Entity-Resolution wird zu AI-Infrastruktur, nicht zu Datenbereinigung

Vor einiger Zeit habe ich einen AI-Agenten beobachtet, der eine zuversichtlich falsche Antwort gab, und zwar aus einem völlig banalen Grund. Ein Unternehmen hatte zwei Datensätze für denselben Kunden. Einer enthielt den alten Handelsnamen und einen Finanzkontakt, der andere den neuen rechtlichen Namen, den das Unternehmen nach einer Übernahme angenommen hatte, sowie eine andere Rechnungsadresse. Der Agent wurde gefragt, ob das Konto in Ordnung sei. Er fand einen Datensatz, sah keine überfälligen Rechnungen und sagte ja. Die überfälligen Rechnungen waren jedoch unter dem anderen Namen abgelegt.

Es wurde nichts halluziniert. Das Modell argumentierte sauber über die Daten, die es erhalten hatte. Die Daten beschrieben einfach zwei Kunden, wo es in der realen Welt nur einen gab. Der Fehler lag nicht im Sprachmodell. Er lag im Join.

Ich bin zu dem Schluss gekommen, dass dies eines der am meisten unterschätzten Risiken im Unternehmens-AI-Bereich ist und eines der am wenigsten diskutierten. Wir sprechen endlos über Modellgenauigkeit, Prompt-Design und Governance. Wir sprechen viel weniger darüber, ob ein System tatsächlich weiß, welcher reale Kunde, Lieferant oder Konto es anspricht. Diese Frage hat einen Namen. Es wird als Entity-Resolution bezeichnet, und nach sechzig Jahren im Hintergrund wird es stillschweigend zu einem Teil der Live-Infrastruktur.

Das Problem hat sich geändert

Für den größten Teil seines Arbeitslebens war die Frage “Sind diese beiden Datensätze dieselbe Entität?” eine Bereinigungsfrage. Man lief sie in einem Batch, nach einem Zeitplan, irgendwo innerhalb eines Master-Data-Management-Programms, eines Data-Warehouse oder einer Analyse-Pipeline. Es war nie perfekt, aber es war überlebbar, weil die Ausgabe ein Bericht war, den jemand nächste Woche las. Wenn zwei Datensätze für denselben Lieferanten nicht zusammengeführt wurden, kam ein falscher Betrag heraus, ein Analyst bemerkte es und es wurde im nächsten Lauf korrigiert. Das System hatte Spielraum. Die Zeit absorbierte die Fehler.

Ein AI-Agent entfernt diesen Spielraum. Er ändert die Zeitform der Frage von “irgendwann” zu “jetzt”. Wenn ein Agent kurz davor ist, eine Rückerstattung zu genehmigen, einen Fall zu routen, ein Profil zu aktualisieren oder eine Compliance-Frage zu beantworten, ist die aufgelöste Entität nicht länger ein Bericht, der jemandem nächste Woche präsentiert wird. Sie wird zu einer Handlung. Die Kosten für eine falsche Verbindung verlagern sich von einem Betrag, der slightly falsch ist, zu etwas, das in der Welt passiert, sofort und oft ohne menschliche Überwachung, um es zu stoppen.

Das ist der Wandel, mit dem man sich auseinandersetzen sollte. Das zugrunde liegende Problem ist alt und gut verstanden. Was neu ist, ist, dass wir es direkt in Systeme eingebaut haben, die auf eigene Faust handeln.

Ein Statistikproblem der 1960er Jahre

Entity-Resolution ist nicht mit großen Sprachmodellen aufgetaucht. Es ist mit Lochkarten aufgetaucht. 1959 veröffentlichten H. B. Newcombe und seine Kollegen einen kurzen Artikel in Science über die automatische Verknüpfung von Vitalregistern, in dem sie beschrieben, wie ein Computer entscheiden konnte, ob ein Geburtsregister und ein Heiratsregister dieselbe Person betrafen. Ein Jahrzehnt später gaben Ivan Fellegi und Alan Sunter der Idee eine formale mathematische Theorie, die die drei Ergebnisse definierte, die jedes Abgleichsystem noch heute produziert: eine Verknüpfung, eine Nicht-Verknüpfung und eine mögliche Verknüpfung, die eine Person überprüfen muss.

Es gibt ein Detail in dieser Abstammung, das es wert ist, darauf zu achten, weil es der Teil ist, den die Leute am häufigsten falsch verstehen. Registrierungsverknüpfung war nie nur exaktes Abgleichen auf eine E-Mail-Adresse oder eine gemeinsame ID. Von Anfang an war es wahrscheinlich. Es wog die Beweise, dass zwei Datensätze auf einen Nachnamen, ein Datum, einen Ort übereinstimmten, und produzierte eine Punktzahl, weil menschlich eingegebene Daten chaotisch sind und exakte Schlüssel konstant fehlschlagen. Moderne Entity-Resolution funktioniert noch immer so. Sie kombiniert deterministische Regeln, bei denen eine gemeinsame stabile Kennung entscheidend ist, mit wahrscheinlicher und fuzzyer maschineller Abgleichung, die mit Tippfehlern, Spitznamen, vertauschten Feldern, Abkürzungen und den Dutzend kleinen Möglichkeiten umgeht, wie dieselbe Person oder Firma in verschiedenen Systemen unterschiedlich erscheint. Eine gute Übersicht des Fachgebiets zeichnet eine ununterbrochene Linie von diesen 1950er-Jahren-Vitalregistern zu den Clustering- und maschinellen Abgleichmethoden, die jetzt verwendet werden.

Was sich tatsächlich geändert hat, ist, wann wir die Antwort benötigen. Forscher schrieben über Entitäten-Auflösung bei Abfragezeit und nicht nur im Voraus, lange bevor die aktuelle Welle von KI. Damals war es eine interessante Optimierung. Jetzt ist es näher an eine Anforderung.

Warum Agenten es in Infrastruktur verwandeln

Die meisten Unternehmens-AI-Systeme antworten nicht aus dem Gedächtnis des Modells. Sie rufen ab. Das Muster, das als retrieval-augmented generation populär wurde, hat einen Agenten, der relevanten Kontext im Moment der Frage abruft und darüber argumentiert. Das ist im Großen und Ganzen eine gute Sache. Es gründet Antworten in Ihren Daten und nicht im Training des Modells.

Aber es hat eine Konsequenz, die leicht zu übersehen ist. Der Agent erbt alles, was der Abrufschritt ihm gibt. Wenn der Abruf einen fragmentierten Kunden zurückgibt, drei unvollständige Datensätze, die nie verbunden wurden, wird der Agent über drei Kunden argumentieren. Wenn der Abruf einen falsch verbundenen Datensatz zurückgibt, zwei verschiedene Unternehmen, die in ein einziges Profil zusammengefasst wurden, wird der Agent über ein Unternehmen argumentieren. Die Ambiguität, die bereits in Ihren Quellsystemen sitzt, wird direkt an das Modell weitergegeben und als feststehende Tatsache präsentiert. Das Modell hat keine Möglichkeit, zu wissen, dass die Verbindung falsch war, genauso wenig wie Sie es wüssten, wenn Sie eine übersichtliche Zusammenfassung von Datensätzen lesen, die Sie noch nie gesehen haben.

Die Auflösung kann also nicht eine Nachgedanke sein, die einmal pro Quartal läuft und in einer separaten Tabelle landet. Die Entität muss beim Datenimport zusammengebaut werden, und die aktuelle aufgelöste Ansicht muss im Moment abrufbar sein, in dem der Agent fragt. Das ist eine Laufzeit-Abhängigkeit. Es verhält sich weit mehr wie eine Datenbank oder ein Authentifizierungsdienst als wie ein periodisches Datenbereinigungsprojekt, und es muss genauso entworfen, überwacht und vertraut werden wie jedes andere System, das Ihre Anwendung in Echtzeit aufruft.

Die Lücke, die niemand genau benennt

Die Branche spürt bereits, dass etwas fehlt. Der AI-Readiness-Index 2025 von Cisco fand heraus, dass 83 Prozent der Organisationen autonome Agenten bereitstellen wollen, während nur etwa ein Drittel der Meinung ist, dass ihre Infrastruktur wirklich bereit dafür ist, und nur etwa ein Viertel der Meinung ist, dass sie in der Lage sind, zu kontrollieren und zu regeln, was diese Agenten tatsächlich tun. Die jüngste State-of-AI-Umfrage von McKinsey beschreibt eine ähnliche Lücke aus der anderen Richtung: Etwa 88 Prozent der Organisationen verwenden KI in mindestens einer Funktion, haben sie jedoch noch nicht über das gesamte Unternehmen hinweg skaliert.

Wenn Menschen diese Lücke erklären, neigen sie dazu, zwei Wörter zu verwenden: Datenqualität und Governance. Beides ist wichtig, und keines ist optional. Aber es gibt eine engere Frage, die unter ihnen liegt, die saubere, gut regierte Daten allein nicht beantworten. Kann das System erkennen, welche reale Entität ein bestimmter Datensatz bezieht, über alle Orte hinweg, an denen dieser Datensatz existiert, gerade jetzt? Man kann hochwertige Daten in jedem einzelnen System halten und dennoch diesen Test nicht bestehen, weil der Fehler nicht in einem System lebt. Er lebt in den Räumen zwischen ihnen, wo derselbe Kunde drei leicht unterschiedliche Gesichter trägt.

Was zu überprüfen ist, bevor man einen Agenten handeln lässt

Wenn man Entity-Resolution als Live-Infrastruktur behandelt, kann man es wie Infrastruktur überprüfen. Die operativen Fehlermodi sind spezifisch und testbar: gespaltene Identitäten, die eins sein sollten, falsche Verbindungen von Datensätzen, die getrennt bleiben sollten, veraltete Überlebensregeln, die eine veraltete Adresse weiterhin fördern, fehlende persistente Kennungen und Agenten, die die Ambiguität der Quellsysteme erben, als ob sie aufgelöste Wahrheit wären.

Ein praktischer Bereitschaftstest erfordert kein neues Modell oder eine neue Anbieterkategorie. Man sammelt eine Grundwahrheit von Entitäten, die man wirklich versteht. Man läuft sie durch denselben Abrufpfad, den der Agent verwendet, nicht durch eine separate saubere Kopie, die für die Demo erstellt wurde. Dann misst man die Dinge, die tatsächlich Ergebnisse entscheiden: wie viele falsche Verbindungen und falsche Trennungen, wie das System mit echter Ambiguität umgeht, wo seine Vertrauensschwellen liegen, wann es zu einem Menschen eskaliert, anstatt zu raten, und wie sauber es an die bestehenden Master-Daten- und Governance-Steuerungen übergibt. Wenn ein Team diese Fragen nicht beantworten kann, handelt der Agent auf einer Identität, die er nicht überprüfen kann, und das Vertrauen in seine Ausgabe ist fehl am Platz.

Keines davon ersetzt Master-Data-Management, Governance, Customer-Data-Plattformen oder das Data-Warehouse. Diese beantworten andere Fragen und bleiben notwendig. Governance entscheidet, was ein Agent tun darf. Entity-Resolution entscheidet, wer oder was es tut. Ersteres ist in den meisten großen Organisationen ausgereift. Letzteres ist die Schicht, die viele gerade entdecken werden, die sie neben ihr benötigen, in Echtzeit, im Moment, in dem sie einen Agenten handeln lassen, anstatt ihn nur beraten zu lassen.

Der Agent, den ich beobachtet habe, brauchte kein clevereres Modell. Er musste wissen, dass zwei Namen ein Kunde waren, bevor er sich sicher äußern durfte. Wenn wir diesen Systemen echte Autorität zum Handeln geben, hört sich diese stille, sechzigjährige Disziplin auf, eine Bereinigung zu sein, und wird zu einer tragenden Last.