Datenintelligenz entmystifizieren: Was sie ist und warum sie im Jahr 2026 wichtig ist

Hallo zusammen. Vielen Dank, dass Sie an der heutigen Telefonkonferenz zum Thema „Entmystifizierung der Datenintelligenz – was sie ist und warum sie wichtig ist“ teilnehmen. Ich möchte Ihnen unsere Referenten vorstellen: Emma McGrattan, CTO von Actian, und Matt Aslett, Forschungsdirektor von ISG.

Bevor wir beginnen, möchte ich noch einmal darauf hinweisen, dass dieses Gespräch aufgezeichnet wird und Sie eine Kopie der Aufzeichnung erhalten werden. Darüber hinaus freuen wir uns über Ihre Fragen und werden versuchen, so viele wie möglich während des Gesprächs zu beantworten. Damit übergebe ich das Wort an Emma.

Großartig, danke Danielle. Also Matt, danke, dass du heute bei uns bist. Für diejenigen, die ISG nicht kennen, kannst du uns ein wenig über ISG und die Einkaufsführer erzählen?

Ja, klar. Gerne, und ja, danke, dass wir beim Webinar dabei sein dürfen. Es ist mir eine Freude, hier zu sein.

Ähm, ja, ISG ist ein Branchenanalyst. Ähm, insbesondere ist vielleicht nicht allgemein bekannt, dass wir tatsächlich Einfluss auf Unternehmenstechnologieausgaben in Höhe von über 200 Milliarden Dollar haben. Also ein ziemlich bedeutender Einfluss.

Ein Großteil des Kerngeschäfts konzentriert sich auf Dienstleistungs- und Technologieanbieter und die Zusammenarbeit mit Unternehmen, die diese hinsichtlich ihrer Nutzung von Dienstleistungen und Technologien beraten. Der Bereich Softwareforschung, zu dem ich natürlich gehöre, fällt unter den Bereich Forschung und wurde vor etwa zweieinhalb Jahren von ISG übernommen. Es hat sich also auf den Softwarebereich ausgeweitet, aber der Beratungs-, Benchmarking-, Governance- und Dienstleistungsanbieterteil des Geschäfts ist der Kernbereich, in dem das Kerngeschäft getätigt wird.

Unsere Softwareforschung deckt also zwei Hauptbereiche ab. Zum einen sind das die zugrunde liegenden IT- und Technologieplattformen, Analytik und Daten-KI, digitales Geschäft, digitale Technologie, und das ist der Teil des Teams, zu dem ich gehöre. Und zum anderen sind das alle Anwendungen, die darauf laufen.

Also Customer-Experience, HCM, Finanzabteilung, Umsatzabteilung, und wir haben Kollegen im Team, die sich auch mit dieser Seite der Softwareforschung im Softwaregeschäft befassen. Was die Käuferleitfäden angeht, so werden wir natürlich mehr über den Data Intelligence Buyer's Guide sprechen, aber unsere Käuferleitfäden sind wirklich etwas, das es schon seit Beginn der Software-Forschungsbranche gibt, also seit etwas mehr als 20 Jahren. Ähm, und es ist diese Methodik, die wir im Laufe der Jahre optimiert und hoffentlich verbessert haben.

Und wir haben angefangen, also waren wir früher als „Value Index Reports” bekannt. Der Value Index ist nach wie vor die Methodik, aber wir haben diese Berichte vor etwa drei Jahren in „Buyer's Guides” umbenannt. Im Wesentlichen tun wir dort als Analysten und Forschungsleiter Folgendes: Wir versetzen uns in die Lage von jemandem, der Technologie kauft oder eine bestimmte Software in einer bestimmten Kategorie kaufen möchte.

In diesem Fall natürlich Datenintelligenz. Und so fragen wir uns: Was muss jemand, der nach dieser Software sucht, wissen? Und so erstellen wir natürlich eine Liste von Anbietern, die wir für relevant halten und die im Rahmen eines R-F-I-R-P-Prozesses bewertet werden würden.

Wir erstellen eine Liste aller Funktionen, die unserer Meinung nach berücksichtigt werden sollten. Dazu gehören nicht nur die Fähigkeiten in diesem Fall Fähigkeiten Datenintelligenz, sondern auch Aspekte wie Zuverlässigkeit und Verfügbarkeit, also die Nutzer . Und das sind Dinge, die für alle Kategorien unserer Einkaufsratgeber gelten.

Darüber hinaus betrachten wir auch die Customer-Experience. Wenn Sie also mit einem Anbieter zusammenarbeiten, welche Unterstützung erhalten Sie dann, um den potenziellen Wert dieser Investition zu verstehen oder zu messen? Wie sieht deren Onboarding-Prozess aus?

Wie sind sie, wissen Sie, Fähigkeiten ihre Unterstützungs- und Fähigkeiten ? Also, wissen Sie, wir bewerten all diese Dinge. Im Wesentlichen senden wir also die Informationen an die Anbieter.

Einige von ihnen entscheiden sich für eine Teilnahme und senden Informationen zurück. Andere tun dies nicht. In jedem Fall bewerten wir entweder die Antworten oder, wie Sie wissen, alle öffentlich verfügbaren Informationen, die uns vorliegen, genau wie es ein Unternehmen tun würde, wenn es Anbieter untersucht, in die es investieren möchte. Wir gehen die Fragen durch und vergeben Noten von A++ abwärts, wobei jede Frage eine Punktzahl erhält.

Man wendet die Bewertung an und erhält letztendlich diese Matrix, die offensichtlich den Quadranten des Einkaufsleitfadens darstellt.

Und natürlich muss das Ziel für einen Anbieter, wie Sie sich vorstellen können, oben rechts liegen, was wir als vorbildlich bezeichnen. Und das sind im Grunde genommen die Anbieter, die sowohl in Bezug auf das Produkterlebnis als auch auf die Customer-Experience die höchsten Werte erzielen. Ja, das ist es im Grunde genommen.

Ich bin sicher, dass wir im Laufe des Gesprächs noch mehr darüber sprechen können, aber das ist im Wesentlichen das, was wir tun. Und wir produzieren, wir haben fast hundert davon produziert, ich glaube letztes Jahr in verschiedenen Software-Segmenten. Wow, okay.

Sehr interessant. Danke. Sie sprechen also mit vielen Leuten darüber, und ich denke, für viele Leute auf der Datenseite steht die Datenaufbereitung für KI im Vordergrund.

Was hören Sie von ihnen, wenn es um die Datenaufbereitung für KI geht? Und eine Art Folgefrage dazu ist: Wie definieren Sie KI-fähige Daten? Richtig?

Ja. Es ist lustig, wir haben in den letzten Jahren ISG-KI-Veranstaltungen durchgeführt. Die erste fand in Großbritannien statt, und ich war dabei. Es war ziemlich lustig, weil natürlich alle sehr begeistert von KI waren und über ihre KI-Projekte sprachen und diese auch umsetzten.

Und es gab da ein Element, ich war eigentlich ein bisschen wie dieser Typ, der sagt: Ja, schon, aber vergiss die Daten nicht. Vergiss die Datenqualität nicht. Vergiss Data Governance nicht.

Und um fair zu sein, es wurde nicht komplett ignoriert, aber es war irgendwie faszinierend, dass es seitdem, also seit unserem Event Ende letzten Jahres, komplett anders war. Alle sprachen davon, dass sie ihr Datenmanagement und ihre Data Governance Ordnung bringen müssten Data Governance KI-Projekte voranzutreiben. Und ich glaube, dass man sich sehr auf diese MIT-Studie und die Ausfallraten konzentriert hat.

Und ich nehme das mit einer gewissen Vorsicht, denn wir befinden uns offensichtlich in einer Innovationsphase, in der es Projekte gibt, von denen einige scheitern sollen, nicht wahr? So kann man schnell scheitern und zum nächsten Projekt übergehen. Aber wir haben auch definitiv gesehen, dass die größte Herausforderung, die wir hier sehen, aus unserer Datenmarkt-Studie hervorgeht: Die größte Herausforderung im Bereich Daten besteht darin, diese Daten für KI nutzbar zu machen.

Und ich denke, wir haben gesehen, dass viele Unternehmen erkannt haben, dass sie, um von einem fokussierten, domänenspezifischen Projekt, einem Proof of Concept, zu etwas Substanziellerem zu gelangen, insbesondere wenn es unternehmensweit ist, dann müssen sie, wie Sie gesagt haben, ihre Daten AI-fähig sein müssen, und ich denke, AI-fähig zu sein bedeutet, dass sie sauber und gut organisiert sein müssen. Ähm, und sie müssen natürlich den für das Projekt relevanten Vorschriften entsprechen. Aber sie müssen auch auf die spezifischen Geschäftsziele und KPIs des Projekts abgestimmt sein, richtig?

Und ich denke, dass das manchmal übersehen wird, dass wir all diese Daten haben, die sich in einem Lakehouse oder einer anderen Umgebung befinden, und dass wir sie nun für viele verschiedene KI-Projekte nutzen können. Und das ist potenziell wahr, aber es besteht die Notwendigkeit, die Ziele, Anforderungen und KPIs zu verstehen und diese dann auf die Daten anzuwenden, die für dieses spezifische Projekt gesammelt, aufbereitet und verarbeitet werden. Ja, das ist mit einer Menge Komplexität verbunden.

Natürlich. Eine weitere Erkenntnis ist, dass qualitativ hochwertige, saubere und gut aufbereitete Daten schon immer eine Anforderung von Unternehmen waren. In gewisser Weise werden hier also nur die Probleme beleuchtet, die Unternehmen bereits kannten, aber vielleicht irgendwie vergessen haben, weil es sich um komplexe Projekte und Probleme handelt.

Aber ich denke, wenn man eine umfangreiche KI-Initiative vorantreiben will, muss man sich diesen Herausforderungen stellen. Vielleicht nicht im Voraus, aber im Laufe des Prozesses. Ja, guter Punkt.

Ich meine, wir sprechen ständig mit Kunden über Datenqualität, und es ist so, als würde man fragen, warum heute ein größerer Fokus auf der gesamten Datenqualitätslandschaft liegt. Und es ist die KI, die sich mit Maschinengeschwindigkeit bewegt, richtig? Bei der Analyse ist ein Mensch im Spiel, und der sagt dann: „Ja, diese Zahlen stimmen nicht.“

Richtig. Ich weiß, dass ich letzte Woche ein großes Geschäft gemacht habe. Das spiegelt sich hier in den Zahlen nicht wider.

Also, wissen Sie, lassen Sie uns den Bericht noch einmal durchgehen, während Maschinen das nicht für uns tun werden. Ja, es ist eine wirklich interessante Zeit und es sind interessante Daten. Ja.

Ja. Und natürlich, wie Sie bereits angedeutet haben, unterstreicht zumindest die Möglichkeit, dass Agenten automatisierte Entscheidungen treffen, dies besonders deutlich, denn wie Sie sagen, gibt es keine Person mehr mit dem erforderlichen Fachwissen, die erkennen kann, dass etwas nicht stimmt oder dass es einen Unterschied gibt zwischen dem Dashboard, das ich gestern gesehen habe, und dem, was ich heute sehe. es gibt da einen Unterschied zwischen dem dashboard , das dashboard gestern gesehen habe, und dem, was ich heute sehe. Richtig.

Äh, ja.

Das muss also unbedingt vorhanden sein, um solche Initiativen zu ermöglichen. Großartig. Wir haben also offensichtlich an Ihrem Datenintelligenz-Einkaufsführer teilgenommen.

Aber für diejenigen, die heute neu dabei sind und mit dem Begriff „Data Intelligence“ nicht vertraut sind: Können Sie das etwas näher erläutern? Was ist Data Intelligence? Ja, gerne.

Ich denke, zunächst einmal sollten wir verdeutlichen, warum wir diesen Einkaufsführer erstellt haben und warum wir Datenintelligenz für wichtig halten. Wir glauben, dass ein erheblicher Anteil, nämlich drei Viertel aller Unternehmen, bis Ende nächsten Jahres an sogenannten Datenintelligenz-Initiativen beteiligt sein werden. Der Grund dafür ist, dass wir verstehen wollen, wie, wann und warum Daten in Unternehmen verwendet werden und von wem. Das ist eine der Sachen, von denen ich denke, dass Unternehmen sie im Griff haben sollten, aber nur sehr wenige tun das.

Ähm, wissen Sie, der Grund dafür ist insbesondere, (ich habe das nicht ausgearbeitet) Ähm, wissen Sie, an jedem Datenprojekt sind mehrere Teilnehmer beteiligt. Und, wissen Sie, um es zu vereinfachen, betrachten wir das in Bezug auf Datenproduzenten und Datenkonsumenten, und diese haben unterschiedliche Anforderungen oder unterschiedliche Sichtweisen auf die Daten. Und in der Vergangenheit wurden all diese Dinge innerhalb der Organisationen behandelt, aber mit mehreren Tools, sodass die Datenverwaltung und die IT-Teams zusammenarbeiten, integrieren und synchronisieren mussten.

Und ich denke, was wir gesehen haben, ist, dass Datenintelligenz als eine Art Produktkategorie, zumindest so, wie wir sie sehen, gewissermaßen aus Datenkatalogen und der Entwicklung von Data Governance Plattformen hervorgegangen ist, die potenziell die Rolle einer einzigen Plattform für die Erfüllung dieser vielfältigen Anforderungen übernehmen können. Wir definieren Datenintelligenz also als Software, die speziell eine ganzheitliche Sicht auf Daten, also Produktion und Verbrauch, bietet und es Datenadministratoren ermöglicht, verwalten Verwendung von Daten in BI- und KI-Initiativen zu verstehen und verwalten . Dadurch können sie strategische Initiativen zur Demokratisierung von Daten beschleunigen, um Analysten und Geschäftsanwendern Self-Service kontrollierten Self-Service auf Daten im gesamten Unternehmen zu ermöglichen.

Es gibt also viel zu entdecken und zu analysieren, aber so sehen wir den Markt. Und wissen Sie, es ist ein Begriff, den wir meiner Meinung nach schon oft gehört haben und den mehrere Anbieter im Laufe der Jahre verwendet haben. Eine Zeit lang war ich tatsächlich etwas skeptisch, ob es sich dabei um eine Kategorie handelt, da die Anbieter aus verschiedenen Bereichen dieser Karte hier kamen.

Aber eigentlich denke ich, dass wir eine Marktkonsolidierung erlebt haben und es wird immer deutlicher, welche Fähigkeiten erforderlich Fähigkeiten , um all diese Anforderungen zu erfüllen. Ja, deshalb haben wir natürlich damit begonnen, es zu nutzen, weil wir erkannt haben, dass es nicht nur eine Kategorie war, sondern dass es einen sehr realen Bedarf dafür gab, als Ergänzung zu Investitionen in traditionellere Produkte für Datenmanagement, Datenintegration, Datenqualität und Data Governance. Natürlich verschwinden diese Dinge nicht von selbst, aber es gibt diese breitere Kategorie der Datenintelligenz.

Ja. Ich meine, wir haben eine Art Wandel von diesem modernen Datenstack gesehen, der für verschiedene Dinge die besten Lösungen bietet, richtig? Und die Leute erwarten jetzt, dass die Intelligenzplattform all das liefern sollte, richtig?

Und unabhängig davon, ob wir dies durch Partnerschaften aufbauen oder selbst entwickeln, wird erwartet, dass alles integriert ist, richtig? Wenn Sie beispielsweise ein Datenprodukt verwenden, muss der Datenvertrag hinter dem Produkt Beobachtbarkeit , damit Sie den Ergebnissen vertrauen können. Wenn Probleme auftreten, haben Sie die Möglichkeit, eine Art Notschalter zu betätigen und zu sagen: Okay, wir müssen die Datenpipelines reparieren, bis wir das tun, können wir diese Initiative nicht fortsetzen.

Aber wir von Actian sehen ganz klar, dass die Leute die besten Produkte lieben, aber sie wollen, dass alles zusammen funktioniert. Und der einfachste Weg, das zu erreichen, ist, sich an einen einzigen Anbieter mit einigen guten Partnerschaften zu wenden. Ja, es ist schon komisch, wie das Pendel hin und her schwingt. Sie haben den modernen Datenstack erwähnt, und ich denke, es gab viele gute Gründe dafür, dass diese Produkte auf den Markt kamen und sich durchgesetzt haben.

Aber ich denke, wir haben das als eine Art modernes Datenbuffet gesehen. Denn es war so, als gäbe es Hunderte von Dingen, aus denen man wählen konnte. Aber es liegt an einem selbst, sie alle miteinander in Einklang zu bringen.

Das ist gut, oder? Ja. Also ja, ich denke, Sie wissen, dass natürlich alle Unternehmen Bedenken hinsichtlich einer Bindung und dem Setzen auf eine einzige Karte haben.

Aber ich denke definitiv, dass sich das Pendel in Richtung Vereinheitlichung bewegt hat und dass all diese Fähigkeiten von einem einzigen Anbieter Fähigkeiten , insbesondere weil sie alle zusammenarbeiten und voneinander abhängig sind. Und wenn man das selbst zusammenflickt, mit Klebeband und viel Hoffnung, dann wird das irgendwann, insbesondere in großem Maßstab, zu Problemen führen. Ja.

Auch die Maschinengeschwindigkeit, oder? Ja, auf jeden Fall. Ja.

Okay, wir haben nun also für das Publikum eine Art Definition für Datenintelligenz gefunden. Wie sieht ISG diesbezüglich die funktionalen Anforderungen an die Datenintelligenz? Ja, ich denke, man kann Fähigkeiten ganz klar einige der wichtigsten Fähigkeiten erkennen, insbesondere natürlich die Governance-Ebene, und natürlich wird auch die Sicherheit ein Teil davon sein, ganz klar.

Sie wissen schon, Datenqualität, und Sie haben Beobachtbarkeit erwähnt, und vielleicht können wir darauf eingehen, aber wissen Sie, wie sich diese beiden Aspekte bis zu einem gewissen Grad überschneiden. Und ich denke, ein Teil des Grundes, warum wir diesen Trend beobachten, liegt darin, dass einige der bestehenden Tools, die traditionellen Tools, wie Sie in Ihrer Frage zuvor angedeutet haben, Fähigkeiten gewissermaßen Fähigkeiten anwenden. Sobald Sie das dashboard erstellt haben, lassen Sie es durch die Datenqualität laufen und stellen Sie sicher, dass es, dass es, wissen Sie, einen ausreichend hohen Standard hat.

Während Beobachtbarkeit vor allem darum Beobachtbarkeit , die Pipeline zu verfolgen und sicherzustellen, dass diese Herausforderungen in Bezug auf die Datenqualität gar nicht erst auftreten. Und natürlich ist es viel wichtiger, anpassungsfähig zu sein, die Datenherkunft zu kennen und die Verwendung zu verstehen, also zu wissen, wer die Daten bearbeitet hat, was damit gemacht wurde, wie sie verwendet wurden und wie sie genutzt wurden. Und dann haben wir auf der Verbraucherseite natürlich einen starken Fokus auf Self-Service und Daten-Discovery gesehen, wie ich bereits sagte, was sich aus dem Katalogbereich im Zusammenhang mit Beobachtbarkeit ergibt Beobachtbarkeit das Thema Vertrauen.

Und Sie haben erwähnt, dass der Datenvertrag hier wirklich wichtig ist, um zu verstehen, nicht nur zu verstehen, sondern auch eine Vereinbarung darüber zu treffen, wie die Qualität dieses Produkts sein wird und wie es geliefert wird. Und um die Natur dieser Daten zu verstehen, denn es ist eine Sache, auf Self-Service nach Self-Service suchen zu können. Es ist jedoch etwas anderes, tatsächlich zu verstehen, was diese Daten sind, was sie bedeuten, insbesondere in Bezug auf Datendefinitionen innerhalb von Organisationen, um zu verstehen, was all diese Daten bedeuten und welche geschäftlichen Anwendungen und Ziele mit diesen Daten verbunden sind.

Also, ich habe hier gerade etwas herausgesucht, das mit dem Kaufleitfaden zu tun hat. Wie ich bereits erwähnt habe, bewerten wir von A++ bis F . Bei einigen dieser Dinge haben wir herausgesucht, wie hoch der Anteil der Anbieter ist, die mit A- oder besser bewertet sind, also die höchste Stufe. Und Sie können einige der wichtigsten Fähigkeiten sehen, Fähigkeiten wir in diesem Bereich beobachten.

Natürlich ist Metadaten ziemlich, wissen Sie, es ist ziemlich, nun ja, ich wollte sagen, ein Muss, natürlich gibt es viele Unterschiede darin, wie man das umsetzt. Aber wissen Sie, die Tatsache, dass das eine Anforderung ist, ist entscheidend für die natürliche Sprachsuche, denn der zugangsbasierte Zugriff auf Daten ist eine weitere, ziemlich weit verbreitete Anwendung. Und dann natürlich der, wissen Sie, ein aufstrebender Bereich.

Diese Art von Wissensgraphen Fähigkeiten tatsächlich miteinander verbunden sind. Sie haben erwähnt, dass Daten als Produkt sehr gut zu Daten als Produkt passen, was die Darstellung der Daten und der Beziehungen zu diesen Daten sowie die Definitionen betrifft, die ein gemeinsames Verständnis der Daten ermöglichen. Daher werden sie von den Anbietern, die wir derzeit bewerten, weniger gut angenommen.

Aber natürlich sehen wir, dass dies ein wichtiger Schwerpunkt für Investitionen sowohl neuer Anbieter in diesem Bereich als auch einiger älterer Anbieter ist, die versuchen, mit den Innovationen der letzten Jahre Schritt zu halten. Datenintelligenz hilft Unternehmen also ganz klar dabei, ihre KI-Initiativen in die Produktion zu überführen. Aber KI spielt auch eine Rolle bei der Bereitstellung von Datenintelligenz selbst, oder?

Also den Einsatz von KI für Dinge wie Glossare und natürliche Sprachschnittstellen zu den Daten und so weiter. Möchten Sie ein wenig darüber sprechen? Ja, auf jeden Fall.

Und wir sehen ja, dass natürlich alle Softwareanbieter, also fast alle Softwareanbieter, in Fähigkeiten investieren. Wenn sie das nicht tun, sollten sie es auf jeden Fall tun. Ja.

Und das bekommen sie auch. Ähm, aber ja, wie Sie gesagt haben, insbesondere Datenintelligenz, alsoFähigkeiten wirklich reif für eine Beschleunigung durch die Nutzung von Daten und Gen AI. Und ja, wir glauben, dass fast alle Anbieter von Datenintelligenz-Software im Laufe des nächsten Jahres definitiv Unterstützung für diese Art von Fähigkeiten anbieten werden.

Ähm, ja, wie Sie bereits erwähnt haben, sind einige der wichtigsten Bereiche die Identifizierung, Klassifizierung und Pflege dieser Beziehungskarten, die Erstellung dieser Wissensgraphen, die Automatisierung der Generierung von Datenbeschreibungen und die Zusammenfassung von Daten. Wie immer bei Gen AI muss man natürlich darauf achten, dass die generierten Ergebnisse korrekt und genau sind. Es gibt also natürlich diese Vorbehalte, aber es gibt sicherlich auch wichtige Bereiche, in denen eine erhebliche Beschleunigung erreicht werden kann, indem man den Umfang von wirklich wichtigen, aber auch alltäglichen und zeitaufwändigen Aufgaben reduziert, richtig? Ja.

Was ist langweilig und macht mich benommen? Ein Glossar erstellen, richtig? Ja, ja. Absolut, aber enorm wichtig.

Ja! Und das muss getan werden. Also natürlich alles, was das beschleunigen kann.

Ich denke, in diesem Bereich suchen wir ganz klar nach Aufgaben, die beschleunigt werden könnten, damit sich diese Mitarbeiter auf höherwertige Aufgaben konzentrieren können, anstatt sie zu ersetzen. Und natürlich muss, wie Sie gesagt haben, wenn Sie Datenqualitätsprüfungen durchführen, wenn Sie Zusammenfassungen von Daten erstellen, solche Dinge, das muss überprüft werden, das muss von Menschen überprüft werden, damit die Daten dann von denen, die sie finden, als vertrauenswürdig angesehen werden können. Aber ja, ich meine, und noch einmal, das sind also wieder Prozentsätze von Anbietern, die mit A- oder besser bewertet werden, das gibt Ihnen einen Anhaltspunkt, auch wenn wir, wie ich bereits sagte, davon ausgehen, dass alle Anbieter von Datenintelligenz-Software in den nächsten Jahren in diese Bereiche investieren werden.

Einige sind weiter als andere. Ähm, und, äh, es wird also viel in diesen Bereich investiert. Ähm, äh, aber es ist definitiv ein Bereich, in dem ich denke, dass auch Agenten einen zusätzlichen Mehrwert in Bezug auf die Automatisierung einiger dieser Prozesse bieten können.

Ja, ich meine, das ist genau das, was wir tun, richtig, und keine Überraschung. Ähm, also ja. Okay, super.

Also, ja, wir haben vorhin darüber gesprochen, als Sie Data Intelligence definiert haben, richtig? Wir hatten die Datenproduzenten und die Datenkonsumenten. Und wissen Sie was, ich habe viele Erfolge in Unternehmen gesehen, die Datenprodukte verwenden, bei denen sie einen Daten-Site-Eigentümer definiert haben, äh, entschuldigen Sie, ja, einen Daten-Engineering-Eigentümer des Datenprodukts, richtig, und einen geschäftlichen Eigentümer.

Und das hilft beim Verbrauch, denn die beiden Teams haben sich darauf geeinigt, was sie produzieren werden, wie es aussehen wird, wie die Qualität sein wird und so weiter. Und das hilft bei der Einführung. Wie sehen Sie das?

Sehen Sie das? Entschuldigung, fahren Sie fort. Ich meine, das ist definitiv einer der Bereiche, in denen es, Sie wissen schon, enormen, Sie wissen schon, Verbesserungsbedarf gibt.

Und ich denke, das ist einer der Bereiche, in denen unsere Organisation und viele andere Organisationen Verbesserungen anstreben, weil sie wissen, dass es eine Herausforderung ist, diese beiden Gruppen innerhalb ihrer Organisation zur Zusammenarbeit zu bewegen, um die Umsetzung von Daten- und Analyseinitiativen zu verbessern. Oh Gott, ich werde nicht auf die Gründe eingehen, warum das so ist, es gibt viele Gründe, warum das schwierig ist, und jede Organisation ist anders. Jede Organisation hat damit unterschiedliche Herausforderungen.

Aber ich denke, ja, das ist einer der Gründe, warum wir einen starken Fokus auf Datenprodukte gesehen haben. Wissen Sie, es ist nicht so, dass das Problem dadurch über Nacht gelöst wird. Man muss seine Geschäftsprozesse und seine Kooperationsprozesse zusätzlich anpassen, um die Vorteile der Technologie nutzen zu können.

Aber wie Sie gerade beschrieben haben, konzentriert es sich darauf, die Daten, die Dateneingaben, die Ausgaben, die Annahmen, die Ziele und die KPIs zu definieren. Und ich war besonders, wie Sie sagten, wenn Sie Datenverträge in diesen Prozess einbauen, was wir bei den meisten Organisationen sehen, nun ja, die meisten Anbieter sind dabei, diese Fähigkeiten bereitzustellen Fähigkeiten Organisationen dies mit Datenintelligenz-Software tun können. Das schafft wirklich einen gemeinsamen Fokus und eine gemeinsame Vereinbarung zwischen diesen beiden Parteien, die den Nutzern das Vertrauen gibt, dass sie davon profitieren können, dass sie die Daten, die sie finden, verstehen, wofür sie da sind, was die Definitionen sind, und dass sie dann die Nutzung dieser Datenprodukte beschleunigen können.

Ja. Ich war kürzlich auf einer Konferenz, und nach meiner Keynote kam jemand auf mich zu und fragte mich, ob ich warten müsse, bis ich alle meine Qualitätsprobleme behoben habe, bevor ich Governance implementieren kann. Ich dachte nur: Oh Gott, Sie werden niemals alle Ihre Qualitätsprobleme beheben können.

Richtig? Es wird ständig neue Datenquellen geben.

Es ist so, als würde man sagen: Warte nicht. Richtig? Aber ich muss sie auf dieses Konzept der Datenverträge und Datenprodukte hinweisen und sagen: Okay, lass uns ein kleines Projekt identifizieren und damit den Erfolg zeigen, richtig?

Man muss nicht gleich das ganze Meer kochen, sondern nur die Blende auf eine App verkleinern, oder? Und schauen wir uns die Qualität dieser einen App an. Liefern wir ein Produkt und liefern wir Erfolg.

Und so stelle ich mir Datenverträge und Datenprodukte gerne vor: Sie bieten Ihnen die Möglichkeit, Erfolge zu zeigen, denn alle sind meiner Meinung nach davon überzeugt, wie schnell wir produktionsreife KI in Unternehmen einführen werden. Und sie sehen so viel Erfolg mit der Nutzung von ChatGPT in ihrem Privatleben und damit, dass ihre E-Mails viel intelligenter aussehen und so weiter, dass sie erwarten, dass die Geschäftserfahrung ähnlich sein wird, und es wird einige Zeit dauern, bis wir dort angelangt sind. Daher ist es meiner Meinung nach wichtig, herauszufinden, wo man schnelle Erfolge erzielen kann.

Ja, ja. Nein, auf jeden Fall. Und ich denke, ein weiterer Aspekt in Bezug auf Datenprodukte ist der, wie Sie wissen, die Hauptfokussierung von Datenprodukten.

Und so haben Sie dort über schnelle Erfolge gesprochen oder darüber, den Umfang innerhalb einer bestimmten Geschäftsabteilung oder eines bestimmten Bereichs zu definieren und die entsprechenden KPIs zu identifizieren. Offensichtlich mit dem Ziel, die Ergebnisse oder das Ergebnis anderen innerhalb der Organisation zugänglich zu machen, was Teil des gesamten Ansatzes ist, wissen Sie, des Daten-Produkt-Ansatzes. Aber es sorgt für diesen Fokus, der meiner Meinung nach einer der Gründe ist, warum jeder wirklich gute Absichten haben kann, wie ich bereits sagte, die Zusammenarbeit zwischen Datenproduzenten und -konsumenten in der gesamten Organisation zu verbessern.

Wenn Sie versuchen, dies unternehmensweit umzusetzen, ist das ein riesiges Projekt. Wenn Sie es jedoch projektweise angehen, ein Projekt nach dem anderen, das sich auf verschiedene Bereiche konzentriert, dann erleichtert das zumindest den Prozess. Wenn wir also von Bereichen sprechen, sehen Sie dann, dass häufig eine föderierte Governance eingesetzt wird, bei der jede Abteilung eine gewisse Autonomie in Bezug auf die Governance ihres jeweiligen Bereichs hat und Datenfreaks und datenbegeisterte Menschen aus den verschiedenen Bereichen des Unternehmens hinzuzieht?

Ja. Menschen, die sich für Daten begeistern, statt Daten-Nerds. Sagen wir mal, „dateninteressiert” ist wahrscheinlich ein besserer Begriff dafür, oder?

Okay. Ja. Ja.

Ähm, was ich interessant finde, schauen wir uns das einmal an: Das Konzept der Datenprodukte ist offensichtlich mit Data Mesh entstanden. Und ich habe festgestellt, dass Data Mesh insgesamt weniger Verbreitung gefunden hat. Aber ich denke, das Konzept der Datenprodukte und die domänenbasierte Bereitstellung davon und, wie Sie gesagt haben, die föderierte Governance hängen offensichtlich damit zusammen.

Richtig? Man kann natürlich Data Pro übernehmen. Ich denke, nun ja.

Wir sehen, dass verschiedene Organisationen unterschiedlich damit umgehen. Nicht jeder sagt: „Hey, wir machen alle mit. Wir setzen voll auf Data Mesh.“

Wir alle arbeiten mit föderativer Governance. Das hängt davon ab. Wir haben im letzten Jahr einige interessante Untersuchungen zu organisatorischen Ansätzen im Umgang mit Daten durchgeführt, also dazu, ob diese verteilt sind, ob die IT dafür verantwortlich ist. Sind sie auf verschiedene Geschäftsbereiche verteilt? Oder gibt es ein zentrales Team?

Ist es ein, sagen wir mal, gemischtes Modell? Und natürlich ist jede, wirklich jede Organisation ein bisschen anders. Ich denke also, dass viele Organisationen gerade herausfinden, welcher Ansatz für sie funktioniert.

Aber im Großen und Ganzen denke ich, dass wir diesen föderierten Ansatz häufiger sehen werden, da er einige wirklich gute Vorteile mit sich bringt, insbesondere in Bezug auf die Verbesserung der Zusammenarbeit und die Beschleunigung der Projektumsetzung. Aber Sie wissen ja: Jede Organisation ist, wie ich schon sagte, anders, und daher hängt ihr Erfolg damit von vielen anderen Faktoren ab und nicht nur von der Einführung von Technologie und der Entscheidung, dass dies der richtige Weg ist.

Man muss es tatsächlich tun, ja, das ist leichter gesagt als getan. Sagen wir es mal so. Ja, das ist sehr wahr.

Okay, wir haben im Vorfeld des Webinars einige Fragen erhalten und auch während der Online-Veranstaltung wurden einige Fragen gestellt. Die erste Frage lautet: „Hat KI den Wert von Datenintelligenz in den letzten 12 Monaten gesteigert?“ Aus meiner Sicht ist die Antwort eindeutig „Ja“.

Richtig? Es hat nicht nur den Wert der Datenintelligenz erhöht, sondern auch die Kosten aufgezeigt, die entstehen, wenn man sie nicht hat. Richtig?

Wir haben vorhin darüber gesprochen, dass traditionelle BI nicht perfekt sein muss, oder? Man hatte einen Menschen im Loop, der eklatante Fehler erkennen konnte, aber in den meisten Fällen waren die Antworten gut genug, um Entscheidungen für das Unternehmen zu treffen. Aber mit KI und der Geschwindigkeit, mit der Agenten und LMS Daten verbrauchen, kann man nicht immer diesen Menschen im Loop haben, um sicherzustellen, dass die Daten von ausreichender Qualität sind.

Man muss also Beobachtbarkeit, Datenqualität und so weiter nutzen. Ja, für mich hat sich Data Intelligence von einem „Nice-to-have” zu einem „Must-have” entwickelt. Aber Matt, sehen Sie aus Ihrer Perspektive bei ISG, dass Unternehmen Data Intelligence nicht mehr nur als eine Art Modernisierungsinitiative im Bereich Datenmanagement betrachten, sondern als absolut grundlegende Infrastruktur für KI?

Nein, auf keinen Fall. Ich denke, wie ich bereits gesagt habe, haben wir gesehen, dass viele Unternehmen – ich komme noch einmal auf die MIT-Studie zurück – nicht unbedingt ihre KI-Projekte aufgeben, aber ich denke, man kann einen Proof of Concept durchführen. Und wir sehen, dass Unternehmen dies tun.

Führen Sie den Proof of Concept durch, beweisen Sie den Wert von KI-Initiativen oder dem kleinen Maßstab, aber erkennen Sie auch, ob Sie dies tun werden, ob sie dies in der gesamten Organisation umsetzen werden, ob sie von, sagen wir, ein paar Projekten auf 10, sagen wir, auf Dutzende Projekte ausweiten, dann müssen sie ein grundlegendes Vertrauen nicht nur in einige ihrer Daten, sondern in alle ihre Daten haben. Und die Daten, die Investitionen in Datenintelligenz und die Fähigkeiten , über Fähigkeiten zuvor gesprochen haben, sind möglicherweise ein Weg, dies zu erreichen. Denn genau wie Sie gesagt haben, geht es darum, einige dieser Prozesse, die zuvor nach der Erstellung von Dashboards und Berichten und sogar KI-Projekten durchgeführt wurden, vorzuziehen, um sie in Bezug auf Beobachtbarkeit die Definition von Dingen wie KPIs und Datenqualitätserwartungen im Voraus zu definieren.

Ähm, weil, wie Sie gesagt haben, in Bezug auf die Automatisierung und den vermehrten Einsatz von Agenten und die Tatsache, dass einige dieser Fähigkeiten garantiert werden Fähigkeiten . Ähm, damit sie Vertrauen haben, diese zu übernehmen. Aber auch in Bezug auf, wissen Sie, wenn Sie sich groß angelegte KI-Initiativen ansehen, dann suchen Sie, wissen Sie, das hängt natürlich vom Projekt ab, aber Sie können davon ausgehen, dass Daten aus mehreren verschiedenen Datenquellen kommen, mehreren verschiedenen, wissen Sie, was vielleicht Silos gewesen sein könnten.

Das kann man nicht stückweise von Projekt zu Projekt machen. Man muss eine grundlegende Vertrauensbasis in die Mehrheit seiner Daten haben. Natürlich wird man nicht jedes Mal alle Daten verwenden, aber ja.

Und deshalb liegt der Fokus viel stärker auf Datenintelligenz als einem Weg, um dies möglicherweise zu erreichen. Als eine Art Fortsetzung davon, Matt, wo unterschätzen Unternehmen das operative Risiko des Einsatzes von KI ohne eine geregelte Metadaten Semantikschicht? Oh, an zahlreichen Stellen.

Das ist eine Überraschungsfrage, oder? Ja. Nun, mal sehen.

Ich meine, wissen Sie, ich finde das Konzept des Risikos interessant. Ich denke, es gibt mehrere Gründe, warum diesem Thema viel mehr Aufmerksamkeit geschenkt wird. Denken Sie nur daran, dass es viel mehr C-Level-gesteuerte KI-Projekte gibt und dass die Erwartungen an das, was mit KI erreicht werden kann, enorm sind, egal ob sie realistisch sind oder nicht.

Das Risiko, dass man die Erwartungen des Vorstands nicht erfüllt, ist also eher ein internes Risiko. Natürlich gibt es potenziell enorme regulatorische und rechtliche Risiken. Es gibt enorme potenzielle ethische Herausforderungen.

Und, ähm, das ist alles, mir fehlt das Wort, aber, wissen Sie, in Bezug auf, wissen Sie, das Reputationsrisiko, wenn Sie, wenn Sie wissen, dass Projekte nicht geliefert werden, nun, erstens, wenn sie nicht erfolgreich geliefert werden, aber zweitens könnte es sein, dass sie erfolgreich geliefert werden, aber Sie haben keine Leitplanken, um zu kontrollieren, was die KI tut. Man setzt sich einer massiven Voreingenommenheit aus. Ja, ja, ja, genau.

Also, ja. Die Risiken sind zahlreich und vielfältig, und das sind natürlich alles Dinge, die potenziell bereits bestehende Risiken in Bezug auf Projekte darstellen, aber das Ausmaß dieser Risiken wird absolut hervorgehoben, es ist für jedes einzelne Projekt erhöht. Und ich denke, was ein wenig anders ist, ist, dass man all diese Risiken kombiniert, wenn man sich generative AI bestimmte agentenbasierte und generative AI ansieht, ja.

Es gibt also mehrere Bereiche, die geregelt werden müssen. Und deshalb haben wir einen viel stärkeren Fokus auf Daten gesehen, auf Governance, nicht nur auf Data Governance, sondern auch auf AI Governance, die die Modelle und all das regelt. Und die Kombination dieser beiden Bereiche.

Ja, das muss unbedingt gleichzeitig angegangen werden. Okay. Unsere nächste Frage lautet: „Wie schafft man den Spagat zwischen Datenqualität und Geschwindigkeit, insbesondere in einer frühen Entwicklungsphase?“ Das ist eine großartige Frage, nicht wahr?

Denn in der Anfangsphase denken Unternehmen oft, dass Governance sie ausbremsen würde, nicht wahr? Aber in Wirklichkeit ist es so, dass ein Mangel an Governance Sie später tatsächlich ausbremsen wird. Und ich denke, wenn es um Governance und Qualität geht, gilt immer noch die 1-10-100-Regel, nicht wahr?

Ich gebe gerne folgendes Beispiel: Ich bin direkt nach meinem College-Abschluss in Irland nach LA gezogen und wollte meinen Führerschein machen. Ich wusste, dass man in Amerika das Gewicht in Pfund angibt, also habe ich mein Gewicht in Pfund angegeben, aber ich ging davon aus, dass, wenn das Gewicht in Pfund angegeben wird, die Größe in Zoll angegeben wird, oder? Ich bin also 1,60 m groß und habe 63 angegeben, richtig? Und dann habe ich meinen Führerschein per Post bekommen, und da stand, ich sei 1,90 m groß, richtig?

Ich dachte mir: Oh, das ist ja lustig. Also ging ich in die Clubs, zeigte meinen Ausweis, ich war 1,90 m groß, das hat nichts geändert. Und dann, als ich nach Las Vegas fuhr, bekam ich einen Strafzettel wegen Geschwindigkeitsüberschreitung. Ich glaube, ich hätte mich mit meinem irischen Charme und so weiter herausreden können, aber als man den Unterschied zwischen der auf dem Führerschein angegebenen Größe und meiner tatsächlichen Größe sah, bekam ich einen Strafzettel und musste einen Anwalt nehmen, was mich sehr viel Geld gekostet hat.

Ich bin also der lebende Beweis dafür, dass man die 1-10-100-Regel beachten muss, oder? Beheben Sie diese Qualitätsprobleme im Voraus. Okay, wir haben also darüber nachgedacht, dass man, wenn man sich in einer frühen Phase befindet und sich nicht mit Governance aufhalten möchte, Governance wirklich als Wegbereiter für Innovation betrachtet, richtig?

Und nichts, was wirklich zu belastend wäre. Was halten Sie von einer minimal funktionsfähigen Governance und wie lässt sich diese so umsetzen, dass sie skalierbar ist? Ja, ich meine, wie Sie gesagt haben, das ist eine wirklich gute Frage, denn es ist eine echte Herausforderung für Organisationen, und ja, ich stimme Ihnen vollkommen zu, dass Governance als Verzögerung angesehen wird, aber offensichtlich wird schlechte Governance und das Versäumnis, sich mit Governance zu befassen, tatsächlich zu einer größeren Verlangsamung führen.

Aber wissen Sie, es gibt eben dieses Gleichgewicht. Ich denke, wie ich bereits gesagt habe, dass wir eine Verlagerung erlebt haben, weg von der Datenqualität als etwas, das nachträglich angewendet wird, nachdem die Datenpipeline den Bericht reduziert Datenpipeline , und dann führt man ihn aus, wissen Sie, dafür gibt es immer noch eine Rolle. Dort möchte man natürlich die Qualität der Ausgabe bewerten.

Aber wissen Sie, mit Daten Beobachtbarkeit in Richtung des Beginns des Prozesses verschoben. Und um noch einmal auf Datenverträge zurückzukommen: Ich denke, man kann, wo immer es möglich ist, wirklich ziemlich schnell von Anfang an definieren, was die Erwartungen an ein Projekt sind. Dann gibt es natürlich noch mehr zu tun, um diese Erwartungen zu erfüllen, aber man kann durch Datenprodukte und Datenverträge wirklich recht schnell ein Niveau festlegen.

Und ich denke, es gibt heutzutage viele wirklich gute Ansätze, nicht nur traditionelle Ansätze in Bezug auf Qualität, sondern auch Regeln und Datenqualitätsprüfungen, sondern auch KI-gesteuerte Bewertungen. Außerdem haben wir ja schon einmal über Vertrauenswerte gesprochen, also aus menschlicher Perspektive, aus der Perspektive Nutzer: Sind diese Daten von hoher Qualität? Ja, sie können von hoher Qualität sein, alle Daten sind korrekt.

Vertraue ich diesen Daten tatsächlich, bin ich mir sicher, wissen wir, woher sie stammen? Wissen wir wirklich, woher sie stammen und wo sie zwischendurch waren? Und so die Fähigkeit, ich denke, die Investition in Datenherkunft und Beobachtbarkeit, ja, da gibt es eine Vorabinvestition und Fähigkeiten

Aber ich denke, wir sehen, dass einige dieser Fähigkeiten durchaus dazu beitragen Fähigkeiten , dass man schneller vorankommt. Und natürlich muss es sich nicht von Anfang an um ein riesiges traditionelles Data Governance handeln. Aber ja, das ist eine wirklich gute Frage.

Das ist eine echte Herausforderung. Ja. Ich meine, es besteht die reale Gefahr, dass man es übertechnisiert und dann versuchen alle, Wege zu finden, um das zu umgehen, oder?

Also, ja. Richtig. Ja, absolut.

Ja. Okay, nächste Frage. Oh, eine Frage zu Datenverträgen.

Wie gewährleisten Datenverträge und föderierte Kataloge die langfristige Qualität von Datenprodukten? Das ist eine gute Frage, nicht wahr? Denn Datenprodukte verlieren ziemlich schnell an Qualität, sobald sie auf den Markt kommen, oder?

Ähm, es sei denn, Sie haben eine sehr klare Zuständigkeit, und ich habe vorhin darüber gesprochen, dass wir empfehlen, wenn es ein Datenprodukt gibt, dass Sie jemanden im Datenentwicklungsteam haben, der dafür zuständig ist, und jemanden auf der Geschäftsseite, der dafür zuständig ist. Wenn also etwas schief geht, wissen Sie, wen Sie anrufen müssen und wissen Sie, wer dafür zuständig ist. Und ich denke, diese Zuständigkeit ist wirklich hilfreich.

Aber, ähm, föderierte Kataloge, richtig? Sie helfen bei der Auffindbarkeit, sie helfen bei der föderierten Governance, richtig? Ich halte die Herkunft für unglaublich wichtig.

Die Durchsetzung von Richtlinien ist wichtig. Das Verständnis des Kontexts. Für uns war der Kontext noch nie so wichtig wie heute.

Es ist also unglaublich wichtig, die Semantik richtig zu verstehen. Aber für mich sind Kataloge ein Mittel, um die Durchsetzung zu operationalisieren, und sie tragen dazu bei, dass Ihre Datenprodukte nicht verkümmern, richtig? Welche Ratschläge geben Sie also Unternehmen, die Datenprodukte einsetzen möchten, sei es mit oder ohne Datenverträge, und die sicherstellen möchten, dass es sich um eine Initiative handelt, die weiter voranschreitet und nicht zu einer Art Katalog toter, unbekannter Produkte wird?

Ja, ich meine, das ist wirklich eine gute Frage. Ähm, ich, und wie Sie dort bereits angesprochen haben, besteht die Herausforderung natürlich darin, den Datenproduktansatz zu einer Art Grundpfeiler Ihrer Geschäftstätigkeit zu machen und einige der wichtigsten Prozesse, die zur Bereitstellung dieser Datenprodukte führen, tatsächlich zu operationalisieren. Und natürlich müssen sie auf dem neuesten Stand gehalten werden, damit sie nicht nur einmalig sind, sondern kontinuierlich aktualisiert werden.

Denn ich denke, das ist ein weiterer Aspekt, den wir noch nicht erwähnt haben, der aber von entscheidender Bedeutung ist: Daten werden kontinuierlich generiert, und diese Produkte sollten ständig aktualisiert werden. Und das sollte so sein, dass die Informationen dazu den Verbrauchern bei der Suche nach Produkten zur Verfügung stehen. Oder noch besser, sie sollten darauf hingewiesen werden, dass es eine neue Version dieses Datenprodukts gibt, oder natürlich, wo es sinnvoll ist, dies zu tun, und wo sie sich dafür anmelden können.

Aber wissen Sie, es geht darum, ja, das zu operationalisieren und diese Herangehensweisen an Datenprojekte zu einem Teil Ihrer Geschäftsabläufe zu machen, wie Sie sagen, sowohl auf der geschäftlichen als auch auf der technologischen Seite. Und das erfordert, wissen Sie, nun ja, je nach Größe und Alter des Unternehmens möglicherweise einen echten kulturellen Wandel. Und wie ich bereits erwähnt habe, ist das in gewisser Weise vielleicht einfacher gesagt als getan, aber ich denke, wir sollten auch bedenken, dass Datenprodukte, wie sie genannt werden, Teil des Ergebnis- oder Produktdenkens sein sollten.

Ja, sie sollten so konzipiert sein, dass sie in erster Linie ein Produkt sind, das der Verbraucher wünscht. Und, wissen Sie, und hat die Erwartungen definiert, wissen Sie, wie wir gesagt haben, in Bezug auf die Qualität und den Wert, wissen Sie, die Art der Daten und die Qualität der Daten. Aber wir denken auch darüber nach, wie wir heute Produkte konsumieren und kaufen, wissen Sie, die Fähigkeit zu sagen, wissen Sie, ja, das ist ein gutes Produkt, nein, das ist ein schlechtes Produkt.

Ja, also, eine Bewertung abgeben, fünf Sterne, was auch immer. Ja. Ich denke, wir sehen in einigen Fällen, dass nicht alle Anbieter diese in ihre Datenintelligenzschichten integrieren, also in ihre Datenprodukte, um sozusagen Fähigkeiten.

Weil das ein Teil davon ist, wissen Sie, es ist natürlich nicht das Einzige, aber es ist ein Teil davon, das Ganze frisch zu halten und sicherzustellen, dass Sie als Verbraucher darauf zugreifen können und, wissen Sie, ja, die Daten mögen zwar alt sein, aber Sie können sehen, dass jemand sie gestern verwendet und genehmigt hat und dass sie immer noch relevant sind. Und ja. Wissen Sie, und das ist Nutzer ein Nutzer als ein Nutzer, wissen Sie?

Oh, entschuldigen Sie. Sie wissen schon, das Technologieteam. Das ist ein Teil davon, aber ja.

Es geht also darum, all diese Fähigkeiten zu operationalisieren. Fähigkeiten . Und dabei an diese Produktmentalität zu denken, richtig? Es hat also einen Entwicklungslebenszyklus, richtig?

Und es gibt einen Datenproduktmanager, richtig? Ich denke, in reiferen Organisationen sehen wir das als eine Rolle, die fast schon den Erfolg garantiert, oder? Wenn jemand dafür verantwortlich ist, dass seine Aufgabe das Produktmanagement für Datenprodukte ist, kann das meiner Meinung nach auch helfen.

Ist es das, was Sie in reiferen Organisationen beobachten? Ja, auf jeden Fall. Ich meine, wie ich schon sagte, es erfordert einen kulturellen Wandel.

Also offensichtlich Organisationen, die das schon länger machen. Ich meine, wie lange gibt es das Data Mesh schon? Richtig?

Wissen Sie, es sind jetzt schon ein paar Jahre vergangen, und natürlich haben Unternehmen, die früh dabei waren, ja, experimentiert. Ich sage natürlich nicht, dass jeder einzelne Fall für mich erfolgreich war, aber sie haben ihren Weg zu den Prozessen gefunden, die für sie funktionieren, und diese umgesetzt.

Also ja, reifer in Bezug auf die Einführung von, äh, Datenprodukten. Auf jeden Fall. Ja.

In Ordnung. Die nächste Frage ist interessant. Ich bin mir nicht ganz sicher, wie ich diese Frage beantworten soll.

Äh, welche Aufsicht ist für agentische KI im Vergleich zu einzelnen Agenten erforderlich? Für mich muss sich die Governance also wirklich weiterentwickeln und über die reine Modellaufsicht hinausgehen. Jetzt betrachten Sie einen ganzen Workflow, richtig?

Weil Sie diese Kette von Agenten und Interaktionen zwischen Agenten haben und weil Sie Agenten haben, die den Kontext dynamisch verändern könnten. Das ist ein riesiges Orchestrierung Governance, richtig? Ich bin mir nicht sicher, wie ich darauf antworten soll.

Was ist mit dir, Matt? Welche Aufsicht ist erforderlich? Ja, Aufsicht ist erforderlich.

Ähm, ja, ich meine, wir befinden uns natürlich noch in einem sehr frühen Stadium, was, nun ja, ich glaube, der Begriff lautete agentische KI , aber ich denke, ja, Multi-Agent-Anwendungen oder wie auch immer man es nennen möchte. Wissen Sie, ich denke, wir sehen agentische KI großes Interesse an agentische KI und der Entwicklung von Agenten. Ich denke, die meisten davon sind derzeit, wissen Sie, einzelne, vielleicht nicht einzelne Aufgaben, aber sie konzentrieren sich auf einen sehr spezifischen Bereich, eine sehr spezifische Reihe von Aufgaben.

Es geht wirklich darum, vielleicht bestehende Prozesse zu automatisieren, auch wenn es sich um mehrere Aufgabe handelt. Ich denke jedoch, dass die Frage, wissen Sie, die Frage ist, tatsächlich, wissen Sie, vielleicht mehrere Anwendungen zu erreichen. Denn offensichtlich ist das andere, was wir sehen, wissen Sie, dass jede der Anwendungen, jeder große Anwendungsanbieter seine eigenen Agenten und Fähigkeiten bereitstellt.

Und so blicken die meisten Unternehmen in eine Zukunft, in der sie, nun ja, man kann davon ausgehen, dass sie Agenten benötigen werden, die über verschiedene Softwareanbieter hinweg arbeiten, über verschiedene, Sie wissen schon, auch externe Cloud hinweg. Und das ist, ich meine, das ist ein so riesiges Thema. Ja, ich meine, dafür ist eine Governance absolut erforderlich.

Ich denke, wir versuchen derzeit, unseren nächsten Einkaufsführer zusammenzustellen, der sich mit KI- und Datenplattformen befasst. Im Bereich der KI-Plattformen konzentrieren wir uns dabei insbesondere auf KI-Governance und KI-Operationen sowie auf die Fähigkeit, all diese beweglichen Teile zu steuern, zu überwachen und im Blick zu behalten, und zwar innerhalb eines agentenbasierten Multi-Agenten-Prozesses. Ich würde sagen, dass dies derzeit eine wirklich große Herausforderung für Softwareanbieter und Unternehmen gleichermaßen darstellt. Aber es ist klar, dass sich alle in diese Richtung bewegen. Also ein bisschen, also was dieser Bereich betrifft, aber ja, ich meine, ja, es ist eine riesige, riesige Herausforderung, wissen Sie, ich denke, wir sind uns einig, dass es genau das ist, wohin sich der Markt bewegt.

Ja. Wie schnell wir dahin kommen werden, um auf Ihren früheren Punkt zurückzukommen, wie schnell wir dahin kommen werden, bin ich mir nicht sicher, denn ich denke, es gibt eine Menge wirklich bedeutender Herausforderungen wie diese, die wir gerade erst angehen, ja. Ja.

Einverstanden.

Okay, unsere letzte Frage für heute, und sie ist super einfach. Das war ein Scherz. Sie ist riesig, oder?

Wie richtet man eine Data Governance richtig ein? Wie stellt man also sicher, dass die definierte Data Governance nicht nur zu einer Reihe von Komplimenten wird, sondern tatsächlich zu einem Framework in den Bereichen Technik und Wirtschaft umgesetzt wird? Ja.

Schön. Einfach. Ja, klar.

Ich meine, wir könnten ein ganzes, wir könnten ein ganzes anderes Webinar darüber machen, oder? Aber wir könnten, ich meine, ich denke, die Frage ist, wo fängt man an, wie legt man das fest? Wo fängt man an, das ist wohl der springende Punkt hier?

Wenn wir davon ausgehen, dass es sich um eine Organisation handelt, die keine hat. Richtig. Ich denke, Sie müssen natürlich zunächst einmal fragen, warum Sie eine tägliche Regierungsstrategie umsetzen.

Und das wird mehrere Aspekte haben. Es wird regulatorische Aspekte geben, vermutlich wird es, wie ich bereits gesagt habe, risikobezogene Aspekte geben, es wird ethische Aspekte geben. Aber bei all diesen Komponenten wird es möglicherweise zu einer Beschleunigung der Geschäftsanforderungen seitens des Unternehmens, seitens des Vorstands kommen.

Ich denke also, ein wichtiger Punkt wäre, wenn man ganz von vorne anfängt, nicht sofort mit den Daten einzusteigen, die wir haben, und zu fragen: Wozu dienen sie? Wie geben wir sie weiter? Sondern vielmehr zu fragen: Was sind Ihre Ziele?

Was und wie werden Sie messen, ob Sie diese Ziele erreichen? Ähm, und vielleicht höre ich hier erst einmal auf, denn ich denke, das ist der Punkt, an dem ich anfange. Und dann können Sie weitermachen.

Das Warum, richtig? Ja, ja, ja, ja. Wir haben, äh, eine meiner Kolleginnen hier, die wird fünfmal nach dem Warum fragen, richtig?

Es ist also wie: Warum, aber warum, aber warum, richtig? Und bis man wirklich versteht, warum man es tut, ist es wahrscheinlich ein Projekt, das man nicht beginnen sollte.

Und eine Sache, die mich wirklich überrascht, ist, dass wir manchmal in eine Governance-Situation kommen, die wir für eine Chance halten, und manchmal entscheiden sie am Ende des POC, dass sie eigentlich nichts tun wollen, weil sie sehen, wie groß das Unterfangen ist. Richtig? Und wenn sie diese Frage nicht beantworten können, warum wir das tun, machen sie es vielleicht nicht.

Ja, ja, ja. Und weil, ich meine, natürlich, wie Sie vorhin gesagt haben, ich meine, Governance ist eindeutig ein fortlaufender Prozess. Man kann nicht sagen: Okay, wir kommen hierher und dann sind wir fertig.

Aber wenn Sie zumindest definieren können, warum Sie es tun, können Sie auch die Kennzahlen verstehen, anhand derer Sie messen können, wie gut Sie in diesem fortlaufenden, nie endenden Prozess abschneiden. Vielen Dank für das Gespräch. Es hat mir sehr gut gefallen.

Ich hoffe, es hat auch unserem Publikum gefallen. Es war sehr interaktiv. Das hat mir besonders gut gefallen.

Ähm, ich möchte unser Publikum herzlich einladen, actian.com zu besuchen. Dort können Sie den Einkaufsführer herunterladen. Auf unserer Homepage finden Sie heute den ISG-Einkaufsführer und eine Produkttour für unsere Datenintelligenzplattform. Matt, vielen Dank, dass Sie sich die Zeit genommen haben, dieses Thema zu erläutern und uns heute darüber zu informieren.

Vielen Dank und noch einen schönen Tag. Nein, ich danke Ihnen. Großartig.

Ja, danke. Mach's gut. Tschüss.