Was bedeutet Garbage in, Garbage out?
Was passiert, wenn du einer Maschine falsche Zahlen gibst? Sie rechnet. Brav, schnell und völlig falsch. Genau das meint Garbage in, Garbage out, kurz GIGO: Müll rein, Müll raus.
Die Idee ist alt. Schon Charles Babbage beschrieb 1864, wie er gefragt wurde, ob seine Rechenmaschine bei falschen Eingaben trotzdem richtige Antworten liefert. Die älteste gedruckte Nennung im Computer-Zusammenhang stammt von 1957, der Begriff selbst wird oft dem IBM-Programmierer George Fuechsel zugeschrieben.
Im Marketing steckt GIGO heute überall:
- Reports in Google Analytics 4, die interne Klicks mitzählen.
- Gebotsstrategien wie Smart Bidding, die auf doppelt gezählte Conversions optimieren.
- CRM-Segmente voller Dubletten und veralteter Kontakte.
- KI-Tools, die mit ungeprüften Exporten gefüttert werden.
Warum GIGO heute teurer ist als früher
Früher landete eine falsche Zahl in einer Excel-Tabelle, und ein Mensch hat sie irgendwann bemerkt. Heute fließt sie direkt in einen Algorithmus, der damit dein Budget verteilt. Jeden Tag. Ohne nachzufragen.
Wie verbreitet das Problem ist, zeigt eine Salesforce-Umfrage unter 7.652 Fach- und Führungskräften in 18 Ländern (2025): Die Befragten halten im Schnitt 26 % der Daten im eigenen Unternehmen für nicht vertrauenswürdig. 49 % sagen, ihr Unternehmen ziehe gelegentlich oder häufig falsche Schlüsse aus Daten. Das ist eine Selbsteinschätzung, keine Messung — aber eine ehrliche.
Bei KI geht es noch einen Schritt weiter. Forscher zeigten 2024 in Nature: Werden Sprachmodelle immer wieder mit Texten trainiert, die andere Modelle erzeugt haben, verschwinden seltene Inhalte, und die Ergebnisse werden einförmig. Das nennt man Model Collapse — GIGO über mehrere Generationen.
Beispiele aus der Praxis
Müll rein
Müll raus
Tag fällt 4 Tage aus
Smart Bidding senkt Gebote
Pixel + CAPI ohne ID
Conversions doppelt gezählt
Eigene Klicks im GA4
Zu gute Conversion Rate
Dubletten im CRM
Mails doppelt, Segmente schief
Für den ersten Fall hat Google eine eigene Lösung: Datenausschlüsse. Damit sagst du Smart Bidding, dass es einen Zeitraum ignorieren soll. Google gibt dazu ein Beispiel: Fällt die Erfassung vom 15. bis 18. Oktober aus und vergehen bis zur Conversion meist fünf Tage, schließt du den 10. bis 18. Oktober aus. Dabei sollten mindestens 90 % der betroffenen Klicks im Ausschluss liegen.
Beim zweiten Fall ist Meta deutlich: Laufen Pixel und Conversions API parallel, brauchen beide Ereignisse denselben Namen und dieselbe event_id. Sonst zählt Meta doppelt, und der Algorithmus optimiert auf aufgeblähte Werte.
Häufige Fehler
Fehler 1 · Internen Traffic nicht filtern
Du, dein Team, die Agentur, der Entwickler — alle klicken ständig auf deiner Seite herum. In GA4 definierst du deshalb internen Traffic per IP und schließt ihn mit einem Datenfilter aus.
Fehler 2 · Den Filter gleich scharf schalten
Ein aktiver GA4-Datenfilter verändert Daten dauerhaft. Was er ausschließt, wird nie verarbeitet, auch nicht im BigQuery-Export. Google rät deshalb, jeden Filter erst im Status „Testen“ laufen zu lassen. Mehr als zehn Filter pro Property gehen nicht.
Fehler 3 · Dubletten blind zusammenführen
Aufräumen ist gut, aber mit Vorsicht. In HubSpot etwa lassen sich zusammengeführte Kontakte nicht wieder trennen. Erst prüfen, dann mergen.
Fehler 4 · Der KI-Ausgabe einfach glauben
Eine KI, die eine Kundenliste mit 30 % alten Kontakten auswertet, liefert eine sehr überzeugende Analyse — von Leuten, die gar nicht mehr deine Kunden sind. Die Ausgabe klingt sicher. Das heißt nichts.
So hältst du den Müll draußen
- Tracking testen mit der Vorschau im Google Tag Manager, dem Tag Assistant und der DebugView in GA4.
- Event-Qualität prüfen im Meta Events Manager — die Event Match Quality zeigt auf einer Skala bis 10, wie gut Meta deine Daten zuordnen kann.
- Ausfälle melden: Datenausschlüsse in Google Ads setzen, wenn das Tracking gestreikt hat.
- CRM pflegen: Dubletten-Werkzeuge nutzen, alte Kontakte regelmäßig aussortieren.
- Plausibel prüfen: Zahlen aus GA4, Werbekonto und Shop einmal im Monat nebeneinanderlegen.
Häufige Fragen
Was heißt Garbage in, Garbage out auf Deutsch?
Wörtlich: Müll rein, Müll raus. Gemeint ist, dass ein System aus fehlerhaften Eingaben keine richtigen Ergebnisse machen kann — egal wie gut es rechnet.
Was hat GIGO mit KI zu tun?
Sehr viel. Eine KI lernt aus Daten und arbeitet mit den Daten, die du ihr gibst. Sind die fehlerhaft, veraltet oder einseitig, sind es die Antworten auch. Anders als eine Halluzination entsteht der Fehler hier nicht in der KI, sondern schon in der Eingabe.
Woran erkenne ich, dass meine Tracking-Daten Müll sind?
Typische Warnzeichen: Conversion Rates, die über Nacht springen, große Abweichungen zwischen Shop, GA4 und Werbekonto, Conversions ohne passenden Umsatz oder auffällig viele Besuche aus deiner eigenen Stadt. Dann lohnt sich ein Blick ins Tracking.
Kann eine KI schlechte Daten selbst bereinigen?
Teilweise. Dubletten oder Tippfehler findet sie gut. Ob ein Kontakt noch aktuell ist oder ob eine Conversion echt war, weiß sie aber nicht. Die Regeln, was sauber ist, musst du festlegen.
Woher kommt der Begriff GIGO?
Aus der frühen Computertechnik. Die älteste gedruckte Nennung stammt von 1957, oft wird der Begriff dem IBM-Programmierer George Fuechsel zugeschrieben. Die Idee dahinter beschrieb Charles Babbage schon 1864.