Trusted AI braucht vertrauenswürdige Daten
Datenlandschaften in Banken und großen Unternehmen sind historisch gewachsen: Mainframes, SAP, Data Warehouses, Markt- und Bloomberg-Daten, moderne Data Platforms sowie neue AI- und Agentensysteme müssen heute zuverlässig zusammenspielen. Der Vortrag zeigt, wie ein integrierter Datenmanagement-Ansatz den Weg eines Datenpunktes transparent macht – von klassischen Quellsystemen über ETL- und Observability-Komponenten bis hin zum Semantic Layer für AI-Agents.
Anhand von Architekturbausteinen wie Pentaho PDI, OpenTelemetry, OpenLineage und Datenkatalog wird deutlich, wie Unternehmen vollständige Audit-Trails schaffen, Vertrauen in analytische und AI-basierte Entscheidungen stärken und neue AI-Use-Cases schneller produktiv setzen können. Praxisnah zeigt der Vortrag, warum skalierbare AI-Anwendungen Kontext, Lineage und Governance brauchen – und wie daraus konkrete Mehrwerte vom ersten Use Case bis zum produktiven AI-Agent entstehen.
