Datenintegrität Trends 2024

2023 haben Unternehmen mit mehr Daten zu tun als je zuvor und erleben einen sprunghaften Anstieg der Nachfrage nach Anwendungsfällen für künstliche Intelligenz – insbesondere angetrieben durch generative KI.

Wenn wir einen Blick auf die Datenintegritätstrends für 2024 werfen, bleibt Agilität ein Hauptaugenmerk für Unternehmen aller Branchen. Führungskräfte verlassen sich auf Qualität und Verfügbarkeit ihrer Daten, um schnelle und fundierte Entscheidungen zu treffen, die die Zeit bis zur Wertschöpfung verkürzen und ihnen helfen, schnell auf neue Chancen und Bedrohungen zu reagieren.

Im Hinblick auf diese Ziele ist die Integrität der Daten – maximale Genauigkeit, Konsistenz und Kontext – von entscheidender Bedeutung.

Im Folgenden finden Sie einige Trends, die im Jahr 2024 die Aufmerksamkeit von Unternehmensleitern auf sich ziehen werden und die die Abhängigkeit von vertrauenswürdigen Daten erhöhen werden.

Zuverlässige KI-Ergebnisse erfordern Fokus auf Datenintegrität

Künstliche Intelligenz (KI) ist in aller Munde, da sie in der Lage ist, Benutzeraufgaben zu automatisieren oder zu beschleunigen, was zu höherer Effizienz und Produktivität führt und die Abhängigkeit von manueller Arbeit verringert.

Die Einführung von ChatGPT im November 2022 hat das Interesse an generativer KI geweckt, da sie neue Inhalte und Designs mit bemerkenswerter Effizienz erstellen, Probleme intelligenter und schneller lösen und neue Möglichkeiten schaffen kann. Es ist leicht zu verstehen, warum die Akzeptanz generativer KI im letzten Jahr sowohl bei Verbrauchern als auch bei Geschäftsanwendern enorm angestiegen ist.

Diese transformative Technologie versetzt die Welt in Aufregung, und das Potenzial der KI wächst weiter. Doch nur wenige Unternehmen verfügen über die erforderliche Datenintegrität, um sinnvolle Ergebnisse zu erzielen.

Um Daten KI-fähig zu machen und das Potenzial KI-basierter Lösungen bestmöglich zu nutzen, müssen sich Unternehmen 2024 auf die folgenden Bereiche konzentrieren:

• Zugang zu allen relevanten Daten: Wenn Daten isoliert sind, wie es bei Daten auf Mainframes oder anderen zentralen Geschäftsplattformen häufig der Fall ist, besteht die Gefahr, dass KI-Ergebnisse verzerrt und verfälscht werden. Unternehmen müssen sich darauf konzentrieren, Silos aufzubrechen und alle relevanten Daten für das Training und die Inferenz von KI-Modellen zu integrieren. Diese vollständigen Datensätze reduzieren die Verzerrungen und erhöhen die Genauigkeit.
• Erhöhung des Vertrauens in Daten: Ohne strenge Qualitätsmaßstäbe oder Verwaltung in einem robusten Rahmen bergen Daten das Risiko, dass KI-Systeme damit ungenaue Vorhersagen, Empfehlungen und Ergebnisse erzeugen. Daher wird 2024 für Unternehmen eine Priorität sein, das Vertrauen in Trainingsdaten für KI-Modelle zu erhöhen, indem die Herkunft der Daten transparent gemacht wird, die Datenqualität verbessert / überwacht und ihre Verwaltung geregelt wird.
• Erhöhter Datenkontext: Nur wenige Unternehmen verfügen über die Tiefe des Kontexts in ihren First-Party-Daten, um Genauigkeit und Relevanz von KI-Vorhersagen und -ergebnissen zu optimieren. 2024 werden Unternehmen verstärkt auf Daten von Drittanbietern und räumliche Erkenntnisse zurückgreifen, um ihre Trainings- und Referenzdaten für eine differenzierte, kohärente und kontextrelevante KI-Ausgabe zu ergänzen.

Wenn es um KI-Ausgaben geht, sind die Ergebnisse nur so gut wie die Daten, mit denen sie gespeist werden.

Das Vertrauen in Ihre Daten ist der Eckpfeiler erfolgreicher KI- und ML-Initiativen (maschinelles Lernen), und die Datenintegrität ist der Schlüssel, um das größte Potenzial frei zu setzen. Ohne Datenintegrität riskieren Sie, dass Ihre KI- und ML-Initiativen durch unzuverlässige Schlussfolgerungen und Verzerrungen gefährdet werden.

Mit Datenintegrität hingegen erhalten Sie vertrauenswürdige und verlässliche KI-Ergebnisse für sichere datengestützte Entscheidungen, die Ihnen helfen, Ihr Unternehmen zu vergrößern, schnell zu handeln, Kosten zu senken und Risiken und Compliance zu managen.

Datenintegrität unterstützt anhaltende Modernisierungsdynamik

Unternehmen nutzen Cloud-Services für kostengünstigere, flexiblere und skalierbare Datenanalysen, künstliche Intelligenz und die Entwicklung neuer Anwendungen.

Mainframe- und IBM i-Systeme sind nach wie vor wichtige Bestandteile des modernen Rechenzentrums und für den Erfolg dieser Dateninitiativen von entscheidender Bedeutung. Sie sind der Ursprung der weltweiten Transaktionsdaten – und da diese wichtigen Daten nicht isoliert bleiben können, führen Unternehmen Modernisierungsinitiativen durch, um den Zugriff auf Mainframe-Daten in der Cloud zu ermöglichen.

AWS Mainframe Modernization Data Replication mit Precisely (für Mainframe- und IBM i-Systeme) ermöglicht es Unternehmen, Datensilos aufzubrechen und Echtzeitzugriff auf diese komplexen Datenquellen in der AWS-Cloud bereitzustellen, wo sie für Analysen, KI, DevOps-Initiativen und neue Anwendungen genutzt werden können.

2023 Data Integrity Trends & Insights (englisch)

Ergebnisse einer Umfrage unter Daten- und Analysefachleuten in Zusammenarbeit mit LeBow College of Business

Report anfordern

Datenintegrität erhöht die Termintreue bei Last-Mile-Lieferungen

Online-Einkäufe und Lebensmittellieferungen haben sich so sehr in unser tägliches Leben integriert, dass wir uns kaum noch Gedanken darüber machen – bis etwas schief geht.

Niemand möchte ein Paket aufspüren, das versehentlich an einen Nachbarn geliefert wurde, oder eine kalte Pizza geliefert bekommen. Die Kundenerwartungen sind höher als je zuvor (und steigen ständig), und solche Probleme können aus dem Ruder laufen, wenn Unternehmen ihren Ansatz für die Zustellung auf der letzten Meile nicht sauber gelöst haben.

Die Zustellung auf der letzten Meile ist der letzte Schritt auf dem Weg eines Artikels von einem Distributionszentrum zum Endverbraucher. Probleme bei diesen Zustellungen ergeben sich oft aus unvollständigen oder falschen Adressdaten. Eine geringfügige Auslassung – wie z. B. ein Stockwerk – kann erhebliche Folgen haben, wie z. B. fehlgeschlagene Lieferungen oder längere Lieferzeiten, negative Kundenerfahrungen und erhöhte Kunden- und Fahrerfluktuation.

Genaue, konsistente und kontextbezogene Daten sind die Grundlage für eine einwandfreie Zustellung auf der letzten Meile, und eine präzise Geoadressierung ist für diesen Erfolg entscheidend.

Objektspezifischer Kontext und Intelligenz verhelfen Unternehmen zu Vorteilen wie:

• genaue und pünktliche Lieferungen
• größeres Vertrauen bei Verbrauchern und Lieferfahrern
• bessere Einblicke in die Möglichkeiten der Marktdurchdringung
• bessere, fundiertere Entscheidungen, die zur Maximierung des Marktanteils beitragen

Datenintegrität ist eine wesentliche Voraussetzung für bessere Lieferungen, die Zeit sparen, Kosten senken und die Kundenbindung stärken.

Datenintegrität für Compliance bleibt im Blickpunkt

Datenschutz- und Sicherheitsbelange sind für Unternehmen aller Branchen nach wie ein zentrales Thema.

Wegweisende Gesetze wie z.B. die europäische Datenschutzgrundverordnung (GDPR) sowie Initiativen zu ESG (Umwelt, Soziales und Unternehmensführung) und mehr erfordern die kontinuierliche Einhaltung neuer und sich entwickelnder Gesetze und Vorschriften.

In dem Maße, wie die Anforderungen der Verbraucher an den Schutz ihrer personenbezogenen Daten steigen, wachsen auch die Konsequenzen für Unternehmen, die die gesetzlichen Vorgaben nicht erfüllen. So kann eine Datenschutzverletzung oder ein Verstoß gegen Datenschutzstandards zu Haftungsansprüchen, hohen Geldstrafen und negativer Publicity führen, die dem Ruf und der Vertrauenswürdigkeit der Marke schadet.

Datenintegrität minimiert diese Risiken mit verschiedenen Funktionen, darunter:

• Datenbeobachtungsprozesse, die proaktiv und in Echtzeit auf Anomalien hinweisen
• Datenkatalogisierung für kritische Datenbestände im gesamten Unternehmen zur Identifizierung, Klassifizierung und Verwaltung von Daten für Prozesse zur Einhaltung von Richtlinien.
• ortsspezifische Attribute und räumliche Erkenntnisse, die einen Kontext zur Unterstützung eines stärkeren allgemeinen Risikomanagements bieten.

Die Berichtsstandards werden immer strenger, und die Datenintegritätsfunktionen tragen dazu bei, dass die Metriken klar, genau und leicht zugänglich sind. Ein Beispiel:

• Datenintegration erfasst die erforderlichen Daten aus verschiedenen Quellen und macht sie in Echtzeit verfügbar.
• Data Governance bietet eine positive Kontrolle über Datenspeicherung, -zugriff, -verwendung usw. bei gleichzeitiger Wahrung des Datenschutzes, der Sicherheit und der Einhaltung wichtiger behördlicher Vorschriften
• Die Kontrolle der Datenqualität trägt dazu bei, dass die Daten korrekt, vollständig und konsistent sind, unabhängig davon, wo sie im Unternehmen gespeichert und verwendet werden.

Gleichzeitig besteht der Bedarf, die Compliance-Anforderungen zu analysieren, um bessere Geschäftsergebnisse auf pragmatische Weise zu erzielen. Mit den richtigen Tools und Programmen zur Sicherung der Datenintegrität können Unternehmen sicherstellen, dass ihre Benutzer den größtmöglichen Nutzen aus ihren Datenbeständen ziehen und gleichzeitig mögliche Fallstricke vermeiden.

Skalierung des demokratischen Datenzugriffs erfordert Datenintegrität

Viele Unternehmen stehen vor der Herausforderung, zu wissen, wo sich ihre Daten befinden und wem sie gehören, zu verstehen, welche Projekte ähnliche Daten verwenden oder benötigen, und schließlich Skaleneffekte und eine Anpassung der verschiedenen Dateninitiativen zu erreichen, die im gesamten Unternehmen entstehen.

2024 sehen wir einen anhaltenden Trend zu einer demokratischen Bereitstellung von Daten in allen Unternehmensfunktionen mit wiederholbaren, skalierbaren Prozessen.

Um dies zu erreichen, gibt es drei sich abzeichnende Praktiken, die sich nicht gegenseitig ausschließen, obwohl jede von ihnen Datenintegrität für den Erfolg voraussetzt:

• Data Mesh – eine dezentralisierte Datenarchitektur, die Daten nach Unternehmensbereichen organisiert und die Verantwortung für Datensätze den jeweiligen Produzenten überträgt.
• Data Fabric – eine integrierte Datenarchitektur, die eine einheitliche Datenverwaltung und -zugriff über verschiedene Plattformen und Standorte hinweg ermöglicht.
• DataOps – eine agile Methode zur Datenverwaltung, die den DevOps-Ansatz nutzt, um durch die Zusammenarbeit von DevOps und Data Scientists schnellere Innovationen durch tiefere Datenanalysen zu ermöglichen.

Data Mesh-Initiativen konzentrieren sich auf den Aufbau geschäftsorientierter Datenprodukte, indem sie Fachexperten und Geschäftseinheiten, die die Daten besitzen und verwalten, befähigen, diese anderen Abteilungen oder sogar Kunden als eigenes Produkt zur Verfügung zu stellen. Dies setzt voraus, dass die Dateneigentümer die Möglichkeit haben, ihre Daten zu finden, zu untersuchen, zu definieren, zu kennzeichnen, zusammenzuführen und anzureichern – alles Schlüsselelemente der Datenintegrität.

Data Fabrics werden von Geschäfts- und IT-Teams erforscht, um Daten über Metadaten zu verbinden und die Wissensschicht bereitzustellen, die erforderlich ist, um die Datenprodukte zu identifizieren, die die größte Bedeutung und den größten Wert haben. Das ultimative Ziel eines Data Fabric ist es, strukturierte und unstrukturierte Daten zusammenzuführen und sie für Menschen und Maschinen gleichermaßen nutzbar zu machen. Datenintegritätsfunktionen wie Datenkatalogisierung, Datenintegration, Metadatenmanagement usw. werden eingesetzt, um eine Struktur zu schaffen.

DataOps ist zwar keine Datenbereitstellungsmethode wie ein Netz oder eine Struktur, bringt aber Menschen, Prozesse und Technologien über den gesamten Datenlebenszyklus hinweg zusammen, um die Datenqualität schnell, flexibel und in großem Umfang zu verbessern. Wie bei den anderen Disziplinen liegt auch hier der Schwerpunkt auf Datenermittlung, Datenkatalogisierung, Data Governance, Datenqualität und -anreicherung – alles Kernfähigkeiten der Datenintegrität -, um die agile Aggregation, Anreicherung und Bereitstellung von Daten zu automatisieren, die einen Mehrwert für ein Unternehmen darstellen.

Während sich sowohl Data Mesh als auch Data Fabric noch in einem sehr frühen Stadium des Reifezyklus befinden, wird erwartet, dass sie 2024 weiter reifen werden, da Unternehmen nach Möglichkeiten suchen, die Bereitstellung von Daten im gesamten Unternehmen für Analysen, Berichte, KI, Automatisierung und mehr zu beschleunigen.

Aufbau einer kontinuierlichen Disziplin für Datenintegrität

In den frühen Stadien der Datenreife betrachten viele Unternehmen die Datenintegrität durch die Brille der Datenqualität und neigen dazu, die Verbesserung der Datenqualität als einmalige Übung zu verstehen. Wenn Inkonsistenzen und Ungenauigkeiten in der Kundendatenbank behoben werden können, können die Datenanalyse-Initiativen des Unternehmens vermutlich fortgesetzt werden.

Bei diesem Ansatz wird davon ausgegangen, dass sich eine gute Datenqualität von selbst einstellt. Der einmalige Ansatz führt in der Regel zu kurzfristigen Verbesserungen, gefolgt von einem mittelfristigen Rückgang und einer langfristigen Erosion des Vertrauens.

Um eine dauerhafte Datenqualität im großen Maßstab zu erreichen, müssen Unternehmen einen Rahmen für die Katalogisierung von Datenquellen schaffen, ein standardisiertes Datenwörterbuch erstellen und klare Geschäftsregeln entwickeln, die von einem technologischen Rahmen unterstützt werden, um die Datenqualität kontinuierlich zu verwalten.

Über die Datenqualität hinaus können Unternehmen den Geschäftswert ihrer Daten durch weitere Schritte auf dem Weg zur Datenintegrität erhöhen, indem sie beispielsweise Datensilos durch Datenintegration beseitigen und durch Datenanreicherung und Location Intelligence Kontext hinzufügen.

Unternehmen müssen Datenkompetenz in allen Aspekten der Datenintegrität erlangen, um auf dem hart umkämpften globalen Markt von heute erfolgreich bestehen zu können. Um Vertrauen in datengestützte Erkenntnisse zu schaffen, müssen Sie die Datenintegrität als kontinuierliche Disziplin verinnerlichen. Lesen Sie unseren Bericht über Datenintegritätstrends und -einblicke 2023, um mehr zu erfahren.

Deepdive Datenintegrität

1. https://www.precisely.com/de/solution/datenintegritaetsloesungen
2. https://www.precisely.com/de/resource-center/ebooks-de/wie-man-eine-moderne-datenarchitektur-mit-legacy-daten-aufbaut
3. https://www.precisely.com/de/products/integrate-de

Sie haben Fragen oder möchten einen Experten sprechen?
Dann freuen wir uns auf Ihre Nachricht!

Kontakt