Skip to main content

Agentforce-Datenqualität: Häufig gestellte Fragen

Antworten auf häufige Fragen zur Agentforce-Datenqualität: Benötigt Agentforce saubere Daten, welche Daten es liest, Bereitschaftsschwellen, PII-Risiko und wie Sie sich vorbereiten.

Aktualisiert

Agentforce-Datenqualität: Häufig gestellte Fragen

Teams stellen vor der Anbindung von Agentforce an ihre Salesforce-Daten immer wieder dieselben Fragen. Diese Seite beantwortet zehn davon direkt. Jede Antwort ist auf schnelles Nachschlagen ausgelegt und verweist dort, wo Sie es brauchen, auf weiterführende Informationen.

Benötigt Agentforce saubere Daten?

Ja. Agentforce benötigt saubere Daten, weil Agenten ihre Antworten in den Salesforce-Datensätzen verankern, die sie abrufen. Ein Agent arbeitet mit allem, was er in den Feldern innerhalb seines Geltungsbereichs vorfindet. Sind diese Felder unvollständig, inkonsistent oder ungültig, erzeugt der Agent unvollständige, inkonsistente oder ungültige Ausgaben. Saubere Daten machen den Unterschied zwischen einem Agenten, der Nutzern hilft, und einem, der sie in die Irre führt. Die Auswirkungen sind dokumentiert: Gartner sagte 2024 voraus, dass mindestens 30 % der generativen KI-Projekte bis Ende 2025 nach dem Proof-of-Concept abgebrochen werden würden, wobei schlechte Datenqualität zu den Hauptursachen zählt. Unter warum Agentforce-Agenten versagen finden Sie die konkreten Fehlerarten, die schlechte Daten verursachen.

Welche Daten verwendet Agentforce?

Agentforce verwendet Ihre Salesforce-Datensätze. Agenten rufen Informationen aus den Objekten ab, die Sie ihnen freigeben, generieren Antworten auf Grundlage dieser Daten und führen Aktionen im Namen von Nutzern aus. Die für die Antwortqualität wichtigsten Felder sind Freitextfelder wie Description, Comments und Notes sowie Picklists und Referenzfelder, die den Kontext liefern. Liegt ein Feld im Geltungsbereich eines Agenten, wird sein Inhalt zum Input für die Antworten des Agenten. Für das vollständige Bild, wie CRM-Daten in die KI einfließen, lesen Sie Datenqualität in Salesforce.

Woran erkenne ich, ob meine Salesforce-Daten für Agentforce bereit sind?

Sie erkennen es durch Messen, nicht durch manuelles Sichten der Datensätze. Führen Sie einen DQS-Scan über jedes Objekt durch, auf das der Agent zugreifen wird, und vergleichen Sie dann jede Metrik mit einer Zielschwelle. Arbeiten Sie die sechs untenstehenden Bereiche ab. Jeder Punkt ist etwas, das Sie mit einem Scan-Ergebnis verifizieren können, sodass die Antwort auf „Sind meine Daten bereit“ zu einer Zahl statt einer Meinung wird. Die Agentforce-Checkliste zur Datenbereitschaft führt Sie durch jeden Punkt, den Sie vor dem Deployment bestätigen.

Was passiert, wenn Agentforce unvollständige Datensätze liest?

Wenn Agentforce unvollständige Datensätze liest, erzeugt es vage oder generische Antworten, weil es keinen Kontext hat, aus dem es schöpfen kann. Ein leeres Description-Feld gibt dem Agenten nichts Konkretes, worauf er sich beziehen könnte, sodass er auf allgemeine Formulierungen zurückfällt, die kaum Mehrwert bieten. Das Problem skaliert mit dem Volumen. Die Completeness Rate verrät Ihnen, wie viele Datensätze diese Lücke über die von einem Agenten genutzten Felder hinweg aufweisen, sodass Sie die schlechtesten Felder zuerst priorisieren können. Vollständigkeit ist die erste der fünf Datenqualitätsdimensionen.

Kann Agentforce PII offenlegen?

Ja. Agentforce kann personenbezogene Daten offenlegen, die in den Salesforce-Feldern stehen, die es liest. PII verbergen sich in Freitextfeldern, in die Nutzer Kundenkommunikation einfügen. Email-to-Case zum Beispiel erfasst Sozialversicherungsnummern und Kreditkartennummern aus eingehenden Nachrichten und speichert sie in Case Description und Comments. Wenn ein Agent einen dieser Datensätze abruft, gelangen die PII in den KI-Kontext und können in einer generierten Antwort erscheinen. Die DQS PII Detection liefert acht Muster, um diese Daten zu finden, und der Leitfaden Agentforce-PII-Compliance behandelt den Umgang damit.

Wie messe ich die Salesforce-Datenqualität vor dem Deployment von Agentforce?

Sie messen die Salesforce-Datenqualität mit DQS, das Ihre Datensätze innerhalb von Salesforce scannt und für jede Dimension einen Wert ausgibt. Wählen Sie im Definition Builder die Objekte und Felder aus, auf die ein Agent zugreifen wird, und führen Sie dann einen Scan durch. Insight Studio liefert für diesen Geltungsbereich Completeness Rate, Conformance Rate, Validity Rate, Timeliness Rate, Duplicate Rate und PII Exposure Rate. Der gesamte Scan läuft in Ihrer Org, sodass keine Daten Salesforce verlassen. Eine schrittweise Methode finden Sie unter wie man die Datenqualität in Salesforce misst.

Wie sauber müssen meine Daten sein?

Streben Sie eine Completeness Rate von 85 % oder höher bei Schlüsselfeldern an, eine Conformance Rate von 90 % oder höher bei Picklist- und Referenzfeldern, eine Validity Rate von 90 % oder höher bei strukturierten Feldern und eine PII Exposure Rate unter 1 % bei Textfeldern. Diese Schwellenwerte geben Agenten genügend vollständige, konsistente und gültige Daten, um zuverlässig zu antworten, und halten zugleich sensible Daten aus dem KI-Kontext heraus. Erhöhen Sie die Zielvorgaben für regulierte oder kundenseitige Felder, bei denen Fehler ein größeres Risiko bergen. Der Agentforce-Vorbereitungsleitfaden erklärt, wie Sie jeden Wert vor dem Go-Live an diesen Zielvorgaben validieren.

Wie lange dauert die Datenvorbereitung für Agentforce?

Planen Sie etwa drei Monate für die Datenvorbereitung vor dem Go-Live ein. Führen Sie Ihre Bewertung rund drei Monate vorher durch, um Basiswerte zu etablieren. Schließen Sie die Bereinigung rund zwei Monate vorher ab und arbeiten Sie sich dabei zuerst durch PII, dann durch Vollständigkeit und Konsistenz. Validieren Sie rund einen Monat vorher, indem Sie jeden Scan erneut ausführen und die neuen Werte mit Ihren Basiswerten vergleichen. Nach dem Deployment gehen Sie zur laufenden Überwachung über. Die Größe der Org und die Anzahl der Objekte im Geltungsbereich verschieben den Zeitplan, doch die Reihenfolge bleibt bestehen. Die Bereinigungsphase im Detail finden Sie unter Salesforce-Datenbereinigung für Agentforce.

Ist die Überwachung der Datenqualität nach dem Go-Live wichtig?

Ja. Die Überwachung der Datenqualität ist nach dem Go-Live wichtig, weil sich Daten verschlechtern, sobald Nutzer neue Datensätze anlegen. Ein Datenbestand, den Sie für den Start bereinigt haben, sammelt innerhalb von Wochen neue Lücken, Inkonsistenzen und PII an. Eine einmalige Bereinigung hält nicht. Planen Sie wiederkehrende DQS-Scans — wöchentlich für Textfelder mit hohem Volumen und monatlich für Objekte im Agenten-Geltungsbereich — und verfolgen Sie die Metriktrends. Regelmäßiges Scannen erkennt Rückschritte früh, bevor sie Ihre Agenten und Ihre Nutzer erreichen.

Was ist der Unterschied zwischen Datenqualität und Datenbereitschaft?

Datenqualität misst, ob Ihre Datensätze für ihren vorgesehenen Zweck geeignet sind. Datenbereitschaft misst, ob dieselben Datensätze für eine bestimmte Nutzung vorbereitet sind, in diesem Fall für Agentforce. Bereitschaft baut auf den fünf Datenqualitätsdimensionen auf und ergänzt einen Aspekt, den traditionelle Qualitätsarbeit ignoriert: die Offenlegung sensibler Daten. Ein Datensatz kann vollständig, konsistent und gültig sein und dennoch eine Sozialversicherungsnummer enthalten, die ein Agent niemals offenlegen darf. Bereitschaft kombiniert beide Prüfungen. Beginnen Sie mit der Grundlage in Was ist Datenqualität.

Nächste Schritte