Praxisbeispiel · Datenbank, Datenkatalog und Qualitätsregeln
Datenqualität mit KI prüfen: Regeln, Ausnahmen und Ursachen verbinden
Datenqualität mit KI prüfen: Der Guide zeigt benötigte Daten, zwei realistische Verbindungswege, einen konkreten Ablauf und die fachliche Prüfung.
Für Teams, die prüfen wollen, wie sich Datenbank, Datenkatalog und Qualitätsregeln mit einem eigenen Skill oder einem anderen Verbindungsweg in einen konkreten KI-Ablauf einbinden lässt.
Skills verbinden meinGPT mit APIs, für die kein fertiger Connector vorhanden ist. Dieses Beispiel zeigt den Aufbau; der Skill wird für API, Rechte und Ablauf des Unternehmens eingerichtet.
- Quelle
- Datenbank, Datenkatalog und Qualitätsregeln
- Fähigkeit
- Regelverletzungen erklären, ähnliche Ausnahmen gruppieren und Klärfälle an Data Owner übergeben
- Anbindung
- Kein fertiger Universal-Connector wird behauptet. Der konkrete Zugriff auf Datenbank, Datenkatalog und Qualitätsregeln wird für die benötigten Felder und Aktionen eingerichtet, mit minimalen Rechten getestet und vor produktiver Nutzung freigegeben.
- Datenhaltung
- Datenhaltung und Verarbeitung hängen vom gewählten Quellsystem, dem Verbindungsweg und der meinGPT-Konfiguration ab. Vor dem Einsatz müssen Felder, Speicherorte, Aufbewahrung, Verträge und Löschung für den gesamten Ablauf geprüft werden.
Kurz erklärt
Regelverletzungen erklären, ähnliche Ausnahmen gruppieren und Klärfälle an Data Owner übergeben. Benötigt werden profilierte Daten, Qualitätsregeln, Felddefinitionen und bekannte Ausnahmegründe. Das Ergebnis ist ein Qualitätsbericht mit Regel, Anzahl, Beispiel, möglicher Ursache und Owner. Data Owner bestätigen Ursache und Korrekturmaßnahme.
Beispielhafte Aufgaben
01
Regeln ausführen
Vollständigkeit, Format, Eindeutigkeit und Referenzintegrität werden deterministisch gemessen.
02
Ausnahmen erklären
Ähnliche Fehlerbilder werden gruppiert und mit Beispieldatensätzen belegt.
03
Korrektur routen
Jede Problemklasse erhält Owner, betroffene Quelle und eine prüfbare Maßnahme.
So funktioniert die Verbindung
Benötigt werden: profilierte Daten, Qualitätsregeln, Felddefinitionen und bekannte Ausnahmegründe. Ein Skill oder der dokumentierte zweite Verbindungsweg stellt nur diese Daten bereit. Die KI erzeugt einen Qualitätsbericht mit Regel, Anzahl, Beispiel, möglicher Ursache und Owner. Data Owner bestätigen Ursache und Korrekturmaßnahme. Erst danach darf eine bestätigte Aktion in einem Zielsystem ausgeführt werden.
So kann der Dienst angebunden werden
Je nach Aufgabe kann die Verbindung direkt im Assistenten oder in einer Automatisierungsplattform betrieben werden.
meinGPT Skill
Wird für den Prozess eingerichtet
Datenbank, Datenkatalog und Qualitätsregeln aus einem meinGPT-Assistenten ansprechen
Ein eigener Skill liest nur die benötigten Daten, gibt einen prüfbaren Entwurf zurück und führt bestätigte Aktionen gezielt aus.
Geeignet für: Aufgaben, die Nutzer in meinGPT starten, nachvollziehen und bewusst bestätigen sollen.
Benötigt
- Eine dokumentierte Schnittstelle oder klar abgegrenzte Dateiquelle
- Ein für Datenfelder, Rechte, Zeitouts und Fehlerfälle getesteter Skill
MCP
Vom Unternehmen betrieben
Lokales System über MCP oder Outpost bereitstellen
Ein kundenseitig betriebener Server stellt eng begrenzte Werkzeuge oder read-only Daten für den Ablauf bereit.
Geeignet für: Datenbanken und interne Systeme, die nicht direkt aus der Cloud erreichbar sein sollen.
Benötigt
- Ein dokumentierter, kundenseitig betriebener MCP- oder Outpost-Zugang
- Explizite Rechte, Netzwerkfreigabe und Betriebsverantwortung
Prompt und Ergebnis offen prüfen
Arbeite ausschließlich mit den bereitgestellten Daten. Erstelle einen Qualitätsbericht mit Regel, Anzahl, Beispiel, möglicher Ursache und Owner. Trenne bestätigte Fakten, mögliche Erklärung und offene Prüfung. Erfinde keine fehlenden Werte und nenne für jede kritische Aussage die zugrunde liegende Quelle.
Ergebnis
| Schritt | Ergebnis | Prüfung |
|---|---|---|
| Eingang | profilierte Daten, Qualitätsregeln, Felddefinitionen und bekannte Ausnahmegründe | Quelle und Datenstand bestätigen |
| Entwurf | ein Qualitätsbericht mit Regel, Anzahl, Beispiel, möglicher Ursache und Owner | Fachliche Richtigkeit prüfen |
| Aktion | Noch nicht ausgeführt | Erst nach benannter Freigabe |
Diesen Ablauf mit euren Systemen umsetzen.
Wir prüfen gemeinsam, welche Schnittstelle, Rechte und Betriebsform für den Ablauf nötig sind.
Sicherheit und Betrieb
Für Datenbank, Datenkatalog und Qualitätsregeln werden nur die für den beschriebenen Zweck erforderlichen Daten und Rechte freigegeben. Personenbezogene oder vertrauliche Inhalte benötigen eine dokumentierte Rechtsgrundlage, Zugriffskontrolle, Protokollierung, Aufbewahrung und einen klaren Freigabeschritt.
Bei der Auswahl prüfen
- Zweck und Datenumfang sind vor der technischen Einrichtung eindeutig beschrieben.
- Der Quellzugriff lässt sich auf benötigte Felder, Objekte und Aktionen begrenzen.
- Entwurf, fachliche Prüfung und ausgeführte Aktion sind im Ablauf getrennt und nachvollziehbar.
- Fehler, Timeouts und uneindeutige Fälle stoppen kontrolliert, statt unbemerkt weiterzulaufen.
Bekannte Grenzen
- 01Die KI darf keine Produktionsdaten eigenständig bereinigen oder Regeln anhand der Daten still verändern.
- 02Die KI ersetzt keine fachliche, rechtliche, steuerliche oder personelle Entscheidung; die zuständige Rolle bleibt verantwortlich.
- 03Welche Daten gelesen oder geschrieben werden können, hängt von der konkreten API, den vergebenen Rechten und dem eingerichteten Ablauf ab.
Häufige Fragen
Ja, wenn das konkrete System eine geeignete API oder freigegebene Datenquelle bietet. Ein eigener Skill kann den Zugriff direkt im Assistenten abbilden; alternativ ist der beschriebene zweite Verbindungsweg möglich. Diese Seite verspricht keinen bereits fertigen Universal-Connector.