Seminare
Seminare

KI-Datenstrategie: Skalierbar statt Chaos

Webinar - PROKODA GmbH

KI-Datenstrategie: Skalierbar statt Chaos
Termin Ort Preis*
28.12.2026- 30.12.2026 München 1.773,10 €
28.12.2026- 30.12.2026 online 1.773,10 €
15.02.2027- 17.02.2027 online 1.773,10 €
15.02.2027- 17.02.2027 München 1.773,10 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Von Use Case zu Datenprodukt

  • KI-Use-Cases nach Wert priorisieren
  • Machbarkeit und Datenreife bewerten
  • Domänen und Verantwortlichkeiten zuschneiden
  • Data Product Canvas einsetzen
  • KPIs, SLAs und Guardrails definieren

Skalierbare Architekturentscheidungen

  • Lakehouse- und Warehouse-Entscheidungskriterien
  • Data Mesh als Organisationsprinzip
  • Batch-, Streaming- und CDC-Muster
  • Semantische Schicht und Feature Store
  • Build-vs.-Buy-Entscheidungen für Plattformen

Datenqualität und Observability

  • Qualitätsdimensionen für KI-Daten
  • Data Contracts und Quality Gates
  • Tests und automatisierte Validierungen
  • Lineage, Monitoring und Incident-Prozesse
  • Golden Datasets und Reproduzierbarkeit

Governance, Security und Compliance

  • Data Owner und Data Steward
  • Platform Team und Betriebsverantwortung
  • RBAC, ABAC und Least Privilege
  • DSGVO-Zweckbindung und Löschkonzepte
  • EU AI Act und Risikoklassen
  • Dokumentation und AI-Literacy-Bezüge

DataOps und MLOps im Betrieb

  • Versionierung von Daten und Modellen
  • Trainingsdaten-Pipelines und Feature-Versionen
  • Drift-Erkennung und Monitoring
  • Release-Strategien und Rollback
  • FinOps und Kapazitätsplanung

Roadmap, Organisation und Change

  • Operating Model für Datenprodukte
  • Produktteams und Plattformteams abgrenzen
  • Backlog und Priorisierung strukturieren
  • Stakeholder-Management für KI-Vorhaben
  • Skill-Matrix und Enablement-Plan
  • 90-Tage-Plan für die Umsetzung
Teilnahmevoraussetzungen:
  • Grundverständnis von Datenpipelines, Datenplattformen oder BI/Analytics
  • Erste Berührung mit KI-Use-Cases oder Machine Learning ist hilfreich, aber nicht zwingend
  • Für den fachlichen Einstieg in Analyse- und Datenarbeitsweisen eignet sich ergänzend der Python Data Science Einstieg mit Pandas, NumPy und Co.
Zielgruppe:
  • Data und Analytics Leads, Data Product Owner sowie Verantwortliche für Datenplattformen
  • IT-Architektinnen und IT-Architekten, Plattformverantwortliche und Enterprise-Architecture-Teams
  • Data Engineers, ML Engineers, MLOps-Verantwortliche und DataOps-Teams
  • Fachbereichsverantwortliche mit KI-Roadmap, Dateninitiativen oder Governance-Auftrag
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha