{"id":25416,"date":"2025-03-17T13:09:17","date_gmt":"2025-03-17T07:39:17","guid":{"rendered":"https:\/\/www.verdantis.com\/?p=25416"},"modified":"2026-01-30T15:32:28","modified_gmt":"2026-01-30T10:02:28","slug":"ai-mdm","status":"publish","type":"post","link":"https:\/\/www.verdantis.com\/de\/ai-mdm\/","title":{"rendered":"Stammdatenverwaltung [MDM] &amp; KI"},"content":{"rendered":"<div data-elementor-type=\"wp-post\" data-elementor-id=\"25416\" class=\"elementor elementor-25416\" data-elementor-post-type=\"post\">\n\t\t\t\t<div class=\"elementor-element elementor-element-65d9acd e-flex e-con-boxed e-con e-parent\" data-id=\"65d9acd\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4f6e273 elementor-widget elementor-widget-text-editor\" data-id=\"4f6e273\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"100\" data-end=\"432\">Das Stammdatenmanagement entwickelt sich von einer reaktiven, regelbasierten Funktion zu einer strategischen, informationsgesteuerten F\u00e4higkeit.<\/p><p data-start=\"100\" data-end=\"432\">Herk\u00f6mmliche Ans\u00e4tze haben oft Schwierigkeiten, mit komplexen, bereichs\u00fcbergreifenden Daten Schritt zu halten, die \u00fcber ERP-, CRM-, PLM- und SCM-Systeme verteilt sind, so dass Unternehmen anf\u00e4llig f\u00fcr Fehler, Duplikate und unvollst\u00e4ndige Datens\u00e4tze sind.<\/p><p data-start=\"434\" data-end=\"754\"><a href=\"https:\/\/www.gartner.com\/en\/data-analytics\/topics\/data-quality\" rel=\"nofollow noopener\" target=\"_blank\">Gartner<\/a> berichtet, dass schlechte Datenqualit\u00e4t Unternehmen durchschnittlich $12,9 Millionen pro Jahr kostet. KI und maschinelles Lernen ver\u00e4ndern diese Landschaft, indem sie autonome Prozesse wie Datenanreicherung, Normalisierung, Deduplizierung und Anomalieerkennung erm\u00f6glichen.<\/p><p data-start=\"434\" data-end=\"754\">Diese Funktionen erm\u00f6glichen es Unternehmen, proaktiv hochwertige, konsistente und verwertbare Daten \u00fcber Kunden-, Produkt- und MRO-Bereiche hinweg zu pflegen.<\/p><p data-start=\"756\" data-end=\"1042\">Durch die Umwandlung von MDM von einer Compliance-gesteuerten Aufgabe in einen proaktiven, KI-gesteuerten Prozess k\u00f6nnen Unternehmen bisher fragmentierte und fehleranf\u00e4llige Datens\u00e4tze in eine einzige Wahrheitsquelle umwandeln und so bessere betriebliche Entscheidungen treffen, Risiken reduzieren und neue Effizienzpotenziale im gesamten Unternehmen erschlie\u00dfen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c92263a e-con-full pointer e-flex e-con e-parent\" data-id=\"c92263a\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-03f9961 elementor-widget elementor-widget-heading\" data-id=\"03f9961\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"use-cases\">VERWENDUNGSF\u00c4LLE<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3e21aed e-con-full e-flex e-con e-child\" data-id=\"3e21aed\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d48d919 elementor-widget elementor-widget-text-editor\" data-id=\"d48d919\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Die Prozesse innerhalb der Stammdatenverwaltung umfassen eine breite Palette von Arbeitsabl\u00e4ufen und Prozessen, f\u00fcr die KI-zentrierte Technologien eingesetzt werden k\u00f6nnen;\u00a0<\/p><ul><li data-start=\"2749\" data-end=\"2847\"><p data-start=\"2751\" data-end=\"2847\"><strong>Normalisierung &amp; Standardisierung von Datens\u00e4tzen<\/strong><\/p><\/li><li data-start=\"2749\" data-end=\"2847\"><p data-start=\"2751\" data-end=\"2847\"><strong>Anreicherung von Stammdatens\u00e4tzen<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Deduplizierung<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Integration \u00fcber Stammdaten-Dom\u00e4nen hinweg<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Stammdaten-Governance<\/strong><\/p><\/li><\/ul><p data-start=\"2952\" data-end=\"3032\"><span style=\"background-color: transparent;\">In den folgenden Abschnitten erfahren Sie, wie KI-Technologien einige der am h\u00e4ufigsten wiederkehrenden, eint\u00f6nigen und zeitraubenden Herausforderungen in jedem dieser Bereiche l\u00f6sen k\u00f6nnen.\u00a0 \u00a0<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c1fb190 e-flex e-con-boxed e-con e-parent\" data-id=\"c1fb190\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bb74ef2 elementor-widget elementor-widget-heading\" data-id=\"bb74ef2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"normalization-standardization-of-data-records\">Normalisierung &amp; Standardisierung von Datens\u00e4tzen<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5245fbb e-flex e-con-boxed e-con e-parent\" data-id=\"5245fbb\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bde0a24 elementor-widget elementor-widget-text-editor\" data-id=\"bde0a24\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>In Unternehmensumgebungen wird ein und derselbe Artikel oft auf verschiedene Weise in verschiedenen Werken, Systemen oder Regionen beschrieben, wobei unterschiedliche Abk\u00fcrzungen, Namenskonventionen, Ma\u00dfeinheiten oder sogar Sprachen verwendet werden.<\/p><p>Dies f\u00fchrt zu Inkonsistenzen, die die Analyse, die Durchsuchbarkeit, das Abrufen, die Abgleichslogik und die funktions\u00fcbergreifende Zusammenarbeit st\u00f6ren.<\/p><p>Einige der Probleme, die sich aus diesen Herausforderungen ergeben, sind - Schwierigkeiten beim Abgleich von Datens\u00e4tzen in gro\u00dfen Mengen, Duplizierung aufgrund unterschiedlicher Namenskonventionen und verschiedene Herausforderungen bei der Implementierung eines Data Governance-Programms.<\/p><p>Eine gro\u00dfe Herausforderung bei der Stammdatenverwaltung besteht darin, dass wichtige Artikelattribute wie Abmessungen, Druckstufen und Materialqualit\u00e4ten oft in Freitextbeschreibungen oder technischen Dokumenten wie PDFs, Datenbl\u00e4ttern und technischen Handb\u00fcchern verborgen sind, <a href=\"https:\/\/www.verdantis.com\/bom-management\/\">St\u00fccklisten<\/a> (BOMs), oder CAD-Zeichnungen.<\/p><p>Diese unstrukturierte Natur macht es schwierig, diese Datens\u00e4tze zu extrahieren, zu standardisieren oder auch nur effektiv danach zu suchen. KI und ML, insbesondere Natural Language Processing (NLP), spielen hier eine Schl\u00fcsselrolle.<\/p><p>Geschulte NLP-Modelle, die oft Named Entity Recognition (NER) verwenden, k\u00f6nnen komplexe Beschreibungen analysieren und automatisch Schl\u00fcsselattribute identifizieren.<\/p><p>Zum Beispiel, eine Produktbeschreibung wie <em>\"SS316 Flansch-Kugelhahn, PN40, DN25\"<\/em> auf intelligente Weise aufgeschl\u00fcsselt werden: <strong><em>Material = SS316<\/em><\/strong><em>, <strong>Druck = PN40<\/strong>, <strong>Gr\u00f6\u00dfe = DN25<\/strong>, und <strong>Typ = Kugelhahn<\/strong>.<\/em><\/p><p><em><strong>Beispiele:<\/strong><\/em><\/p><p>In einem Kundenstammdatensystem verweist die Adresse von Kunde A auf den Staat \"Texas\" als \"TX\", w\u00e4hrend ein anderer Datensatz den Staat einfach als \"Texas\" bezeichnet. \u00c4hnliche Inkonsistenzen bei Adressen wie \"Parkway\", die als \"Pk way\" bezeichnet werden, sind durchaus \u00fcblich.<\/p><p>In einem Materialdatensystem kann sich die Abmessung in der Kurzbeschreibung eines Ersatzteils auf die Gr\u00f6\u00dfe in <em><strong>\"Zentimeter<\/strong><\/em>\" oder <em><strong>\"In\"<\/strong><\/em> oder einfach als <em><strong>\u2033<\/strong><\/em><\/p><p>Probleme wie diese k\u00f6nnen zu \u00dcberbest\u00e4nden (im Falle eines Materialstamms), Doppelungen in der Kommunikation (im Falle eines Kundenstamms) und einer ganzen Reihe anderer Probleme f\u00fchren<\/p><p>Vor der KI wurden diese Herausforderungen mit Hilfe einer Bibliothek bestehender Taxonomien bew\u00e4ltigt, die in der Regel nicht \"ganzheitlich\" waren, schwer zu pflegen und zu verfolgen, st\u00e4ndige Aktualisierungen erforderten und nur innerhalb einer strukturierten Codebasis verwaltet werden konnten.<\/p><p>Dank KI-Modellen, die \"kontextbewusst\" sind und auf \u00fcberpr\u00fcfbaren, gro\u00dfen Datens\u00e4tzen trainiert wurden, k\u00f6nnen diese Ungereimtheiten nun ohne gro\u00dfen Aufwand auf der Grundlage der angenommenen Taxonomie ausgemerzt werden.<\/p><p>Das KI-Modell muss lediglich mit Informationen \u00fcber die verwendete Taxonomie gef\u00fcttert werden und das Modell k\u00fcmmert sich um die Standardisierungsanforderungen.<\/p><p><em><strong>Profi-Tipp<\/strong>:<\/em> Entscheiden Sie sich f\u00fcr eine selbstlernende MDM-Software, die unterwegs von einem \"Human-in-the-Loop\" geschult werden kann, der die \u00c4nderungen \u00fcberpr\u00fcft und freigibt.<\/p><p>Auf diese Weise kann das selbstlernende System wirklich autonom werden und die Rolle des Datenverwalters auf die eines Genehmigers beschr\u00e4nken.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-1fb652b e-con-full e-flex e-con e-parent\" data-id=\"1fb652b\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t<div class=\"elementor-element elementor-element-2afb1cd e-flex e-con-boxed e-con e-child\" data-id=\"2afb1cd\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-0bb27b4 elementor-widget elementor-widget-heading\" data-id=\"0bb27b4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<span class=\"elementor-heading-title elementor-size-default\">Einsatz von KI-Modellen f\u00fcr die Normalisierung von Daten \u00fcber Stammdatenbereiche hinweg<\/span>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8c88cb8 elementor-widget elementor-widget-text-editor\" data-id=\"8c88cb8\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>1. Abk\u00fcrzungserweiterung und Terminologiezuordnung: <\/strong>Auf Industriedaten trainierte KI-Modelle verstehen das <em>\"Mtr\" = \"Meter\", \"SS304\" = \"Edelstahl 304\", \"CS Ball Vlv\" = \"Kugelhahn aus Kohlenstoffstahl\",<\/em> und so weiter. Sie ordnen solche Varianten der standardisierten Terminologie zu.<\/p><p><strong>2. Normalisierung und Umrechnung von Einheiten: <\/strong>Ob Dimensionen geschrieben werden als <em>\"10mm\", \"0.01 m\", oder \"3IN X 5 YDS\"<\/em>KI kann sie in das bevorzugte Ma\u00dfsystem (z. B. metrisch) konvertieren und vereinheitlichen und zusammengesetzte Felder in strukturierte Attribute wie Breite und L\u00e4nge aufteilen.<\/p><p><strong>3. Sprachgnostische Strukturierung: <\/strong>KI-Modelle k\u00f6nnen nicht-englische Beschreibungen und lokale Formate interpretieren, um globale Konsistenz zu gew\u00e4hrleisten.<\/p><p><em><strong>Beispiel:<\/strong> <\/em>Erkennen, dass <em>\"Filtros de aceite, 7-1\/16 pulg\" <\/em>bezieht sich auf Spanisch auf eine<em> \"\u00d6lfilter, 7-1\/16 Zoll\"<\/em>und dann korrekt extrahieren und zuordnen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-01473ad e-flex e-con-boxed e-con e-parent\" data-id=\"01473ad\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-642dffd elementor-widget elementor-widget-heading\" data-id=\"642dffd\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"enrichment-of-master-data-records\">Anreicherung von Stammdatens\u00e4tzen<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3822993 e-flex e-con-boxed e-con e-parent\" data-id=\"3822993\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3e74dd9 elementor-widget elementor-widget-text-editor\" data-id=\"3e74dd9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Eines der \u00e4rgerlichsten Probleme bei der Verwaltung der meisten Stammdatens\u00e4tze hat mit fehlenden Informationen zu tun. Dies ist oft das Ergebnis fehlender oder mangelhafter Master Data Governance-Verfahren. Nach Ansicht von <a href=\"https:\/\/superagi.com\/from-manual-to-automated-how-ai-is-revolutionizing-data-enrichment-in-various-industries\/\" rel=\"nofollow noopener\" target=\"_blank\">Super AGI<\/a>,<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d5f762a elementor-blockquote--skin-border elementor-blockquote--button-color-official elementor-widget elementor-widget-blockquote\" data-id=\"d5f762a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"blockquote.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote class=\"elementor-blockquote\">\n\t\t\t<p class=\"elementor-blockquote__content\">\n\t\t\t\tKI-Datenanreicherung kann die Datenqualit\u00e4t um bis zu 90% verbessern und die Verarbeitungszeit um bis zu 80% reduzieren\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-585f010 elementor-widget elementor-widget-text-editor\" data-id=\"585f010\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Fehlende Informationen sind schwierig zu handhaben, da Deduplizierung, Normalisierung und bereichs\u00fcbergreifende Integrationen problematisch werden, wenn der Kontext eines Datensatzes einfach nicht verf\u00fcgbar ist.<\/p><p>In der Vergangenheit <a href=\"https:\/\/www.verdantis.com\/automated-ai-enrichment-data-cleansing\/\">Anreicherung von Datens\u00e4tzen<\/a> erfolgte entweder manuell durch ein Team von Fachleuten ODER durch komplexe Automatisierungen, die eine strukturierte Pflege eines Data Warehouse erforderten.<\/p><p><em>Geb\u00e4ude-Automatisierungen<\/em> bei der Datenanreicherung fr\u00fcher erforderlich <a href=\"https:\/\/www.verdantis.com\/master-data-management-services\/\">Anbieter von Stammdaten-Software<\/a> Datenpartnerschaften aufzubauen, um auf Lieferantenkataloge, Kontaktdaten, Mitarbeiterinformationen usw. zuzugreifen, je nach der jeweiligen Datendom\u00e4ne.<\/p><p>Die Besch\u00e4ftigung eines Teams von Fachleuten ist ein ziemlich teures Unterfangen. Aber auch der Aufwand f\u00fcr die L\u00f6sung des Problems der fehlenden Daten steigt, was zu weiteren Verz\u00f6gerungen f\u00fchrt und die Situation verschlimmert. <a href=\"https:\/\/www.verdantis.com\/mdm-challenges\/\">die Herausforderungen aufgrund schlechter Stammdatenqualit\u00e4t<\/a>.<\/p><p>Agentische KI-Systeme l\u00f6sen diese Herausforderung, da sie sowohl \"kontextbewusst\" als auch in der Lage sind, komplexe Aufgaben wie das Durchsuchen des Internets, das Abrufen von Daten aus Dokumenten und anderen unstrukturierten Quellen und das F\u00fcllen von L\u00fccken in den vorhandenen Datens\u00e4tzen auszuf\u00fchren.<\/p><p>Au\u00dferdem, <a href=\"https:\/\/cloud.google.com\/discover\/what-is-model-context-protocol\" rel=\"nofollow noopener\" target=\"_blank\">MCP-Protokolle<\/a> machen jeden Tag Fortschritte und statten KI-Agenten mit gen\u00fcgend Informationen aus, um sowohl rudiment\u00e4re als auch komplexe Arbeitsabl\u00e4ufe mit Hilfe von Software von Drittanbietern ausf\u00fchren zu k\u00f6nnen.<\/p><p>Auf diese Weise k\u00f6nnen zweckm\u00e4\u00dfig ausgebildete KI-Agenten, wenn sie mit den richtigen Ressourcen ausgestattet sind, fast alle Herausforderungen bei der Datenanreicherung selbstst\u00e4ndig und in einem Bruchteil der ben\u00f6tigten Zeit l\u00f6sen.<\/p><p>Bei gescannten Dokumenten oder technischen Zeichnungen verwenden KI-Systeme die optische Zeichenerkennung (OCR) in Kombination mit der Mustererkennung, um tabellarische Daten oder Spezifikationen zu extrahieren, selbst wenn diese in Bildern oder technischen Layouts erscheinen.<\/p><p>Dies erm\u00f6glicht es Organisationen <a href=\"https:\/\/www.verdantis.com\/intelligent-document-processing\/\">Daten aus technischen Dokumenten extrahieren<\/a> und verwandeln sie in saubere, strukturierte und durchsuchbare Stammdatens\u00e4tze.<\/p><p>Einige Anwendungen von KI-Agenten bei der Anreicherung von Stammdaten<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ecd33d5 e-con-full e-flex e-con e-parent\" data-id=\"ecd33d5\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t<div class=\"elementor-element elementor-element-a115b31 e-con-full e-flex e-con e-child\" data-id=\"a115b31\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c69a9f3 elementor-widget elementor-widget-heading\" data-id=\"c69a9f3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<p class=\"elementor-heading-title elementor-size-default\">Anwendungen<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-77a05d5 elementor-widget elementor-widget-text-editor\" data-id=\"77a05d5\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>1. Automatisiertes Attribut-Parsing aus Beschreibungen<\/strong><\/p><p>KI-Modelle, insbesondere NLP-basierte Modelle, die auf branchenspezifischen Datens\u00e4tzen trainiert wurden, k\u00f6nnen auf intelligente Weise strukturierte Daten aus komplexen, unstrukturierten Produkt- oder Materialbeschreibungen extrahieren.<\/p><p><em>Beispiel<\/em>: Umwandlung von \"3-11\/16\u2033OD ,7-1\/16\u2033LG\" in strukturierte Felder wie <em>\u00c4u\u00dferer Durchmesser<\/em> und <em>L\u00e4nge<\/em> in Materialstamms\u00e4tzen.<\/p><p><strong>2. Semantisches Verst\u00e4ndnis f\u00fcr Field Mapping<\/strong><\/p><p>KI versteht den Kontext von W\u00f6rtern und Abk\u00fcrzungen, die in verschiedenen Branchen verwendet werden (z. B. \"LG\" = L\u00e4nge, \"OD\" = Au\u00dfendurchmesser), und ordnet sie standardisierten Datenfeldern zu.<\/p><p><em>Beispiel<\/em>: Erkennen, dass \"BALDWIN 915\" auf einen Hersteller und eine Teilenummer verweist, und diese entsprechend zuordnen.<\/p><p><strong>3. Harmonisierung und Umrechnung von Einheiten<\/strong><\/p><p>AI standardisiert verschiedene Formate und Darstellungen von Messungen in ein einheitliches Format f\u00fcr den gesamten Datensatz und beseitigt so Inkonsistenzen.<\/p><p><em>Beispiel<\/em>: Konvertierung von \"3IN X 5 YDS\" in standardisierte metrische Einheiten und Aufteilung in separate <em>Breite<\/em> und <em>L\u00e4nge<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6c6cb98 e-flex e-con-boxed e-con e-parent\" data-id=\"6c6cb98\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-f26ea09 e-con-full e-flex e-con e-child\" data-id=\"f26ea09\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f3fed2d elementor-widget elementor-widget-text-editor\" data-id=\"f3fed2d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Fehlende Informationen wie Spezifikationen, Hersteller-Teilenummern oder Ma\u00dfeinheiten sind ein h\u00e4ufiges Problem, insbesondere bei \u00e4lteren Datens\u00e4tzen oder Importen von Dritten.<\/p><p>Diese L\u00fccken k\u00f6nnen die Arbeitsabl\u00e4ufe in den Bereichen Beschaffung, Compliance und Analyse behindern.<\/p><p>KI und ML bieten intelligente M\u00f6glichkeiten, diese L\u00fccken zu f\u00fcllen. Mithilfe von Techniken wie \u00e4hnlichkeitsbasierter Inferenz scannen Modelle vorhandene, vollst\u00e4ndige Datens\u00e4tze, um wahrscheinliche Werte f\u00fcr unvollst\u00e4ndige Datens\u00e4tze vorzuschlagen.<\/p><p><em><strong>Zum Beispiel,<\/strong><\/em> Wenn bei einem neuen Artikel \"SKF Bearing 6205\" der Au\u00dfendurchmesser fehlt, kann AI den Wert (z.B. 52mm) von anderen identischen oder \u00e4hnlichen Artikeln ableiten, die sich bereits in der Datenbank befinden.<\/p><p>Dar\u00fcber hinaus kann die generative KI interne Daten mit externen Katalogen oder Lieferantendatenbanken abgleichen, um angereicherte Details wie Abmessungen, Datenbl\u00e4tter, Lebenszyklusdaten oder Ersatzteilvarianten zu erhalten.<\/p><p>Vorhersagemodelle, wie Regressionsalgorithmen oder Entscheidungsb\u00e4ume, k\u00f6nnen auch zur Sch\u00e4tzung numerischer Felder wie Spannung, Drehmoment oder Druckwerte verwendet werden, wenn diese nicht explizit erw\u00e4hnt werden.<\/p><p>Dieses Ma\u00df an Anreicherung sorgt f\u00fcr vollst\u00e4ndigere und besser nutzbare Stammdaten, minimiert die manuelle Dateneingabe und unterst\u00fctzt nachgelagerte Automatisierungs-, Beschaffungs- und Compliance-Bem\u00fchungen.<\/p><p>Vor allem im Bereich der Kundenstammdaten kommt es h\u00e4ufig vor, dass in einem Datensatz eine E-Mail-Adresse, eine Telefonnummer oder eine Adresse fehlt.<\/p><p>Mit einer Kombination aus MCP-Protokollen und KI-Agenten k\u00f6nnen diese fehlenden Informationen angereichert werden, indem Daten aus \u00f6ffentlichen Quellen wie LinkedIn und sogar aus abonnementbasierten Drittquellen wie <a href=\"https:\/\/www.dnb.com\/en-us\/\" rel=\"nofollow noopener\" target=\"_blank\">DnB<\/a> oder <a href=\"https:\/\/www.zoominfo.com\/\" rel=\"nofollow noopener\" target=\"_blank\">ZoomInfo<\/a>.<\/p><p data-start=\"1926\" data-end=\"2353\">Ein \u00e4hnlicher Ansatz wird nun zunehmend auch auf Ersatzteil- und MRO-Daten angewandt, wo fehlende oder inkonsistente Details die Leistung von Wartung und Lieferkette stark beeintr\u00e4chtigen k\u00f6nnen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0dbf035 elementor-widget elementor-widget-image\" data-id=\"0dbf035\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"800\" height=\"600\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment.png\" class=\"attachment-large size-large wp-image-39348\" alt=\"Ein Bild, wie Material- und Lieferantendaten durch maschinelles Lernen angereichert werden k\u00f6nnen\" srcset=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment.png 1024w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-300x225.png 300w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-768x576.png 768w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-16x12.png 16w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7693d90 elementor-widget elementor-widget-text-editor\" data-id=\"7693d90\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"1926\" data-end=\"2353\">Ersatzteildaten leiden oft unter unvollst\u00e4ndigen Beschreibungen, fehlenden technischen Attributen oder doppelten Eintr\u00e4gen, die \u00fcber mehrere Systeme verteilt sind. Dies f\u00fchrt zu Verwirrung bei der Teilesuche, zu Verz\u00f6gerungen bei der Wartung und zu redundanter Beschaffung.<\/p><p data-start=\"2355\" data-end=\"2574\">Die KI-gest\u00fctzte Datenanreicherung hilft, diese Herausforderungen zu bew\u00e4ltigen, indem sie die Ersatzteildaten vollst\u00e4ndiger, konsistenter und verwertbarer macht.<\/p><p data-start=\"2355\" data-end=\"2574\">Durch die Analyse von Ausr\u00fcstungsunterlagen, Lieferantenkatalogen und historischen Daten k\u00f6nnen KI-Systeme:<\/p><p data-start=\"2578\" data-end=\"2668\"><strong>1. Fehlende Attribute ableiten<\/strong> wie z.B. die Art des Teils, die Materialqualit\u00e4t oder die Betriebsspezifikationen.<\/p><p data-start=\"2578\" data-end=\"2668\">Bei Rohmaterialdaten f\u00fcr chemische Anlagen kann KI zum Beispiel durch den Vergleich \u00e4hnlicher Materialien in der Datenbank auf fehlende Reinheitsgrade, Gefahrencodes oder Lagerungsanweisungen schlie\u00dfen.<\/p><p data-start=\"2671\" data-end=\"2747\"><strong>2. Identifizieren Sie Hersteller und Teilenummernmuster<\/strong> f\u00fcr die Harmonisierung zwischen den Anbietern.<\/p><p data-start=\"2671\" data-end=\"2747\">In Beschaffungskatalogen kann KI doppelte SKUs erkennen, die unter leicht abweichenden Namen oder Lieferantencodes existieren, und so helfen, redundante Bestellungen zu vermeiden.<\/p><p><strong>3. Benennungskonventionen standardisieren<\/strong> f\u00fcr pflanzen\u00fcbergreifende Konsistenz.<\/p><p>Zum Beispiel kann KI in Produktstammdaten eine inkonsistente Kategorisierung erkennen, z.B. ein Smartphone, das unter <em><strong>\"Zubeh\u00f6r\" <\/strong><\/em>anstelle von<em><strong> \"Mobile Ger\u00e4te\",<\/strong><\/em> und korrigieren Sie sie f\u00fcr konsistente Berichte und Analysen.<\/p><p>Gem\u00e4\u00df einer <a href=\"https:\/\/www.gartner.com\/en\/data-analytics\/topics\/data-quality\" rel=\"nofollow noopener\" target=\"_blank\">Gartner-Bericht,<\/a>\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-04bd813 elementor-blockquote--skin-border elementor-blockquote--button-color-official elementor-widget elementor-widget-blockquote\" data-id=\"04bd813\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"blockquote.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote class=\"elementor-blockquote\">\n\t\t\t<p class=\"elementor-blockquote__content\">\n\t\t\t\tBei den Priorit\u00e4ten der Datenqualit\u00e4ts-Governance wurde festgestellt, dass Inkonsistenzen zwischen den Silos (mangelnde Konsistenz, Vollst\u00e4ndigkeit, Einzigartigkeit der Datens\u00e4tze) zu den gr\u00f6\u00dften Herausforderungen f\u00fcr gro\u00dfe Unternehmen geh\u00f6ren.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-977eb30 elementor-widget elementor-widget-text-editor\" data-id=\"977eb30\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>4. Empfehlen Sie austauschbare oder alternative Teile<\/strong> auf der Grundlage \u00e4hnlicher Spezifikationen, Nutzung oder historischer Verbrauchsdaten.<\/p><p data-start=\"2720\" data-end=\"2933\">Wenn ein Datensatz zum Beispiel nur <em><strong>\"GSKT, 4BOLT, SS316,\"<\/strong><\/em> AI erkennt, dass es sich um eine Dichtung aus rostfreiem Stahl handelt, identifiziert den Flanschtyp und schl\u00e4gt sogar kompatible Alternativen vor, die auf Lager sind oder von zugelassenen Lieferanten stammen.<\/p><p data-start=\"3481\" data-end=\"3745\">Diese erweiterte Ansicht von Ersatzteil- und Produktdaten verbessert die Wartungsplanung, beschleunigt die Beschaffung und erm\u00f6glicht eine Bestandsoptimierung, insbesondere in Betrieben mit mehreren Werken, in denen die Sichtbarkeit von Teilen oder die Konsistenz des Produktstamms oft nicht an allen Standorten gegeben ist.<\/p><p data-start=\"3481\" data-end=\"3745\">Unten sehen Sie unser Produktvideo, in dem wir Ihnen zeigen, wie unsere agentische L\u00f6sung die Daten aus ersten und dritten Quellen anreichert:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-27f636f elementor-widget elementor-widget-video\" data-id=\"27f636f\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/06\/AutoEnrich-AI.mp4\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-1d657a7 e-flex e-con-boxed e-con e-parent\" data-id=\"1d657a7\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-78fc0a1 elementor-widget elementor-widget-heading\" data-id=\"78fc0a1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"data-deduplication\">Daten-Deduplizierung<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-79ec420 e-flex e-con-boxed e-con e-parent\" data-id=\"79ec420\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-538d285 elementor-widget elementor-widget-text-editor\" data-id=\"538d285\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Gartner berichtet, dass schlechte Datenqualit\u00e4t Unternehmen durchschnittlich $12,9 Millionen pro Jahr kostet.<\/p><p>Sobald die Datens\u00e4tze mit Hilfe von KI strukturiert, normalisiert, standardisiert und angereichert wurden, ist die Datendeduplizierung ein Kinderspiel.<\/p><p>Bei der Deduplizierung selbst wird nicht wirklich viel KI eingesetzt (au\u00dfer bei L2-Duplikaten), aber die vorangehenden Schritte sind der Schl\u00fcssel f\u00fcr eine genaue Deduplizierung des gesamten Datensatzes.<\/p><p><strong><em><u>Doppelte Eintr\u00e4ge in einem Stammdatensatz werden normalerweise in 2 Kategorien eingeteilt - L1 &amp; L2<\/u><\/em><\/strong><\/p><p>Die L1-Deduplizierung ist einfach und unkompliziert. In diesem Fall wird der gesamte Datensatz auf der Grundlage einer einzigen Logik de-dupliziert.<\/p><p><em>Beispiel 1: <\/em>Dieselbe Material-ID im Falle von direkten Materialien.\u00a0<\/p><p><em>Beispiel 2:<\/em> Dieselbe E-Mail-Adresse oder Telefonnummer im Falle von Kundenstammdaten<\/p><p><em>Beispiel 3:<\/em> Dieselbe Hersteller-Partnernummer (MPN) im Falle von <a href=\"https:\/\/www.verdantis.com\/spare-parts-management\/\">MRO-Ersatzteile<\/a> Daten.<\/p><p>Im Grunde genommen ist jeder Datensatz mit den gleichen Werten in einer Eigenschaft, die den Datensatz unwiderlegbar als doppelten Eintrag identifiziert, ein L1-Duplikat.<\/p><p>Es gibt kaum eine KI, die hier eingesetzt werden kann, da die Logik standardisiert und strukturiert ist.<\/p><p>Aus diesem Grund ist die Anreicherung von Stammdaten in der Regel ein Vorl\u00e4ufer der Stammdaten-Deduplizierung, da durch die Anreicherung mehrere Werte im System aktualisiert werden k\u00f6nnen, die dann f\u00fcr die L1-Deduplizierung genutzt werden k\u00f6nnen.<\/p><p>L2-Duplikate hingegen sind weitaus komplexer und werden in der Regel verwendet, wenn die f\u00fcr die Anwendung der L1-Logik erforderlichen Werte einfach nicht vorhanden sind.<\/p><p>Die KI ist einfach noch nicht weit genug entwickelt, um die Erkennung von L2-Duplikaten vollst\u00e4ndig zu automatisieren.<\/p><p>KI kann die Arbeit jedoch erheblich vereinfachen, indem sie den gesamten Datensatz und den Datensatz selbst auf wahrscheinliche Duplikate \u00fcberpr\u00fcft, bevor sie einen \"<a href=\"https:\/\/www.ultralytics.com\/glossary\/confidence\" rel=\"nofollow noopener\" target=\"_blank\">Konfidenzniveau duplizieren<\/a>\"die dann als Aufgabe einem menschlichen Pr\u00fcfer zugewiesen werden kann, um die Datens\u00e4tze entweder als Duplikate zu akzeptieren oder abzulehnen.<\/p><p>Nachdem der Data Steward \"akzeptiert\" hat, werden die Datens\u00e4tze in der Regel zusammengef\u00fchrt, wobei die Daten aus den 2<sup>und<\/sup> Datensatz wird gel\u00f6scht, nachdem die Felder im 1. Datensatz erstellt wurden.\u00a0<\/p><p>Unten sehen Sie ein Video, das zeigt, wie unser KI-Agent die Daten dedupliziert:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9e38576 elementor-widget elementor-widget-video\" data-id=\"9e38576\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;start&quot;:702,&quot;end&quot;:750,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2024\/10\/Harmonize-Demo-V2.mp4#t=702,750\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8d14771 e-flex e-con-boxed e-con e-parent\" data-id=\"8d14771\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2b15d7f elementor-widget elementor-widget-heading\" data-id=\"2b15d7f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"master-data-integrations-for-multi-domain-success\">Stammdatenintegration f\u00fcr den Erfolg in mehreren Bereichen<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9635bc1 e-flex e-con-boxed e-con e-parent\" data-id=\"9635bc1\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5f712a9 elementor-widget elementor-widget-text-editor\" data-id=\"5f712a9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Einer der bekanntesten Kritikpunkte an einem Stammdatensystem ist die Tatsache, dass jeder Stammdatensatz in der Praxis isoliert von den anderen in unterschiedlichen Organisationssystemen existiert.<\/p><p>Um die Leistung einer bestimmten organisatorischen Funktion wirklich zu verstehen, ist die Interpretation von Daten \u00fcber Stammdatenbereiche hinweg entscheidend.<\/p><p><em>Beispiel 1:<\/em> Es ist wichtig zu wissen, wie viele Kunden \u00fcber einen bestimmten Marketing-Kommunikationskanal erreicht werden k\u00f6nnen, aber es ist auch wichtig zu wissen, welche Produkte diese Verbraucher am meisten bevorzugen. Dies erfordert tiefe Integrationen mit <a href=\"https:\/\/www.verdantis.com\/product-master-data-management\/\">Produktstammdaten<\/a><\/p><p><em>Beispiel 2:<\/em> Es ist wichtig zu wissen, wie viele Ersatzteile in der Beschaffungsplattform f\u00fcr die Bereitstellung von Produktionsaktivit\u00e4ten vorhanden sind. Noch wichtiger ist es jedoch zu wissen, welche dieser Teile f\u00fcr die Instandhaltung kritischer Anlagen ben\u00f6tigt werden. <a href=\"https:\/\/www.verdantis.com\/spare-parts-management-criticality\/\">die wichtigen Ersatzteile<\/a>.\u00a0<\/p><p>Dies ist nur mit einer tiefen Integration von Anlagenstammdaten mit dem Ersatzteilmaterialstamm m\u00f6glich.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-44bd917 e-flex e-con-boxed e-con e-parent\" data-id=\"44bd917\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-058004b elementor-widget elementor-widget-heading\" data-id=\"058004b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"data-governance\">Datenverwaltung<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-68410f4 e-flex e-con-boxed e-con e-parent\" data-id=\"68410f4\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1bb9c57 elementor-widget elementor-widget-text-editor\" data-id=\"1bb9c57\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><a href=\"https:\/\/www.verdantis.com\/master-data-governance\/\">Stammdaten-Governance<\/a> Frameworks sollen sicherstellen, dass die Stammdaten korrekt, sicher und standardisiert sind und mit internen Richtlinien und externen Vorschriften \u00fcbereinstimmen.<\/p><p>Da jedoch die Datenmengen wachsen und \u00fcber verteilte Systeme (ERP, PLM, CRM, SCM usw.) hinweg immer komplexer werden, ist die manuelle Durchsetzung von Governance-Richtlinien nicht mehr skalierbar und reaktiv.<\/p><p>Maschinelles Lernen bringt proaktive, intelligente Automatisierung in die Kernfunktionen der Data Governance, indem es die dynamische Durchsetzung von Richtlinien, die Erkennung von Anomalien und intelligente Entscheidungshilfen erm\u00f6glicht.<\/p><p>Diese Modelle k\u00f6nnen die Datenqualit\u00e4t kontinuierlich \u00fcberwachen und verbessern und gleichzeitig den manuellen Aufwand f\u00fcr die Datenverwalter verringern.<\/p><p><em><strong>Anwendungen:<\/strong><\/em><\/p><p><strong>1. Intelligente Richtlinienkontrollen<\/strong><\/p><p>Die KI lernt, wie saubere, genehmigte Datens\u00e4tze normalerweise aussehen, und \u00fcberpr\u00fcft neue Eintr\u00e4ge auf fehlende oder falsche Felder, auch wenn es keine feste Regel gibt.<\/p><p><strong><em>Beispiel:<\/em> <\/strong>Wenn in den meisten Datens\u00e4tzen f\u00fcr Elektromotoren das Feld \"Spannung\" ausgef\u00fcllt ist und in einem neuen Datensatz nicht, wird dies von AI sofort angezeigt.<\/p><p>Die KI schaut sich fr\u00fchere Datens\u00e4tze an, lernt, welche Felder zusammengeh\u00f6ren, und nutzt dieses Wissen, um Fehler zu erkennen.<\/p><p><strong>2. Erkennen von Anomalien und Fehlern<\/strong><\/p><p>ML-Modelle erkennen ungew\u00f6hnliche Werte oder Kombinationen in Ihren Daten, die nicht in normale Muster passen.<\/p><p><strong><em>Beispiel:<\/em> <\/strong>Ein \"PVC-Rohr\", das mit \"1000 PSI\" angegeben ist, wird markiert, weil PVC normalerweise nicht so viel Druck aush\u00e4lt.<\/p><p>KI entwickelt ein Gesp\u00fcr daf\u00fcr, was f\u00fcr jeden Artikeltyp normal ist und f\u00e4ngt Ausrei\u00dfer mithilfe von Mustererkennungsmodellen wie Isolation Forest oder Autoencodern ab.<\/p><p><strong>3. Automatisierte Datensatzgenehmigungen<\/strong><\/p><p>Die KI bewertet neue oder aktualisierte Datens\u00e4tze danach, wie sauber und vollst\u00e4ndig sie sind. Datens\u00e4tze, die eine hohe Zuverl\u00e4ssigkeit aufweisen, k\u00f6nnen automatisch genehmigt werden, w\u00e4hrend Datens\u00e4tze, die eine geringere Zuverl\u00e4ssigkeit aufweisen, zur \u00dcberpr\u00fcfung an einen Mitarbeiter geschickt werden.<\/p><p><strong><em>Beispiel:<\/em> <\/strong>Ein als \"Hex Bolt\" klassifizierter Artikel, bei dem alle Felder korrekt ausgef\u00fcllt sind und mit den Daten aus der Vergangenheit \u00fcbereinstimmen, wird automatisch genehmigt.<\/p><p>ML-Modelle berechnen einen Konfidenzwert, der darauf basiert, wie gut der Datensatz mit bestehenden Standards \u00fcbereinstimmt.<\/p><p><strong>4. Hilfe f\u00fcr Data Stewards in Echtzeit<\/strong><\/p><p>KI unterst\u00fctzt Datenverwalter bei ihrer Arbeit, indem sie Werte vorschl\u00e4gt, auf fehlende Felder hinweist oder m\u00f6gliche Probleme aufzeigt.<\/p><p><strong><em>Beispiel:<\/em> <\/strong>Bei der \u00dcberpr\u00fcfung eines Materialdatensatzes sieht ein Verwalter KI-Vorschl\u00e4ge f\u00fcr fehlende Felder und erh\u00e4lt Warnungen, wenn etwas nicht mit \u00e4hnlichen Eintr\u00e4gen \u00fcbereinstimmt.<\/p><p>NLP- und ML-Modelle laufen im Hintergrund und zeigen intelligente Hinweise und Warnungen direkt auf der Benutzeroberfl\u00e4che an.<\/p><p>Im Folgenden finden Sie einige Anwendungsf\u00e4lle:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-75256c8 elementor-widget elementor-widget-image\" data-id=\"75256c8\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"576\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-768x576.png\" class=\"attachment-medium_large size-medium_large wp-image-39355\" alt=\"Ein Bild, das zeigt, wie KI und maschinelles Lernen bei der Verwaltung der Stammdaten helfen\" srcset=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-768x576.png 768w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-300x225.png 300w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-16x12.png 16w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance.png 1024w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3003e4a elementor-widget elementor-widget-text-editor\" data-id=\"3003e4a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong data-start=\"1764\" data-end=\"1801\">Kundenstammdaten:<\/strong><\/p><p>In gro\u00dfen, multinationalen Unternehmen kommen neue Kundendatens\u00e4tze oft \u00fcber mehrere Kan\u00e4le, CRM-Portale, von Partnern eingereichte Daten oder interne Uploads.<\/p><p>Fehlende E-Mail-Adressen, Steuer-IDs oder unvollst\u00e4ndige Rechnungsinformationen k\u00f6nnen die Rechnungsstellung verz\u00f6gern und Risiken f\u00fcr die Einhaltung von Vorschriften bergen. KI-Governance-Systeme erkennen automatisch fehlende Pflichtfelder, reichern sie anhand verifizierter interner und externer Quellen an und markieren wahrscheinliche Duplikate am Eingabepunkt.<\/p><p><em><strong>Zum Beispiel,<\/strong> <\/em>Wenn zwei Datens\u00e4tze \"Acme Corp\" und \"Acme Corporation\" enthalten, markiert das System eine m\u00f6gliche Dublette und verhindert redundante Eintr\u00e4ge. Dies gew\u00e4hrleistet hohe<a href=\"https:\/\/www.verdantis.com\/customer-master-data-management\/\">hochwertige Kundendaten<\/a> bei gleichzeitiger Reduzierung des manuellen Aufwands.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8155977 elementor-widget elementor-widget-text-editor\" data-id=\"8155977\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"2458\" data-end=\"3261\"><strong data-start=\"2458\" data-end=\"2505\">Material- und Ersatzteildaten:<\/strong><\/p><p data-start=\"2458\" data-end=\"3261\">Im Bereich Materialien oder MRO fehlen h\u00e4ufig Spezifikationen, Teilenummern der Hersteller oder Ma\u00dfeinheiten, insbesondere bei \u00e4lteren Datens\u00e4tzen oder Importen von Drittanbietern.<\/p><p data-start=\"2458\" data-end=\"3261\">Diese L\u00fccken behindern die Beschaffung, die Wartungsplanung und die Analyse-Workflows. KI-gesteuerte Anreicherung kann fehlende Werte aus vorhandenen Datens\u00e4tzen ableiten, Querverweise auf Lieferantenkataloge herstellen und Namenskonventionen \u00fcber mehrere Werke hinweg standardisieren.<\/p><p data-start=\"2458\" data-end=\"3261\"><em><strong>Zum Beispiel,<\/strong><\/em> ein neuer Datensatz \"SKF Bearing 6205\", dem der Au\u00dfendurchmesser fehlt, kann automatisch mit dem richtigen Wert aus \u00e4hnlichen Artikeln in der Datenbank angereichert werden.<\/p><p data-start=\"2458\" data-end=\"3261\">Ebenso kann ein Datensatz, der als <em><strong>\"GSKT, 4 SCHRAUBEN, SS316\"<\/strong> <\/em>kann erweitert werden, um eine Dichtung aus rostfreiem Stahl anzugeben, den Flanschtyp zu identifizieren und kompatible Alternativen vorzuschlagen.<\/p><p data-start=\"3263\" data-end=\"3632\">Vorhersagemodelle wie Regressionsalgorithmen oder Entscheidungsb\u00e4ume k\u00f6nnen auch numerische Felder wie Spannung, Drehmoment oder Druckwerte sch\u00e4tzen, wenn keine expliziten Werte vorliegen.<\/p><p data-start=\"3263\" data-end=\"3632\">Durch die Identifizierung von Anomalien, die Harmonisierung von Teilenummern, die Standardisierung von Beschreibungen und das Vorschlagen von Alternativen sorgt die KI daf\u00fcr, dass der Materialstamm zu einer zuverl\u00e4ssigen, umsetzbaren Quelle der Wahrheit wird.<\/p><p data-start=\"3263\" data-end=\"3632\">Unten sehen Sie unser Video zur Data Governance-L\u00f6sung von Verdantis:\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-04cb3ea elementor-widget elementor-widget-video\" data-id=\"04cb3ea\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2024\/10\/Integrity-Demo.mp4\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e470421 e-flex e-con-boxed e-con e-parent\" data-id=\"e470421\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-64494e0 elementor-widget elementor-widget-heading\" data-id=\"64494e0\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"designing-and-deploying-ai-in-mdm\">Entwurf und Einsatz von KI in MDM<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3ce2472 e-flex e-con-boxed e-con e-parent\" data-id=\"3ce2472\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f8326db elementor-widget elementor-widget-text-editor\" data-id=\"f8326db\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"5157\" data-end=\"5306\">Die Vorteile des maschinellen Lernens in der Stammdatenverwaltung liegen auf der Hand, aber eine erfolgreiche Einf\u00fchrung erfordert eine durchdachte Integration in die Unternehmensarchitektur und die Governance-Modelle:<\/p><ul data-start=\"5308\" data-end=\"5995\"><li data-start=\"5308\" data-end=\"5466\"><p data-start=\"5310\" data-end=\"5466\"><strong data-start=\"5310\" data-end=\"5335\">Qualit\u00e4t der Trainingsdaten<\/strong>: Die Leistung von KI\/ML-Modellen h\u00e4ngt direkt von der Qualit\u00e4t und Repr\u00e4sentativit\u00e4t der historischen Daten ab, die zum Trainieren der Modelle verwendet werden.<\/p><\/li><li data-start=\"5467\" data-end=\"5636\"><p data-start=\"5469\" data-end=\"5636\"><strong data-start=\"5469\" data-end=\"5496\">Dom\u00e4nenspezifischer Kontext<\/strong>: Modelle von der Stange m\u00fcssen oft angepasst oder umgeschult werden, um die dom\u00e4nenspezifischen Nuancen in Konstruktions-, Fertigungs- oder Beschaffungsdaten zu verarbeiten.<\/p><\/li><li data-start=\"5637\" data-end=\"5801\"><p data-start=\"5639\" data-end=\"5801\"><strong data-start=\"5639\" data-end=\"5667\">Erkl\u00e4rbarkeit und Vertrauen<\/strong>: Die Benutzer m\u00fcssen nachvollziehen k\u00f6nnen, wie die KI zu einer bestimmten Entscheidung oder einem Vorschlag gekommen ist, insbesondere in regulierten Branchen.<\/p><\/li><li data-start=\"5802\" data-end=\"5995\"><p data-start=\"5804\" data-end=\"5995\"><strong data-start=\"5804\" data-end=\"5832\">Mensch-im-Schleifen-Modus (HITL)<\/strong>: KI-Systeme sollten so konzipiert sein, dass sie die Datenverwalter erg\u00e4nzen und nicht ersetzen, so dass bei Bedarf eine menschliche Aufsicht m\u00f6glich ist und Feedbackschleifen zur kontinuierlichen Verbesserung geschaffen werden.<\/p><\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-2150a1b e-flex e-con-boxed e-con e-parent\" data-id=\"2150a1b\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3f3dde5 elementor-widget elementor-widget-heading\" data-id=\"3f3dde5\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"conclusion\">Fazit<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fa71598 e-flex e-con-boxed e-con e-parent\" data-id=\"fa71598\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c865306 elementor-widget elementor-widget-text-editor\" data-id=\"c865306\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>KI und ML verbessern nicht nur das Stammdatenmanagement, sondern sie definieren das M\u00f6gliche neu. Diese Technologien bieten ein Ma\u00df an Geschwindigkeit, Anpassungsf\u00e4higkeit und Intelligenz, das manuelle und regelbasierte Systeme nicht erreichen k\u00f6nnen.<\/p><p>F\u00fcr MDM, MRO-Datenmanagement und Data Governance ist KI kein neues Konzept mehr, sondern eine notwendige F\u00e4higkeit, um die Datenqualit\u00e4t zu verbessern, die Entscheidungsfindung zu beschleunigen und den Unternehmensbetrieb zukunftssicher zu machen.<\/p><p>Im Zuge der digitalen Transformation sind Unternehmen, die KI-gest\u00fctzte Intelligenz in ihre Stammdatenverfahren einbinden, besser positioniert, um mit Agilit\u00e4t, Pr\u00e4zision und Einblick zu arbeiten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>Wie maschinelles Lernen das Stammdatenmanagement unterst\u00fctzt, indem es die Klassifizierung, den Abgleich, die Anreicherung und die fortlaufende Datenqualit\u00e4t auf Unternehmensebene verbessert.<\/p>","protected":false},"author":4,"featured_media":28429,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[64],"tags":[],"class_list":["post-25416","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts\/25416","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/comments?post=25416"}],"version-history":[{"count":0,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/posts\/25416\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/media\/28429"}],"wp:attachment":[{"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/media?parent=25416"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/categories?post=25416"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.verdantis.com\/de\/wp-json\/wp\/v2\/tags?post=25416"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}