Glossar

Garbage in, Garbage out (GIGO)

Was ist 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.

So hilft KI.ordo

Auch in KI.ordo hängen Antworten von der Qualität des hinterlegten Wissens ab; die Liste der Wissenslücken zeigt, zu welchen Fragen klare Quellen fehlen.

Mehr erfahren →

Themen

Datenqualität
Grundprinzip
Wissenspflege

KI.ordo ausprobieren

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

Demo starten

← Alle Begriffe

Verwandte Begriffe

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.

Datenqualität
Dubletten
+1

Vorlage

Trainingsdaten

Trainingsdaten sind die Beispiele, aus denen ein KI-Modell Muster lernt – bei Sprachmodellen große Textsammlungen, bei Bildmodellen beschriftete Bilder. Ihre Qualität, Vielfalt und Aktualität bestimmen maßgeblich, wie zuverlässig, fair und auf welchem Wissensstand ein Modell später antwortet. Für Unternehmen ist zudem wichtig, ob ein Anbieter eingegebene Kundendaten für weiteres Training verwendet.

Daten
Training
+1

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

Daten-Governance

Daten-Governance umfasst die Regeln, Rollen und Prozesse, mit denen eine Organisation festlegt, wer welche Daten erheben, nutzen, ändern und löschen darf. Dazu gehören Verantwortlichkeiten für Datenqualität, Zugriffsrechte, Aufbewahrungsfristen und die Einhaltung von Datenschutzvorgaben. Für KI-Projekte ist sie besonders wichtig, weil Modelle und Agenten nur so verlässlich arbeiten wie die Daten, auf die sie zugreifen.

Datenmanagement
Compliance
+1