Fehlende Werte sind keine Nullen: Ein Datenfehler mit grossen Folgen

Ein fehlender Wert bedeutet, dass eine Information nicht vorliegt. Eine Null ist dagegen ein vorhandener Wert mit der Bedeutung null. Wer leere Felder pauschal durch Nullen ersetzt, verändert die Aussage der Daten. Durchschnittswerte, Quoten und Entscheidungen können dadurch falsch werden, obwohl jede Formel technisch korrekt rechnet.

Das Problem entsteht häufig bei exportierten Tabellen, KI-Extraktion und zusammengeführten Listen. Eine Quelle enthält einen Wert nicht, ein Modell findet keine Angabe oder ein Import erkennt das Format nicht. Wenn diese unterschiedlichen Fälle anschliessend als null erscheinen, verschwindet die Unsicherheit aus der Auswertung.

Dieser Artikel zeigt den Unterschied an einem vollständig fiktiven Datensatz. Die Rechenbeispiele sind eigene Beispiele und keine empirischen Ergebnisse. Für die vorgelagerte Prüfung von Tabellen ergänzt sie der Beitrag zu Excel-Daten mit KI prüfen.

Ein Beispiel mit fünf Servicefällen

Ein Team will wissen, wie viel Nacharbeit bei fünf abgeschlossenen Servicefällen angefallen ist. Für Fall A sind null Stunden dokumentiert. Für B sind es zwei Stunden, für D vier Stunden. Bei C und E fehlt die Erfassung. Alle fünf Fälle sind abgeschlossen; die Nacharbeitsdaten sind trotzdem nicht vollständig.

Die bekannten Werte ergeben sechs Stunden. Der Durchschnitt der drei erfassten Werte beträgt zwei Stunden. Die Erfassungsabdeckung liegt bei drei von fünf Fällen, also 60 Prozent. Der Durchschnitt über alle fünf Fälle ist mit diesen Angaben nicht vollständig bestimmt.

Wenn die beiden fehlenden Werte ungeprüft durch null ersetzt werden, ergibt dieselbe Summe geteilt durch fünf einen Durchschnitt von 1,2 Stunden. Diese Zahl enthält die zusätzliche Annahme, dass in beiden Fällen keine Nacharbeit anfiel. Genau diese Information liegt aber nicht vor.

Den Nenner ausdrücklich nennen

Viele Missverständnisse entstehen, weil ein Bericht nur "durchschnittliche Nacharbeit: zwei Stunden" zeigt. Die Zahl ist im Beispiel für die erfassten Fälle richtig. Ohne den Nenner liest ein Empfänger sie möglicherweise als Aussage über alle fünf Fälle.

Eine präzise Beschriftung lautet: "Durchschnitt unter den drei erfassten Fällen: 2,0 Stunden; Erfassung für zwei von fünf Fällen offen." Damit bleiben Kennzahl und Datenlücke sichtbar. Die Auswertung wird nicht unbrauchbar, nur weil sie unvollständig ist. Sie muss ihre Aussagegrenze korrekt beschreiben.

Auch die Summe braucht eine solche Grenze. "Erfasste Nacharbeit: sechs Stunden" ist belegt. "Gesamte Nacharbeit: sechs Stunden" ist erst belegt, wenn die fehlenden Fälle tatsächlich geklärt sind. Ein kleiner Zusatz im Titel verhindert hier eine grosse Bedeutungsverschiebung.

Für Quoten gilt dasselbe. Wenn nur Fälle mit bekanntem Ergebnis im Nenner stehen, muss diese Auswahl benannt werden. Wenn alle Fälle im Nenner stehen, braucht es eine definierte Behandlung der unbekannten Ergebnisse. Die Entscheidung ist fachlich, nicht bloss eine Eigenschaft der Tabellenfunktion.

Unterschiedliche Gründe für fehlende Angaben

Ein leeres Feld kann viele Ursachen haben. Der Wert wurde noch nicht erfasst. Die Frage ist für diesen Fall nicht anwendbar. Die Information wurde aus Datenschutzgründen nicht exportiert. Die Quelle enthält die Angabe nicht. Oder ein technischer Import ist fehlgeschlagen.

Diese Zustände verlangen unterschiedliche nächste Schritte. Ein noch nicht erfasster Wert geht zur zuständigen Person. Ein nicht anwendbares Feld braucht möglicherweise keine Ergänzung. Ein Importfehler muss technisch korrigiert werden. Eine nicht freigegebene Information darf nicht durch Nachfragen in einem unzulässigen Kanal beschafft werden.

Ich empfehle deshalb ein separates Statusfeld, wenn die Unterscheidung für die Auswertung relevant ist. Der Zahlenwert bleibt leer; der Status erklärt die Lücke. So bleibt die Spalte numerisch verarbeitbar, ohne die Bedeutung zu verlieren.

Die Statusbegriffe müssen im Team definiert sein. Eine frei erfundene neue Schreibweise pro Mitarbeiter erzeugt wieder uneinheitliche Daten. Die erlaubten Werte und ihre Bedeutung gehören in das Datenmodell beziehungsweise die Arbeitsanweisung.

Warum KI fehlende Werte nicht auffüllen darf

Ein Sprachmodell kann aus ähnlichen Fällen einen plausiblen Wert vorschlagen. Das macht den Vorschlag nicht zu einer beobachteten Tatsache. Für eine Extraktion lautet die Aufgabe deshalb: vorhandene Angaben übernehmen, Fundstellen nennen und fehlende Angaben als fehlend erhalten.

Im Servicebeispiel enthält ein Bericht den Satz "Arbeit abgeschlossen". Daraus folgt nicht, dass null Stunden Nacharbeit angefallen sind. Ebenso bedeutet ein leeres Feld für eine Reklamation nicht automatisch, dass es keine Reklamation gab. Die Quelle muss die Aussage tatsächlich tragen.

Wenn eine Schätzung für einen anderen Zweck gewünscht ist, wird sie getrennt gespeichert und ausdrücklich als Schätzung markiert. Beobachteter Wert, geschätzter Wert und Schätzmethode dürfen nicht in einer einzigen Zahl ohne Herkunft verschwinden. Sonst wird die nächste Auswertung die Schätzung möglicherweise als gemessene Realität behandeln.

Der Beitrag zur strukturierten Extraktion aus Dokumenten erklärt den technischen Kontext. Die fachliche Regel hier lautet: Ein gültiges Ausgabeformat rechtfertigt kein erfundenes Feld.

Das Verhalten der verwendeten Software prüfen

Die pandas-Dokumentation zu fehlenden Daten beschreibt unterschiedliche Fehlwertrepräsentationen je nach Datentyp sowie die Prüfung mit isna() und notna(). Sie zeigt damit einen wichtigen technischen Punkt: Fehlende Werte sind keine gewöhnlichen Zahlen, und ihre Behandlung hängt vom Datentyp und der Operation ab.

Für die eigene Auswertung muss deshalb geprüft werden, wie Import, Berechnung und Export mit leeren Feldern umgehen. Ein Wert kann beim Einlesen fehlen, nach einer Umwandlung als Text erscheinen und beim Export erneut anders dargestellt werden. Die fachliche Bedeutung muss über diese Schritte erhalten bleiben.

Ein reiner Blick auf die sichtbare Tabelle reicht nicht immer. Ein leer aussehendes Feld kann eine Formel, eine leere Zeichenfolge oder einen tatsächlich fehlenden Wert enthalten. Für die konkrete Software wird dieses Verhalten anhand kleiner kontrollierter Beispiele geprüft, statt es aus der Darstellung zu vermuten.

Das gilt ebenso für Nullen als Text, Dezimaltrennzeichen und nicht numerische Platzhalter. Ein Strich in einer Zahlenspalte ist ohne Definition keine eindeutige Null. Vor jeder automatischen Umwandlung muss feststehen, welche Bedeutung der Quellwert hat.

Eine Auswertung mit sichtbarer Datenlücke bauen

Für den fiktiven Datensatz enthält der Bericht vier Angaben: Anzahl aller relevanten Fälle, Anzahl erfasster Werte, Summe der erfassten Stunden und Durchschnitt der erfassten Werte. Die offene Erfassung wird zusätzlich ausgewiesen. Damit ist die Berechnung nachvollziehbar.

Die Werte lauten: fünf Fälle, drei erfasste Werte, sechs erfasste Stunden und zwei Stunden Durchschnitt unter den erfassten Fällen. Zwei Fälle bleiben offen. Es wird kein Gesamtdurchschnitt mit still ergänzten Nullen angezeigt.

Wenn später C mit drei Stunden und E mit einer Stunde ergänzt werden, beträgt die vollständige Summe zehn Stunden und der Durchschnitt über fünf Fälle zwei Stunden. In diesem Beispiel stimmt der zuvor bekannte Durchschnitt zufällig mit dem später vollständigen Durchschnitt überein. Das rechtfertigt die frühere Annahme trotzdem nicht. Mit anderen Ergänzungen entsteht ein anderes Ergebnis.

Eine Sensitivitätsbetrachtung kann die Unsicherheit veranschaulichen, wenn dafür fachlich begründete Grenzen vorliegen. Ohne solche Grenzen werden keine erfundenen Minimal- oder Maximalwerte eingesetzt. Die ehrliche Aussage bleibt dann: Der vollständige Durchschnitt ist noch offen.

Den Fehler an Übergaben suchen

Wenn fehlende Werte regelmässig zu Nullen werden, liegt die Ursache oft in einer Übergaberegel. Ein Export ersetzt leere Felder, ein Import setzt Standardwerte oder eine Vorlage verlangt zwingend eine Zahl. Die Korrektur muss an dieser Stelle erfolgen, nicht nur im fertigen Bericht.

Das Team verfolgt einen betroffenen Datensatz vom Ursprung bis zur Kennzahl. Es notiert den Wert und Status nach jedem Verarbeitungsschritt. Der erste Schritt, an dem sich die Bedeutung verändert, ist der Ausgangspunkt der Untersuchung.

Im Beispiel bleibt C in der Quelldatei leer. Beim Import setzt eine Einstellung fehlende Zahlen auf null. Der Bericht rechnet anschliessend korrekt mit dieser falschen Eingabe. Eine Änderung der Durchschnittsformel allein behebt das Datenproblem nicht. Die Importregel muss die Unterscheidung erhalten.

Auch die Zuständigkeit wird geklärt. Wer pflegt die Quellinformation? Wer verantwortet die Transformation? Wer entscheidet über die Kennzahl? Die gleiche Person kann mehrere Aufgaben übernehmen, aber die Verantwortungen müssen sichtbar sein.

Ein Testset für die Datenpipeline

Das Testset enthält mindestens einen positiven Wert, eine echte Null und einen fehlenden Wert. Dazu kommen die im Prozess relevanten Sonderfälle, beispielsweise ein nicht anwendbarer Eintrag und ein ungültiger Text in einer Zahlenspalte. Jeder Fall hat ein vorher festgelegtes Soll-Ergebnis.

Eine wichtige Invariante lautet: Ein fehlender Wert wird durch Import und Export nicht ohne dokumentierte fachliche Entscheidung zu einer Null. Eine zweite lautet: Die Zahl erfasster Werte bleibt nach einer rein technischen Formatumwandlung gleich. Wenn sie sich verändert, muss die Ursache erklärt werden.

Für Zusammenführungen wird zusätzlich geprüft, ob fehlende Schlüssel zu falschen Zuordnungen führen. Zwei leere Kundennummern bedeuten nicht, dass zwei Zeilen zum selben Kunden gehören. Der Artikel zum Abgleichen von Excel-Listen mit KI ergänzt diesen Fall.

Das Testset wird nach relevanten Änderungen erneut ausgeführt. Eine neue Exportversion oder eine andere Spaltenbezeichnung kann die Behandlung verändern. Der Test braucht keine grossen Datenmengen, um eine solche Bedeutungsverschiebung sichtbar zu machen.

Eine vollständig leere Gruppe gesondert behandeln

Ein weiterer Testfall enthält eine Kategorie mit mehreren Servicefällen, aber ohne einen einzigen erfassten Stundenwert. Für diese Gruppe ist der Durchschnitt der bekannten Werte nicht definiert, weil es keine bekannten Werte gibt. Die Ausgabe muss das sichtbar machen.

Die Anzeige null Stunden vermittelt dagegen eine andere Aussage: Es gab keine Nacharbeit. Diese Aussage ist nicht belegt. Eine passende Darstellung lautet "keine erfassten Werte" und nennt die Zahl der betroffenen Fälle. Die konkrete technische Behandlung von Summen und Durchschnitten wird für das eingesetzte Werkzeug getestet.

Dieser Fall ist besonders hilfreich, weil er stille Standardwerte aufdeckt. Solange mindestens ein bekannter Wert vorhanden ist, fällt eine problematische Behandlung möglicherweise nicht auf. Die vollständig leere Gruppe prüft die Grenze der Berechnung und verhindert, dass ein leerer Datenbestand als besonders gutes Ergebnis in einem Vergleich erscheint.

Die Entscheidung für den Bericht festhalten

Vor der nächsten Auswertung wird schriftlich festgelegt, welche Grundgesamtheit betrachtet wird und wie fehlende Angaben dargestellt werden. Die Regel benennt ausserdem, wann ein Bericht trotz Lücken verwendet wird und wann die fehlenden Informationen zuerst beschafft werden müssen.

Für eine interne Übersicht kann eine klar markierte Teilauswertung genügen. Für eine verbindliche Abrechnung reicht dieselbe Datenlage möglicherweise nicht. Die erforderliche Vollständigkeit folgt dem Zweck und den Fehlerfolgen, nicht einer allgemeinen Vorliebe für vollständige Tabellen.

Eine Null ist eine Aussage. Ein fehlender Wert ist eine offene Information. Wenn beide Zustände im Datenmodell, in der Berechnung und in der Beschriftung getrennt bleiben, lässt sich mit unvollständigen Daten arbeiten, ohne ihre Grenzen zu verstecken.

Quellenstand: 22.10.2026. pandas trägt die genannten technischen Aussagen zu Fehlwerten. Datensatz, Rechnungen, Statusmodell und Tests sind eigene redaktionelle Beispiele.