Künstliche Intelligenz: Viele Unternehmen möchten davon profitieren. Gerade für KI-basierte Anwendungsfälle – aber nicht nur dafür – ist eine geeignete Datenbasis nötig. Eine umfassende Datenstrategie klärt auch weitere Fragen rund um Prozesse oder Verantwortlichkeiten. Mit dem richtigen Ansatz ist sie relativ einfach zu entwickeln und umzusetzen.
Sabrina hat eine richtig gute Idee für einen datengetriebenen Use Case, der mit KI unterstützt werden soll. Auf den ersten Blick sind die notwendigen Daten alle vorhanden. Sie legt mit einer ersten Auswertung los – geschrieben in Python auf ihrem PC.
Nun möchte sie die Ergebnisse mit Kolleginnen und Kollegen teilen sowie größere Datenmengen für das KI-Modell einsetzen. Sie könnte natürlich einen Cloud-Anbieter und dessen Service wählen und die Daten dort automatisiert hochladen. Doch es fehlt der wichtigste Schritt, um Nutzen aus dem Ganzen zu ziehen: die Integration ins Zielsystem, eine teamübergreifend verwendete Business App. Sabrina ist die Ausrichtung der digitalen Roadmap jedoch nicht bekannt und es sind keine Ansprechpartnerinnen und Ansprechpartner für Architektur, Compliance, Betrieb oder Verrechnung im Unternehmen definiert. Letztlich wird Sabrina alles zu komplex. Sie gibt auf.
Dieses Beispiel ist symptomatisch, denn laut dem aktuellen Praxisreport Künstliche Intelligenz wird nur jeder zweite Use Case produktiv eingesetzt. Die größten Hindernisse sind qualitativ unzureichende Daten, fehlende organisationale Prozesse und Fachkräfte.
Im Rahmen einer Digitalisierungsinitiative müssen daher die Weichen für den Weg in eine datenbasierte Zukunft richtig gestellt werden. Eine abgestimmte Datenstrategie, als zentrales Element dieser digitalen Transformation, sorgt für die notwendige Verbindung der Geschäftsziele des Unternehmens mit der Organisation, insbesondere der IT und deren Ausrichtung. Das hilft Unternehmen, die unverzichtbaren Fähigkeiten innerhalb der Organisation aufzubauen und Verantwortlichkeiten zu klären.
Vorab sind einige wichtige Fragen zu beantworten. So ist zu definieren, welche Geschäftsziele das Unternehmen verfolgt und wie Daten hierbei unterstützen können. Zum Beispiel lassen sich auf Basis einer Datenanalyse neue Einnahmequellen oder Geschäftsmodelle erschließen oder bestehende Prozesse vereinfachen. Zudem müssen Unternehmen festlegen, wie sie fortlaufend zu datenbasierten Use Cases kommen und diese priorisieren.
Außerdem ist die Entscheidung, welche Plattformen und Tools zum Einsatz kommen sollen, ein zentraler Punkt. Damit einher geht die Einteilung, welche Aufgaben das Unternehmen selbst bei Umsetzung und Betrieb übernimmt und welche sie an externe Dienstleister auslagert. Dabei sollten einheitliche Standards und Regeln existieren.
Es muss zusätzlich festgelegt werden, wer die Compliance mit gesetzlichen Vorgaben und Datensicherheit überwacht. Nicht zuletzt ist zu prüfen, ob es ethische Grenzen bei den angefragten Use Cases gibt, die zu beachten sind.
Zur Beantwortung dieser Fragen können Unternehmen eine umfassende Datenstrategie entwickeln. Sie dient dazu, den gewünschten Zielzustand der Organisation und der IT-Plattform zu skizzieren sowie einen Fahrplan mit entsprechenden Leitplanken vorzugeben. Doch Achtung: Sie ist kein einmaliges Projekt. Die Datenstrategie muss regelmäßig überprüft und kontinuierlich an veränderte Rahmenbedingungen angepasst werden.
Für die Erarbeitung der Datenstrategie und des Target Operating Models (TOM) für Daten kann nach dem CS Data Strategy Framework (s. Abbildung 1) pragmatisch vorgegangen werden. Es integriert die Datenstrategie in eine bestehende Digitalstrategie. So lässt sich ein ineinandergreifendes Lösungskonzept erarbeiten, das isolierte Einzellösungen vermeidet.
Das CS Data Strategy Framework dient zur Definition eines Zielbildes und konkreter Maßnahmen für dessen Umsetzung im Kontext der Geschäftsstrategie. Diese leitet sich wiederum aus den Geschäftsanforderungen ab. Anhand der gewünschten Use Cases werden die Anforderungen an Datenbereitstellung, -verarbeitung und -nutzung zum konzeptionellen Aufbau einer passenden Dateninfrastruktur genutzt. Es folgt die Entwicklung der notwendigen Strukturen und Prozesse im Bereich Data Management und Data Governance. Im Anschluss werden die Maßnahmen nach einer Roadmap umgesetzt.
Eine ausführliche Analysephase sollte den Einsatz des Frameworks vorbereiten. Sie ermittelt den angestrebten Reifegrad und leitet die erforderlichen organisationalen Fähigkeiten ab. Diese IST-Analyse ermöglicht eine frühzeitige Identifikation von Problempunkten und Informationsbedarfen für die darauf folgenden fünf Phasen (s. Abbildung 2).
Dazu gehören die Erarbeitung der Datenstrategie und des Target Operating Models mit Hilfe des CS Data Strategy Frameworks sowie die Bereitstellung einer Datenplattform. Anschließend folgen die organisationalen Phasen Commitment für das Go der Entscheidenden sowie Realisierung inklusive Change Management. Es schließt sich iterativ die nächste Entwicklungsschleife an, beginnend mit der IST-Analyse.
Mit Hilfe einer Datenstrategie können Unternehmen folgende Mehrwerte erreichen:
Zum Beispiel konnte ein Fußballverein mit Hilfe entsprechender Daten seinen Dauerkartenverkauf erhöhen. Weitere erfolgreiche Use Cases zeigen den Wert einer soliden Datenstrategie.
Auch Sabrina kann mit der nun vorhandenen Datenstrategie echte Mehrwerte für ihren KI-Use-Case gewinnen. Die festgelegten zentralen Ansprechpartnerinnen und Ansprechpartner helfen ihr, Anforderungen zu klären sowie die richtigen Cloud-Angebote und -Services zu nutzen. Auch Grundsatzfragen – etwa zu Architektur und Compliance – sind beantwortet. So weiß sie nun, wie sie den Use Case inhaltlich umsetzen kann. Technische und organisatorische Rahmenbedingungen sind nun durch das Framework geregelt und es ist klar, wie der Use Case in die Business Application zu integrieren ist. Zudem steht fest, wer später für den Betrieb sorgt und unter welchen Voraussetzungen der Use Case weiterentwickelt oder gestoppt wird. Sabrina kann also loslegen und auf sicherem Terrain mit gutem Gefühl weiterarbeiten.
