AI-Ready Data in der Praxis:
5 Kontrollpunkte in 45 Minuten
Wie Lineage, Data Contracts und Qualitätsprüfungen verhindern, dass KI aus schlechten Daten überzeugende, aber falsche Antworten macht. Mit Live-Demo auf einem Open-Source-Stack zum Nachbauen.
Ein KI-Assistent nennt den Quartalsumsatz. Die Zahl klingt richtig, sie geht ins Meeting. Dass die Quelltabelle seit drei Tagen unvollständig geladen wird, hat niemand gesehen. Keine Qualitätsregel hat angeschlagen, einen Data Contract gibt es nicht und woher die Zahl stammt, kann im Nachhinein niemand sagen.
Das ist kein KI-Problem. Es ist ein Datenproblem, das bisher in deinen Reports unsichtbar blieb und jetzt sehr überzeugend ausgegeben wird. Ob die Antwort aus Copilot, Claude oder einem anderen Assistenten kommt, ändert daran nichts. Die Zahl ist falsch und kostet Vertrauen in dein KI-Projekt.
Gartner rechnet damit, dass bis Ende 2026 sechs von zehn KI-Projekten aufgegeben werden, denen ein tragfähiges Datenfundament fehlt.
Webinar-Anmeldung:
KI braucht ein Datenfundament
3. Dezember 2026, 10:00–10:45 Uhr
Das Webinar auf einen Blick
- Was
- Live-Demo auf Open-Source-StackLineage, Data Contracts und Qualitätsprüfungen im Zusammenspiel
- Wann
- Do., 03.12.202610:00–10:45 Uhr, online
- Für wen
- Daten, IT und GovernanceData Architects, Verantwortliche für Data Governance und Datenmanagement, Data Engineers, IT- oder KI-Architekten
- Dein Ergebnis
- 5 Kontrollpunktefür AI-Ready Data, als Prüfliste für dein Datenfundament
- Kosten
- KostenlosZugangslink kommt per E-Mail
Für wen ist das Webinar „KI braucht ein Datenfundament“?
Für alle, die KI-Assistenten mit Unternehmensdaten arbeiten lassen und sicher sein wollen, dass die Antworten stimmen. Finde deine Rolle.
Data Architects
Du willst Datenarchitekturen so aufstellen, dass KI-Anwendungen belastbare Antworten liefern.
Data Governance
Du willst Qualität, Zuständigkeiten und Regeln für KI verbindlich verankern.
Data Engineers
Du willst sehen, wie Lineage aus der Pipeline im Katalog ankommt und geprüft wird.
IT- & KI-Architektur
Du bindest KI-Assistenten an und willst kontrollieren, worauf sie zugreifen.
Datenmanagement
Du verantwortest Unternehmensdaten und willst wissen, wo KI ihre Schwächen sichtbar macht.
Die Zahl klingt richtig. Sie geht ins Meeting, aber sie ist falsch.
Ein KI-Assistent nennt den Quartalsumsatz. Dass die Quelltabelle seit drei Tagen unvollständig geladen wird, hat niemand gesehen.
Das ist kein KI-Problem. Es ist ein Datenproblem, das bisher in deinen Reports unsichtbar blieb und jetzt sehr überzeugend ausgegeben wird. Ob Copilot, Claude oder ein anderer Assistent: Die Zahl ist falsch und kostet Vertrauen in dein KI-Projekt.
„Der Umsatz im dritten Quartal lag bei 4,82 Mio. Euro.“
- Klingt richtig
- Geht ins Meeting
Was niemand gesehen hat
- Die Quelltabelle lädt seit drei Tagen unvollständig.
- Keine Qualitätsregel schlägt an.
- Einen Data Contract gibt es nicht.
- Woher die Zahl stammt, kann auch im Nachhinein niemand sagen.
Was du nach 45 Minuten mitnimmst
- Datenqualität einschätzenWoran du erkennst, ob Herkunft, Qualität und Schnittstellen deiner Daten für KI wirklich belastbar sind.
- Data Contracts einsetzenWie Lineage, Qualitätsregeln und technische sowie fachliche Zuständigkeiten verbindlich zusammenlaufen.
- Architektur weiterentwickelnWie dein Datenkatalog die Rolle eines ersten Semantic Layers übernimmt und der KI den nötigen Kontext liefert.
- KI kontrolliert anbindenWie ein Assistent über MCP auf deine Data Foundation zugreift und wo die Grenzen liegen.
Agenda am 3. Dezember 2026
10:00–10:45 Uhr (MEZ) · Klick auf einen Programmpunkt für Details
Warum KI dein Datenfundament sichtbar macht
Welche Anforderungen KI-Anwendungen an Qualität, Nachvollziehbarkeit und geregelte Nutzung deiner Unternehmensdaten stellen und warum Datenprobleme, die in klassischen Reports oft unbemerkt bleiben, jetzt zum Risiko werden.
Du nimmst mit: die Einordnung, warum KI-Projekte am Datenfundament scheitern und nicht am Modell.
Die fünf Kontrollpunkte für AI-Ready Data
- Transparenz: Herkunft und Verantwortung kennen. Wie Datenkatalog, Data Lineage und Data Ownership nachvollziehbar machen, woher eine Zahl kommt und wer dafür verantwortlich ist.
- Vertrauen: Qualität messen statt annehmen. Wie Qualitätsregeln, Monitoring und Alarmierung Datenprobleme erkennen, bevor sie in KI-Antworten landen. Ein Sprachmodell merkt nicht, dass eine Tabelle unvollständig ist. Es formuliert trotzdem.
- Verbindlichkeit: Erwartungen mit Data Contracts festhalten. Wie Data Contracts festlegen, was ein Datenprodukt liefert, wie aktuell es ist und was bei Änderungen passiert. Sie machen Erwartungen überprüfbar und regeln technische und fachliche Verantwortlichkeiten.
- Schutz: Sensible Daten geregelt nutzen. Wie Datenklassifizierung, Schutzklassen und Berechtigungen festlegen, auf welche Daten KI-Systeme zugreifen dürfen. Was für deine Mitarbeiter gilt, muss auch gelten, wenn ein Assistent anfragt.
- Bereitstellung: Daten kontrolliert für KI-Systeme öffnen. Wie DataHub Lineage, Data Contracts, Prüfergebnisse, Glossar und Verantwortliche bündelt und damit die Rolle eines Semantic Layers übernimmt. Du erfährst, wie dieser Kontext über MCP zum KI-Assistenten gelangt.
Du nimmst mit: eine Prüfliste, mit der du Herkunft, Qualität, Verbindlichkeit, Schutz und Bereitstellung deiner Daten für KI bewertest.
Live-Demo: So greifen die Kontrollpunkte ineinander
Anhand eines Sales-Reports zeigen wir in zehn Minuten, wie die Konzepte in der Praxis zusammenspielen und das mit unserem bewährten Open-Source-Stack aus Apache Hop, Great Expectations und DataHub. Du siehst, wie Datenherkunft, Qualitätsprüfungen und Data Contracts im Datenkatalog zusammenkommen und wie ein KI-Assistent über MCP auf diesen Kontext zugreift.
Apache HopGreat ExpectationsDataHubMCPDu nimmst mit: einen Aufbau, den du mit Open-Source-Werkzeugen nachbauen kannst.
Deine Fragen und Wrap-up
Fragen aus der Anmeldung und dem Chat, die wichtigsten Punkte in drei Sätzen und wie du morgen startest.
Der KI-Governance Kompass
In unserer Webinarserie geht es darum, KI kontrolliert zu skalieren, statt Governance nachträglich zu reparieren.
Die drei Säulen hängen unmittelbar zusammen: Gute Modell-Governance hilft wenig, wenn die verwendeten Daten nicht nachvollziehbar sind. Ein sauberer Datenhaushalt reicht nicht, wenn sensible Informationen unkontrolliert an externe Modelle gelangen. Und auch das beste Modell wird zum Risiko, wenn ein Agent damit Aktionen ohne klar definierte Rechte und Freigaben ausführen darf.
Die drei Säulen für KI-Governance
Die Kontrollpunkte für eure KI-Architektur – mit Guideline und Self-Assessment
- Dieser Termin1. Säule
KI braucht ein DatenfundamentNachvollziehbare Daten statt Blackbox
Data Quality, Data Lineage, Ownership und souveräner Datenzugang.
- 2. Säule
KI braucht LeitplankenModelle und Provider unter Kontrolle
Model- und Provider-Governance, API- und MCP-Kontrolle, Kostensteuerung und Guardrails.
- 3. Säule
KI braucht GrenzenAgenten dürfen nicht alles
Isolation, Identitäten, minimale Rechte, Approval Gates, Business-KPIs und Human-in-the-Loop.
- Data in Motion
- Lakehouse
- Streaming
- Data Quality
Was Datenverantwortliche zum Webinar sagen
Das Webinar ist wirklich gut, weil es direkt anspricht, was uns in Leipzig am meisten umtreibt: das Datenfundament für KI.
Die Vorschläge sprechen direkt die Herausforderungen an, die ich mit unseren Legacy-Daten und der AI-Readiness habe. Die Betonung auf ‚Plausibel, überzeugend, falsch‘ trifft den Nagel auf den Kopf.
Dieses Webinar trifft genau das, was mich umtreibt: Die Idee, wie Lineage, Data Contracts und Qualitätsprüfungen verhindern, dass KI aus schlechten Daten falsche Antworten macht, ist extrem relevant für uns.
Unsere Referenten
Christopher Keller
it-novum
Director Big Data Analytics & IoT
Christopher Keller leitet den Bereich Big Data Analytics & IoT bei it-novum. Er ist Experte für Business Intelligence-Lösungen, der Entwicklung von Data Warehouses in Verbindung mit SAP sowie für die Software-Suiten von Pentaho und Jedox.
-
Alexander Keidel
it-novum
Head of Product & Alliance / stellv. Director BDA
Als Experte mit langjähriger Erfahrung berät Alexander unsere Kunden bei der Konzeption & Modernisierung von Datenarchitekturen und Cloud-Lösungen.
Häufige Fragen zum Webinar
Muss ich DataHub oder den gezeigten Open-Source-Stack schon nutzen?
Nein. Die fünf Kontrollpunkte gelten unabhängig vom Werkzeug. In der Live-Demo zeigen wir sie mit Apache Hop, Great Expectations und DataHub, alles Open Source, damit du den Aufbau nachbauen kannst.
Was kostet die Teilnahme am Webinar „KI braucht ein Datenfundament“?
Für Fachanwender und Nutzer aus Unternehmen ist das Webinar kostenlos. Mitarbeiter von IT-Beratungsunternehmen sowie von Lösungs-, Software- oder Technologieanbietern zahlen eine Teilnahmegebühr von 450 €. Nimm für die gebührenpflichtige Anmeldung bitte Kontakt mit uns auf, die Details stehen unten unter „Teilnehmerinformation“.
Gibt es eine Aufzeichnung des Webinars?
Ja. Alle Angemeldeten erhalten nach dem Webinar die Aufzeichnung per E-Mail, auch wenn sie nicht live dabei waren.
Über welche Plattform und in welcher Sprache läuft das Webinar?
Über Zoom, auf Deutsch. Den Zugangslink bekommst du direkt nach der Anmeldung per E-Mail und noch einmal am Vortag.
Spielt es eine Rolle, welchen KI-Assistenten wir einsetzen?
Nein. Ob die Antwort aus Copilot, Claude oder einem anderen Assistenten kommt: Fehlt das Datenfundament, ist die Zahl trotzdem falsch. Das Webinar setzt deshalb bei den Daten an, nicht beim Sprachmodell.
Kann ich eigene Fragen einbringen?
Ja. Im Webinar reservieren wir immer Zeit für deine Fragen. Du kannst sie live im Chat stellen oder uns vorab per E-Mail schicken, dann können wir sie vorbereiten.
Kann ich Kolleginnen und Kollegen mitbringen?
Gern. Bitte melde jede Person einzeln an, damit alle den Zugangslink und die Aufzeichnung erhalten.
Teilnehmerinformation
Bitte beachten: Die kostenlose Veranstaltung richtet sich an Fachanwender und Nutzer aus Unternehmen, die sich mit Big Data Analytics und Data Governance beschäftigen. Wenn du Mitarbeiter eines IT-Beratungsunternehmens, Lösungs-, Software- oder Technologieanbieters bist und teilnehmen möchtest, erheben wir eine Teilnehmergebühr von 450 €. Nimm zur gebührenpflichtigen Anmeldung bitte Kontakt mit uns auf per E-Mail.
Über it-novum
Als Konzerntochter der Allgeier SE mit 2.600 Mitarbeitern an weltweit 46 Standorten implementiert it-novum als führendes Business Open Source-Beratungsunternehmen kundenindividuelle Lösungen für Datenintegration, Data Analytics und IoT – z. B. für Bundespolizei, Wiener Wohnen, Deutsche See. Dazu nutzen wir führende Technologien, wie von Pentaho, ThingsBoard, DataHub oder Redpanda.