Gartner New York City CDAO Community Executive Summit

Worum ging es bei dem Gipfeltreffen?

Vielen Dank für Ihre Teilnahme am Gartner New York City CDAO Community Executive Summit.

Auf dem Gipfeltreffen kamen führende Experten aus den Bereichen Daten und Analytik zusammen, um sich darauf zu konzentrieren, was tatsächlich erforderlich ist, damit KI in realen Organisationen funktioniert – und nicht nur in der Theorie. Im Mittelpunkt der Diskussionen standen der Aufbau einer soliden Datengrundlage, die Implementierung geeigneter Governance-Strukturen und die Bewältigung des wachsenden Aufgabenbereichs des Chief Data Officer (CDAO), während KI vom Experimentierstadium in den operativen Alltag übergeht. In praxisorientierten, von Gleichgesinnten geleiteten Gesprächen tauschten die Teilnehmer Erfahrungen aus: Was funktioniert, was ist schwierig und wie CDAOs sinnvolle Fortschritte erzielen können, ohne zu hohe Erwartungen zu stellen oder unrealistische Versprechungen zu machen. In der gut besuchten Session von Rocket verankerte Michael Curry diese Themen in der Realität, in der CDAOs heute arbeiten, und skizzierte einen klaren Weg für die Zukunft.

Vom Pilotprojekt zur Produktion: Die 5 Anforderungen an agentenbereite Daten

Michaels Vortrag untersuchte, wie agentenbasierte KI die Rolle des CDAO (Canadian Development Authority Officer) bei der Überführung von KI aus Pilotprojekten in den Produktivbetrieb verändert, ohne dabei Risiko oder Komplexität zu erhöhen. Im Mittelpunkt der Diskussion standen fünf Anforderungen, die CDAOs erfüllen müssen, um autonome Systeme verantwortungsvoll zu genehmigen und zu skalieren. Diese Anforderungen basieren auf bestehenden Betriebsrealitäten und orientieren sich eng an den CDAO-Prioritäten für 2026. Der Vortrag bot einen praktischen Rahmen zur Bewertung der Einsatzbereitschaft, zur Klärung der Zuständigkeiten und zur Festlegung der Fortschrittssequenzen, ohne dabei Risiko oder Komplexität zu erhöhen.

Wichtigste Erkenntnisse:

• Warum Organisationen, die KI erfolgreich skalieren, Produktions-KI als Herausforderung für Datenmanagement und Governance und nicht als Modellproblem behandeln
• Wie führende Teams Vertrauen durch messbare Standards – wie Datenaktualität, Herkunft und Validierung – operationalisieren, bevor Autonomie genehmigt wird
• Was es bedeutet, strukturierte Daten und unstrukturierte Inhalte zum Zeitpunkt der Entscheidung zu vereinheitlichen, um den Agenten konsistentes, geregeltes Wissen bereitzustellen
• Wie ein gemeinsamer Kontext, Richtlinien als Code und vorhersehbares Systemverhalten es CDAOs ermöglichen, Ergebnisse unter der Aufsicht von Exekutive und Regulierungsbehörden zu verteidigen
• Organisationen beginnen jetzt damit, sich auf einen Bereich oder ein Datenprodukt zu konzentrieren, um Fortschritte in Richtung agentenfähiger Daten ohne großflächige Störungen zu erzielen.

Wichtigste Punkte: Was CDAOs jetzt priorisieren

1. KI von Experimenten in den Unternehmenseinsatz überführen

Ein zentrales Thema der Konferenz war, dass die Herausforderung bei KI nicht mehr darin besteht, ihren Wert in Pilotprojekten nachzuweisen, sondern ihn zuverlässig im großen Maßstab bereitzustellen. Gartner betonte, dass der Erfolg in der Produktion von der Datenverfügbarkeit in komplexen Umgebungen abhängt – von Vertrauen, Governance und Reproduzierbarkeit – und nicht allein von Modellen oder Tools. Die Definition klarer Bedingungen für die Zulassung autonomer Systeme ist ein entscheidender Schritt hin zu zuverlässiger KI. Dies trägt dazu bei, den Fortschritt als Herausforderung der Umsetzung und Einsatzbereitschaft zu begreifen, anstatt ihn als fortgesetztes Experimentieren zu betrachten.

2. Eine Governance, die beschleunigt, nicht einschränkt

Mit zunehmender Autonomie von KI-Systemen betonten die Referenten die Notwendigkeit einer Governance, die als integraler Bestandteil der Ausführung und nicht als nachträgliche Kontrollmaßnahme fungiert. Der Fokus lag auf einer richtlinienbasierten, laufzeitorientierten Governance, die einen schnelleren Zugriff auf vertrauenswürdige Daten ermöglicht und gleichzeitig Verantwortlichkeit und Aufsicht gewährleistet. Dieser Wandel wird durch die Fokussierung auf durchsetzbares Vertrauen, gemeinsamen Kontext und Richtlinien als operative Anforderungen vorangetrieben. Es wurde deutlich, dass es sich hierbei nicht um ein einzelnes Projekt oder eine neue Plattform handelt, sondern um einen Weg. Durch ein realistisches, schrittweises Management können CDAOs (Customer Development Accounting Officers) sicher demonstrieren, wie Governance parallel zur KI skalieren kann, ohne den Fortschritt zu bremsen.

3. Operationalisierung von „Daten als Produkt“

In vielen Sitzungen wurde der Wert von Daten-als-Produkt-Modellen erörtert, um Eigentumsverhältnisse, Qualitätsanforderungen und Verantwortlichkeiten im Zuge der Ausweitung von KI-Initiativen zu klären. Da Agenten zunehmend auf diese Modelle angewiesen sein werden, sind stabile, verwaltete Datenbestände und klare operative Verantwortlichkeiten Voraussetzung für agentenfähige Daten und letztlich für Datenprodukte. Zusammengenommen unterstrichen diese Perspektiven, wie wichtig produktorientierte Datengrundlagen für die sichere Skalierung von KI werden.

Wissen Sie, wo Ihre Datenstrategie steht und was Sie als Nächstes tun sollten?

IDC identifiziert sechs Säulen der IT-Modernisierung. Vollständige und verlässliche Daten bilden die Grundlage für alle. Kann Ihre Datenstrategie dies nicht gewährleisten, werden KI und fortgeschrittene Analysen Schwierigkeiten haben, in großem Umfang Mehrwert zu generieren.

Vergleichen Sie Ihr Unternehmen mit Branchenkollegen, identifizieren Sie Schwachstellen und klären Sie Prioritäten. Nach Erhalt Ihrer Ergebnisse stehen Ihnen die Experten von Rocket Software zur Verfügung, um diese mit Ihnen zu besprechen und die nächsten Schritte zur Stärkung Ihrer Datengrundlage für KI im Unternehmen zu erörtern.