Agentforce-Checkliste zur Datenbereitschaft

Agentforce-Datenbereitschaft ist der Zustand, in dem Ihre Salesforce-Datensätze vollständig, konsistent, gültig, aktuell, dedupliziert und frei von offengelegten PII sind, sodass KI-Agenten genauen Kontext abrufen und vertrauenswürdige Antworten generieren. Ihre Daten sind für Agentforce bereit, wenn jede dieser sechs Bedingungen gemessen wird und eine definierte Schwelle erfüllt — nicht angenommen wird. Diese Checkliste liefert Ihnen die zu prüfenden Punkte, den Grund, warum jeder davon wichtig ist, und die DQS-Metrik, die ihn misst.

Agentforce-Agenten rufen Salesforce-Datensätze ab, generieren Antworten, die in CRM-Daten verankert sind, und führen Aktionen im Namen von Nutzern aus. Jeder dieser Schritte liest Ihre Daten als Quelle der Wahrheit. Ist ein Feld leer, hat der Agent keinen Kontext. Ist ein Wert auf vier Arten geschrieben, behandelt der Agent ihn als vier Fakten. Steht in einem Case-Kommentar eine Sozialversicherungsnummer, kann der Agent sie offenlegen. Bereitschaft bedeutet, diese Lücken vor dem Deployment zu schließen, nicht erst nachdem ein Agent in der Produktion eine falsche Antwort gegeben hat. Den vollständigen phasenweisen Plan hinter dieser Liste finden Sie unter Agentforce-Vorbereitung.

Woran erkennen Sie, ob Ihre Salesforce-Daten für Agentforce bereit sind?

Sie erkennen es durch Messen, nicht durch manuelles Prüfen 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. Jedes Kontrollkästchen 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.

Der Messchritt ist derjenige, den die meisten Organisationen auslassen. In Accentures Forschung zur KI-fähigen Datenqualität gaben 61 % der CXOs zu, dass ihre Datenbestände für generative KI noch nicht bereit sind, und nur 7 % der Unternehmen hatten das Level der Datenbereitschaft erreicht, das notwendig ist, um fortgeschrittene KI zu skalieren. Eine gegen Scan-Ergebnisse validierte Checkliste ist, wie Sie herausfinden, auf welcher Seite dieser Linie Sie sich befinden.

Kopieren Sie die Checkliste in Ihre Projektnotizen und haken Sie die Punkte ab, sobald Sie sie bestätigen.

Geltungsbereich und Zugriff

Definieren Sie, was der Agent berührt, bevor Sie irgendetwas messen. Ein Agent, der die falschen Objekte liest, versagt, egal wie sauber der Rest Ihrer Org ist.

• Listen Sie jedes Objekt auf, das Agentforce liest oder beschreibt. Der Agent ruft nur das ab, was seine Topics und Actions erlauben. Begrenzen Sie Ihre Scans auf genau diesen Satz, damit Sie die Daten messen, die der Agent tatsächlich sieht.
• Listen Sie die Felder innerhalb jedes Objekts auf, die der Agent für Antworten verwendet. Description, Comments, Notes und zentrale Picklists tragen den Kontext. Alle Felder zu scannen verschwendet Aufwand; scannen Sie die, die Antworten verankern.
• Bestätigen Sie, dass die Field-Level Security der Absicht entspricht. Ein Agent erbt den Zugriff des ausführenden Nutzers. Ein vor dem Nutzer verborgenes Feld ist für den Agenten unsichtbar, sodass eine „fehlende“ Antwort manchmal eine Berechtigungslücke ist, keine Datenlücke.
• Erfassen Sie, welche Integrationen diese Felder beschreiben. Integrationen sind die häufigste Quelle inkonsistenter und doppelter Werte. Zu wissen, wer schreibt, zeigt Ihnen, wo Sie die Erfassung korrigieren müssen, nicht nur die Daten.

Vollständigkeit

Agenten erzeugen vage Antworten, wenn die Felder, die sie lesen, leer sind. Vollständigkeit ist das Erste, was zu messen ist, weil fehlender Kontext die häufigste Ursache schwacher Agentenausgaben ist.

• Die Completeness Rate liegt bei jedem Feld, das der Agent für Antworten verwendet, bei 85 % oder höher. Eine leere Description gibt dem Agenten nichts, worauf er eine Antwort gründen könnte. Die Completeness Rate gibt den Prozentsatz der Datensätze an, bei denen das Feld einen Wert enthält.
• Kritische Kontextfelder weisen keine systematischen Leerstellen aus einer einzigen Quelle auf. Ein von einer Integration leer gelassenes Feld ist eine Prozesskorrektur, keine Bereinigung Datensatz für Datensatz. Die feldbezogene Completeness Rate isoliert die Quelle.
• Geschäftlich erforderliche Felder sind befüllt, auch wenn sie im Schema nicht als Pflichtfeld definiert sind. Agentforce behandelt ein leeres Feld als Abwesenheit eines Fakts. Unter Vollständigkeit erfahren Sie, wie DQS „sollte befüllt sein“ je Objekt abgrenzt.

Konsistenz und Gültigkeit

Wenn derselbe reale Wert in mehreren Formen auftaucht, behandelt der Agent jeden als eigenständig und antwortet inkonsistent. Wenn ein Wert sein erwartetes Format bricht, wird der nachgelagerte Abruf unzuverlässig.

• Die Conformance Rate liegt bei Picklist- und Referenzfeldern bei 90 % oder höher. Ein Country-Feld mit „US“, „USA“ und „United States“ teilt einen Fakt in drei. Die Conformance Rate gibt den Prozentsatz der Werte an, die Ihrem kanonischen Satz entsprechen. Nutzen Sie Import from Field, um vorhandene Varianten zu entdecken, und definieren Sie dann die kanonischen Werte. Siehe Konsistenz.
• Die Validity Rate liegt bei formatierten Feldern bei 90 % oder höher. Eine E-Mail ohne @, eine Telefonnummer mit Buchstaben oder ein unmögliches Datum sind Daten, mit denen der Agent nichts anfangen kann — er kann nicht senden, anrufen oder terminieren. Die Validity Rate gibt den Prozentsatz der Werte an, die Ihre Formatregeln bestehen. Siehe Gültigkeit.
• Feldübergreifende Widersprüche sind aufgelöst. Ein Billing State, der seinem Billing Country widerspricht, lehrt den Agenten eine falsche Beziehung. Konsistenzprüfungen decken Werte auf, die einander widersprechen.

Aktualität und Duplikate

Veraltete Daten verankern Antworten in Fakten, die nicht mehr zutreffen. Doppelte Datensätze geben dem Agenten zwei Versionen einer Entität, sodass die Antwort davon abhängt, welche Kopie er abruft.

• Die Timeliness Rate erfüllt Ihre Zielvorgabe bei datumssensiblen Feldern. Eine Last Activity von vor zwei Jahren oder ein Close Date in der Vergangenheit führt den Agenten in die Irre. Die Timeliness Rate gibt den Prozentsatz der Datensätze an, die innerhalb Ihres definierten Zeitfensters aktuell sind. Siehe Aktualität.
• Die Duplicate Rate ist bei den Objekten, die der Agent liest, niedrig. Wenn der Agent einen von drei Datensätzen desselben Kunden abruft, antwortet er aus einer unvollständigen Historie. Die Duplicate Rate gibt den Prozentsatz der Datensätze an, die einen anderen duplizieren. Siehe Eindeutigkeit.
• Führen Sie Duplikate vor dem Deployment zusammen oder markieren Sie sie, nicht danach. Über Formulare, Importe und manuelle Eingabe erzeugte Duplikate vermehren sich ohne Überwachung. Lösen Sie sie auf, damit der Agent einen Datensatz pro Entität liest.

PII und Compliance

PII in den Textfeldern, die ein Agent liest, gelangen in den KI-Kontext und können in einer generierten Antwort erscheinen. Dies ist der Bereich, in dem eine Bereitschaftslücke zu einem Compliance-Vorfall wird.

• Die PII Exposure Rate liegt bei den Textfeldern, auf die der Agent zugreift, unter 1 %. SSNs und Kreditkartennummern sammeln sich durch Copy-Paste und Email-to-Case in Description, Comments und Notes an. Die PII Exposure Rate gibt den Prozentsatz der Datensätze an, die einen Mustertreffer enthalten. Siehe PII Detection.
• Null SSN- oder Kreditkarten-Treffer bei Case Description und Comments. Finanzielle PII sind der Fund mit der höchsten Schwere. Führen Sie den Critical-Preset-Scan aus, um sie zu isolieren, und maskieren, löschen oder schließen Sie dann bestätigte Treffer aus.
• Feldspezifische Pattern-Overrides sind für Felder mit erwartetem Inhalt konfiguriert. Ein Email-Feld entspricht dem E-Mail-Muster naturgemäß, was Rauschen ist, keine Exposition. Feldspezifische Overrides entfernen dieses Rauschen, sodass der Wert das tatsächliche Risiko widerspiegelt.
• Das Compliance-Team hat den PII-Scan nach der Bereinigung freigegeben. GDPR, CCPA, HIPAA und PCI DSS verlangen die Identifizierung und den Schutz von PII. DQS läuft vollständig innerhalb von Salesforce, sodass während der Erkennung keine Datensätze die Org verlassen. Siehe Agentforce-PII-Compliance.

Betrieb und Überwachung

Die Datenqualität verschlechtert sich, sobald Nutzer neue Datensätze anlegen. Ein Datenbestand, der heute besteht, sammelt innerhalb von Wochen neue Probleme an, sodass Bereitschaft ein Zustand ist, den Sie aufrechterhalten, kein Meilenstein, den Sie einmal passieren.

• Basiswerte sind für jede Dimension im Geltungsbereich dokumentiert. Sie brauchen die Ausgangszahlen, um zu belegen, dass die Bereinigung gewirkt hat, und um später Rückschritte zu erkennen.
• Ein wiederkehrender Scan-Zeitplan ist konfiguriert. Geplante Scans machen aus einer einmaligen Momentaufnahme eine Trendlinie. Führen Sie PII wöchentlich bei Textobjekten mit hohem Volumen aus, Vollständigkeit und Konsistenz monatlich und einen vollständigen Scan quartalsweise.
• Die Verantwortung für die Bereinigung ist je Dimension zugewiesen. Eine Metrik ohne Verantwortlichen verbessert sich nicht. Benennen Sie die Person, die für Vollständigkeit, für PII und so weiter zuständig ist.
• Agentenantworten werden gegen bereinigte Daten getestet. Ein bestandener Scan sagt gutes Verhalten voraus; ein Test bestätigt es. Verifizieren Sie, dass die Ausgaben korrekt sind und dass keine PII in generierten Inhalten erscheinen.

Bereitschaftsschwellen auf einen Blick

Verwenden Sie diese Tabelle als Bestehenskriterien für jeden Bereich. Die Zielvorgaben entsprechen dem Plan Agentforce-Vorbereitung.

Was, wenn meine Org bei mehreren Punkten durchfällt?

Eine nicht bestandene Checkliste ist der erwartete Ausgangspunkt, kein Grund zur Verzögerung. Die meisten Orgs entdecken beim ersten Scan unerwartete Probleme. Priorisieren Sie in dieser Reihenfolge: PII zuerst, weil sie Compliance-Risiko bergen; dann Vollständigkeit und Konsistenz, weil sie die Qualität des Agentenkontexts prägen; dann Gültigkeit, Aktualität und Eindeutigkeit. Beheben Sie zuerst die Punkte mit der größten Wirkung und dem geringsten Aufwand, führen Sie den Scan erneut aus und vergleichen Sie mit Ihrem Basiswert. Einen schrittweisen Bereinigungspfad finden Sie unter Salesforce-Datenbereinigung für Agentforce und Warum Agentforce-Agenten versagen.

Nächste Schritte

• Agentforce-Vorbereitung: der vollständige phasenweise Bereitschaftsplan hinter dieser Checkliste
• Salesforce-Datenbereinigung für Agentforce: wie Sie nicht bestandene Punkte beheben
• PII Detection: PII-Scans für die von Agenten gelesenen Felder konfigurieren
• Warum Agentforce-Agenten versagen: die Datenprobleme hinter schwachen Agentenausgaben
• Agentforce-Datenqualität FAQ: schnelle Antworten auf häufige Fragen zur Bereitschaft
• Wie man die Datenqualität in Salesforce misst: der Data Quality Score im Detail
• KI-Bereitschafts-Assessment: ermitteln Sie Ihren aktuellen Bereitschaftswert