In dieser Adventskalender-Folge erklärt Oliver Dlugosch (ADA AI), warum eines der größten Argumente gegen Automatisierung in der Logistik bald wegfällt: Die Sorge um schlechte Daten.
KI kann fehlende, fehlerhafte oder unstrukturierte Daten erkennen, reparieren, harmonisieren und in valide Standardformate überführen.
2026 wird Datenqualität damit nicht mehr der Flaschenhals sein – sondern ein automatisierbarer Teil des Prozesses.
Oliver Dlugosch: Datenqualität ist 2026 kein Problem mehr – KI löst es automatisch
In dieser Episode des Logistikpodcast-Adventskalenders stellt Oliver Dlugosch eine These vor, die für viele Unternehmen wie eine Befreiung wirken dürfte: Datenqualität wird 2026 nicht mehr der zentrale Engpass für Automatisierung sein. Der Grund dafür liegt im technischen Fortschritt großer Sprachmodelle und KI-basierter Datenverarbeitung. Dlugosch formuliert die Kernthese pointiert:
Datenqualität wird nicht mehr der Flaschenhals sein, weil KI schlechte Daten reparieren kann.
Traditionell war Prozessautomatisierung in der Logistik vor allem ein Thema sauberer, standardisierter Stammdaten. Fehlerhafte Felder, fehlende Angaben oder unterschiedliche Formate führten zu Brüchen, Ausnahmen oder manueller Nachbearbeitung. Doch mit KI verändert sich das Paradigma. Dlugosch beschreibt den Wandel so:
Früher bedeutete Prozessautomatisierung: Nur perfekte Daten erlauben perfekte Abläufe. Mit LLMs ändert sich das.
Moderne KI-Modelle können fehlende Felder ergänzen, Dubletten erkennen, Inhalte interpretieren, Formate vereinheitlichen und sogar unscharfe Informationen in eindeutige Standardwerte überführen. Sie können zudem externe Systeme automatisch befragen und Informationen nachziehen, die bislang manuell recherchiert werden mussten. Dlugosch erklärt:
LLMs können fehlende Felder ergänzen, Formate harmonisieren, Inhalte interpretieren und sogar Anfragen zwecks Stammdatenüberprüfung versenden.
Ein besonders starkes Beispiel macht den Nutzen greifbar: „Aus einer unstrukturierten Kunden-Mail lassen sich automatisch Bestell- und Kundenstammdaten in standardisierten Formaten generieren.“
Damit entsteht ein völlig neuer Automatisierungsgrad. Unternehmen müssen nicht länger warten, bis ihre Daten perfekt sind – sie können Automatisierung trotz fehlerhafter Daten starten, weil KI die Korrektur übernimmt.
Der entscheidende Effekt ist strategisch: Die oft gehörte Ausrede „Unsere Daten sind nicht gut genug für KI“ verliert ihre Wirkung. Dlugosch bringt es exakt auf den Punkt:
Die Hürde ‚Unsere Daten sind nicht gut genug‘ verliert an Bedeutung, weil KI das Problem direkt adressiert.
Damit wird deutlich: Datenqualität wird 2026 kein Hindernis mehr sein, sondern ein automatisierbarer Schritt – und ein Booster für Logistikprozesse, die bislang manuell und fehleranfällig waren.
Unser Gast: Oliver Dlugosch