08.08.2023 Klartext von Christian Geckeis, General Manager DACH bei Informatica

Datenmanagement und KI, zwei Seiten einer Medaille

Eine aktuelle Deloitte-Studie mit dem Titel „State of AI in the Enterprise Survey - 5th Edition“ zeigt, dass 76 Prozent der weltweit befragten 2.620 KI-Experten eine Zunahme der KI-Investitionen verzeichnen. KI und ML erfordern eine Vielzahl von Datenquellen, sowohl intern als auch extern, um effektiv zu sein. Daher sind Fragen zu Herkunft, Schutz und Integrität der Daten zu beantworten.

Christian Geckeis, General Manager DACH bei Informatica

Ohne Datenmanagement besteht die Gefahr, dass KI zur „Black Box“ wird und negative Auswirkungen hat. Zudem sollte die wachsende Zahl von KI-Anwendungen und -Modellen im Rahmen eines Life-Cycle-Managements gut verwaltet werden. Somit wird sowohl der Input in eine KI als auch ihr Output ein wichtiger Fokus für jegliches Datenmanagement.

Dies ist ein Artikel aus unserer Print-Ausgabe 7-8/2023. Bestellen Sie ein kostenfreies Probe-Abo.

Darüber hinaus wird mit der Ankündigung des „EU AI Act“ professionelles KI-Datenmanagement sowohl für öffentliche Institutionen als auch für private Unternehmen zur Pflicht. Im Rahmen der erwarteten Richtlinien werden sie nachweisen müssen, welche Daten z.B. zum Training von KI-Modellen verwendet wurden und woher diese stammen – Stichwort „data lineage“. Auch plant die EU, die Trainingsdaten inhaltlich zu bewerten – um eine Konformität hinsichtlich vereinbarter EU-Grundwerte wie etwa Gleichbehandlung sicher zu stellen.

Umgekehrt spielt KI eine wichtige Rolle bei der Skalierung von Datenmanagement-Praktiken – also Daten identifizieren, katalogisieren und bereinigen, um die Relevanz, deren Wert und Sicherheit zu gewährleisten. KI kann helfen, diese Aufgaben zu automatisieren und zu vereinfachen, von der Erkennung und Integration bis hin zur Datenbereinigung und -verwaltung. So können Unternehmen zudem ihre Effizienz steigern und Innovationen schneller einführen.

Bildquelle: Informatica