• Welche Data Capabilities brauchen wir heute wirklich – und wie verändern sie sich durch den Einsatz von KI?
• Warum bleiben Datenkompetenzen auch im Zeitalter von generativer KI zentral – und was passiert, wenn wir sie vernachlässigen?
• Wie können wir KI (z. B. ChatGPT oder Copilot) sinnvoll einsetzen, um technische Skills wie Programmieren oder Datenanalyse zu lernen?
• Was unterscheidet gute Lernformate für Tech- und Datenkompetenzen von „0815-Onlinekursen“?
• Wie kann Lernen über Data Capabilities gleichzeitig als Change-Impuls wirken – und nicht nur Wissenstransfer sein?

In einer datengetriebenen Welt ist die Sicherstellung von Datenqualität unerlässlich, um belastbare Analysen und effiziente Prozesse zu ermöglichen. Unser Framework zeigt, wie künstliche Intelligenz (KI) genutzt werden kann, um fehlerhafte oder inkonsistente Daten in heterogenen Datensätzen automatisch zu erkennen – mit einem Fokus auf Geodaten und Standortinformationen. Das System kombiniert sogenannte “unsupervised” maschinelle Lernmethoden mit einem “supervised” Feedback-Mechanismus, um Anomalien präzise zu identifizieren, manuelle Prüfaufwände zu minimieren und so die Datenqualität in unternehmenskritischen Prozessen zu sichern. Teilnehmende erhalten praxisnahe Einblicke in die Architektur, Methodik und den geschäftlichen Mehrwert der Lösung – ein zentraler Bestandteil moderner Data-Governance-Strategien.

Nehmen Sie an dieser Session teil und erfahren Sie mehr über:

• Warum moderne Data-Governance-Strategien ohne intelligente Data-Cleansing Strategien nicht auskommen
• Welche Algorithmen und Modelle für die Anomalie-Erkennung geeignet sind
• Wie man KI zur Verbesserung der Datenqualität nutzen und manuelle Überprüfungen reduzieren kann