Voraussetzungen für den Aufbau einer KI-fähigen Datenbasis: Erkenntnisse von der Think 2026

Die Intelligenz für KI entwickelt sich weiter.

Während früher der Schwerpunkt lediglich auf dem Datenzugriff lag, sind die Anforderungen an KI-fähige Daten heute höher. Unternehmen, die über die Phase der KI-Experimente hinaus zur KI-Transformation übergehen, streamen Daten in Echtzeit, reichern sie mit Kontextinformationen an und stellen sicher, dass sie vertrauenswürdig sind.

„Intelligenz muss sich weiterentwickeln – weg von der bloßen Verfügbarkeit hin zu etwas, das umsetzbar ist“, erklärte Rob Thomas, Senior Vice President für Software und Chief Commercial Officer bei IBM, in seiner Eröffnungsrede auf der Think 2026. „Ohne diese Entwicklung wird Ihre KI die Fragmentierung, die in vielen Unternehmen herrscht, nur noch verstärken.“

Während der Konferenz erklärten Thomas, weitere Führungskräfte von IBM sowie IBM-Partner, wie IBMs watsonx.data und Confluent, die führende Daten-Streaming-Plattform, die kürzlich von IBM übernommen wurde, Unternehmen dabei unterstützen, Fragmentierung und andere Datenherausforderungen zu überwinden – und so die KI-Leistung in großem Maßstab zu steigern.

„Confluent stellt die Echtzeit-Ereignis-Grundlage bereit, die Daten unmittelbar nach ihrem Auftreten erfasst und weiterleitet“, erklärte Scott Brokaw, IBM Vice President of Product für watsonx.data integration, während einer Think-Veranstaltung zum Thema „Aufbau einer intelligenteren Architektur für KI“. „IBM führt diese Daten zusammen, verwaltet sie, reichert sie an und bereitet sie so auf, dass die KI darauf reagieren kann.“

Jay Kreps, Mitbegründer und CEO von Confluent, trat bei Thomas’ Keynote auf, um zu erläutern, wie Unternehmen Datensilos aufbrechen und aus Unternehmensdaten einen Mehrwert generieren.

Daten haben sich „von etwas, das in einzelnen Systemen eingeschlossen ist, zu etwas entwickelt, das tatsächlich organisationsübergreifend fließt und viele Akteure antreibt“, so Kreps.

Er verwies auf Erfolgsgeschichten wie die von Marriott, das die Technologie von Confluent nutzte, um verteiltes Datenquellen zu vereinen und so die Customer Experience zu verbessern.

Die Hotelkette habe „alle Daten, die sie über ihre Gäste hatte – alle Informationen zu Personalisierung, Treueprogrammen und Marketing – zusammengeführt, um wirklich alles, was sie über die Menschen wusste, die bei ihr übernachteten, zu bündeln und zu versuchen, dieses Erlebnis zu optimieren“, sagte Kreps. Diese wirkungsvolle Initiative habe, so sagte er, einen Umsatz von mehr als 250 Millionen Dollar generiert.

Für Suresh Visvanathan, Group Chief Operating Officer der in Großbritannien ansässigen Nationwide Building Society, einem Anbieter von Finanzdienstleistungen für Privatkunden, geht es bei der unternehmensweiten Nutzung zeitnaher Daten darum, „sowohl in der Offensive als auch in der Defensive zu agieren“.

Die Herausforderung bestand darin, den Kunden Personalisierung zu bieten – und zwar schnell.  „Wenn man es für einen Kunden nicht dann tun kann, wenn er es braucht, ist es schon ein bisschen zu spät“, sagte Visvanathan, ein Gast bei Thomas’ Vortrag.

Auf der Verteidigungsseite haben Echtzeitdaten dem Unternehmen geholfen, kleinere Probleme zu beheben, bevor sie zu größeren Problemen werden. „Observability ist in unserer Branche ein großes Thema, so wie in vielen anderen auch“, sagte er. „Daher ist Ihre Fähigkeit, herauszufinden, ob ein Geldautomat ausfällt, ob die mobile App nicht funktioniert, an welcher Stelle in der Lieferkette es tatsächlich zu einer Störung kommt und wie Sie darauf reagieren, von entscheidender Bedeutung.“

Es sind nicht nur große Unternehmen wie Marriott und die Nationwide Building Society, die über die Experimentierphase mit KI hinausgehen und transformative Ergebnisse erzielen. KI-orientierte Unternehmen jeder Größe können – unabhängig davon, wo sie sich auf ihrer KI-Journey befinden – Maßnahmen ergreifen, um den Wert ihrer Unternehmensdaten durch Echtzeit-Kontext und Governance zu nutzen.

Unternehmen können klein anfangen: indem sie einen Anwendungsfall identifizieren, der das Potenzial hat, eine große Wirkung zu erzielen. Sie können eine Grundlage für die KI-Bereitschaft schaffen – eine, die sie später auf verschiedene Bereiche ausweiten können –, und zwar durch das, was Sean Falconer, Leiter des Bereichs KI und Produkt bei Confluent, als „grundlegend anderen Ansatz im Umgang mit Daten“ bezeichnet.

Falconer, der an Brokaws Sitzung teilnahm, erklärte, dass erfolgreiche Unternehmen, anstatt Daten erst im nachgelagerten Bereich zu verarbeiten und zu verwalten, „dieses Problem näher an die Datenquelle verlagert haben, wo die Daten entstehen und bereits im Datenstrom vorliegen“.

„Das Ergebnis sind in Echtzeit erstellte, wiederverwendbare und universell einsetzbare Datenprodukte“, so Falconer. „Diese vollständig verwalteten Datenassets kann sofort zugegriffen werden, sobald sie benötigt werden.“

Der richtige Umgang mit Daten kann eine der leistungsstärksten KI-Technologien der Gegenwart vorantreiben: KI-Agenten. Jay Kreps von Confluent erläuterte beispielsweise, dass Agenten so konzipiert werden könnten, dass sie Kundenbeschwerden im Zusammenhang mit Essenslieferungen bearbeiten.

„Man kann sich tatsächlich in die Quellsysteme einklinken, um an diese Informationen zu gelangen – die Anwendungen und die Datenbank –, diese Änderungen in Echtzeit erfassen und den Strom der eingehenden Beschwerden aufnehmen“, sagte er, „und ihn in Echtzeit mit dem gesamten Kontext zur Lieferung kombinieren“, einschließlich Details zum Kunden und zum Fahrer.

Das Ergebnis? Ein Agent verfügt über die notwendigen Informationen, um wichtige nächste Schritte festzulegen, wie beispielsweise die Erstattung von Beträgen oder die Versendung eines Betrugs-Alerts.

„Am Ende hat dieser Agent den vollen Überblick über die Vorgänge im gesamten Unternehmen – nur die Dinge, die wir wollen, nicht die Dinge, die wir nicht wollen“, sagte Kreps. „Es handelt sich um gut aufbereitete, gut strukturierte Daten, auf deren Grundlage man handeln kann.“

Darüber hinaus können dieselben Daten, die die Echtzeitentscheidungen des Agenten unterstützen, auch für weitere Erkenntnisse genutzt werden, die über watsonx.data einen zusätzlichen Mehrwert liefern können.“

„Ich kann die Daten, die in Echtzeit eingehen – und auf deren Grundlage ich handle –, allen Analysefunktionen und den Typen von Fragen, die sich dabei ganz natürlich ergeben, zur Verfügung stellen“, sagte Kreps. „Ich kann das analysieren und versuchen herauszufinden, was dort draußen in der Produktion tatsächlich vor sich geht, was unser Mitarbeiter gerade tut. Welche Typen von Kunden kommen zu uns? … Wie sieht der allgemeine Trend aus?“

„Wir haben eine hervorragende Integration mit watsonx.data erreicht, und das ist unglaublich leistungsstark“, sagte Kreps.

Das Beispiel der Essenslieferung zeigt, was mit dem richtigen Ansatz bei der Datenverwaltung erreicht werden kann. Doch was passiert, wenn dieser Ansatz fehlt?

In seinem Vortrag veranschaulichte Brokaw, wie zuverlässige, zeitnahe und kontextbezogene Daten in einem dynamischen Umfeld den Unterschied zwischen „Business as usual“ und schwerwiegenden Störungen ausmachen können. Er stellte ein für den E-Commerce typisches Szenario vor: die Bearbeitung von nächtlichen Kundenbestellungen.

Wenn ein Artikel nach der Bestellung nicht vorrätig ist, bemerkt dies üblicherweise ein Koordinator der Auftragsabwicklung, ruft den Kunden an und veranlasst eine Rückerstattung. Die Situation ist zwar nicht ideal, aber zumindest unter Kontrolle, so Brokaw.

Die Situation kann sich jedoch drastisch ändern, wenn ein KI-Agent die Verantwortung übernimmt. KI-Agenten benötigen Zugriff auf die richtigen Daten – Echtzeitdaten für eine zeitnahe Entscheidungsfindung und historische Daten, um Trends und Anomalien besser zu verstehen. Ohne diese Informationen würde die Unternehmensplattform möglicherweise weiterhin Bestellungen annehmen.

„Bis es jemand bemerkt, handelt es sich nicht mehr um eine einzige [nicht ausgeführte] Bestellung, sondern um Hunderte oder sogar Tausende – der Agent hat das Problem nicht eingedämmt. Er hat das Problem sogar noch verschärft“, sagte Brokaw. „Der Fehler des Agenten erfordert einen neuen Ansatz für die Datenverwaltung, der sowohl auf Menschen als auch auf Agenten zugeschnitten ist.“

watsonx.data und Confluent ermöglichen diesen neuen Ansatz. Im neuen Daten-Stack von IBM sorgt Confluent mit seinen Echtzeit-Datenstromfunktionen, die auf den Technologien Kafka und Flink basieren, dafür, dass ein Mitarbeiter mit aktuellen Daten statt mit veralteten Informationen arbeitet. Anschließend, in der Kontext-Ebene des Daten-Stacks, „werden Daten intelligent“, so Brokaw.

Die neue Context-Funktion von watsonx.data ermöglicht es KI-Systemen, auf Informationen – ob strukturiert oder unstrukturiert – in verteilten Umgebungen zuzugreifen. OpenRAG auf watsonx.data hilft dabei, Unternehmensdokumente in KI-fähiges Wissen für Abruf- und SchlussfolgerungsWorkflows umzuwandeln, wodurch die Art und Weise verbessert wird, wie Agenten relevanten Geschäftskontext ermitteln und nutzen. Und die Real-Time Context Engine von Confluent stellt KI-Systemen über das Model Context Protocol angereicherte Unternehmensdaten zur Verfügung.

Während Daten kuratiert und bereitgestellt werden, werden sie gleichzeitig auch verwaltet: watsonx.data wendet gemeinsame Definitionen an, überwacht Signale zur Datenqualität und deren Abstammung und setzt Data Governance-Richtlinien durch. „Die Entscheidungen, die die Agenten treffen, sind Entscheidungen, denen man vertrauen können muss, wenn Agenten autonom und in Maschinengeschwindigkeit handeln“, sagte Brokaw. „Data Governance darf nicht erst im Nachhinein erfolgen.“

„Mit den Fortschritten bei der Bereitstellung zeitnaher, kontextbezogener und vertrauenswürdiger Daten für KI erlebt die Unternehmenswelt derzeit eine Verlagerung der ‚Datengravitation‘“, so Brokaw. „Wir haben das Fundament geschaffen: Eingang von Echtzeit-Signalen, Ausgabe von vertrauenswürdigem Kontext.“