KI-Anwendungen verlassen sich auf Daten. Nicht auf die Daten, die Sie sich vorstellen zu haben, sondern auf die Daten, wie sie tatsächlich gespeichert, definiert und gepflegt sind. Datenmanagement ist daher eine der fundamentalen Dimensionen innerhalb der Reifegradmessung: zusammen mit Organisation und IT-Infrastruktur bestimmt es, ob es etwas gibt, worauf man aufbauen kann. Eine Organisation kann stark bei Menschen und Fähigkeiten oder bei Leistungsmanagement abschneiden und trotzdem feststellen, dass jede KI-Anwendung ins Stocken gerät, weil niemand mit Sicherheit sagen kann, welche Version einer Kundendatenbank die richtige ist. Diese Reihenfolge ist keine Entscheidung von uns; es ist die Reihenfolge, in der es funktioniert.
Datenmanagement betrifft den Zustand der Daten, die eine Organisation nutzt, um zu arbeiten und zu entscheiden. Stehen Definitionen fest, oder bedeutet „aktiver Kunde“ in jeder Abteilung etwas anderes. Gibt es einen benennbaren Eigentümer pro Datensatz, oder weiß niemand, wer verantwortlich ist, wenn ein Feld seit Jahren falsch steht. Werden Daten einmal erfasst und überall von dort abgerufen, oder existieren drei Exporte, die inzwischen voneinander abweichen. Die Fragen in der Messung betreffen nicht die Datenmenge oder den Systemtyp, sondern die Verlässlichkeit und Herkunft dessen, was vorliegt.
Die fünf Niveaus verlaufen von Baseline bis Intelligence, und bei Datenmanagement ist der Unterschied zwischen diesen Niveaus oft konkreter zu spüren als bei anderen Dimensionen. Auf Baseline-Niveau existieren Daten vor allem lokal: in Tabellenblättern, im Kopf eines Kollegen, in einem System, das niemand mehr vollständig durchschaut. Auf Foundation-Niveau sind die wichtigsten Datensätze benannt und gibt es einen Anfang von Eigentümerschaft, auch wenn Definitionen noch voneinander abweichen. Was dieses Foundation-Niveau in der Praxis bedeutet, auch für andere Dimensionen, ist beschrieben unter was bedeutet das Niveau Foundation in der Praxis, und dasselbe gilt für den Ausgangspunkt selbst unter was bedeutet das Niveau Baseline in der Praxis. Bei Activation sind Definitionen weitgehend geteilt und gibt es einen Prozess, um Abweichungen zu signalisieren. Bei Insight werden Daten aktiv genutzt, um Entscheidungen zu untermauern, mit Einblick in Qualität und Herkunft. Bei Intelligence ist Datenmanagement kein separater Prozess mehr, sondern eine feste Eigenschaft davon, wie die Organisation arbeitet.
Die Plot-Runde macht sichtbar, ob diese Einschätzung zutrifft. Wenn der CIO Datenmanagement auf Activation einstuft und die Teams, die täglich damit arbeiten, auf Baseline, sagt diese Streuung mehr über die tatsächliche Situation aus als der Durchschnitt beider Werte. Oft zeigt sich, dass die Systeme auf ein Niveau höher eingerichtet sind als das Verhalten darin: Es gibt ein zentrales System, aber Menschen arbeiten noch daneben in eigenen Dateien, weil sie dem System nicht vertrauen.
Was es kostet, von Baseline zu Foundation zu gelangen, hängt davon ab, wie fragmentiert die Daten derzeit sind und wie viele Abteilungen eine eigene Version der Wahrheit verwenden. Die Arbeit liegt dann vor allem im Benennen von Eigentümerschaft und im Festlegen von Definitionen, nicht in neuer Technologie. Von Foundation zu Activation erfordert häufiger einen technischen Schritt: eine Quelle benennen, andere abschaffen oder nur noch lesend zulassen. Von Activation zu Insight verschiebt sich das Gewicht auf Governance: wer was ändern darf, wie Qualität kontrolliert wird, was passiert, wenn ein Fehler gefunden wird. Wie lang und wie schwer dieser Weg ist, hängt von der Größe der Organisation ab, der Anzahl der Systeme, die Daten pflegen, und dem Ausmaß, in dem Menschen bereits gewöhnt sind, eine Quelle als maßgeblich anzusehen. Das lässt sich nicht in einem festen Betrag oder einer festen Durchlaufzeit fassen; es hängt davon ab, wo sich die Streuung in Ihrer Plot-Runde konzentriert.
Datenmanagement steht selten für sich allein. Eine Organisation, die ihren Daten nicht vertraut, wird auch Schwierigkeiten haben mit was es kostet, Datenschutz und Sicherheit ein Niveau höher zu bringen, da man nicht sichern kann, was man nicht erfasst hat. Umgekehrt kann starkes Datenmanagement ein Fundament legen, auf dem was es kostet, Leistungsmanagement ein Niveau höher zu bringen leichter zu beantworten ist, denn Leistungsmanagement benötigt verlässliche Daten, um überhaupt etwas messen zu können. Auch die Frage was es kostet, Ethik ein Niveau höher zu bringen betrifft Datenmanagement direkt: verantwortungsvoller Umgang mit Daten beginnt damit, zu wissen, was man hat und woher es kommt. Wer diese Dimensionen getrennt voneinander angeht, läuft Gefahr, dass die Arbeit an einer Dimension durch einen Rückstand in einer anderen aufgehalten wird.
Diese Messung zeigt, ob die Organisation die Daten, die Systeme und die Menschen hat, um KI zu tragen. Das ist eine andere Frage als die, welchen Teil der Arbeit KI tatsächlich übernehmen kann. Sobald klar ist, wo die fundamentalen Dimensionen stehen, einschließlich Datenmanagement, wird es sinnvoll, pro Aufgabe zu betrachten, was KI kann und was nicht. Das ist das Gebiet des Werkscans von FTE TO AI: der berechnet pro Aufgabe, welcher Teil der Arbeit übernommen werden kann, ausgehend von den Daten und Systemen, die zu diesem Zeitpunkt tatsächlich vorliegen.
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.