KI für Datenanreicherung: Strukturierte Daten kontrolliert ergänzen

KI kann fehlende Informationen aus Dokumenten, Websites und anderen Quellen in bestehende Datensätze übernehmen. Entscheidend ist dabei nicht nur, ob ein Modell passende Werte erzeugt. Unternehmen müssen nachvollziehen können, woher jedes ergänzte Feld stammt, wie sicher die Extraktion ist und ob ein Mensch die Angabe geprüft hat. Ohne diese Kontrolle werden plausible Vermutungen leicht zu scheinbaren Fakten.

Der Beitrag richtet sich an Verantwortliche für Datenprodukte, Plattformen und Automatisierung. Die zentrale Entscheidung lautet: Welche Schritte eignen sich für klassische Regeln, welche für KI – und wo braucht es eine Prüfung vor der Veröffentlichung? Eine belastbare Datenanreicherung trennt diese Aufgaben. Sie erfasst den Ausgangszustand, ergänzt Daten kontrolliert und belegt anschließend Herkunft und Freigabe.

Kurz gesagt

KI eignet sich für Datenanreicherung, wenn relevante Informationen in unstrukturierten Quellen stehen und sich nicht zuverlässig mit festen Regeln extrahieren lassen. Sie sollte Werte nicht stillschweigend überschreiben oder ohne Beleg veröffentlichen. Jedes angereicherte Feld braucht eine nachvollziehbare Quelle, einen Prüfstatus und – wo nötig – einen menschlichen Freigabeschritt. Für einfache, klar definierte Umformungen ist klassische Softwarelogik meist die bessere Wahl.

Ausgangslage

Viele Datenbestände enthalten Lücken, unterschiedliche Schreibweisen oder Informationen, die nur in längeren Texten vorliegen. Ein Datensatz zu einem Anbieter kann zum Beispiel Name und Adresse enthalten, während Öffnungszeiten, Leistungsmerkmale oder Voraussetzungen auf einer Website oder in einem Dokument stehen.

Manuelle Recherche kann solche Angaben erschließen, ist aber schwer skalierbar und nicht immer einheitlich dokumentiert. Eine automatische Übernahme löst das Problem nur teilweise: Ein System muss den passenden Quelltext finden, die relevante Aussage erkennen, sie dem richtigen Datensatz zuordnen und in ein vorgegebenes Datenmodell übersetzen.

Dabei sind drei Fragen voneinander zu trennen:

• Was steht in der Quelle? Die Extraktion muss den Inhalt möglichst originalgetreu erfassen.
• Zu welchem Datensatz gehört die Aussage? Eine korrekte Information am falschen Objekt ist trotzdem ein Fehler.
• Darf der Wert verwendet werden? Das hängt von Quelle, Aktualität, Prüfregeln und fachlicher Bedeutung ab.

KI kann vor allem beim Verstehen variierender Texte helfen. Sie ersetzt jedoch weder die Datenmodellierung noch die Definition von Quellenregeln und Freigaben.

Entscheidungskriterien

1. Ist die Aufgabe regelbasiert oder interpretativ?

Wenn ein Feld aus einer klaren Tabelle stammt oder nach festen Regeln umgeformt werden kann, ist ein deterministischer Import in der Regel einfacher zu prüfen. KI ist eher dann sinnvoll, wenn die Information in Fließtexten, Dokumenten oder unterschiedlich aufgebauten Seiten gesucht und eingeordnet werden muss.

Beispiele für geeignete KI-Aufgaben sind das Herausziehen einer Leistungsbeschreibung aus einem längeren Text oder das Zuordnen einer Aussage zu einem Feldschema. Berechnungen, Formatvereinheitlichungen und eindeutig definierte Zuordnungen sollten dagegen möglichst mit klassischer Softwarelogik erfolgen.

2. Wie verlässlich und geeignet ist die Quelle?

Eine Quelle muss nicht nur erreichbar sein. Sie muss für die konkrete Aussage zuständig und ausreichend aktuell sein. Prüfen Sie:

• Wer veröffentlicht die Information – der Betreiber, eine Plattform oder eine Drittquelle?
• Ist erkennbar, auf welchen Datensatz oder welches Dokument sich die Aussage bezieht?
• Gibt es ein Datum oder einen anderen Hinweis auf den Stand?
• Lassen sich relevante Textstellen als Beleg speichern?
• Was geschieht, wenn Quellen einander widersprechen?

Die Herkunft gehört an die einzelne Angabe. Ein allgemeines Quellenfeld am Datensatz reicht nicht, wenn verschiedene Felder aus unterschiedlichen Dokumenten stammen.

3. Welche Folgen hat ein falscher Wert?

Ein falsch extrahierter beschreibender Hinweis kann weniger kritisch sein als eine falsche Voraussetzung, ein Preis oder eine Leistungsangabe. Legen Sie deshalb pro Feld fest, ob es automatisch übernommen werden darf oder vor der Veröffentlichung geprüft werden muss.

Je höher die fachlichen, finanziellen oder rechtlichen Folgen eines Fehlers, desto strenger sollten Prüf- und Freigaberegeln sein. Rechtliche Anforderungen sind im Einzelfall fachkundig zu prüfen; eine technische Kontrollstufe ersetzt keine Rechtsberatung.

4. Ist die Zuordnung zum richtigen Objekt gesichert?

Die Quelle kann korrekt sein, während die Zuordnung zum internen Datensatz falsch ist. Namen können sich ähneln, Standorte mehrfach vorkommen oder Betreiberseiten mehrere Angebote beschreiben. Definieren Sie daher eindeutige Kennungen und Regeln zur Zuordnung. Unsichere Treffer sollten in eine manuelle Prüfung gehen, nicht automatisch zusammengeführt werden.

5. Können Herkunft und Änderungen später rekonstruiert werden?

Für jedes ergänzte Feld sollte nachvollziehbar sein, welcher Wert zuvor galt, welche Quelle verwendet wurde, wann die Extraktion stattfand und ob ein Mensch den Wert geprüft hat. Ebenso wichtig ist eine Rücknahme: Wenn eine Quelle unzuverlässig ist oder ein Modellfehler auffällt, muss sich die Änderung eingrenzen und korrigieren lassen.

Ein strukturiertes Ausgabeformat hilft, die erwarteten Felder und Datentypen festzulegen. Es beweist aber nicht, dass ein extrahierter Wert inhaltlich stimmt. Strukturprüfung und fachliche Prüfung sind unterschiedliche Kontrollen.

Optionen für die Umsetzung

Klassische Datenlogik

Regeln, Importe und validierte Schnittstellen sind passend, wenn Quelle und Zielformat stabil sind. Sie sind besonders geeignet für eindeutige Felder, bekannte Zuordnungen und wiederholbare Transformationen. Änderungen an der Quelle müssen trotzdem überwacht werden.

KI-gestützte Extraktion

Ein Modell liest variierende Texte und liefert Werte in einem definierten Schema. Diese Option kann Recherche und Erstzuordnung unterstützen. Sie braucht jedoch Quellenbelege, Validierung und Regeln dafür, was bei fehlender oder widersprüchlicher Evidenz geschieht.

Kombinierter Workflow

In vielen Fällen ist die Kombination sinnvoll: Software wählt Datensätze und Quellen aus, KI extrahiert mögliche Werte, Prüfregeln kontrollieren Format und Pflichtfelder, und ein Mensch beurteilt kritische oder unsichere Ergänzungen. Erst danach werden freigegebene Daten in den produktiven Bestand übernommen.

Vorgehen: Know → Change → Prove

Know: Bestand und Regeln erfassen

Dokumentieren Sie zunächst das Datenmodell, vorhandene Werte, Datenquellen und Qualitätsprobleme. Legen Sie fest, welche Felder angereichert werden sollen, welche Quelle pro Feld zulässig ist und welche Fälle automatisch abgelehnt werden. Ein Ausgangsbestand ermöglicht später den Vergleich mit den Änderungen.

Change: Änderungen begrenzt und prüfbar ausführen

Die KI sollte Vorschläge in einem Staging-Bereich oder einer Warteschlange erzeugen, nicht unkontrolliert Live-Daten überschreiben. Ein Vorschlag kann den erkannten Wert, die Fundstelle, die Quelle und den Prüfstatus enthalten. Regeln können Änderungen ablehnen, wenn Pflichtangaben fehlen, die Zuordnung unsicher ist oder die Quelle nicht zugelassen ist.

Das Muster lässt sich an einem einzelnen angereicherten Datensatz zeigen. Die Werte und Belegtexte im folgenden Schema sind illustrativ und kein realer Datensatz:

{
  "record_id": "beispiel-001",
  "enrichment": {
    "opening_hours": {
      "value": "Beispielwert aus einer Betreiberseite",
      "source": {
        "type": "operator_website",
        "reference": "betreiberseite:abschnitt-oeffnungszeiten",
        "evidence": "Illustrativer Belegtext aus der Quelle",
        "captured_at": "2026-10-06"
      },
      "review_status": "needs_review"
    },
    "accessibility_note": {
      "value": "Illustrative Angabe zur Zugänglichkeit",
      "source": {
        "type": "operator_website",
        "reference": "betreiberseite:abschnitt-zugang",
        "evidence": "Illustrativer Belegtext zur Angabe",
        "captured_at": "2026-10-06"
      },
      "review_status": "approved"
    }
  }
}

Das Beispiel hält die Herkunft direkt am jeweiligen Feld fest, denn unterschiedliche Angaben können aus verschiedenen Stellen stammen. Der Status macht kenntlich, ob ein Wert noch geprüft werden muss oder freigegeben ist. Ein produktives System sollte zusätzlich festlegen, wer eine Freigabe erteilen darf und wie Änderungen protokolliert werden.

Prove: Qualität und Wirkung belegen

Prüfen Sie die Ergebnisse gegen Quellen und fachliche Regeln. Sinnvoll sind Tests mit bekannten Beispielen, eine Stichprobe der extrahierten Werte und die Auswertung von Fehlerarten: falsche Quelle, falsche Zuordnung, veraltete Information oder nicht belegbare Aussage. Dokumentieren Sie außerdem, welche Änderungen freigegeben und welche zurückgewiesen wurden.

Erst wenn die Qualität für den konkreten Anwendungsfall ausreicht, sollte der Umfang erweitert werden. Eine einzelne Qualitätskennzahl genügt nicht, wenn sie Fehlerarten mit unterschiedlichem Risiko zusammenfasst.

Praxisbeispiel

Bei erlebe-nrw stammen Ausflugsziele aus OpenStreetMap, Wikidata, Wikivoyage und dem Data Hub Tourismus NRW. Quelle und Stand werden bei den Angaben ausgewiesen; dünne Seiten ohne ausreichende Inhalte werden ausgeschlossen. Das Beispiel zeigt, warum Herkunft und Aktualität Teil des Datenprodukts sein müssen, nicht bloß interne Importnotizen. Mehr zum Projekt erlebe-nrw.

Bei Wendewerk unterstützt KI die Extraktion aus Satzungstexten. Die Ergebnisse werden zunächst in einem Staging-Schritt geprüft und erst nach Review mit den bestehenden Daten zusammengeführt. Das ist für Informationen sinnvoll, bei denen ein ungeprüfter Modellvorschlag nicht direkt den produktiven Datenbestand verändern soll. Mehr zum Projekt Wendewerk.

Typische Fehler

• KI-Ausgaben als Tatsachen behandeln: Eine plausible Formulierung ist noch kein Beleg.
• Quellen nur am Datensatz speichern: Dadurch bleibt unklar, welche Quelle welches Feld stützt.
• Fehlende Werte erraten lassen: Wenn keine eindeutige Aussage vorliegt, sollte das Ergebnis „nicht gefunden“ oder „Prüfung nötig“ sein.
• Werte ohne Vergleich überschreiben: Bestehende Angaben und neue Vorschläge müssen sichtbar gegenübergestellt werden.
• Freigabe mit Formatvalidierung verwechseln: Ein gültiges JSON kann fachlich falsch sein.
• Alle Felder gleich behandeln: Prüfaufwand und Freigaberegeln sollten sich am möglichen Schaden orientieren.
• Den Workflow ohne Rücknahme planen: Änderungen müssen protokolliert und bei Bedarf korrigierbar sein.

Empfehlung

• Wenn Informationen aus einer stabilen Quelle nach festen Regeln übernommen werden, verwenden Sie einen klassischen Import mit Validierung.
• Wenn wichtige Aussagen in variierenden Texten stehen, nutzen Sie KI für die Extraktion – mit Feldschema, Beleg und Prüfstatus.
• Wenn ein Fehler erhebliche Folgen haben kann, verlangen Sie eine menschliche Freigabe vor der Veröffentlichung.
• Wenn Quellen oder Zuordnungen unsicher sind, speichern Sie Vorschläge getrennt vom produktiven Datenbestand.
• Wenn viele Datenquellen und Rollen zusammenwirken, definieren Sie Datenmodell, Herkunft und Freigabeprozess gemeinsam, bevor Sie die Automatisierung ausrollen.

Checkliste

• Ist klar, welche Felder ergänzt werden sollen und wozu sie dienen?
• Ist pro Feld festgelegt, welche Quellen zulässig sind?
• Wird die Fundstelle als Beleg gespeichert?
• Sind Quelle und Stand direkt am ergänzten Feld nachvollziehbar?
• Gibt es Regeln für fehlende, widersprüchliche oder veraltete Angaben?
• Werden Datensätze eindeutig zugeordnet und unsichere Treffer zurückgehalten?
• Sind Prüfstatus und Freigabeberechtigung definiert?
• Lassen sich Vorschläge mit dem bisherigen Wert vergleichen und zurücknehmen?
• Prüfen Tests sowohl das Datenformat als auch die inhaltliche Richtigkeit?

Häufige Fragen

Kann KI Daten ohne menschliche Prüfung anreichern?

Das hängt vom Feld, der Quelle und den Folgen eines Fehlers ab. Bei stabilen Quellen und geringem Risiko kann eine automatische Übernahme nach festgelegten Prüfregeln passen. Kritische oder unsichere Angaben sollten zur Freigabe vorgelegt werden.

Reicht es, die Quelle einmal pro Datensatz zu speichern?

Meist nicht. Wenn Felder aus unterschiedlichen Quellen stammen, muss die Herkunft feldbezogen gespeichert werden. So bleibt nachvollziehbar, welcher Beleg welche Angabe stützt.

Ist ein strukturiertes KI-Ergebnis automatisch korrekt?

Nein. Ein Schema kann Vollständigkeit und Datentypen prüfen, aber nicht zuverlässig die Wahrheit einer Aussage bestätigen. Dafür braucht es Belege, fachliche Regeln und je nach Risiko eine menschliche Prüfung.

Wann ist klassische Softwarelogik besser?

Wenn Eingabe, Zuordnung und Transformation eindeutig beschrieben werden können. KI ist kein Ersatz für stabile Regeln, sondern eine Ergänzung für Inhalte, die interpretiert oder aus variierenden Texten extrahiert werden müssen.

Weiterführend

• Strukturierte Ausgaben mit KI und JSON
• Automatische Recherche mit KI
• Human-in-the-loop für KI-Workflows
• KI-Workflows richtig testen

Weiterführende Quellen

Diese offiziellen Dokumentationen und Standards vertiefen die behandelten Themen.

• OpenAI: Structured Outputs
• NIST AI Risk Management Framework