Vollständigkeit

Vollständigkeit bedeutet: Es fehlt nichts, was da sein sollte. Eine Klassenliste ist vollständig, wenn jeder Schüler daraufsteht. Eine Tabelle mit Kundendaten ist vollständig, wenn in jeder Zeile jedes Feld ausgefüllt ist. In der Computerwelt ist Vollständigkeit eine Messgröße, kein Gefühl. Man zählt, wie viele der erwarteten Angaben tatsächlich vorliegen. Fehlen von 1000 Geburtsdaten 50 Stück, liegt die Vollständigkeit bei 95 Prozent. Wichtig ist dabei immer die Frage, was überhaupt erwartet wird — ohne diese Vorgabe lässt sich nichts zählen.

Lücken, die man dem Ergebnis nicht ansieht

Der gefährlichste Punkt an fehlenden Daten ist, dass sie unsichtbar bleiben. Ein Programm rechnet auch mit lückenhaften Angaben weiter und liefert eine Zahl. Diese Zahl sieht genauso solide aus wie eine korrekte. Der Fehler zeigt sich erst, wenn jemand die Grundlage prüft.

Bei KI-Systemen wirkt sich das doppelt aus. Ein Modell lernt aus den Beispielen, die man ihm zeigt. Fehlt eine ganze Gruppe in diesen Beispielen, kann das Modell sie später schlecht einschätzen. Bekannt sind Fälle von Gesichtserkennung, die bei hellen Hauttönen zuverlässig funktionierte und bei dunklen deutlich schlechter. Die Ursache lag nicht im Programm, sondern in den unvollständigen Trainingsdaten.

Auch im Finanzbereich zählt Vollständigkeit hart. Wer einen Geschäftsbericht veröffentlicht, muss bestimmte Angaben zwingend machen. Fehlen sie, ist der Bericht nicht bloß dünn, sondern rechtlich mangelhaft. Prüfer kontrollieren deshalb nicht nur, ob die Zahlen stimmen, sondern auch, ob alle da sind.

So wird gezählt und aufgefüllt

Zuerst legt man fest, welche Felder Pflicht sind. Diese Regel nennt man ein Schema, also einen Bauplan für die Daten. Danach prüft ein Programm jede Zeile gegen diesen Bauplan. Es zählt die leeren Stellen und gibt eine Quote aus. Solche automatischen Prüfungen laufen bei großen Datenbeständen täglich.

Für die gefundenen Lücken gibt es drei übliche Wege. Man kann die betroffenen Zeilen ganz aussortieren, was aber Informationen kostet. Man kann fehlende Werte schätzen, etwa durch den Durchschnitt aller anderen Werte. Oder man markiert die Lücke ausdrücklich als unbekannt und rechnet sie bewusst nicht mit. Der dritte Weg ist oft der ehrlichste, weil er nichts erfindet.

Ein häufiger Irrtum: Vollständigkeit heißt nicht Richtigkeit. Ein Feld kann ausgefüllt und trotzdem falsch sein. Steht bei einem Geburtsjahr 1900, ist der Datensatz formal vollständig, inhaltlich aber Unsinn. Datenqualität besteht deshalb aus mehreren Kennzahlen nebeneinander, unter anderem Vollständigkeit, Korrektheit und Aktualität.

Vollständigkeit in Chatbots, Verträgen und Berichten

Am direktesten begegnet man dem Begriff bei Sprachmodellen wie ChatGPT. Wenn ein solches System zu einem Thema nur Bruchstücke gelernt hat, füllt es die Lücke oft mit einer plausibel klingenden Erfindung. Man nennt das Halluzination. Antworten wirken dadurch vollständig, obwohl die Grundlage es nicht war.

In Unternehmen taucht Vollständigkeit in Verträgen und Prüfberichten auf. Anbieter von Datenbanken sichern eine bestimmte Vollständigkeitsquote zu, etwa 99 Prozent aller Pflichtfelder. Wird sie unterschritten, drohen Vertragsstrafen. Auch Regulierungsbehörden verlangen bei Meldungen von Banken ausdrücklich vollständige Datensätze.

In News-Meldungen liest man den Begriff meist im Zusammenhang mit KI-Regeln. Der EU-Ausschuss für Künstliche Intelligenz fordert für Hochrisiko-Systeme Trainingsdaten, die vollständig und repräsentativ sind. Repräsentativ heißt: Alle Gruppen, die das System später betrifft, kommen darin auch vor. Vollständigkeit ist damit vom technischen Detail zu einer rechtlichen Anforderung geworden.