Nicht vertauschen
Auto-Vervollständigung allein sichert die Richtigkeit eines Datensatzes aber noch nicht vollumfänglich ab. Eine weitergehende Prüfung ist notwendig, um auszuschließen, dass z.B. Einheiten verwechselt oder Zellen vertauscht und fehlerhaft in eine Datenbank übertragen wurden. Ein Praxisbeispiel: Wird bei der Erfassung eines Verkaufsvertrags bei der Eingabe der vereinbarten Menge anstatt Kilogramm Tonnen ausgewählt und das Komma bei der Preisangabe um eine Stelle nach vorn verrutscht, wird ohne Datenvalidierung eine viel zu große Menge (Faktor 1.000) zu einem viel zu geringen Preis (Faktor 0,1) verkauft. Einige Unternehmen setzen aus diesem Grund auf Kontrollstellen, die vor der Übertragung in eine Datenbank Formulare auf ihre Richtigkeit prüfen. Dieser Vorgang nimmt viel Zeit in Anspruch und ist auch selbst fehleranfällig. Für die meisten Unternehmen ist es wirtschaftlich ohnehin nicht realisierbar. Daher kommt ein vorgeschalteter Filter zum Einsatz. Das Ziel: Die Prüfer sollen sich auf Fehler mit großen Folgewirkungen konzentrieren. Die wiederum vorrangig regelbasierten, pflegeaufwändigen Systeme suchen auf Basis von Schwellenwertprüfungen nach fest definierten Anomalien in den Eingabedatensätzen. Überschreitet z.B. ein eingetragenes Gewicht den Schwellenwert von einer Tonne, überprüft die Kontrollstelle die vorliegenden Eingabedaten. Problematisch wird es jedoch, wenn Prüfregeln fehlen oder bezogen auf ihre Abhängigkeiten unvollständig sind. Fehlt im geschilderten Beispiel eine Prüfregel für das Mengen-Preis-Verhältnis, werden mehrere hundert Datensätze knapp unter einer Tonne mit zu geringen Preisen an der Kontrollstelle vorbei in die Datenbank übertragen. Die Lösung für eine effiziente, ergänzende Datenvalidierung liegt auch hier in dem beschriebenen Mechanismus. Auf der breiten Basis historisierter Daten kann das KI-System selbsttätig Anomalien in den prozessspezifischen Strukturen der gesamten Datensätze erkennen und passt sich kontinuierlich an die aktuellen Gegebenheiten an. Das Ergebnis: Das System leitet für die manuelle Prüfung ausschließlich Dateneingaben mit entsprechenden Anomalien weiter, ohne auf starre Regeln oder Eigenschaften festgelegt zu sein.
Zeit sparen
Die funktionale Komplexität von Business-IT-Lösungen wird zukünftig weiter zunehmen, auch wenn die Entwicklung von modularen Architekturen zu offeneren und agileren Strukturen führt. Umso wichtiger sind schnelle und korrekte Dateneingaben – unterstützt und geprüft durch intelligente Logiken. Dafür eignen sich integrierte KI-Systeme. Sie lernen die notwendigen Muster und Strukturen selbsttätig auf Basis historisierter Daten und passen diese automatisiert und kontinuierlich an. Dadurch lässt sich sowohl die Anwenderfreundlichkeit als auch die Datenkonsistenz messbar erhöhen. Das spart Zeit, Aufwände und Kosten.