Die Leistungsfähigkeit von KI-Systemen hängt maßgeblich von den verfügbaren Daten ab. Durch generative Suche und Agentic Commerce werden Produkt- und Unternehmensdaten damit zu einem entscheidenden Wettbewerbsfaktor. Dieser Beitrag beleuchtet, warum das Thema Datenqualität heute ins Management gehört und welche Risiken schlechte Daten mit sich bringen.
Die Debatte über künstliche Intelligenz dreht sich meist um Modelle, Regulierung und Rechenleistung. Eine Voraussetzung erhält dabei deutlich weniger Aufmerksamkeit: die Qualität der Daten, auf deren Grundlage diese Systeme überhaupt Entscheidungen treffen.
Mit generativer Suche und Agentic Commerce greift KI nicht mehr nur unterstützend in Prozesse ein, sondern übernimmt zunehmend eine aktive Rolle. Sprachmodelle bewerten Produkte, vergleichen Angebote und treffen eine Vorauswahl, bevor ein Mensch überhaupt beteiligt ist. Laut Analysen von Akeneo beginnt bereits rund jede dritte Produktsuche (37 Prozent) nicht mehr bei klassischen Suchmaschinen, sondern direkt im Chatfenster eines KI-Assistenten. Die nächste Entwicklungsstufe zeichnet sich bereits ab: Agenten bereiten Kaufentscheidungen nicht nur vor, sondern führen sie eigenständig aus. Damit verändert sich auch die Bedeutung von Produkt-, Kunden- und Unternehmensdaten, auf denen Entscheidungen wie diese basieren.
Das Sicherheitsnetz verschwindet
Im klassischen E-Commerce ließen sich Schwächen in den Produktdaten häufig ausgleichen. Eine überzeugende Website, hochwertige Bilder oder eine durchdachte Nutzerführung konnten lückenhafte oder widersprüchliche Informationen teilweise kompensieren. Sobald eine KI die Customer Journey auf Basis strukturierter Daten zusammensetzt, funktioniert dieser Mechanismus nicht mehr. Dann bilden die Daten nicht länger die Grundlage des Erlebnisses – sie werden selbst zum zentralen Bestandteil der Entscheidungsfindung.
KI-Systeme interpretieren keine Markenbotschaften, sondern Daten. Was nicht vollständig, konsistent und maschinenlesbar hinterlegt ist, kann bei der Bewertung durch ein KI-System nicht berücksichtigt werden. Ein Produkt mit fehlenden Attributen wird nicht falsch dargestellt – es erscheint unter Umständen gar nicht. Dasselbe gilt für Unternehmen, deren Informationen unvollständig, widersprüchlich oder nicht ausreichend strukturiert vorliegen. Anders als bei einer fehlerhaften Website gibt es oft kein unmittelbares Warnsignal. Sichtbarkeit geht verloren, ohne dass dies sofort erkennbar wird.
Fehlerhafte Daten skalieren schneller als je zuvor
Widersprüchliche oder unvollständige Daten waren schon immer problematisch. Neu ist die Geschwindigkeit, mit der sich Fehler heute auswirken können. Ein veralteter Preis, eine falsche Maßangabe, eine fehlende Konformitätsinformation oder widersprüchliche Unternehmensangaben können automatisiert verarbeitet und in großer Zahl weiterverwendet werden. KI-Systeme treffen Entscheidungen auf Grundlage der verfügbaren Informationen – nicht auf Basis dessen, was eigentlich gemeint war.
Datenqualität wird dadurch zu einer Frage von Haftung, Vertrauen und Risikomanagement. Wenn autonome Systeme auf Basis fehlerhafter Informationen Entscheidungen treffen oder Transaktionen auslösen, stellt sich unweigerlich die Frage nach Verantwortung und Kontrolle und damit nach der organisatorischen Einordnung des Themas.
Von der operativen Aufgabe zur Führungsverantwortung
Solange Datenqualität vor allem interne Prozesse unterstützte, konnte die Verantwortung delegiert werden. Wenn Daten jedoch darüber entscheiden, ob ein Unternehmen in relevanten KI-Kanälen sichtbar bleibt, als vertrauenswürdig eingestuft wird oder regulatorischen Anforderungen genügt, entsteht eine strategische Dimension.
In vielen Unternehmen liegt die größte Herausforderung heute weniger in der Technologie als in der Governance. Häufig ist nicht eindeutig geregelt, wer für die Qualität, Konsistenz und Aktualität von Produkt- und Unternehmensdaten verantwortlich ist. Daten entstehen in unterschiedlichen Abteilungen, werden in verschiedenen Systemen gepflegt und entlang zahlreicher Prozesse genutzt. Die Verantwortung endet jedoch nicht an organisatorischen Grenzen.
Klare Zuständigkeiten, verbindliche Standards und eine gemeinsame Datenstrategie lassen sich nicht allein durch neue Software schaffen. Sie erfordern Entscheidungen auf Führungsebene. Datenqualität wird zu einer Managementaufgabe, die bereichsübergreifend gesteuert werden muss.
Vertrauen ist die eigentliche Währung
Die größte Herausforderung im Agentic Commerce ist nicht die Technologie selbst, sondern die Frage des Vertrauens. Aktuelle Akeneo-Erhebungen zeigen ein deutliches Spannungsfeld: 58 Prozent der Verbraucher nutzen KI bereits für die Produktrecherche, aber nur 17 Prozent würden einem System den eigentlichen Kauf vollständig überlassen.
Diese Lücke wird sich nur schließen, wenn die zugrunde liegenden Informationen verlässlich sind. Vertrauen in KI-Systeme entsteht nicht allein durch leistungsfähigere Modelle, sondern dort, wo sich ein System auf die zugrunde liegenden Daten verlassen kann.
Ob sich künftig offene Standards, Plattformökosysteme oder andere technische Ansätze durchsetzen, ist dabei von nachgelagerter Bedeutung. Sie alle basieren auf derselben Voraussetzung: strukturierten und interoperablen Daten.
Was jetzt zu tun ist
Unternehmen müssen heute nicht vorhersagen, welche Plattform, welches Protokoll oder welches KI-System künftig den Markt prägen wird. Entscheidend ist vielmehr, die eigene Datenbasis so aufzubauen, dass sie unabhängig von technologischen Entwicklungen nutzbar bleibt.
Saubere Daten, eine belastbare Governance, interoperable Systeme und klar definierte Verantwortlichkeiten reduzieren Risiken und schaffen Handlungsspielräume. Gleichzeitig verbessern sie nicht nur die Leistungsfähigkeit künftiger KI-Anwendungen, sondern stärken auch bestehende digitale Kanäle und Prozesse.
Die Zukunft des Handels wird nicht von einem einzelnen Kanal bestimmt werden. Menschen, digitale Shops, Marktplätze und autonome Agenten werden parallel miteinander interagieren. Die gemeinsame Grundlage bleibt dieselbe: vertrauenswürdige, strukturierte und aktuelle Daten.
Die entscheidende Frage lautet also nicht mehr, ob Unternehmen in Datenqualität investieren sollten. Es geht darum, wer die Verantwortung dafür übernimmt. In einer zunehmend KI-geprägten Wirtschaft wird Datenqualität zu einer Führungsaufgabe – mit direkten Auswirkungen auf Sichtbarkeit, Vertrauen und Geschäftserfolg.
