Seminar Dataedo Intensivseminar Data Catalog und Data Governance

Das Intensivseminar bündelt die fachlichen und organisatorischen Themen für einen nutzbaren Katalog und ein tragfähiges Governance-Betriebsmodell. Im Mittelpunkt stehen reproduzierbare Vorgehensweisen, klare Qualitätskriterien und eine Umsetzung, die sich auf reale Datenlandschaften übertragen lässt.

Inhaltsübersicht

1. Lernziele
2. Zielgruppen und Rollen
3. Voraussetzungen
4. Seminarinhalte
5. Arbeitsschritt 1: Katalognavigation, Suche und Discovery
6. Arbeitsschritt 2: Portalnutzung für Data Consumer
7. Arbeitsschritt 3: Assets dokumentieren und Kontext anreichern
8. Arbeitsschritt 4: Katalogstandards, Namensregeln und Mindestqualität
9. Arbeitsschritt 5: Business Glossary strukturieren
10. Arbeitsschritt 6: Kennzahlen und KPI-Definitionen dokumentieren
11. Arbeitsschritt 7: Begriffe mit Datenobjekten verknüpfen
12. Arbeitsschritt 8: Klassifikationen und Taxonomien
13. Arbeitsschritt 9: Sensible Daten erkennen und bearbeiten
14. Arbeitsschritt 10: Domänen und Verantwortungsräume
15. Arbeitsschritt 11: Data Products definieren und publizieren
16. Arbeitsschritt 12: Governance-Workflows und Aufgabensteuerung
17. Arbeitsschritt 13: Steward Hub und Arbeitsvorräte
18. Arbeitsschritt 14: Community, Feedback und Ownership
19. Arbeitsschritt 15: Custom Fields und Metadatenmodell
20. Arbeitsschritt 16: Referenzdaten und kontrollierte Wertelisten
21. Arbeitsschritt 17: AI-Autodokumentation vorbereiten
22. Arbeitsschritt 18: KI-gestützte Beschreibungen und Begriffe
23. Arbeitsschritt 19: Qualitätssicherung für KI-Vorschläge
24. Arbeitsschritt 20: AI-Use-Cases und Governance-Inventar
25. Arbeitsschritt 21: Rollen, RACI und Entscheidungswege
26. Arbeitsschritt 22: Governance-Zielbild und Pilotumfang
27. Arbeitsschritt 23: Pilot konfigurieren und umsetzen
28. Arbeitsschritt 24: Abnahme, Kennzahlen und Rolloutplanung
29. Praxisübungen
30. Arbeitsunterlagen und Praxisartefakte

Lernziele

• Katalog, Suche und Dokumentationsstandard aus Nutzersicht gestalten.
• Glossar, KPI-Definitionen und technische Zuordnungen konsistent aufbauen.
• Klassifikationen und sensible Daten kontrolliert bearbeiten.
• Domänen und Data Products mit klarer Verantwortung modellieren.
• Workflows, Steward Hub und Community in den Regelbetrieb überführen.
• Custom Fields, Referenzdaten und KI-gestützte Dokumentation kontrolliert einsetzen.
• AI-Anwendungsfälle mit Verantwortungen und Nachweisen dokumentieren.
• Pilot, Abnahme und Rollout mit messbaren Kriterien steuern.

Zielgruppen und Rollen

Data Governance, Data Stewards, Data Owner, Domain Owner, Data Product Owner, Business Analysis, BI und Katalogmanagement.

Voraussetzungen

Grundverständnis für Datenorganisation und Governance; ein eigener Beispielprozess oder Pilotbereich erhöht den Praxisnutzen.

Seminarinhalte

Die Inhalte werden in einer durchgängigen Folge aus Einordnung, Vorbereitung, Umsetzung, Kontrolle und Standardisierung bearbeitet.

Arbeitsschritt 1: Katalognavigation, Suche und Discovery

Datenbestände über Suchbegriffe, Filter, Beziehungen und Kontext effizient auffindbar machen.

1. 1. Ausgangslage klären: Datenbestände über Suchbegriffe, Filter, Beziehungen und Kontext effizient auffindbar machen.
2. 2. Vorbereitung abschließen: Typische Suchfragen und relevante Filterkombinationen aus Sicht verschiedener Rollen sammeln.
3. 3. Konfiguration und Umsetzung durchführen: Suche, Facetten, Objektseiten, Beziehungen und zuletzt verwendete Inhalte schrittweise einsetzen.
4. 4. Ergebnis kontrollieren: Trefferqualität, Vollständigkeit der Beschreibung und Eignung für die Fachfrage bewerten.
5. 5. Vorgehen standardisieren: Suchkonventionen, Synonyme und Mindestinformationen für gut auffindbare Assets festlegen.

Praxisaufgabe: Für drei Fachfragen werden geeignete Assets gesucht, verglichen und begründet ausgewählt.

Arbeitsschritt 2: Portalnutzung für Data Consumer

Datenkonsumenten zu einer schnellen, sicheren und kontextreichen Datenauswahl befähigen.

1. 1. Ausgangslage klären: Datenkonsumenten zu einer schnellen, sicheren und kontextreichen Datenauswahl befähigen.
2. 2. Vorbereitung abschließen: Typische Suchaufgaben, Rollen, bevorzugte Einstiegspunkte und Entscheidungskriterien sammeln.
3. 3. Konfiguration und Umsetzung durchführen: Suche, Domains, Data Products, Glossar, Lineage und Qualitätsinformationen gezielt kombinieren.
4. 4. Ergebnis kontrollieren: Gefundene Assets auf Zweck, Eigentümer, Aktualität, Qualität und zulässige Nutzung bewerten.
5. 5. Vorgehen standardisieren: Ein kurzer Nutzungsleitfaden und Mindestkriterien für vertrauenswürdige Datenauswahl definieren.

Praxisaufgabe: Mehrere ähnlich benannte Assets werden anhand von Kontext und Vertrauensmerkmalen verglichen.

Arbeitsschritt 3: Assets dokumentieren und Kontext anreichern

Technische Objekte um verständliche fachliche Beschreibungen, Verantwortungen und Nutzungshinweise ergänzen.

1. 1. Ausgangslage klären: Technische Objekte um verständliche fachliche Beschreibungen, Verantwortungen und Nutzungshinweise ergänzen.
2. 2. Vorbereitung abschließen: Pflichtfelder, Schreibregeln, Zuständigkeiten und Qualitätskriterien für Beschreibungen definieren.
3. 3. Konfiguration und Umsetzung durchführen: Beschreibungen, Eigentümer, Tags, Custom Fields und Verknüpfungen an repräsentativen Assets pflegen.
4. 4. Ergebnis kontrollieren: Verständlichkeit, Eindeutigkeit, Aktualität und Wiederverwendbarkeit anhand einer Qualitätsmatrix prüfen.
5. 5. Vorgehen standardisieren: Redaktionsprozess, Reviewintervall und Pflegeverantwortung verbindlich festlegen.

Praxisaufgabe: Ein unvollständig dokumentiertes Datenobjekt wird bis zur fachlich freigegebenen Katalogseite ausgebaut.

Arbeitsschritt 4: Katalogstandards, Namensregeln und Mindestqualität

Einheitliche, überprüfbare Mindestanforderungen für Metadaten und Dokumentation festlegen.

1. 1. Ausgangslage klären: Einheitliche, überprüfbare Mindestanforderungen für Metadaten und Dokumentation festlegen.
2. 2. Vorbereitung abschließen: Objektklassen, Pflichtangaben, Schreibregeln, Statuswerte und Ausnahmen definieren.
3. 3. Konfiguration und Umsetzung durchführen: Standards an Beispielobjekten anwenden und Abweichungen als Aufgaben erfassen.
4. 4. Ergebnis kontrollieren: Abdeckung, Konsistenz, Verständlichkeit und überflüssige Felder mit einer Qualitätsprüfung bewerten.
5. 5. Vorgehen standardisieren: Standard, Reviewzyklus und Ausnahmegenehmigung als Governance-Artefakt veröffentlichen.

Praxisaufgabe: Mehrere uneinheitliche Katalogseiten werden anhand eines gemeinsamen Standards harmonisiert.

Arbeitsschritt 5: Business Glossary strukturieren

Ein gemeinsames Begriffsmodell für Geschäftsbegriffe, Definitionen und Verantwortlichkeiten aufbauen.

1. 1. Ausgangslage klären: Ein gemeinsames Begriffsmodell für Geschäftsbegriffe, Definitionen und Verantwortlichkeiten aufbauen.
2. 2. Vorbereitung abschließen: Glossarbereiche, Begriffsarten, Namensregeln, Statuswerte und Rollen festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Begriffe anlegen, hierarchisch ordnen, Beziehungen setzen und Verantwortliche zuweisen.
4. 4. Ergebnis kontrollieren: Definitionen auf Eindeutigkeit, Abgrenzung, Synonyme und verbotene Zirkelschlüsse prüfen.
5. 5. Vorgehen standardisieren: Freigabeprozess, Änderungsverfahren und regelmäßige Qualitätskontrolle definieren.

Praxisaufgabe: Ein kleiner Fachbereich wird als konsistenter Glossarausschnitt mit freigegebenen Begriffen modelliert.

Arbeitsschritt 6: Kennzahlen und KPI-Definitionen dokumentieren

Kennzahlen mit Berechnungslogik, Granularität, Quelle und fachlicher Gültigkeit eindeutig beschreiben.

1. 1. Ausgangslage klären: Kennzahlen mit Berechnungslogik, Granularität, Quelle und fachlicher Gültigkeit eindeutig beschreiben.
2. 2. Vorbereitung abschließen: KPI-Template, Pflichtattribute, Verantwortliche und Abnahmekriterien vorbereiten.
3. 3. Konfiguration und Umsetzung durchführen: Kennzahl, Formel, Dimensionen, Filter, zeitliche Gültigkeit und Quellbezug dokumentieren.
4. 4. Ergebnis kontrollieren: Berechnungsbeispiel, Datenherkunft und Abweichungsfälle mit Fach- und Technikseite abstimmen.
5. 5. Vorgehen standardisieren: Reviewzyklus und Änderungsnachweis für produktive Kennzahlen festlegen.

Praxisaufgabe: Eine strittige Kennzahl wird von der Rohdefinition bis zur abgestimmten KPI-Dokumentation bearbeitet.

Arbeitsschritt 7: Begriffe mit Datenobjekten verknüpfen

Fachliche Definitionen mit Tabellen, Spalten, Berichten und Kennzahlen nachvollziehbar verbinden.

1. 1. Ausgangslage klären: Fachliche Definitionen mit Tabellen, Spalten, Berichten und Kennzahlen nachvollziehbar verbinden.
2. 2. Vorbereitung abschließen: Mappingregeln, zulässige Beziehungstypen und Prüfverantwortung festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Begriffe passenden Assets zuordnen und die fachliche Begründung der Zuordnung dokumentieren.
4. 4. Ergebnis kontrollieren: Vollständigkeit, Mehrdeutigkeit und widersprüchliche Zuordnungen anhand von Stichproben prüfen.
5. 5. Vorgehen standardisieren: Eine Mappingquote und ein Verfahren zur Behandlung ungeklärter Zuordnungen etablieren.

Praxisaufgabe: Für einen Geschäftsprozess wird eine durchgängige Kette von Begriffen zu technischen Assets aufgebaut.

Arbeitsschritt 8: Klassifikationen und Taxonomien

Datenbestände anhand fachlicher, regulatorischer und technischer Merkmale einheitlich kennzeichnen.

1. 1. Ausgangslage klären: Datenbestände anhand fachlicher, regulatorischer und technischer Merkmale einheitlich kennzeichnen.
2. 2. Vorbereitung abschließen: Klassifikationsschema, Wertebereiche, Vererbungsregeln und Pflegezuständigkeit definieren.
3. 3. Konfiguration und Umsetzung durchführen: Klassifikationen an Assets anwenden, kombinieren und mit Beschreibungsregeln ergänzen.
4. 4. Ergebnis kontrollieren: Konsistenz, Abdeckung und widersprüchliche Werte mit gezielten Kontrollen erkennen.
5. 5. Vorgehen standardisieren: Freigabe, Versionierung und Änderungsprozess für Taxonomien festlegen.

Praxisaufgabe: Ein mehrstufiges Klassifikationsschema wird auf einen Beispieldatenbestand angewendet und bereinigt.

Arbeitsschritt 9: Sensible Daten erkennen und bearbeiten

Schutzbedürftige Daten nachvollziehbar identifizieren, priorisieren und einer Bearbeitung zuführen.

1. 1. Ausgangslage klären: Schutzbedürftige Daten nachvollziehbar identifizieren, priorisieren und einer Bearbeitung zuführen.
2. 2. Vorbereitung abschließen: Erkennungsmuster, Sensitivitätsstufen, Prüfroutinen und Eskalationsweg vorbereiten.
3. 3. Konfiguration und Umsetzung durchführen: Erkennung ausführen, Treffer bewerten, Fehlklassifikationen korrigieren und Eigentümer einbinden.
4. 4. Ergebnis kontrollieren: Trefferqualität, Abdeckung und offene Befunde anhand einer Stichprobe kontrollieren.
5. 5. Vorgehen standardisieren: Wiederholungsintervall, Ausnahmeprozess und Nachweisführung für sensible Daten definieren.

Praxisaufgabe: Ein gemischter Datenbestand wird klassifiziert und in bestätigte, verworfene und offene Befunde aufgeteilt.

Arbeitsschritt 10: Domänen und Verantwortungsräume

Datenbestände in nachvollziehbare fachliche Verantwortungsbereiche gliedern.

1. 1. Ausgangslage klären: Datenbestände in nachvollziehbare fachliche Verantwortungsbereiche gliedern.
2. 2. Vorbereitung abschließen: Domänenschnitt, Kriterien, Eigentümer, Steward-Rollen und Übergabepunkte festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Domänen anlegen, Assets zuordnen und Verantwortlichkeiten auf den Objektseiten sichtbar machen.
4. 4. Ergebnis kontrollieren: Überschneidungen, Lücken und nicht zugeordnete Assets mit einer Domänenmatrix prüfen.
5. 5. Vorgehen standardisieren: Änderungs- und Konfliktverfahren für Domänengrenzen vereinbaren.

Praxisaufgabe: Ein organisationsweiter Datenbestand wird in fachliche Domänen mit klaren Übergängen gegliedert.

Arbeitsschritt 11: Data Products definieren und publizieren

Wiederverwendbare Datenangebote mit Zweck, Vertrag, Qualitätsaussage und Verantwortlichkeit beschreiben.

1. 1. Ausgangslage klären: Wiederverwendbare Datenangebote mit Zweck, Vertrag, Qualitätsaussage und Verantwortlichkeit beschreiben.
2. 2. Vorbereitung abschließen: Produktvorlage, Zielgruppe, Eingänge, Ausgänge, Servicekriterien und Freigabestatus festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Ein Data Product anlegen, relevante Assets bündeln und Nutzungshinweise dokumentieren.
4. 4. Ergebnis kontrollieren: Vollständigkeit, Verständlichkeit, Qualitätsnachweis und Zugriffsweg aus Verbrauchersicht testen.
5. 5. Vorgehen standardisieren: Lebenszyklus, Versionierung und Produktverantwortung als Standard definieren.

Praxisaufgabe: Aus mehreren Datenobjekten wird ein konsumierbares Data Product mit klarer Leistungsbeschreibung erstellt.

Arbeitsschritt 12: Governance-Workflows und Aufgabensteuerung

Prüfung, Freigabe und Nachbearbeitung von Metadaten als nachvollziehbaren Arbeitsablauf organisieren.

1. 1. Ausgangslage klären: Prüfung, Freigabe und Nachbearbeitung von Metadaten als nachvollziehbaren Arbeitsablauf organisieren.
2. 2. Vorbereitung abschließen: Statusmodell, Rollen, Eingangsbedingungen, Fristen und Eskalationen vorbereiten.
3. 3. Konfiguration und Umsetzung durchführen: Aufgaben erzeugen, zuweisen, bearbeiten, kommentieren und bis zur Freigabe führen.
4. 4. Ergebnis kontrollieren: Durchlaufzeit, Rückfragen, Abbruchfälle und Verantwortungswechsel kontrollieren.
5. 5. Vorgehen standardisieren: Workflowvorlage, Serviceziel und Berichtswesen für den Regelbetrieb festlegen.

Praxisaufgabe: Ein Dokumentationsmangel wird als Aufgabe erfasst und vollständig durch den Freigabeprozess geführt.

Arbeitsschritt 13: Steward Hub und Arbeitsvorräte

Steward-Aufgaben priorisiert bündeln und mit fachlichem Kontext bearbeiten.

1. 1. Ausgangslage klären: Steward-Aufgaben priorisiert bündeln und mit fachlichem Kontext bearbeiten.
2. 2. Vorbereitung abschließen: Arbeitskategorien, Prioritätsregeln, Zuständigkeiten und Fälligkeiten definieren.
3. 3. Konfiguration und Umsetzung durchführen: Arbeitsvorräte filtern, Aufgaben übernehmen, Befunde bearbeiten und Entscheidungen dokumentieren.
4. 4. Ergebnis kontrollieren: Überfällige, blockierte und unvollständige Aufgaben in einer Qualitätskontrolle identifizieren.
5. 5. Vorgehen standardisieren: Tages-, Wochen- und Eskalationsroutine für Stewards festlegen.

Praxisaufgabe: Ein realistischer Arbeitsvorrat wird priorisiert, abgearbeitet und in einer Statusübersicht ausgewertet.

Arbeitsschritt 14: Community, Feedback und Ownership

Rückfragen und Verbesserungsvorschläge aus der Nutzung in geregelte Pflegeprozesse überführen.

1. 1. Ausgangslage klären: Rückfragen und Verbesserungsvorschläge aus der Nutzung in geregelte Pflegeprozesse überführen.
2. 2. Vorbereitung abschließen: Feedbackkanäle, Moderation, Reaktionszeiten und Eigentümerzuordnung festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Kommentare und Hinweise erfassen, qualifizieren, beantworten und einer Änderung zuordnen.
4. 4. Ergebnis kontrollieren: Reaktionszeit, Lösungsquote und wiederkehrende Themen anhand eines kleinen Berichts prüfen.
5. 5. Vorgehen standardisieren: Moderationsregeln und Übergabe an Governance- oder Betriebsprozesse dokumentieren.

Praxisaufgabe: Mehrere Nutzerhinweise werden triagiert und bis zur nachvollziehbaren Bearbeitung verfolgt.

Arbeitsschritt 15: Custom Fields und Metadatenmodell

Zusätzliche Governance-Informationen strukturiert erfassen, ohne den Katalog unnötig zu überladen.

1. 1. Ausgangslage klären: Zusätzliche Governance-Informationen strukturiert erfassen, ohne den Katalog unnötig zu überladen.
2. 2. Vorbereitung abschließen: Informationsbedarf, Datentyp, Gültigkeitsbereich, Pflichtstatus und Eigentümer je Feld festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Felder anlegen, auf geeignete Objekttypen anwenden und mit Beispielwerten befüllen.
4. 4. Ergebnis kontrollieren: Nutzbarkeit, Redundanz, Suchbarkeit und Pflegeaufwand mit Fachrollen überprüfen.
5. 5. Vorgehen standardisieren: Änderungsprozess und Stilllegung nicht mehr benötigter Felder definieren.

Praxisaufgabe: Ein Governance-Anforderungskatalog wird in ein schlankes Custom-Field-Modell übersetzt.

Arbeitsschritt 16: Referenzdaten und kontrollierte Wertelisten

Wiederkehrende Werte und Klassifikationen konsistent, nachvollziehbar und pflegbar dokumentieren.

1. 1. Ausgangslage klären: Wiederkehrende Werte und Klassifikationen konsistent, nachvollziehbar und pflegbar dokumentieren.
2. 2. Vorbereitung abschließen: Werteliste, Schlüssel, Bezeichnung, Gültigkeit, Eigentümer und Änderungsweg definieren.
3. 3. Konfiguration und Umsetzung durchführen: Referenzwerte erfassen und mit relevanten Begriffen oder Datenfeldern verknüpfen.
4. 4. Ergebnis kontrollieren: Dubletten, ungültige Werte, zeitliche Überschneidungen und fehlende Zuordnungen prüfen.
5. 5. Vorgehen standardisieren: Versionierung, Freigabe und Pflegekalender für Referenzdaten festlegen.

Praxisaufgabe: Eine uneinheitliche Werteliste wird konsolidiert und als kontrollierter Referenzbestand dokumentiert.

Arbeitsschritt 17: AI-Autodokumentation vorbereiten

KI-gestützte Metadatenanreicherung kontrolliert, sicher und mit klarer Erwartung einsetzen.

1. 1. Ausgangslage klären: KI-gestützte Metadatenanreicherung kontrolliert, sicher und mit klarer Erwartung einsetzen.
2. 2. Vorbereitung abschließen: Zulässige Inhalte, Konfiguration, Rollen, Beispielobjekte und Qualitätskriterien festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Funktion aktivieren, geeignete Assets auswählen und eine erste Beschreibung erzeugen.
4. 4. Ergebnis kontrollieren: Ausgabe auf fachliche Richtigkeit, Halluzinationen, sensible Inhalte und Schreibstandard prüfen.
5. 5. Vorgehen standardisieren: Freigabepflicht, Kennzeichnung und Wiederholungsregeln für KI-Vorschläge definieren.

Praxisaufgabe: Eine kontrollierte Testserie wird mit unterschiedlich gut dokumentierten Objekten durchgeführt.

Arbeitsschritt 18: KI-gestützte Beschreibungen und Begriffe

Vorschläge für Tabellen, Spalten und Geschäftsbegriffe effizient erzeugen und redaktionell verbessern.

1. 1. Ausgangslage klären: Vorschläge für Tabellen, Spalten und Geschäftsbegriffe effizient erzeugen und redaktionell verbessern.
2. 2. Vorbereitung abschließen: Beispielmenge, Kontextinformationen, Terminologieregeln und Reviewrollen vorbereiten.
3. 3. Konfiguration und Umsetzung durchführen: Beschreibungen erzeugen, Kontext ergänzen, Vorschläge bearbeiten und zur Freigabe übergeben.
4. 4. Ergebnis kontrollieren: Konsistenz, Verständlichkeit, Begriffstreue und fachliche Belegbarkeit mit einer Bewertungsmatrix prüfen.
5. 5. Vorgehen standardisieren: Prompts, Reviewkriterien und Annahmequote als kontinuierlichen Verbesserungsprozess dokumentieren.

Praxisaufgabe: Mehrere KI-Vorschläge werden bewertet, korrigiert und in freigabefähige Metadaten überführt.

Arbeitsschritt 19: Qualitätssicherung für KI-Vorschläge

KI-generierte Inhalte durch nachvollziehbare menschliche Prüfung belastbar machen.

1. 1. Ausgangslage klären: KI-generierte Inhalte durch nachvollziehbare menschliche Prüfung belastbar machen.
2. 2. Vorbereitung abschließen: Risikoklassen, Prüftiefe, Vier-Augen-Prinzip und Ablehnungsgründe festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Vorschläge klassifizieren, Belege prüfen, Änderungen dokumentieren und Status setzen.
4. 4. Ergebnis kontrollieren: Fehlermuster, Akzeptanzquote und wiederkehrende Korrekturen auswerten.
5. 5. Vorgehen standardisieren: Reviewleitfaden, Stichprobenplan und Verantwortlichkeit für produktive Nutzung festschreiben.

Praxisaufgabe: Ein Review-Backlog wird priorisiert und anhand einheitlicher Kriterien abgearbeitet.

Arbeitsschritt 20: AI-Use-Cases und Governance-Inventar

KI-Anwendungsfälle, Modelle und zugehörige Datenbestände als steuerbare Governance-Objekte erfassen.

1. 1. Ausgangslage klären: KI-Anwendungsfälle, Modelle und zugehörige Datenbestände als steuerbare Governance-Objekte erfassen.
2. 2. Vorbereitung abschließen: Inventarstruktur, Risikofelder, Verantwortliche, Status und erforderliche Nachweise definieren.
3. 3. Konfiguration und Umsetzung durchführen: Use Cases dokumentieren und mit Datenquellen, Domänen, Begriffen sowie Eigentümern verknüpfen.
4. 4. Ergebnis kontrollieren: Vollständigkeit, Verantwortungszuordnung und Nachweisstatus mit einem Kontrollschema prüfen.
5. 5. Vorgehen standardisieren: Freigabe, regelmäßige Überprüfung und Stilllegung als Lebenszyklus festlegen.

Praxisaufgabe: Ein beispielhafter KI-Anwendungsfall wird vom Inventareintrag bis zur Governance-Freigabe dokumentiert.

Arbeitsschritt 21: Rollen, RACI und Entscheidungswege

Verantwortung für Katalog, Glossar, Qualität und Freigaben eindeutig zuordnen.

1. 1. Ausgangslage klären: Verantwortung für Katalog, Glossar, Qualität und Freigaben eindeutig zuordnen.
2. 2. Vorbereitung abschließen: Aktivitäten, Rollen, Organisationseinheiten, Eskalationen und Stellvertretungen erfassen.
3. 3. Konfiguration und Umsetzung durchführen: RACI-Matrix erstellen und an konkreten Dokumentations- sowie Freigabefällen testen.
4. 4. Ergebnis kontrollieren: Doppelzuständigkeiten, Lücken und unrealistische Auslastung mit Beteiligten prüfen.
5. 5. Vorgehen standardisieren: Entscheidungsweg und regelmäßige Rezertifizierung der Rollen festlegen.

Praxisaufgabe: Eine unklare Verantwortungsstruktur wird in eine belastbare RACI-Matrix überführt.

Arbeitsschritt 22: Governance-Zielbild und Pilotumfang

Einen realistischen Pilot mit messbarem Nutzen, begrenztem Umfang und klarer Entscheidung vorbereiten.

1. 1. Ausgangslage klären: Einen realistischen Pilot mit messbarem Nutzen, begrenztem Umfang und klarer Entscheidung vorbereiten.
2. 2. Vorbereitung abschließen: Geschäftsproblem, Zielgruppe, Quellsysteme, Assets, Risiken und Erfolgskriterien erfassen.
3. 3. Konfiguration und Umsetzung durchführen: Pilotumfang schneiden, Nicht-Ziele dokumentieren und Abhängigkeiten priorisieren.
4. 4. Ergebnis kontrollieren: Umfang mit Stakeholdern gegen Zeit, Datenzugriff und verfügbare Rollen verifizieren.
5. 5. Vorgehen standardisieren: Pilotauftrag, Entscheidungsgremium und Änderungsverfahren verbindlich festlegen.

Praxisaufgabe: Aus einer breiten Governance-Idee wird ein umsetzbarer Pilotauftrag mit messbaren Kriterien erstellt.

Arbeitsschritt 23: Pilot konfigurieren und umsetzen

Quellen, Metadatenmodell, Governance-Inhalte und Arbeitsabläufe zu einem nutzbaren Piloten verbinden.

1. 1. Ausgangslage klären: Quellen, Metadatenmodell, Governance-Inhalte und Arbeitsabläufe zu einem nutzbaren Piloten verbinden.
2. 2. Vorbereitung abschließen: Umgebung, Quellenzugriff, Modellvorlagen, Rollen, Testdaten und Arbeitsplan vorbereiten.
3. 3. Konfiguration und Umsetzung durchführen: Daten importieren, Domains und Glossar aufbauen, Assets dokumentieren und Workflows einrichten.
4. 4. Ergebnis kontrollieren: Pilotfunktionen mit repräsentativen Nutzeraufgaben und definierten Akzeptanzkriterien prüfen.
5. 5. Vorgehen standardisieren: Konfiguration, offene Punkte und Übergabe in eine reproduzierbare Pilotdokumentation aufnehmen.

Praxisaufgabe: Ein kleiner Ende-zu-Ende-Katalog wird innerhalb eines klar abgegrenzten Pilots aufgebaut.

Arbeitsschritt 24: Abnahme, Kennzahlen und Rolloutplanung

Pilotergebnisse objektiv bewerten und eine begründete Entscheidung für den Ausbau ermöglichen.

1. 1. Ausgangslage klären: Pilotergebnisse objektiv bewerten und eine begründete Entscheidung für den Ausbau ermöglichen.
2. 2. Vorbereitung abschließen: Abnahmetests, Nutzungskennzahlen, Qualitätsmaße, Feedbackfragen und Entscheidungstermin festlegen.
3. 3. Konfiguration und Umsetzung durchführen: Tests durchführen, Feedback konsolidieren, Kennzahlen auswerten und Restpunkte priorisieren.
4. 4. Ergebnis kontrollieren: Zielerreichung, Risiken, Betriebskosten und organisatorische Bereitschaft gegen Kriterien prüfen.
5. 5. Vorgehen standardisieren: Rolloutwellen, Schulungsbedarf, Governance-Rhythmus und Verbesserungsbacklog festlegen.

Praxisaufgabe: Ein Pilot wird anhand definierter Kriterien abgenommen und in einen priorisierten Rolloutplan überführt.

Praxisübungen

1. Übung 1: Aufbau eines vollständigen Katalogausschnitts.
2. Übung 2: Erstellung von Glossar und KPI-Definitionen mit Zuordnungen.
3. Übung 3: Klassifikation und Triage sensibler Daten.
4. Übung 4: Modellierung einer Domäne mit Data Product.
5. Übung 5: Review KI-gestützter Beschreibungen und Dokumentation eines AI-Anwendungsfalls.
6. Übung 6: Durchführung eines Governance-Workflows und einer Pilotabnahme.

Arbeitsunterlagen und Praxisartefakte

Im Seminar entstehen wiederverwendbare Arbeitsunterlagen für Planung, Umsetzung, Qualitätssicherung und Betrieb.

• Katalogstandard
• Glossar- und KPI-Modell
• Klassifikationsschema
• Data-Product-Canvas
• AI-Governance-Inventar
• Workflowmodell
• Rolloutplan