Datenmanagement im Zeitalter der KI

• Wenn generative KI nicht mit vertrauenswürdigen Daten arbeitet, sind auch Analyseergebnisse schwer vertrauenswürdig, wodurch Datenmanagement von einer technischen Unterstützungsaufgabe zu einer strategischen Kernfunktion aufsteigt
• Von der frühen Phase, in der Anwendungsentwickler sogar die Datenstruktur verantworteten, haben sich die Rollen in Datenbankdesigner/-administratoren, CIO und CDO ausdifferenziert; zentrale Aufgaben sind Datenintegrität und ein unternehmensweit konsistentes Verständnis
• Bei strukturierten Daten werden Datenmodell und Datenbank direkt geändert, in einer generativen KI-Umgebung erfolgt die indirekte Steuerung, indem der in das LLM eingehende Text ausgewählt und bereinigt wird
• Für unstrukturierte Texte braucht es statt traditioneller Datenmodelle Ontologien/Taxonomien, die mit dem Enterprise Logical Data Model (ELDM) verbunden und fortlaufend aktualisiert werden müssen
• Da Daten über verschiedene Systeme, PCs und das Internet verteilt sind, ist physische Zentralisierung unmöglich geworden; wichtig wird eine semantische Zentralisierung, die die Bedeutung auf Unternehmensebene über das ELDM zusammenführt

---

Datenmanagement mit Ursprung in der Anwendungsentwicklung

• In frühen Computersystemen definierte der Anwendungsentwickler neben Anforderungserhebung, Methodentreue, Programmierung und Tests auch die vom System verwendeten Daten und deren Struktur
• Datendesign war keine eigenständige Unternehmensfunktion, sondern eine von mehreren Aufgaben innerhalb des Entwicklungsprozesses

Transaktionsverarbeitung und das Entstehen spezialisierter Datenbankrollen

• Mit der Verbreitung von Transaktionsverarbeitungssystemen mussten Antwortzeit, Systemverfügbarkeit und die Integrität der Transaktionsausführung im Datenbankdesign berücksichtigt werden
• Mit dem Aufkommen von Datenbankdesignern, die diese Anforderungen spezialisiert behandelten, wurde Datenmanagement zunehmend als eigenständige Aufgabe wahrgenommen
• Als die Zahl der Transaktionsdatenbanken stark anstieg, wurden Datenbankadministratoren benötigt, um mehrere Datenbanken zu steuern und zu koordinieren

Probleme der Datenintegrität und Data Warehouses

• Da dieselben Datenelemente in zahlreichen miteinander verbundenen Anwendungen wiederholt gespeichert wurden, trat das Problem auf, dass sie je nach Speicherort unterschiedliche Werte hatten
• Die Herausforderung für Unternehmen verlagerte sich vom Besitz von Daten hin zur Entscheidung, welchen Daten man vertrauen kann
• Das bloße Hinzufügen weiterer Anwendungen und Technologien löste das Integritätsproblem nicht, sondern vergrößerte und beschleunigte es eher
• Es wurde keine technische Korrektur, sondern eine architektonische Lösung benötigt, die operative Daten und Analysedaten trennt; daraus entstand das Data Warehouse

Datenmodell und strukturierte Datenumgebungen

• Um operative Daten in Analysedaten und ein Data Warehouse zu überführen, braucht es ein Datenmodell, das vorhandene oder künftig benötigte Datentypen abstrahiert
• Operative Systeme und Data Warehouses bestehen aus strukturierten Datenumgebungen, in denen das Format jedes Datensatzes gleich ist und sich nur die Inhalte unterscheiden
• Strukturierte Daten in Anwendungen, Datenbanken und Transaktionsdatenbanken werden durch ein Datenbankmanagementsystem (DBMS) verwaltet
• Da Ausfälle von Transaktionssystemen reale Abläufe und Kunden direkt betreffen, etwa bei Geldautomaten oder Flugbuchungssystemen, stieg der Wert genauer und stabiler Systeme sowie soliden Datenmanagements

Aufgaben von Managern strukturierter Daten

• Nach dem Aufbau des Datenmodells wird es fortlaufend gepflegt und an wirtschaftliche Lage, Wettbewerb, Technologie, Recht und Marktveränderungen angepasst
• Beim Datenbankdesign werden Normalisierungsprinzipien befolgt, zugleich aber das für die Leistung der Transaktionsverarbeitung nötige Maß an Denormalisierung angewandt
  • Datenmanager balancieren zwischen Normalisierung und Denormalisierung entsprechend den Zielen und Leistungsanforderungen des Systems
• Sie erstellen DDL zur Definition der Datenbank auf Basis des Datenmodells
• Sie betreiben Kapazitätsplanung, um vorherzusagen, wann Systeme für die Transaktionsverarbeitung an ihre Kapazitätsgrenzen stoßen
• Sie überwachen fortlaufend die Datenbankaktivität und das Datenwachstum
• Wenn Probleme entdeckt werden, nutzen sie direkte Steuerung, indem sie direkt auf das jeweilige Datenmodell oder die Datenbank zugreifen und Änderungen vornehmen

Ausweitung unstrukturierter/Textdaten

• In Unternehmen existieren neben strukturierten Daten auch umfangreiche unstrukturierte/Textdaten; Schätzungen zufolge können bis zu 90 % der Unternehmensdaten aus Text bestehen
• Da ein erheblicher Teil wichtiger Unternehmensinformationen in Textform vorliegt, muss die Datenmanagementorganisation diese ebenfalls verwalten
• Strukturierte Daten und Textdaten unterscheiden sich grundlegend in Struktur und Verwaltungsweise

Ontologien und Taxonomien in Textumgebungen

• In Textumgebungen lässt sich das traditionelle Modell strukturierter Daten nicht unverändert anwenden
• Die Rolle, die bei strukturierten Daten das Datenmodell übernimmt, wird in Textumgebungen von Ontologien/Taxonomien (ontology/taxonomy) erfüllt
• Beide Modelle übernehmen entsprechende Rollen, unterscheiden sich jedoch stark in Struktur und Managementmethoden
• Techniken zur Modellierung und Verwaltung strukturierter Daten unverändert auf Text zu übertragen, ist ungeeignet und bringt praktisch kaum Ergebnisse

Auswahl und Bereinigung der Eingabetexte für LLMs

• In einer generativen KI-Umgebung besteht die wichtigste Aufgabe des Datenmanagements darin, Originaltexte zu prüfen, bevor sie in das LLM gelangen
• Unnötige Texte ohne Bezug zum Unternehmensgeschäft müssen entfernt werden, damit sie nicht in das LLM einfließen
• Durch das Entfernen unnötiger Texte lassen sich die bei jeder Query zu verarbeitenden Datenmengen reduzieren und dadurch Kosten senken
• Wenn nur geschäftsrelevante Texte verbleiben, wird klarer, was das LLM abbildet und behandelt

ELDM und die Verbindung strukturierter und unstrukturierter Daten

• Datenmanager in generativen KI-Umgebungen müssen Ontologien/Taxonomien mit dem unternehmensweiten ELDM (Enterprise Logical Data Model) verbinden
• Das ELDM dient dazu, traditionelle strukturierte Datenmodelle und Ontologien/Taxonomien von Textumgebungen zu integrieren
• Wenn sich die geschäftlichen Anforderungen des Unternehmens ändern, müssen auch die Ontologien/Taxonomien entsprechend aktualisiert werden

Sammlung externer Texte und kontinuierliche Wartung

• Zunächst muss ein breites Spektrum an Originaltexten aus Quellen wie dem Internet ausgewählt werden
• Danach folgt ein zweistufiger Auswahlprozess, bei dem aus den gewählten Texten erneut die für das Unternehmensgeschäft relevanten Daten herausgefiltert werden
• Da sich Arbeitsumfeld und Weltlage fortlaufend ändern, müssen Ontologien/Taxonomien kontinuierlich überwacht und verwaltet werden
• Wiederholte Wartung ist notwendig, damit veränderte Bedingungen und Klassifikationssysteme zueinander passen

Indirekte Steuerung von LLMs

• Manager strukturierter Daten können Datenmodell und Datenbank direkt ändern, in einer generativen KI-Umgebung lässt sich jedoch das LLM selbst nicht auf dieselbe Weise direkt steuern
• Das Mittel zur Steuerung generativer KI-Ergebnisse besteht darin, zu verwalten, welche Texte in das LLM eingegeben werden
• Daher ähnelt Datenmanagement für generative KI eher einer indirekten Steuerung durch Auswahl und Bereinigung der Eingabedaten als einer direkten Korrektur

Veränderungen der Rolle des Datenmanagements in Unternehmensorganisationen

• Anfangs war Datenmanagement eine von mehreren Aufgaben der Systementwickler, ohne eigene Unternehmensorganisation oder spezifische Stellenfunktion
• Mit der wachsenden Bedeutung der Transaktionsverarbeitung wurde Datenbankdesign als eigenständige Aufgabe ausgegliedert, und die Rolle des Datenbankdesigners entstand
• Mit der starken Zunahme von Datenbanken und der Zahl zu verwaltender Datenelemente weitete sich die Rolle des Datenbankadministrators aus
• Als Probleme durch inkonsistente Daten zwischen verschiedenen Systemen größer wurden, entstand der CIO (Chief Information Officer) für die unternehmensweite Informationsintegration
• Mit dem Bedarf, strukturierte Daten und Textdaten zu integrieren und Unternehmensdaten ganzheitlich zu verstehen, entwickelte sich dies zur Rolle des CDO (Chief Data Officer) weiter
• Je vielfältiger die Datenformen werden, desto stärker nehmen Komplexität und Bedeutung des Managements sowie Chancen und Herausforderungen der Nutzung zu

Von physischer Zentralisierung zu semantischer Zentralisierung

• Um Daten und ihre Bedeutung im gesamten Unternehmen konsistent zu verstehen, ist ein zentralisiertes System für das Datenverständnis erforderlich
• In der frühen Computerära bedeutete Zentralisierung die physische Zentralisierung, also das Zusammenführen von Datenbanken auf großen Mainframes
• Später wurden Daten über Personal Computer, das Internet und Unternehmenssysteme auf viele Orte verteilt, wodurch physische Zentralisierung unmöglich wurde
• Je verteilter Daten sind, desto größer wird der Bedarf, im Internet und innerhalb des Unternehmens sicherzustellen, dass derselbe Gegenstand mit derselben Bedeutung verstanden wird
• Der Gegenstand der Zentralisierung verlagerte sich vom Speicherort der Daten hin zu deren Bedeutung und Definition
• Das ELDM dient als Mittel, die gemeinsame Bedeutung von Daten auf Unternehmensebene zentral zu erhalten, auch wenn sich die Daten an mehreren physischen Orten befinden