KI-Modelle sind nur so gut wie die Daten, die sie zu sehen bekommen. Das ist kein Slogan, sondern ein praktisches Problem: Ein Sprachmodell, das mit verteilten, veralteten oder nicht klar definierten Daten arbeitet, produziert Antworten, die genauso verteilt, veraltet und undefiniert sind. Viele Organisationen merken das erst, nachdem ein Pilotprojekt gestartet ist, wenn sich zeigt, dass die Daten, die das Modell benötigt, nirgendwo an einem Ort zu finden sind, oder dass niemand mehr weiß, welche Version einer Datei die richtige ist. Datenmanagement ist eine der grundlegenden Dimensionen: Die Frage ist nicht, welche Aufgaben KI übernehmen könnte, sondern ob unter diesen Aufgaben eine Datenschicht liegt, die stabil genug ist, um darauf aufzubauen.
Datenmanagement betrifft die Frage, woher Daten kommen, wer dafür verantwortlich ist, in welchem Zustand sie sich befinden und wie leicht sie zu finden und zu kombinieren sind. Das umfasst unter anderem, ob Daten zentral oder verteilt gespeichert sind, ob für jeden Datensatz ein Eigentümer benannt ist, ob Definitionen von Begriffen wie „Kunde“ oder „aktives Projekt“ zwischen Abteilungen konsistent sind, und ob es einen Überblick über die Qualität der täglich genutzten Daten gibt. Eine Organisation kann bei der IT-Infrastruktur hoch punkten und trotzdem beim Datenmanagement niedrig liegen: Die Systeme sind vorhanden, aber niemand hat je festgelegt, was genau darin steht oder wer daran etwas ändern darf.
Auf der Stufe baseline existieren Daten vor allem in Silos: Jede Abteilung führt ihre eigenen Dateien, ohne gemeinsame Struktur oder Eigentümerschaft. Auf der Stufe foundation gibt es einen Ansatz von Ordnung: Es gibt Vereinbarungen darüber, wo bestimmte Daten liegen sollen, aber die Umsetzung hängt noch von individuellen Gewohnheiten ab. Bei activation ist die Dateneigentümerschaft zugewiesen und es gibt einen gemeinsamen Begriffsrahmen, sodass verschiedene Abteilungen denselben Begriff auf dieselbe Weise verwenden. Auf der Stufe insight wird die Datenqualität gemessen und nachverfolgt, und es gibt einen Überblick darüber, wo die Schwachstellen in der Datenkette liegen. Die Stufe intelligence bedeutet, dass Datenmanagement in die tägliche Arbeitsweise eingebettet ist: Qualität, Herkunft und Zugriff werden laufend kontrolliert, nicht als separates Projekt, sondern als fester Bestandteil der Arbeitsweise.
Ein praktischer Indikator ist die Frage, wie lange es dauert, eine einfache Frage zu beantworten, etwa wie viele Kunden ein bestimmtes Produkt im vergangenen Jahr gekauft haben. Kommt die Antwort aus einem System innerhalb weniger Minuten, deutet das auf eine höhere Stufe hin. Müssen erst drei Personen angerufen werden, um herauszufinden, welche Datei aktuell ist, deutet das auf baseline oder foundation hin. Ein weiterer Indikator ist, was passiert, wenn jemand mit Wissen über einen Datensatz die Organisation verlässt: Bleibt die Information zugänglich, oder verschwindet sie mit dieser Person. Relevant ist auch, ob es jemanden gibt, der Verantwortung für einen Datensatz trägt, oder ob diese Verantwortung faktisch bei niemandem liegt.
Innerhalb der Reifegradmessung bewertet nicht eine Person diese Dimension, sondern mehrere Personen unabhängig voneinander. Ein IT-Manager kann Datenmanagement hoch einschätzen, weil die Systeme technisch in Ordnung sind, während ein operativer Manager niedrig bewertet, weil sich die Daten in der Praxis nicht auffindbar oder verlässlich anfühlen. Diese Streuung wird im Plot sichtbar und ist an sich schon ein Signal: Ein großer Abstand zwischen den Bewertungen bedeutet oft, dass die Organisation auf dem Papier weiter ist als im täglichen Betrieb, oder dass verschiedene Abteilungen mit unterschiedlichen Versionen der Wahrheit arbeiten. Eine geringe Streuung, auch auf einer niedrigeren Stufe, deutet auf ein realistisches und geteiltes Bild hin, von dem aus weitergearbeitet werden kann.
Der Schritt von baseline zu foundation erfordert oft keine neue Technologie, sondern Vereinbarungen: Wer ist Eigentümer welches Datensatzes, und wo liegt welche Information. Der Schritt von foundation zu activation erfordert einen gemeinsamen Begriffsrahmen, damit Abteilungen nicht aneinander vorbei definieren, was ein „aktiver Kunde“ oder ein „abgeschlossenes Projekt“ ist. Was ein bestimmter Schritt an Kosten und Zeit erfordert, hängt von der Größe der Organisation und dem Zustand der zugrunde liegenden Systeme ab; das ist ausgeführt auf der Seite über was es kostet, die Organisation eine Stufe höher zu bringen und der Seite über was es kostet, die IT-Infrastruktur eine Stufe höher zu bringen, da Daten und Infrastruktur in der Praxis oft gemeinsam voranschreiten.
Datenmanagement steht nicht losgelöst vom Rest der Messung. Ohne klare Vereinbarungen darüber, wer welche Daten wofür nutzen darf, entstehen Fragen, die eigentlich zu Datenschutz und Sicherheit gehören. Ohne Menschen, die verstehen, was Datenqualität bedeutet und wie sie in ihrer Arbeit darauf achten, bleibt die Dimension Menschen und Fähigkeiten zurück. Und ohne einen Blick darauf, wer entscheidet, was mit Daten geschehen darf und was nicht, fehlt die Verbindung zu Ethik. Die sieben Dimensionen der Messung hängen zusammen; Datenmanagement ist eine davon, und meist nicht die letzte, die Aufmerksamkeit verdient.
Diese Messung zeigt, ob der Boden unter KI-Anwendungen stabil genug ist: ob Daten auffindbar, verlässlich und jemandem zugeordnet sind. Das ist eine andere Frage als die, welcher Teil der Arbeit selbst von KI übernommen werden kann. Diese Frage beantwortet der Werkscan von FTE TO AI, der pro Aufgabe berechnet, welcher Anteil für die Übertragung an KI geeignet ist, ausgehend von der Datenstruktur, die zu diesem Zeitpunkt vorhanden ist. Die beiden Messungen sind dazu gedacht, nacheinander gelesen zu werden: zuerst die Tragfähigkeit, dann die Aufgaben, die darauf aufbauen können.
Die Reifegradmessung, einschließlich der Dimension Datenmanagement, befindet sich derzeit im Aufbau. Wer die Messung durchführen möchte, sobald sie verfügbar ist, kann sich für die Warteliste anmelden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.