Illustration Absmeier foto freepik ki

Seit dem 2. Februar 2025 verbietet das EU-Gesetz zur künstlichen Intelligenz (AI Act) den Einsatz von KI-Systemen, die als »inakzeptable Risiken« eingestuft werden. Organisationen, die gegen dieses Gesetz verstoßen, müssen mit hohen Strafen rechnen, die bis zu 7 % ihres weltweiten Jahresumsatzes oder 35 Millionen Euro betragen können. Die Einhaltung der Vorschriften erfordert keine Neuerfindung des Rades, sondern vielmehr eine Abstimmung zwischen den Teams hinsichtlich der Datenintegrität, einer verantwortungsvollen Nutzung von KI (einschließlich KI-Trainingsmodellen) und einer Entwicklung hin zu einer stärker datenorientierten Kultur.

Eine solche Ressource muss die Daten in einer klaren und umsetzbaren Sprache präsentieren, um die Entscheidungsfindung auf allen Ebenen der Organisation zu unterstützen. Der AI Act basiert direkt auf Daten, da die Systeme von deren Qualität, Herkunft und Governance abhängen. Die Einhaltung der Vorschriften erfordert nicht die Schaffung neuer Strukturen von Grund auf. Vielmehr geht es darum, bestehende Datenmanagementpraktiken zu stärken und dabei auf bereits vorhandenen Rahmenwerken aufzubauen, wie beispielsweise denen, die von Chief Data Officers (CDOs) geleitet werden. Eine geschäftsorientierte Wissensdatenbank, in der Daten klar und verständlich dokumentiert sind, kann diesen Ansatz unterstützen. Sie stellt sicher, dass KI-Projekte den Vorschriften entsprechen und gleichzeitig einen echten Mehrwert für die Organisation bieten.

Aufbau einer soliden Datenbank für eine leistungsstarke KI

Die Datenintegrität gewährleistet die Genauigkeit, Konsistenz und Zuverlässigkeit der Daten während ihres gesamten Lebenszyklus und sorgt so für ihre Verlässlichkeit. Ohne sie besteht die Gefahr, dass die Ergebnisse der KI unzuverlässig sind, da die Modelle auf verfälschten oder beschädigten historischen Daten basieren können. Die Datenintegrität ist auch unerlässlich, um die historische Genauigkeit zu bewahren, sowie die Rückverfolgbarkeit und Überprüfbarkeit zu gewährleisten. Sie trägt außerdem dazu bei, Manipulationen oder Angriffe zu verhindern, kontinuierliches Lernen zu unterstützen und die Reproduzierbarkeit der KI-Forschung sicherzustellen. Zusammenfassend lässt sich sagen, dass die Datenintegrität den Aufbau eines kohärenten, zuverlässigen und widerstandsfähigen Ökosystems ermöglicht, das für effektive und ethische KI-Lösungen unerlässlich ist.

In einem hart umkämpften Markt, in dem Anbieter um die Bereitstellung von KI-Agentenfunktionen konkurrieren, stehen Unternehmen unter zunehmendem Druck, KI einzuführen. Trotz steigender Investitionen verfügen die meisten von ihnen jedoch nicht über die erforderliche Ausstattung, um das Potenzial der KI voll auszuschöpfen. Die jüngsten Untersuchungen zeigen eine große Herausforderung: Nur 12 % der Unternehmen glauben, dass ihre Daten für KI bereit sind. Diese mangelnde Datenvorbereitung in Verbindung mit einer schwachen Governance oder einer mangelnden Abstimmung zwischen dem Unternehmen und der IT trägt zum Scheitern von 85 % der KI-Projekte bei. Die Vorbereitung auf KI betrifft also nicht nur die Datenreife, sondern auch die Schaffung eines reproduzierbaren Rahmens für Innovationen.

foto freepik

Die Grundlagen für eine zuverlässige und verantwortungsvolle KI schaffen

»KI-bereit« zu sein, ist ein vielschichtiger Prozess, der eine sorgfältige Planung und Umsetzung in mehreren kritischen Bereichen erfordert. Es geht nicht nur darum, KI-Tools einzuführen, sondern vielmehr darum, ein Ökosystem zu fördern, in dem KI gedeihen, einen greifbaren Mehrwert schaffen und verantwortungsbewusst integriert werden kann.

Säule 1

Der grundlegende Schritt auf diesem Weg ist eine umfassende Bewertung der Datenreife. Dabei handelt es sich um eine gründliche Analyse der Datenlandschaft eines Unternehmens, um die wichtigsten Lücken zu identifizieren. Die Bewertung untersucht rigoros mehrere Schlüsselaspekte der Datenzuverlässigkeit wie Verfügbarkeit, Zugänglichkeit, Qualität, Anreicherung, Beobachtbarkeit und Governance. Jeder Aspekt ist von entscheidender Bedeutung. In diesem Sinne gewährleistet die Verfügbarkeit den Zugriff auf die Daten, während die Zugänglichkeit deren Abruf und Nutzung erleichtert. Die Qualität garantiert die Zuverlässigkeit, die Anreicherung erhöht den Wert, die Beobachtbarkeit ermöglicht die Nachverfolgung und die Governance regelt die Verwaltung während des gesamten Lebenszyklus.

Säule 2

Nach einer gründlichen Auswertung der Daten folgt in der nächsten Phase die Ausrichtung der KI und die Validierung der Anwendungsfälle. In diesem Schritt wird sichergestellt, dass KI-Initiativen nicht isoliert verfolgt werden, sondern untrennbar mit den grundlegenden Geschäftszielen verbunden sind. Es geht darum, Anwendungsfälle für KI, die einen nachweisbaren Mehrwert versprechen, strategisch zu identifizieren und zu validieren. Dazu gehören in der Regel die Ermittlung der Unternehmensprioritäten, das Brainstorming zu potenziellen KI-Anwendungen, die Validierung der Machbarkeit und der Auswirkungen, die Priorisierung nach strategischer Bedeutung und Machbarkeit sowie die Einbindung der Stakeholder, um die Akzeptanz zu fördern.

Säule 3

Die Governance der KI spielt ebenfalls eine wichtige Rolle. Dabei geht es nicht nur um Compliance, sondern um die Schaffung eines soliden Rahmens für einen ethischen, verantwortungsvollen und skalierbaren Einsatz der KI. Dies setzt die Einführung bewährter Verfahren voraus, die Compliance, Fairness, Anpassungsfähigkeit und Transparenz miteinander verbinden, um das Vertrauen aller Beteiligten zu gewinnen.

Säule 4

Die vierte Säule betrifft schließlich das Management des organisatorischen Wandels. Die Einführung von KI stellt eine bedeutende Umstellung innerhalb einer Organisation dar, die einen umsichtigen Umgang mit menschlichen Faktoren erfordert. So wird sichergestellt, dass die Teams nicht nur auf die KI-Initiativen abgestimmt sind, sondern auch Verantwortung für deren Erfolg übernehmen und dafür rechenschaftspflichtig sind. Zu den wichtigsten Aspekten gehören eine klare Kommunikation der Gründe für die Einführung von KI, die Schulung und Weiterentwicklung der Mitarbeitenden, die Einbindung von Partnern sowie die Neudefinition von Rollen, einschließlich der Integration datenbezogener Funktionen in KI-Initiativen. Sie umfassen auch ein auf die KI-Ziele abgestimmtes Leistungsmanagement und die Einrichtung von Programmen, die eine iterative Bereitstellung und kontinuierliche Verbesserung kritischer Modelle und Daten ermöglichen.

Fazit

Insgesamt führen diese Bemühungen zur Entwicklung eines klaren Fahrplans für die Datenstrategie, der eine wesentliche Voraussetzung für den Erfolg der KI ist. Dieser detaillierte Plan umfasst in der Regel eine schrittweise Umsetzung, die Zuweisung von personellen, technologischen und finanziellen Ressourcen, Schlüsselindikatoren zur Überwachung der Fortschritte, Risikomanagementstrategien und einen Rahmen für kontinuierliche Verbesserungen. Durch die Stärkung jeder dieser Säulen können sich Unternehmen nicht nur effektiv auf KI vorbereiten, sondern auch einen nachhaltigen Wettbewerbsvorteil in einer sich ständig verändernden Landschaft festigen.

Jean-Paul Otte, EMEA Data Strategy Lead bei Precisely

9573 Artikel zu „Daten KI“

News | Blockchain | IT-Security | Kommunikation | Strategien

Dynamische Datensperren – Wie KI und Blockchain Governance neu definieren

4. November 2025

https://www.pexels.com/de-de/foto/abstrakt-technologie-forschung-digital-17485707/ Die klassische Welt der Datenhaltung kennt zentrale Datenbanken, Sperr- oder Negativlisten und manuelle Prozesse für Widerruf oder Löschung. Doch im Zeitalter von künstlicher Intelligenz und Blockchain- bzw. Distributed-Ledger-Technologien verändert sich das Fundament von Speicherung, Nutzung und Kontrolle personenbezogener Daten grundlegend. Statt rein zentral gesteuerter Sperrmechanismen entstehen Architekturen aus dezentraler, kryptografisch gestützter Zugriffskontrolle, ergänzt durch…