Die Daten sind da. Die Form stimmt nicht.

Jahre an Aufträgen, Rechnungen und Kundenhistorie liegen in einem alten ERP. Es sind echte, wertvolle Daten — und man kann ihnen kaum eine Frage stellen. Die Tabellen wurden für einen Bildschirm von 2009 entworfen, Codes bedeuten in verschiedenen Modulen Verschiedenes, und die Bedeutung steckt in den Köpfen der Menschen, die es seit einem Jahrzehnt nutzen. Nichts davon ist ein Grund, es weggesperrt zu lassen.

Was „AI-tauglich“ wirklich bedeutet

Eine AI kann nur gut antworten, wenn die Daten darunter sauber und strukturiert sind. Das ist weniger aufregend als das Modell und wichtiger. Bevor eine AI Ihre Historie berührt, besteht die Arbeit darin, die Daten eine einzige, einheitliche Bedeutung tragen zu lassen.

  • Eine Definition pro Sache: ein Kunde, ein Produkt, ein Auftragsstatus, die über jeden Datensatz hinweg dasselbe bedeuten.
  • Ausdrückliche Beziehungen: welcher Auftrag zu welchem Kunden gehört, in den Daten festgehalten statt von einem Bericht angedeutet.
  • Erhaltener Kontext: die Notizen und Ausnahmen, die erklären, was die nackten Zahlen nicht sagen.

Saubere Daten schlagen ein größeres Modell

Es ist verlockend zu denken, ein leistungsfähigeres Modell überdecke unordentliche Daten. Das tut es nicht. Ein starkes Modell auf verwirrten Daten liefert selbstsichere, falsche Antworten — die schlimmste Art. Ein bescheidenes Modell auf sauberen, gut strukturierten Daten liefert Antworten, denen Sie trauen und die Sie prüfen können. Der Vorteil liegt fast immer in den Daten.

Eine Historie, die Fragen beantwortet

Sobald die Historie in einer Form ist, die eine AI abfragen kann, hört sie auf, totes Gewicht in einem alten System zu sein. Sie können fragen, was letztes Quartal wirklich geschah, warum ein Kunde ging, wo Marge leise versickerte — und bekommen eine Antwort, die in Ihren echten Zahlen verankert ist, keine Vermutung. Das ist der Sinn der Migration: Ihre Vergangenheit beginnt, für Sie zu arbeiten.