne das Modell neu zu trainieren.
  • Synthetische Daten: künstlich erzeugte Daten, die echte nachbilden; sie können Datenschutzrisiken verringern, bergen aber eigene Qualitätsrisiken.

Ihre Verantwortung: Welche Daten Sie eingeben

Für Unternehmen, die KI-Systeme einsetzen (im EU AI Act „Betreiber”), gilt: Auch wenn das Modell von einem anderen Anbieter stammt, tragen Sie Verantwortung für die Daten, die Sie hineingeben.

Was sind eigentlich Hochrisikosysteme?

Der EU AI Act stuft KI-Systeme nach ihrem Risiko ein und knüpft die strengsten Pflichten an die sogenannten Hochrisikosysteme. Darunter fallen Anwendungen, die erheblichen Einfluss auf die Sicherheit oder die Grundrechte von Menschen haben können. Dazu zählen etwa KI-Systeme im Personalwesen (z. B. beim Sichten von Bewerbungen oder bei Beförderungsentscheidungen), bei der Kreditvergabe und Bonitätsprüfung, in der medizinischen Diagnostik, im Bildungsbereich (etwa zur Bewertung von Prüfungen), bei kritischer Infrastruktur sowie in bestimmten Bereichen der Strafverfolgung und Migration. Kurz gesagt: Je stärker ein KI-System über Chancen, Rechte oder die Sicherheit von Menschen mitentscheidet, desto eher gilt es als Hochrisikosystem. Für viele alltägliche Anwendungen (etwa Spamfilter oder einfache Chatbots) gelten diese verschärften Regeln dagegen nicht.

Der EU AI Act verpflichtet Betreiber von Hochrisiko-KI-Systemen ausdrücklich, darauf zu achten, dass die eingegebenen Daten für den vorgesehenen Zweck geeignet und hinreichend repräsentativ sind, soweit sie die Kontrolle darüber haben. Vereinfacht gilt für alle KI-Nutzung: Ungeeignete, unvollständige oder verzerrte Eingabedaten führen zu schlechten oder irreführenden Ergebnissen. Die Anforderungen an die Qualität der Trainingsdaten selbst (die Daten-Governance des AI Act) richten sich dagegen an die Anbieter, die das Modell entwickeln und in der Regel nicht an Ihr Unternehmen. Sie verantworten Ihre Eingaben und die Nutzung der Ergebnisse, nicht die Entwicklung des Modells.

Datenqualität und -sicherheit

Wichtige Aspekte der Datenqualität sind Genauigkeit, Vollständigkeit, Konsistenz und Aktualität. Ein besonderes Risiko ist Bias (Verzerrung): Bilden Daten bestehende Vorurteile ab oder repräsentieren Gruppen ungleich, übernimmt die KI diese Verzerrungen und kann zu diskriminierenden Ergebnissen führen (vertieft in Modul 6 und 8). Für die Datensicherheit sind Verschlüsselung, Zugriffskontrollen (nur autorisierte Personen) sowie regelmäßige Überwachung und Audits zentrale Maßnahmen.

Herausforderungen und Best Practices

Typische Herausforderungen im Umgang mit Daten sind:

  • Datenqualität: sicherstellen, dass gesammelte Daten hochwertig sind.
  • Datensilos: die Isolation von Daten zwischen Abteilungen und Systemen überwinden.
  • Datenschutz: Datenschutzgesetze einhalten und die Privatsphäre schützen.
  • Datenethik: Missbrauch und Diskriminierung vermeiden.

Hilfreich sind eine klare Datenstrategie, die Zusammenführung und Harmonisierung von Daten aus verschiedenen Quellen sowie die kontinuierliche Verbesserung von Datenqualität und -prozessen.

Fazit

Daten sind die Grundlage jeder KI-Anwendung. Ein effektives Datenmanagement und das Sicherstellen der Datenqualität sind entscheidend für den Erfolg von KI-Projekten. Für die tägliche Arbeit gilt zudem: Schon bei der Eingabe von Daten in KI-Werkzeuge tragen Mitarbeitende und Unternehmen Verantwortung. Für die Eignung der Daten ebenso wie für den Schutz sensibler Informationen.