---
title: Künstliche Intelligenz verstärkt Datenfehler statt sie zu beheben
url: https://www.elseif.net/de/kunstliche-intelligenz-verstarkt-datenfehler-statt-sie-zu-beheben
published: 2026-11-16T10:04:36+00:00
language: de
section: Agenten
source: https://www.computing.es/opinion/la-ia-no-arregla-tus-datos-amplifica-los-errores/
organizations: Precisely, Drexel University, Gartner
publisher: elseif
---

# Künstliche Intelligenz verstärkt Datenfehler statt sie zu beheben

Unternehmen stehen vor der Herausforderung, dass die Implementierung von künstlicher Intelligenz bestehende Datenfehler nicht korrigiert, sondern diese in großem Umfang skaliert. Während Führungskräfte in Lenkungsausschüssen primär über die Geschwindigkeit der Einführung diskutieren, stellt sich die kritische Frage, auf welcher Datenbasis diese Systeme aufgebaut werden.

Eine Umfrage von Precisely und dem LeBow College of Business der Drexel University unter 565 Datenexperten zeigt eine Diskrepanz zwischen Selbstbild und Realität. Zwar geben 88 Prozent der Datenverantwortlichen an, bereit für künstliche Intelligenz zu sein, doch räumen 43 Prozent gleichzeitig ein, dass ihre Daten derzeit ein Hindernis darstellen. Im Januar 2026 verdeutlichte dieselbe Studie, dass fast die Hälfte der Personen, die sich als bereit bezeichnen, dies in derselben Befragung widerrufen.

Die technische Problematik folgt dem Prinzip, dass fehlerhafte Eingaben zwangsläufig zu fehlerhaften Ausgaben führen. Während manuelle Prozesse Fehler langsam aufdecken, lernen Modelle der künstlichen Intelligenz diese Fehler, generalisieren sie und wenden sie mit hoher Geschwindigkeit an. Bei autonomen Agenten, die Aktionen ausführen, verlagert sich der Fehler somit von einfachen Berichten direkt in den operativen Betrieb.

Laut Gartner verfügen 63 Prozent der Organisationen nicht über angemessene Datenmanagementpraktiken für künstliche Intelligenz oder wissen dies nicht. Es wird prognostiziert, dass Unternehmen bis Ende 2026 etwa 60 Prozent ihrer Projekte aufgeben werden, die nicht durch vorbereitete Daten gestützt werden. Dies geschieht trotz massiver Investitionen in generative und agentische künstliche Intelligenz, bei denen die meisten Organisationen keinen messbaren Ertrag erzielen, da sie nicht in reale Arbeitsabläufe passen.

Als Hauptbremsen für die Entwicklung werden nicht die Modelle selbst, sondern die Datenqualität, die Datenverwaltung sowie fehlende Kontextattribute, Datenschutzbedenken und mangelnde Datenmengen zur Vermeidung von Verzerrungen genannt. Eine formale Strategie zur Datenverwaltung scheint jedoch zu helfen: 71 Prozent der Organisationen mit einem solchen Programm haben ein hohes Vertrauen in ihre Daten, verglichen mit 50 Prozent bei jenen ohne Programm. Zudem erwarten 32 Prozent der strategisch aufgestellten Unternehmen einen positiven Ertrag innerhalb von 6 bis 11 Monaten.

Regulatorische Anforderungen verstärken den Druck, da die europäische Verordnung über künstliche Intelligenz Governance und Qualitätsstandards für Hochrisikosysteme, etwa bei der Kreditvergabe oder Personalauswahl, vorschreibt. Gleichzeitig wird künstliche Intelligenz selbst als Werkzeug genutzt, um Daten zu etikettieren oder Qualitätsregeln vorzuschlagen, wobei Plattformen wie die Data Integrity Suite von Precisely die Datenverwaltung über natürliche Sprache ermöglichen.
