Was ist Foundation Debt?

Der Satz fällt in fast jedem Projekt, meist freitags, kurz vor einem Termin: Das machen wir später sauber. Die Lieferzeiten pflegt erstmal jemand von Hand nach. Die Konditionen bleiben vorerst in der Excel-Tabelle. Der Abgleich zwischen den Systemen kommt in Phase zwei. Jede dieser Entscheidungen ist für sich genommen vernünftig, und kaum eine wird je zurückgenommen.

Wir sehen dieses Muster in fast jedem Befund, und es hat in unserer Methode einen eigenen Begriff: Foundation Debt. Dieser Beitrag erklärt, was dahintersteckt, warum die Schuld mit der Zeit teurer wird, wie wir sie messen und woran Sie erkennen, ob Sie sich eine Schuld gerade leisten können.

Was bedeutet Foundation Debt?

Foundation Debt ist die Lücke zwischen dem Datenfundament, das ein Vorhaben braucht, und dem Fundament, das tatsächlich da ist. Wie belastbar ein Datenbereich sein muss, hängt am Anwendungsfall. Wie belastbar er wirklich ist, lässt sich messen. Der Abstand dazwischen ist die Schuld.

Der Begriff lehnt sich an die technische Schuld aus der Softwareentwicklung an. Wer schnell liefert und das Aufräumen verschiebt, nimmt einen Kredit auf, und spätere Änderungen zahlen ihn mit Zinsen zurück. Im Datenfundament passiert dasselbe, nur eine Ebene tiefer. Ein Agent auf einem ungeklärten Artikelstamm ist so ein Kredit. Der Unterschied zum Bankkredit: Er steht in keinem Vertrag, und es gibt keinen Kontoauszug. Getilgt wird nur, was jemand kennt.

Wichtig ist der Bezug auf das konkrete Vorhaben. Foundation Debt ist keine Schulnote für die gesamte Datenlandschaft. Dieselben Daten reichen für ein Berichtswesen locker aus und sind für einen Bestell-Agenten viel zu löchrig. Erst der Anspruch eines Vorhabens macht aus einer Datenlage eine Schuld.

Warum wird die Schuld mit der Zeit teurer?

Weil eine Lücke im Fundament jeden Tag Folgekosten erzeugt, und weil diese Kosten mit jedem weiteren System steigen, das auf der Lücke aufsetzt.

Das beginnt bei der täglichen Kompensation. Fehlt die Lieferzeit am Artikel, gleicht die Disposition das aus, mit Nachfragen, Erfahrungswerten und Sicherheitsaufschlägen bei der Bestellmenge. Jeder einzelne Handgriff kostet wenig. Er fällt nur eben jeden Tag an, über Jahre. Dazu kommen die Provisorien, die bleiben. Die Excel-Brücke zwischen zwei Systemen war als Übergang gedacht, inzwischen wird sie gepflegt, erweitert und vererbt, und irgendwann hängt ein Prozess an ihr, den niemand mehr anfassen will. Und schließlich vererbt sich die Lücke selbst weiter. Jedes neue System, jede Auswertung und jeder KI-Anwendungsfall, der auf ihr aufbaut, übernimmt sie mit. Eine fehlende Artikelverantwortung ärgert zuerst den Einkauf, später den Shop, dann das Berichtswesen und am Ende den Agenten.

Mit KI springt diese Rechnung noch einmal deutlich nach oben. Warum, haben wir im Beitrag über KI-Agenten in der Produktion beschrieben: Automatisierung nimmt der Lücke die menschliche Kompensation weg. Ein System, das jeden Wert wörtlich nimmt, macht aus dem gewohnten Ärgernis einen messbaren Fehler in Serie. Gartner warnt entsprechend, dass fehlende KI-taugliche Daten Projekte grundsätzlich gefährden. Man kann es auch so sagen: In dem Moment, in dem KI auf die Schuld trifft, springt der Zins.

Wie wird Foundation Debt gemessen?

Als Differenz zwischen Soll und Ist, je Zelle, auf einer Skala von 0 bis 100. Eine Zelle ist bei uns die Kombination aus einem Datenbereich, etwa den Produktstammdaten, und einer der vier Stufen vom Fundament bis zur Autonomie. Für jede Zelle, die ein Vorhaben braucht, wird beides bestimmt. Das Soll ergibt sich aus dem angestrebten Automatisierungsgrad und den Fehlerkosten des Prozesses: Ein Agent, der selbstständig bestellt, braucht mehr als ein System, das nur Vorschläge macht. Das Ist wird mit Belegen aus den Systemen gemessen, nach festen Kriterien mit offenen Punkteregeln.

Zwei Dinge sind uns an dieser Messung wichtig. Ein Kriterium zählt nur, wenn ein prüfbarer Nachweis vorliegt, etwa ein Datenqualitätsbericht oder ein Betriebsprotokoll. Behauptungen ohne Beleg werden nach unten gedeckelt. Und zwei Prüfer müssen mit denselben Belegen zum selben Ergebnis kommen. Sonst wäre die Schuld Verhandlungssache, und genau das unterscheidet sie von den Selbsteinschätzungen, aus denen die üblichen Readiness-Scores entstehen.

Der praktische Nutzen liegt darin, dass die Schuld damit einen Ort und eine Größe hat. 33 Punkte in einer benannten Zelle sind kein diffuses Datenproblem mehr, sondern ein bezifferbarer Schließungsaufwand. Aus mehreren gemessenen Lücken entsteht ein Tilgungsplan mit Reihenfolge, Aufwand und dem Wert, den jede geschlossene Zelle freigibt. Die Skala, die Kriterien und die Formeln stehen offen dokumentiert auf der Methode-Seite.

Was unterscheidet Foundation Debt von schlechter Datenqualität?

Der Bezugspunkt. Datenqualität beschreibt, wie vollständig, korrekt und aktuell Daten für sich genommen sind. Foundation Debt beschreibt, wie weit dieser Zustand unter dem liegt, was ein bestimmtes Vorhaben verlangt. Ohne Anspruch gibt es keine Schuld.

Das klingt nach Begriffspflege, verändert aber, wohin Geld fließt. Wer in Datenqualität als Selbstzweck investiert, poliert womöglich Bereiche, die kein Vorhaben je braucht, und übersieht die eine Zelle, die den nächsten Anwendungsfall ausbremst. Wer vom Vorhaben her denkt, landet automatisch bei den Zellen, die es wirklich braucht, und bei der größten Lücke darin. Dasselbe Budget wirkt so an einer besseren Stelle. Mit welchen Fragen Sie die benötigten Bereiche selbst prüfen, zeigt der Beitrag Welche Daten braucht KI?

Wann kann man sich eine Schuld leisten?

Wenn sie bewusst eingegangen wird, begrenzt bleibt und ein Datum für die Tilgung hat. Das mag nach diesem Beitrag überraschen, gehört aber zur Ehrlichkeit dazu: Foundation Debt ist nicht per se schlecht, so wenig wie ein Kredit. Ein Pilot auf handbereinigten Daten ist eine klassische bewusste Schuld, und als Experiment ist er völlig legitim. Er zeigt schnell und günstig, ob ein Anwendungsfall fachlich funktioniert, bevor jemand ins Fundament investiert.

Teuer wird es in zwei Fällen. Wenn die Schuld unbemerkt entsteht, weil niemand entschieden hat, eine Stufe zu überspringen, läuft der Zins im Verborgenen. Das ist der Normalfall in unseren Befunden. Und wenn der Pilot samt seiner Schuld in den Dauerbetrieb geht, fällt die Handbereinigung weg, und aus dem günstigen Experiment wird ein teurer Zustand auf voller Artikelzahl. Als Faustregel taugt eine einfache Frage. Wissen Sie von jeder Schuld, wo sie liegt, was sie pro Monat kostet und wann sie getilgt wird? Sobald eine der drei Antworten fehlt, ist aus dem Kredit ein Leck geworden.

Wie bauen Sie Foundation Debt ab?

Vom Vorhaben her, eine Zelle nach der anderen. Am Anfang steht die Messung: Welcher Anwendungsfall steht an, welche Zellen braucht er, wie groß ist die Lücke in jeder davon. Getilgt wird in der Reihenfolge des Werts, die größte begrenzende Lücke zuerst. So bleibt der Aufwand überschaubar, und das Ergebnis lässt sich nach jeder geschlossenen Zelle messen, weil die erreichbare Zuverlässigkeit des Vorhabens steigt. Wie so ein Tilgungsplan konkret aussieht, zeigt der durchgerechnete Fall im Beitrag zum agentischen Replenishment.

Der zweite Teil ist unbequemer und entscheidet darüber, wie lange der Erfolg hält: Es darf keine neue Schuld nachwachsen. Jede getilgte Zelle braucht eine benannte Person, die den erreichten Zustand verteidigt, und Regeln, die neue Lücken sichtbar machen, sobald sie entstehen. Fehlt beides, steht in drei Jahren die nächste Aufräumaktion an, mit denselben Funden. Mit beidem wird aus dem Schuldenabbau ein Aufstieg über Stufen, die begehbar bleiben. Genau dafür steht der Name Foundation Ascent. Die Messung, mit der dieser Weg beginnt, dauert drei Wochen. Was sie liefert und wie sie abläuft, steht auf der Methode-Seite.

Quellen

Quelle	Einordnung
Gartner · Lack of AI-ready data puts AI projects at risk, Februar 2025
prodct · Beispiel-Report ACME Inc. (fiktive Daten)