Definition
Datenqualität beschreibt, wie korrekt, aktuell, vollständig und einheitlich die Daten sind, mit denen ein System arbeitet. Für einen KI-Telefonassistenten heißt das: Stimmen Öffnungszeiten, Preise, Kontakte und Verfügbarkeiten, die er nennt oder ins CRM schreibt? Schlechte Daten führen zu falschen Auskünften und doppelten Kontakten, gute Daten sind die Grundlage für verlässliche Gespräche am Telefon.
Warum der Begriff zählt
Ein Assistent kann noch so gut formulieren, wenn die Daten falsch sind, sind die Auskünfte falsch. Am Telefon wirkt das sofort: eine veraltete Öffnungszeit, ein doppelter Kontakt, ein falscher Preis. Datenqualität ist damit kein Nebenthema, sondern die Basis. Wer den Begriff versteht, investiert in saubere Quellen und Regeln, bevor er auf immer bessere Modelle setzt.
Wann es relevant ist
- Der Assistent gibt Auskünfte aus Datenbeständen.
- Er schreibt Kontakte oder Termine in ein CRM.
- Daten kommen aus mehreren Quellen zusammen.
- Bestände sind über die Zeit unordentlich geworden.
Wann nicht
Wenn der Assistent weder Daten ausliest noch schreibt, sondern nur weiterleitet, spielt Datenqualität kaum eine Rolle. Und in einer sehr frühen Testphase mit Beispieldaten steht sie hinten an, solange klar ist, dass vor dem Livegang aufgeräumt wird.
Branchen, die das nutzen
- Finanzdienstleister: falsche Auskünfte zu Konditionen wären teuer, saubere Daten sind Pflicht.
- Handel und E-Commerce: Preise und Bestände müssen stimmen, damit der Assistent nicht Falsches zusagt.
- Gesundheitswesen: korrekte Kontakt- und Termindaten verhindern Verwechslungen bei Anrufen.
- Vertrieb und B2B: im Outbound verhindern saubere Lead-Daten Doppelanrufe und peinliche Fehler.
Typische Anwendungsfälle
- Öffnungszeiten und Preise regelmäßig prüfen und aktuell halten.
- Doppelte Kontakte erkennen und zusammenführen.
- Einheitliche Schreibweisen für Namen und Orte durchsetzen.
- Pflichtfelder festlegen, die der Assistent im Anruf erfasst.
- Datenstände aus mehreren Quellen sauber abgleichen.
Entscheidungshilfe
| Signal | Datenpflege passt | Alternative |
|---|---|---|
| Assistent gibt Auskünfte | Quellen sauber halten | falsche Daten, falsche Antworten |
| Schreibt ins CRM | Regeln und Prüfung | Dubletten häufen sich |
| Nur Weiterleitung | selten Thema | keine Datennutzung |
| Frühe Testphase | vor Livegang aufräumen | Beispieldaten reichen kurz |
Beispiel
Ein Händler bemerkt, dass sein Assistent gelegentlich veraltete Preise nennt. Statt am Wortlaut zu feilen, werden die Datenquellen geprüft, doppelte Einträge zusammengeführt und ein fester Weg für Aktualisierungen eingeführt. Beim Schreiben ins CRM erzwingt der Assistent Pflichtfelder. So bessern sich die Auskünfte an der Wurzel. Das Beispiel beschreibt die Methode, keine behauptete Kundenkennzahl.
Verbindung zu Services
Saubere Daten sind die Grundlage für den KI-Telefonassistenten und den KI-Vertrieb am Telefon, technisch als Voice Agent, der aus verlässlichen Quellen antwortet.
Verwandte Begriffe
Quellen
Diese Einordnung beschreibt gängige Praxis rund um Datenqualität. Welche Prüfungen und Regeln nötig sind, hängt von den Quellen und dem Anwendungsfall ab und muss im Einzelfall geprüft werden.
Mit AI zusammenfassen