Ohne Governance keine verlässlichen Daten – und keine verlässliche KI 

Ein neues Power-BI-Dashboard. Ein KI-gestütztes Forecasting-Modell. Eine automatisierte Planung. Solche Projekte werden meist an ihrer fachlichen und technischen Qualität gemessen: Stimmen die Kennzahlen? Ist die Prognose treffsicher? Läuft die Automatisierung stabil? Eine Frage wird dabei oft übersehen. Sie sollte eigentlich vor der ersten Zeile Code beantwortet sein: Wer entscheidet im Unternehmen, welche Daten wie genutzt werden dürfen? Und wer trägt die Verantwortung, wenn eine Kennzahl falsch berechnet wird oder ein KI-Modell auf falscher Datengrundlage trainiert wurde? 

Warum jedes Data- und AI-Projekt eine Governance-Frage ist 

In unseren Projekten bei ATVISIO sehen wir immer wieder denselben Punkt. An ihm entscheidet sich, ob ein Data- oder AI-Vorhaben nachhaltig funktioniert. Die technische Umsetzung – das Datenmodell, das Dashboard, der Trainingsdatensatz – lässt sich meist zügig realisieren. Die eigentliche Herausforderung liegt woanders: Wer ist für welche Daten verantwortlich? Wer entscheidet über ihre Nutzung und mit welchem Mandat? Wird das nicht vorab geklärt, zeigt sich das selten sofort. Es zeigt sich erst später. Weil niemand sich für die Datenqualität zuständig fühlt. Weil Fachbereiche parallel eigene Lösungen aufbauen, ohne sich abzustimmen. Oder weil unklar ist, wer über den Zugriff auf sensible Daten entscheiden darf. 

Besonders deutlich wird das bei KI-Projekten. Eine KI-Anwendung ist nur so vertrauenswürdig wie die Daten, auf denen sie basiert. Diese Verantwortung lässt sich nicht nachträglich klären, wenn das Modell schon produktiv im Einsatz ist. Wer von unternehmensweit nutzbaren Daten profitieren will, muss bislang dezentral verwaltete Datenbestände stärker zusammenführen. Für einzelne Fachbereiche bedeutet das oft: einen Teil ihrer bisherigen Autonomie über „ihre“ Daten abgeben. Dieser Schritt verläuft selten reibungslos. Er stellt gewohnte Zuständigkeiten infrage. 

Governance als Startpunkt, nicht als Nachgedanke 

Die Frage „Wer verantwortet diese Daten und wer entscheidet über ihre Nutzung?“ gehört für uns an den Anfang eines Data- oder AI-Projekts. Nicht in eine spätere Aufräumphase, wenn die ersten Konflikte um Zuständigkeiten schon entstanden sind. Data- und AI-Governance wird dabei schnell mit Bürokratie verwechselt: mit Richtlinien, die niemand liest, und Gremien, die zwar tagen, aber nichts bewirken. Richtig verstanden ist sie das Gegenteil. Sie schafft die Voraussetzung dafür, dass Projekte nicht nur schnell starten, sondern auch dauerhaft tragfähig bleiben. 

Für Unternehmen, die ein Data- oder AI-Projekt angehen, heißt das: Klare Verantwortlichkeiten und Entscheidungswege sind kein Add-on. Sie sind das Fundament, auf dem jedes weitere technische Vorhaben steht. Genau an dieser Schnittstelle setzen wir bei ATVISIO an – zwischen der fachlichen und technischen Projektarbeit auf der einen Seite und den dahinterliegenden Verantwortlichkeiten auf der anderen. 

Mehr zum Thema im Podcast 

Wer tiefer in das Thema einsteigen möchte, dem sei die aktuelle Folge unseres Performance Manager Podcast ans Herz gelegt. Dort geht es um IT-Governance – dem übergeordneten Rahmen, zu dem Data- und AI-Governance gehören. Während Data Governance regelt, wer über Daten entscheidet, klärt IT-Governance grundsätzlicher, wer im Unternehmen überhaupt über den Einsatz von IT entscheiden darf. Das reicht von der strategischen Rolle der IT über die Architektur bis zu Fragen von Sourcing und Sicherheit. 

Zu Gast im Podcast ist Prof. Dr. Christopher Rentrop, Professor für Wirtschaftsinformatik an der HTWG Konstanz. Er forscht seit vielen Jahren zu IT-Governance und hat dazu auch ein Buch veröffentlicht: „IT-Governance – Zentraler Erfolgsfaktor für die digitale Transformation“. Im Gespräch geht es unter anderem darum, warum IT-Governance zu Unrecht als Bremsklotz gilt. Welche Entscheidungsfelder Unternehmen dabei im Blick behalten sollten. Und wie sich das Thema in der Praxis konkret angehen lässt.