DE
AnmeldenJetzt starten
Glossar

Datenbereinigung

Was ist Datenbereinigung?

Datenbereinigung bezeichnet das Erkennen und Korrigieren fehlerhafter, doppelter oder uneinheitlicher Einträge in Datenbeständen. Typische Schritte sind das Vereinheitlichen von Schreibweisen und Datumsformaten, das Entfernen überflüssiger Leerzeichen und das Zusammenführen von Dubletten wie „Müller GmbH“ und „Mueller GmbH“. Saubere Daten sind Voraussetzung für verlässliche Auswertungen, Mailings und KI-Anwendungen.

So hilft KI.ordo

Eine Vorlage in KI.ordo bereinigt Listen, markiert mögliche Dubletten und fehlende Angaben und erstellt dazu ein Änderungsprotokoll.

Mehr erfahren →: Datenbereinigung

Passende Vorlagen

Themen

  • Datenqualität
  • Dubletten
  • Datenpflege

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten
← Alle Begriffe

Verwandte Begriffe

Datenvalidierung

Datenvalidierung prüft, ob Daten vollständig, korrekt formatiert und plausibel sind, bevor sie weiterverarbeitet werden. Typische Prüfungen betreffen Pflichtfelder, das Format von E-Mail-Adressen, Postleitzahlen oder Datumsangaben sowie logische Widersprüche – etwa ein Lieferdatum vor dem Bestelldatum. So fallen Fehler früh auf, statt sich in Berichten, Abrechnungen oder KI-Auswertungen fortzusetzen.

  • Datenqualität
  • Prüfung
  • +1
Vorlage

Fuzzy Matching

Fuzzy Matching (unscharfer Abgleich) findet Einträge, die einander ähneln, aber nicht exakt übereinstimmen – etwa wegen Tippfehlern, Abkürzungen oder unterschiedlicher Schreibweisen. Dazu werden Ähnlichkeitsmaße wie die Levenshtein-Distanz berechnet, die zählt, wie viele Zeichen geändert werden müssen. Typischer Einsatz ist die Dublettensuche in Adress- und Kundendaten: „Müller GmbH, Hauptstr. 5“ und „Mueller GmbH, Hauptstraße 5“ werden als wahrscheinlich gleicher Datensatz erkannt.

  • Datenbereinigung
  • Dubletten
  • +1
Vorlage

Garbage in, Garbage out (GIGO)

„Garbage in, Garbage out“ (Müll rein, Müll raus) beschreibt den Grundsatz, dass ein System nur so gute Ergebnisse liefern kann wie die Daten, die es erhält. Für KI gilt das doppelt: Fehlerhafte, veraltete oder einseitige Trainings- oder Wissensdaten führen zu falschen oder verzerrten Antworten. Ein Chatbot, der auf eine veraltete Preisliste zugreift, nennt eben veraltete Preise. Datenpflege ist deshalb eine Daueraufgabe jedes KI-Projekts.

  • Datenqualität
  • Grundprinzip
  • +1

Strukturierte Daten

Strukturierte Daten folgen einem festen Schema mit klar benannten Feldern, etwa Tabellen, Datenbanken oder JSON-Objekte mit Angaben wie Name, Preis und Datum. Maschinen können sie zuverlässig lesen, filtern und weiterverarbeiten – anders als freie Texte oder Bilder. Auf Webseiten beschreibt Markup nach schema.org zum Beispiel Produkte, Veranstaltungen oder FAQ so, dass Suchmaschinen und KI-Systeme die Inhalte eindeutig verstehen. KI kann zudem aus unstrukturierten Texten strukturierte Daten gewinnen.

  • Daten
  • JSON
  • +1