Die meisten Unternehmen haben schonmal was mit Daten gemacht, oder sogar mit AI. Die meisten kennen auch das Wort Governance, und manche haben sogar eine Data- oder AI-Strategie.
Wie das alles zusammenpasst, darum geht es in der neuen Folge vom ChaosHacker-Talk, in der Host Christof Layher mit Laura Hinsch spricht.
Sie ist Solution Architekt bei der DB Systel und beschäftigt sich dort u.a. mit den Themen Data Intelligence und Strategy. Ihr Background ist die Mathematik.
Governance ist oft ein ungeliebtes Thema in Unternehmen, doch es ist die Basis für das Arbeiten, vor allem im regulierten Umfeld. Ein Teil davon sind Definitionen. Denn Begrifflichkeiten sind oft nicht klar. Man spricht über ein Wort und jedes Team hat eine andere Definition - einfach weil man unterschiedliche „Sprachen“ spricht: DataScience, Biologie, Genetik, IT, AI und Entwicklung...
Bei der Definitionssuche kann übrigens auch entschieden werden, dass es unterschiedliche Definitionen gibt!
Christof möchte von Laura wissen: Wie und warum sollte man Data Intelligence, Governance und Strategy zusammenbringen?
Die Grundlage für alle Entscheidungen, die wir treffen, sind Daten. Data Intelligence beschreibt, dass man darüber lernt, Wissen generiert und Dinge aus Daten erzeugt.
Das wollen wir nicht nur jetzt, sondern auch in Zukunft ermöglichen.
Ein guter Punkt: Er zeigt nämlich, wie wichtig es ist, dass dieDatenstrategie auch an der Geschäftsstrategie hängt.
Aus dieser wird dann abgeleitet, welche Projekte umgesetzt werden sollten.
Das Wort Governance heißt eigentlich Steuerung.
Eine Analogie hierfür:
Die Strategie ist der Fahrplan und die Steuerung sind die Signale, die gewährleisten, dass der Fahrplan auch so passiert.
Als Christof in die Pharma-Welt kam, war er begeistert davon, dass vom Gesetzgeber vorgegeben ist, was möglich ist und was nicht.
Das vergleicht er mit Governance: Auch die gibt Regelungen vor, was überhaupt passieren darf.
Zur Governance gehört auch die Dokumentation.
Christof gibt den Tipp, lieber am Anfang mehr zu dokumentieren. Denn das sind Informationen, die man besonders braucht, wenn es Richtung Go-Live geht.
Dabei betont er, dass man auch Annahmen dokumentieren sollte, um „Fehler“ im Nachhinein festzustellen. Je nach Reichweite der Entscheidung sollte mehr oder weniger dokumentiert werden.
Wir haben jetzt verstanden: Governance ist super wichtig! Doch wie startet man mit AI-Governance?
Laura möchte, dass wir uns folgende Fragen stellen:
Welche Governance-Systeme gibt es schon? Kann ich bestehende Dinge weiter nutzen? Wie passen die neuen Themen in die bestehenden Systeme?
In so einem Projekt und auch im laufenden Betrieb braucht manverschiedene Rollen. Laura empfiehlt:
Model-Owner - diese veranworten die Modelle
Eine Verantwortliche Person für die Systeme, in denen man die Modelle verwendet
Eine Steward-Rolle, welche die Schnittstellen verantwortet
AI-Officer-Rolle - diese kümmert sich um Compliance und Governance.
Die Abgrenzung der Rollen würde Christof am System festmachen. Vom Gesetzgeber ist allerdings nicht definiert, was zu einem System gehört. Für Christof ist dies ein Satz an Software, der gemeinsam administriert wird.
Das Fazit der beiden: In einer perfect world hilft Governance mir, dass ich die wichtigen Dinge richtig tue zur richtigen Zeit.
00:00:00 Vorstellung Laura Hinsch
00:02:49 Definitionen
00:07:52 Data Intelligence
00:12:47 Strategie
00:22:11 AI-Governance
00:29:22 Nachteile von Governance
00:30:58 Dokumentation
00:39:55 Entscheidungen und Rollen
00:51:20 Zwei Fragen an Laura