Zum Hauptinhalt springen
FromNine
Menü

KI & Daten

Verlässliche Daten als Grundlage für KI und Entscheidungen.

Auf unseren Datenplattformen hat jeder Datenbestand eine zuständige Person, einen Datenvertrag und eine bekannte Qualität. Berichtswesen, operative Steuerung und KI greifen so auf dieselben verlässlichen Zahlen zu.

Für Organisationen in Österreich, die eine verlässliche Sicht auf Daten brauchen, die über Länder, Gesellschaften und Altsysteme verteilt sind.

Erstgespräch anfragenWissenszugang ansehen
Daten & Analytics: der AufbauVier gestaffelte Schichten. Zuoberst Analytics und KI, die Daten verwenden, darunter Datenprodukte mit Zuständigkeit und Vertrag, dann die Schichten des Lakehouse, in denen Daten bereinigt und vereinheitlicht werden, und durch alles hindurch die Governance.01Nutzung durch Analytics und KI02Datenprodukte und Verträge03Schichten des Lakehouse04Governance und Datenherkunft
  1. 01Datenprodukte mit namentlich Zuständigen, Datenverträgen und Qualitätsprüfungen
  2. 02Governance, die Zweckbindung und Aufbewahrung technisch durchsetzt, statt nur einen Katalog zu führen
  3. 03Eine gemeinsame Kennzahlendefinition, die Fachbereich und IT unterschreiben

01 Probleme

Bekannte Datenprobleme

Hinter den meisten enttäuschenden KI-Vorhaben steckt bei genauerem Hinsehen ein Datenproblem.

  1. 01

    Drei Berichte, drei verschiedene Zahlen

    Controlling, Betrieb und Geschäftsführung rechnen Umsatz oder Fallzahlen jeweils auf ihre eigene Art. Jede Sitzung beginnt mit Abstimmen statt mit Entscheiden.

  2. 02

    Für die Daten fühlt sich niemand zuständig

    Fehler fallen erst weiter hinten in der Kette auf, werden in einer Tabelle korrigiert und tauchen im nächsten Monat wieder auf.

  3. 03

    Das KI-Team sucht vor allem nach Daten

    Vor jedem Anwendungsfall stehen Wochen voller Zugriffsansuchen, Exporte und Putzarbeit, und das nächste Team fängt damit wieder von vorne an.

  4. 04

    Archive taugen nicht für KI

    Eingescannte Akten mit schlechter Texterkennung, Dubletten und ohne Metadaten. Eine Suche darüber liefert vor allem Rauschen.

02 Leistungs­umfang

Was wir liefern

  1. 01 Daten­grundlagen für KI und Analytics

    Ein Lakehouse, in Schichten modelliert: Rohdaten, dann bereinigte und vereinheitlichte Daten, schließlich die Schicht für die Nutzung. Darauf Datenprodukte, die angeben, was drinsteckt, welchen Stand es hat und wer dafür geradesteht.

    Was wir tun

    • Plattformarchitektur und Wahl der Speicherformate
    • Konventionen für die geschichtete Modellierung
    • Entwurf von Datenprodukten samt Datenverträgen
    • Übernahme per Batch und Change Data Capture

    Was Sie erhalten

    • Lakehouse-Plattform, als Code beschrieben
    • Erste Datenprodukte im Produktivbetrieb
    • Vorlage für Datenverträge und Prüfablauf

  2. 02 Qualität, Datenherkunft und Stammdaten

    Jede Schicht prüft die Qualität automatisch, jeder Bericht lässt sich bis zur Quelle zurückverfolgen. Für die zentralen Objekte, also Bürgerinnen und Bürger, Kundschaft, Produkte und Anlagen, pflegen wir Stamm- und Referenzdaten.

    Was wir tun

    • Qualitätsregeln mit Schwellenwerten und Alarmen
    • Herkunftsnachweis auf Spaltenebene
    • Dublettenabgleich in den Stammdaten und Regeln, welcher Wert gilt
    • Pflege der Referenzdaten

    Was Sie erhalten

    • Qualitäts-Dashboard je Datenprodukt
    • Abfragbare Datenherkunft
    • Goldene Datensätze für die wichtigsten Objekte

  3. 03 Governance, die greift

    Katalog, Klassifizierung und Zugriffsregeln, die die Plattform selbsttätig anwendet. Zweckbindung und Aufbewahrungsfristen nach DSGVO sind technisch hinterlegt, und die gemeinsame Nutzung von Daten folgt dem Data Governance Act, wo er anwendbar ist.

    Was wir tun

    • Klassifizierungsschema und Kennzeichnung
    • Attributbasierte Zugriffsregeln
    • Automatisierte Aufbewahrung und Löschung
    • Vereinbarungen und technische Kontrollen für den Datenaustausch

    Was Sie erhalten

    • Katalog, der sich aus der Plattform befüllt
    • Zugriffsregeln als Code
    • Aufbewahrungsplan im laufenden Betrieb

  4. 04 Unstrukturierte Inhalte KI-tauglich machen

    Wir verbessern die Texterkennung, ergänzen Metadaten, entfernen Doppeltes und räumen Archive auf. Erst dann haben Dokumentenverarbeitung und Retrieval Material, in dem sich das Suchen lohnt.

    Was wir tun

    • Bestandsaufnahme und Qualitätsstichproben
    • Verbesserte Texterkennung und Layout-Extraktion
    • Erkennung von Beinahe-Dubletten
    • Anreicherung mit Metadaten und Klassifizierung

    Was Sie erhalten

    • Bereinigter, angereicherter Inhaltsspeicher
    • Bericht zur Inhaltsqualität
    • Regeln für alle künftig hinzukommenden Inhalte

  5. 05 Analytics und BI, die im Alltag ankommen

    Kennzahlen, über die Fachbereich und IT Einigkeit erzielt haben, liegen in einer semantischen Schicht. Darauf bauen Self-Service mit Leitplanken und Auswertungen, die direkt in SaaS-Produkte und Portale eingebettet sind.

    Was wir tun

    • Workshops zur Definition der Kennzahlen
    • Semantisches Modell und Kennzahlenschicht
    • Leitplanken für Self-Service und zertifizierte Datensätze
    • Eingebettete Analytics für Produkte mit Kundenkontakt

    Was Sie erhalten

    • Kennzahlenglossar mit Zuständigen
    • Zertifiziertes semantisches Modell
    • Dashboards, die Excel-Listen ablösen

  6. 06 Streaming für den operativen Einsatz

    Change Data Capture und Ereignisströme überall dort, wo eine Entscheidung nicht auf die nächtliche Ladung warten kann: Lagerstände, Bearbeitungsstand eines Akts, Hinweise auf Betrug.

    Was wir tun

    • Latenzanforderungen je Anwendungsfall
    • CDC aus operativen Datenbanken
    • Stream-Verarbeitung und materialisierte Sichten
    • Konzept für Wiederholung und Nachladen

    Was Sie erhalten

    • Streaming-Pipelines im Produktivbetrieb
    • Operative Sichten mit Aktualitätszielen
    • Ablauf für das erneute Abspielen

03 Architektur

Eine Referenz­architektur als Orientierung

Aus operativen Systemen und Dokumenten gelangen die Daten über die Übernahme in ein Lakehouse mit mehreren Schichten: zuerst roh, wie geliefert, dann vereinheitlicht und geprüft, schließlich als Datenprodukt mit Zuständigkeit und Vertrag. Rohdaten liest niemand direkt.

Aus den Datenprodukten speisen sich die semantische Schicht mit dem BI, das Retrieval und die Merkmale der KI und die Daten-APIs für andere Systeme. Darunter wirkt die Governance, und zwar durch die Plattform selbst statt durch ein Papier.

Beispiel zur Veranschaulichung

  1. Quellen und Übernahme

    • Operative Systeme
    • Dokumente nach Texterkennung und Anreicherung
    • Batch und Change Data Capture

  2. Lakehouse

    • Rohschicht
    • Vereinheitlichte Schicht
    • Qualitätsprüfungen und Herkunft
    • Stamm- und Referenzdaten
    • Datenprodukte mit Verträgen

  3. Nutzung

    • Semantische Schicht und BI
    • Retrieval und Merkmale für KI
    • Daten-APIs und Austausch

  4. Governance

    • Governance: Katalog, Klassifizierung, Zugriffsregeln, Aufbewahrung
Vom Lakehouse zu Datenprodukten mit Zuständigkeit

Architektur zur Veranschaulichung, kein System eines Kunden.

Diagramm als Text lesen

Der Hauptweg beginnt bei den operativen Systemen, läuft über die Übernahme per Batch und Change Data Capture, die Rohschicht, die vereinheitlichte Schicht und die Datenprodukte bis zur semantischen Schicht mit kontrolliertem BI.

Auch Dokumente fließen ein, nachdem sie Texterkennung und Anreicherung durchlaufen haben. Roh- und vereinheitlichte Schicht stehen unter Qualitäts- und Herkunftskontrolle. Die Datenprodukte beziehen Stamm- und Referenzdaten und versorgen ihrerseits KI-Retrieval, KI-Merkmale und die Austausch-APIs.

Quer über die Plattform verläuft die Governance mit Katalog, Klassifizierung, Zugriffsregeln und Fristen.

04 Überlegungen und Grenzen

Technische Überlegungen und Grenzen

  • Zuständigkeit vor Werkzeugen

    Wie wir damit umgehen

    Jedes Datenprodukt bekommt eine fachliche Zuständigkeit, die über die Bedeutung entscheidet, und eine technische, die den Betrieb sichert. Wir helfen, beide Rollen zu beschreiben und den Vertrag zwischen Liefernden und Nutzenden aufzusetzen.

    Grenzen und Abhängigkeiten

    Zuständigkeit lässt sich nicht per Plattform herstellen. Benennt die Organisation niemanden, kehren die Qualitätsprobleme zurück, gleichgültig mit welchen Werkzeugen.

  • Zweckbindung in der Praxis

    Wie wir damit umgehen

    An personenbezogenen Daten hängt ein Etikett mit den erlaubten Zwecken. Davon leiten sich Berechtigungen und Löschfristen automatisch ab.

    Grenzen und Abhängigkeiten

    Ob ein Zweck rechtmäßig ist, beurteilen Datenschutzbeauftragte und Rechtsberatung in Ihrem Haus. Unsere Rolle ist die Umsetzung, nicht die Entscheidung.

  • Daten für KI haben eigene Qualitätsmaßstäbe

    Wie wir damit umgehen

    Bei KI-Vorhaben zählen andere Messgrößen: Wie vollständig und aktuell ist der Bestand, wie viel ist doppelt, und wie sauber wurde der Text aus den Dokumenten gezogen?

    Grenzen und Abhängigkeiten

    Manches Archiv ist die Mühe nicht wert. Eine Bewertung anhand von Stichproben zeigt das, und mitunter ist es richtig, ein Archiv außen vor zu lassen.

05 Vorgehen

So arbeiten wir

Die Plattform entsteht rund um die ersten Datenprodukte, die wirklich zählen, nicht umgekehrt.

  1. 01

    Entscheidungen wählen, nicht Datensätze

    Wir nehmen zwei, drei konkrete Entscheidungen oder KI-Vorhaben her, klären ihren Datenbedarf und wer dafür zuständig ist.

    ErgebnisBacklog an Datenprodukten mit Zuständigen

  2. 02

    Das Fundament darum herum bauen

    Nur so viel Plattform, Datenübernahme, Prüfung und Governance, wie diese ersten Produkte für einen ordentlichen Betrieb erfordern.

    ErgebnisErste Datenprodukte im Produktivbetrieb

  3. 03

    Produkt für Produkt wachsen

    Weitere Produkte setzen auf dem Bestehenden auf, und mit ihnen wachsen Katalog und Glossar.

    ErgebnisProdukt-Roadmap und Messgrößen für die Nutzung

06 Menschliche Kontrolle

Wo Menschen die Kontrolle behalten

Datenplattformen automatisieren Datenflüsse und Prüfungen. Über Bedeutung, Zugriff und Zweck entscheiden Menschen.

  • Zuständige genehmigen Definitionen

    Ohne Zustimmung der Fachseite ändert keine Kennzahl und kein Datenprodukt seine Bedeutung. Jede Änderung erhält eine neue Version.

  • Zugriff vergeben die Verantwortlichen der Daten

    Über Nutzung und Zweck entscheiden die Datenverantwortlichen. Die Plattform hält sich daran und vermerkt jede erteilte Berechtigung.

  • Qualitätsverstöße halten das Band an

    Schlägt eine Vertragsprüfung fehl, erfahren es die Nutzenden, und die Zuständigen entscheiden, ob veröffentlicht, zurückgehalten oder korrigiert wird.

07 Technologien

Technologien, mit denen wir arbeiten

Plattformen
  • Databricks
  • Microsoft Fabric
  • Snowflake
  • Lakehouse auf offenen Formaten wie Apache Iceberg oder Delta Lake
Pipelines
  • dbt
  • Apache Spark
  • Kafka und Debezium
  • Cloud-native Orchestrierung
Governance
  • Unity Catalog und Purview
  • Open-Source-Kataloge
  • Frameworks für Datenqualität
  • Regelbasierte Zugriffskontrolle
Analytics
  • Power BI
  • Semantische und Kennzahlenschichten
  • Eingebettete Analytics
  • SAP Analytics (in bestehenden Landschaften)

Die Aufzählung beruht auf unserer Projekterfahrung. Sie sagt nichts über eine Partnerschaft mit den jeweiligen Herstellern oder deren Fürsprache aus.

08 Beispiel

Ein Beispiel zur Veranschaulichung

Beispiel zur Veranschaulichung

Gemeinsame Kennzahlen für ein Familien­unternehmen mit Töchtern in drei Ländern

01Ausgangslage
Die Gesellschaften in Österreich, Deutschland und Slowenien melden Durchsatz und Auftragsrückstand aus ihren eigenen Systemen und nach eigenen Definitionen. Die Geschäftsführung vergleicht Zahlen, die nicht dasselbe bedeuten.
02Was wir bauen würden
Vereinheitlichte Datenprodukte je Gesellschaft, die in eine gemeinsame semantische Schicht münden. Die Kennzahlen sind auf Gruppenebene definiert, die lokalen Details bleiben erhalten.
03Wo Menschen entscheiden
Das Controlling jeder Gesellschaft genehmigt die Zuordnung seiner Daten; Definitionen und deren Änderungen gibt die für die Kennzahlen der Gruppe zuständige Stelle frei.
04Was wir messen würden
Dauer bis zum fertigen Monatsbericht, Zahl der nachträglichen Korrekturen beim Abgleich und Nutzung der zertifizierten Dashboards.

09 Branchenblick

In Ihrer Branche

  • Gesundheits­wesen & Life Sciences

    Forschungs- und Betriebsdaten in Spital und Pharmaunternehmen unter strenger Zweckbindung, mit Pseudonymisierung und protokolliertem Zugriff, im Rahmen von DSGVO und DSG.

  • Fertigung & Industrie

    Stammdaten zu Produkten und Anlagen, verknüpft mit Qualitäts- und Produktionsdaten für Planung, Rückverfolgbarkeit und KI.

  • Öffentliche Verwaltung

    Register bleiben die führende Quelle, Daten werden nach Once-Only nur einmal erhoben, und jede Zahl in einem Bericht ist für Politik und Kontrollinstanzen bis zum Ursprungseintrag nachvollziehbar.

Österreich

Daten über Grenzen hinweg

Ein Familienunternehmen mit Töchtern in Deutschland und Slowenien oder eine Bundesdienststelle, die Daten mit Partnern in anderen Mitgliedstaaten austauscht, arbeitet unter Regeln, die einander ähneln, aber nicht gleich sind. Die DSGVO gilt EU-weit, in Österreich ergänzt durch das Datenschutzgesetz (DSG) und beaufsichtigt von der Datenschutzbehörde (DSB). Der Data Act gibt Nutzerinnen und Nutzern Rechte an Daten vernetzter Produkte und Dienste.

Die öffentliche Verwaltung baut mit Digital Austria auf das Once-Only-Prinzip: Bürgerinnen, Bürger und Unternehmen sollen Daten nur einmal angeben. Das setzt Register und Datenprodukte voraus, deren Herkunft, Zweck und Aktualität geklärt sind.

Im Datenvertrag jedes Produkts steht, an welchem Ort, zu welchem Zweck und wie lange Daten verarbeitet werden dürfen. Die Plattform zieht daraus die Regel für jedes Land und kommt ohne getrennte Datenkopien aus.

Fragen zu Daten und Analytics

Brauchen wir ein Data Mesh?

Sie brauchen dessen nützliche Teile: Datenprodukte mit Zuständigkeit und Vertrag. Vollständige Dezentralisierung rechnet sich in großen Organisationen mit erfahrenen Fachteams. Viele fahren besser mit einem zentralen Plattformteam und Fachbereichen, die ihre Datenprodukte selbst verantworten.

Sind unsere Daten bereit für KI?

Klarheit bringt ein kurzer Stichprobencheck jener Quellen, die der Anwendungsfall benötigt: Abdeckung, Qualität, Zugriffsrechte, Rechtsgrundlage. Das Ergebnis heißt fast immer „zum Teil“, samt einer Liste, was als Erstes anzugehen ist. Im KI-Engineering verwenden wir denselben Check.

Unser Data Warehouse läuft. Müssen wir neu beginnen?

Kaum je. Liefert es Berichte, denen man traut, ist es ein Gewinn. Üblicherweise stellen wir ihm ein Lakehouse für unstrukturierte und sehr große Datenbestände zur Seite und ziehen nur um, wenn Kosten oder technische Grenzen dafür sprechen.

Wie läuft der Datenaustausch mit Partnern oder anderen Behörden?

Datenprodukte stellen ihre Inhalte über APIs mit Zugangskontrolle bereit; Vereinbarung, Zweckbindung und Protokoll gehören immer dazu. Fallen Sie unter Data Governance Act oder Data Act, richten wir die technischen Kontrollen daran aus.

Nennen Sie uns die Entscheidung, für die Ihnen heute die Daten fehlen

Wir gehen ihrem Datenbedarf bis zu den Quellen nach und skizzieren, was für ein erstes Datenprodukt nötig wäre.

Erstgespräch anfragenDokumenten­verarbeitung ansehen