Die digitale Transformation und der Aufstieg von Künstlicher Intelligenz (KI) haben die Geschäftswelt revolutioniert. Unternehmen, die ihre Geschäftsentscheidungen auf Daten und KI stützen, gewinnen einen klaren Wettbewerbsvorteil und schaffen innovative Lösungen für ihre Kunden. Diese Veranstaltung richtet sich an Führungskräfte, Manager, Unternehmer und Data-Enthusiasten, die mehr darüber erfahren möchten, ob und wann sie eine Datenstrategie brauchen, wie sie eine effektive Datenstrategie entwickeln und wie sie damit ein datengetriebenes und KI-basiertes Business aufbauen oder bereichern können.

1. Daten- & AI-Strategie
in der Praxis -
(wann) braucht man sie
wirklich?
1

2. 2
About me
shirin.elsinghorst@codecentric.de
Dr. Shirin Elsinghorst

3. ● Was ist eine Datenstrategie
(DS)?
● Warum brauchen (manche)
Organisationen eine DS?
● Zeichen, dass eine DS
sinnvoll ist
● Wie wird eine DS gebaut,
implementiert und in
Betrieb gehalten?
● Case-Studies erfolgreicher
Datenstrategien
3

4. Was ist eine Datenstrategie?
Was ist eine AI-Strategie?
4
Woran denkt ihr bei dem
Wort?

5. 5
Das ist KEINE
Strategie:
Reißbrett
Anleitung
übergestülpt
feststehend
von außen
vorgegeben

6. Was ist eine Daten-/AI-Strategie denn dann?
6
Ein (umfassender) Plan, der
beschreibt, wie eine
Organisation Daten sammelt,
speichert, analysiert und
verwendet, um ihre
Business-Ziele zu erreichen
=>AI-Readiness
Data
Governance
Data
Architecture
+ Platform
Data
Analytics
Data/AI
Security
Data Culture
& Data-
Thinking
AI-Thinking

7. Unternehmen mit erfolgreicher
Datenstrategie

8. 8
Daten sammeln, speichern & Zugriff
ermöglichen
Suchmaschine
Werbung/ Advertising => Personalisierung
ML & AI
Cloud
Innovation => Continuous improvement
Google
Objective: Data as a core asset to drive
innovation, personalize user experiences, and
expand the business ecosystem.

9. 9
Data-Driven Decision-Making
Personalisierung durch gezielte Empfehlungen
Dynamic Pricing
Quality Control => Vertrauen
Continuous Experimentation
Customer Support
AirBnB
Objective: To create a personalized and
seamless experience for hosts and guests,
drive growth, and enhance the overall user
experience.

10. 10
User-Centric Approach
Personalisierte Empfehlungen
Erstellung von Playlists & Radiostationen
Advertisement
Data Privacy & Security
Innovation
Spotify
Objective: Personalization, from music
recommendations to content curation and
advertising, offering a tailored experience that
keeps users engaged and coming back for
more.

11. Data-/AI-Driven
Business als
Marktvorteil
11
Effizienz durch
optimierte
Prozesse
Innovation
AI-Readiness
Compliance
Daten-Ethik
Warum brauchen (manche)
Organisationen eine DS?

12. Woran erkenne ich, dass eine DS in meinem
Unternehmen sinnvoll wäre?
12
Unorganisierte
Daten-
Umgebungen
Verpasste
Chancen (am
Markt) => AI?
Fehler/ Ausfälle /
Suboptimale
Prozesse
Fehlen einer
Data-Driven
Culture
Data-/AI-
Thinking
Enablement!

13. 13
Priorisierung von Daten-getriebenen
Entscheidungsprozessen auf allen Ebenen => Daten als
Schlüssel-Resource für KPIs
• Strategische Nutzung von Daten => Insights,
Improvements, Innovation (AI-ready)
• Data Literacy => Daten interpretieren, hinterfragen,
Entscheidungen treffen
• Enablement & Knowledge-Sharing
• Experimentieren & Testen (fast-cycle)
• Daten-Ökosysteme für Sammlung, Speicherung &
Ermöglichung einfacher Nutzung (Zugriff)
Was bedeutet das eigentlich?
Mindset
Decision-Making
Key-Resource
Data-Driven Culture

14. Wie wird eine DS entwickelt, implementiert
und in Betrieb gehalten?

15. Vorbereitung
15
Objectives
definieren
Data
Analytics
Data
Security
Ist-Analyse
Data
Governance
Data
Architecture
Data- & AI-
Culture
Data
Platform

16. 16
Bedarfe &
Bedürfnisse
identifizieren
● Zuhören
● Verstehen
● Nachfragen
Lösungen
entwickeln
● Konzepte zum
Leben
erwecken =>
Kreativität
Konzepte erarbeiten
● Bedarfe &
Bedürfnisse
strukturieren
● Umsetzungsziele
planen
Ganz konkret

17. Umsetzung & Ausführung
17
Daten
sammeln
Talent &
Training
Change
Management
Technologien
Werkzeuge
Kommunikation
Daten
speichern
Daten
integrieren
Daten
verwenden

18. Monitoring & Skalierung
18
Key Performance
Indicators (KPIs)
Regelmäßige
Bestands-
aufnahme Kontinuierliche
Optimierung
Flexibilität

19. Herausforderungen

20. 20
• Datenqualität sicherstellen
• Data Governance => zentralisiert oder dezentral =>
Skalierungsbedarf
• Daten-Silos auflösen => Zugriff & Integration
verschiedener Datenquellen
• Privatsphäre, Compliance, Sicherheit, DSGVO (besonders
überregional/international)
• Legacy Systeme: Cultural Change kann schwierig sein =>
Change Management & Kommunikation
• Mangel an Fachkräften mit entsprechenden Skills
• Return of Interest nicht immer einfach zu demonstrieren
für die erfolgreiche Umsetzung
Größe der
Organisation
Organisations-
strukturen
Bestehende
Prozesse &
Mindsets
Challenges

21. Take-Home-Messages
Danke!
Data- &
AI-Driven-
...
…
Decision-
Making
…
Culture
Daten als
Key-
Resource
Change-
Management
Innovation

22. Innovative - Trustful - Competent - Pragmatic
codecentric AG
Am Mittelhafen 14
48155 Münster
Dr. Shirin Elsinghorst
Senior Data Scientist
shirin.elsinghorst@codecentric.de
www.codecentric.de
22
Stay
connected
Photo by Markus Spiske on Unsplash

23. 23
https://www.codecentric.de/leistungen/
data-science-und-kuenstliche-intellige
nz/ki-gestuetzte-anwendungsfaelle-eta
blieren

24. karriere