Eine falsche Zahl reicht.

Kosten

Im Schnitt mindestens 11,2 Mio. € pro Jahr durch schlechte Daten (Gartner, 2020, umgerechnet).

Migrationen

Datenprobleme sind ein Hauptgrund, warum Projekte Zeit und Budget sprengen.

KI-Projekte

Schlechte Daten werden durch KI nicht besser – nur schneller verbreitet.

Pflicht

Der EU AI Act verlangt KI-Kompetenz der Mitarbeiter (Art. 4).

Verschiedene Datumsformate, falsche Zeichenkodierung, Dubletten und Rechenfehler – wie im Projektalltag. Sie erleben direkt, wie sich einzelne Fehler auf reale Kennzahlen auswirken.

Verstehen und prüfen

• 1. Statistik, Machine Learning, generative KI – was ist das eigentlich?
  Drei Begriffe, die oft in einen Topf geworfen werden, aber unterschiedliche Werkzeuge sind – wir ordnen sie einmal klar ein.
• 2. Wie Daten zusammenhängen – und warum das wichtig ist
  Schlüssel, Beziehungen, Kardinalitäten: das Handwerkszeug, um aus einem wirren CSV-Export ein verständliches Datenmodell zu machen.
• 3. Das Sternschema – das Einmaleins der Datenauswertung
  Die einfache Struktur, nach der die meisten Berichte und Dashboards aufgebaut sind, Schritt für Schritt erklärt.
• 4. Vom CSV zur eigenen Datenbank
  Wie aus mehreren losen Dateien eine Datenbank wird, mit der man wirklich arbeiten kann.
• 5. Was heißt eigentlich „gute Datenqualität“?
  Die wichtigsten Qualitätsdimensionen einfach erklärt – und wie man daraus konkrete Prüfregeln macht.
• 6. Nicht suchen, sondern gezielt prüfen
  Der wichtigste Trick gegen das Gefühl „irgendwo muss doch ein Fehler sein“: erst eine Vermutung aufstellen, dann gezielt nachschauen.
• 7. Mit einfachen Mitteln Ausreißer erkennen
  Durchschnitt und Streuung (Standardabweichung) – die Basis, um zu sehen, was „normal“ ist und was nicht.
• 8. Der Z-Score und seine robuste Variante
  Zwei einfache Kennzahlen, mit denen man ungewöhnliche Werte zuverlässig findet – erst auf Papier nachvollzogen, dann in Python nachgebaut.
• 9. Erste Schritte in Python – ohne Vorwissen
  Die Rechenschritte aus den vorherigen Punkten als kleines, nachvollziehbares Programm – die Grundlage für den Rest des Workshops.

Erkennen, bereinigen, messen

• 1. Fehler automatisch finden: drei Wege im Vergleich
  Feste Regeln, Statistik und Machine Learning – jede Methode hat ihre Stärken, wir zeigen, wann welche zum Einsatz kommt.
• 2. Anomalieerkennung in der Praxis: der Isolation Forest
  Ein bewährtes Verfahren, das verdächtige Datensätze findet, ohne dass man vorher genau weiß, wonach man sucht.
• 3. Dubletten und ähnliche Schreibweisen zusammenführen
  Wie man „Müller GmbH“ und „Mueller GmbH“ als denselben Kunden erkennt – der unscharfe Vergleich.
• 4. Bereinigen, aber nachvollziehbar
  Jede Korrektur wird protokolliert – damit später sichtbar bleibt, was sich wie auf die Kennzahlen ausgewirkt hat.
• 5. Datenqualität dauerhaft im Blick behalten
  Kennzahlen, die zeigen, ob sich die Qualität verbessert oder verschlechtert – mit einer sinnvollen Grenze statt starrer Vorgabe.
• 6. Wann ein Alarm wirklich einer ist
  Die Eingriffsgrenze: wie man vermeidet, bei jeder kleinen Schwankung gleich Alarm zu schlagen.
• 7. KI nutzen, ohne gegen den Datenschutz zu verstoßen
  Pseudonymisierung und was beim KI-Einsatz rechtlich zu beachten ist – praxisnah statt Juristendeutsch.
• 8. Wenn Daten aus Fließtext bestehen
  Wo Sprachmodelle klassischen Methoden überlegen sind – etwa bei Freitextfeldern oder Kommentaren.
• 9. Neu: vortrainierte KI für Tabellen
  Tabular Foundation Models – ein aktueller Ansatz, der ganze Tabellen „versteht“, ohne dass man ihn erst aufwendig trainieren muss.

Sie nehmen mit

Eine Lernunterlage mit ausführlichen Kapiteln, ein Übungspaket mit Datenbank und mehreren Skripten, diverse Prüfregeln als SQL-Code und ein interaktiver Prüfbericht als Vorlage für die eigenen Daten. Vor allem aber nehmen Sie das komplette Vorgehen mit: vom manuellen Prüfen über klassische Machine-Learning-Verfahren bis zu aktuellen Tabular Foundation Models – geordnetes Know-how, das Sie direkt auf die Daten Ihres eigenen Unternehmens anwenden können. Wer vorher noch keine Berührung mit Python hatte, erhält zusätzlich einen echten Einstieg in diese Programmiersprache – und damit einen direkten Zugang zum Machine Learning.

Voraussetzungen und Format

Excel- oder SQL-Grundkenntnisse hilfreich, Python nicht notwendig – keine Installation erforderlich, die Übungen laufen direkt im Browser (Colab). Ein Laptop genügt für die Teilnahme. Dauer: 2 Tage.