Patrick Upmann

Kategorie: Data Governance Insights

Data Governance Insights: Aktuelle Entwicklungen und Best Practices in der Datenverwaltung

Willkommen bei Data Governance News, Ihrer zentralen Anlaufstelle für die neuesten Informationen und fundierten Berichte über die Welt der Datenverwaltung. Hier bieten wir Ihnen umfassende Einblicke in die neuesten Entwicklungen, Technologien und Best Practices im Bereich Data Governance und decken die wichtigsten untergeordneten Themen ab.

Neueste Entwicklungen und Forschung

Unsere Berichterstattung umfasst die aktuellsten wissenschaftlichen Erkenntnisse und technischen Fortschritte im Bereich der Datenverwaltung. Erfahren Sie mehr über innovative Ansätze zur Sicherstellung der Datenqualität, Integrität und Verfügbarkeit, die Unternehmen dabei helfen, ihre Daten als strategischen Vorteil zu nutzen.

Datenrichtlinien und Compliance

Data Governance News beleuchtet die neuesten gesetzlichen Anforderungen und regulatorischen Entwicklungen, die die Datenverwaltung betreffen. Bleiben Sie auf dem Laufenden über neue Compliance-Richtlinien, Datenschutzgesetze wie die DSGVO und deren Auswirkungen auf Unternehmen weltweit.

Datensicherheit und Datenschutz

Ein zentraler Bestandteil der Data Governance ist die Datensicherheit und der Schutz personenbezogener Daten. Wir informieren Sie über Best Practices zur Sicherstellung der Datensicherheit, Schutz vor Cyberangriffen und Maßnahmen zur Einhaltung von Datenschutzvorschriften.

Datenqualität und -integrität

Erfahren Sie, wie Unternehmen die Genauigkeit, Konsistenz und Verlässlichkeit ihrer Daten sicherstellen. Unsere Berichterstattung bietet tiefgehende Einblicke in Methoden zur Datenbereinigung, Datenqualitätsmetriken und Tools zur Überwachung und Verbesserung der Datenqualität.

Datenzugriffsmanagement

Lesen Sie über Strategien und Technologien zur Verwaltung des Datenzugriffs. Erfahren Sie, wie Unternehmen sicherstellen, dass nur autorisierte Personen Zugriff auf sensible Daten haben, und wie Rollen- und Berechtigungsmanagement effektiv umgesetzt wird.

Metadatenmanagement

Entdecken Sie die Bedeutung des Metadatenmanagements für eine erfolgreiche Data Governance. Wir stellen Ihnen Ansätze und Tools zur Verwaltung und Nutzung von Metadaten vor, die helfen, Datenressourcen besser zu verstehen und zu organisieren.

Datenkataloge und -linien

Ein weiterer wichtiger Aspekt der Data Governance ist das Management von Datenkatalogen und Datenlinien. Erfahren Sie, wie Unternehmen ihre Datenbestände dokumentieren und nachvollziehbar machen, um Transparenz und Datenverfügbarkeit zu verbessern.

Technologien und Tools

Erfahren Sie mehr über die neuesten Technologien und Tools, die Unternehmen bei der effektiven Verwaltung ihrer Daten unterstützen. Von Data Governance Plattformen bis hin zu speziellen Tools für Datenqualität, Datenkataloge und Metadatenmanagement – wir stellen Ihnen die wichtigsten Innovationen vor.

Strategien und Best Practices

Unsere Berichterstattung bietet tiefgehende Einblicke in bewährte Strategien und Best Practices für eine erfolgreiche Datenverwaltung. Lernen Sie von erfolgreichen Implementierungen und erfahren Sie, welche Methoden und Ansätze sich in der Praxis bewährt haben.

Interviews und Expertenmeinungen

Lesen Sie exklusive Interviews mit führenden Experten im Bereich Data Governance. Erfahren Sie aus erster Hand, wie Datenprofis die Herausforderungen und Chancen der Datenverwaltung sehen und welche Strategien sie empfehlen.

Markttrends und Analysen

Bleiben Sie auf dem Laufenden über die neuesten Markttrends und wirtschaftlichen Auswirkungen von Data Governance. Unsere Expertenanalysen bieten Ihnen wertvolle Einblicke in Marktbewegungen, Investitionstrends und die strategischen Entscheidungen führender Unternehmen.

Konferenzen und Veranstaltungen

Erhalten Sie umfassende Berichte über wichtige Konferenzen, Branchenveranstaltungen und Workshops im Bereich Data Governance. Bleiben Sie informiert über die Diskussionen und Präsentationen, die die Landschaft der Datenverwaltung prägen.

Fallstudien und Best Practices

Lernen Sie aus detaillierten Fallstudien und Best Practices, wie Unternehmen ihre Data Governance-Programme erfolgreich implementiert haben. Diese Praxisbeispiele bieten wertvolle Einblicke und praktische Tipps für die Umsetzung eigener Data Governance-Initiativen.

Data Governance News ist Ihre unverzichtbare Ressource für alles, was Sie über die Verwaltung und Nutzung von Daten wissen müssen. Bleiben Sie informiert und an der Spitze der Datenverwaltung mit Data Governance News!

  • KI-Anwendung ChatGPT im Einsatz auf digitalen E-Commerce Plattformen

    KI-Anwendung ChatGPT im Einsatz auf digitalen E-Commerce Plattformen

    Künstliche Intelligenz (KI) hat im Bereich E-Commerce erheblichen Einfluss genommen, und ChatGPT ist eine der vielen Anwendungen, die den Online-Handel revolutionieren.


    Hier sind einige Einsatzmöglichkeiten von ChatGPT im E-Commerce:

    Kundenbetreuung:
    Kundenbetreuung durch ChatGPT bezieht sich auf den Einsatz von künstlicher Intelligenz, insbesondere des ChatGPT-Modells, um Kundensupport-Aufgaben effektiv und effizient auszuführen. ChatGPT ist ein fortschrittlicher Sprach-KI-Algorithmus, der darauf trainiert ist, natürlichsprachliche Anfragen und Texte zu verstehen und darauf zu reagieren. Die Anwendung von ChatGPT im Bereich der Kundenbetreuung bietet zahlreiche Vorteile:

    Automatisierung: ChatGPT kann als virtueller Assistent oder Chatbot fungieren und automatisch auf Kundenanfragen reagieren, wodurch menschliche Kundenbetreuer entlastet und ihnen mehr Zeit für komplexere und spezifischere Anfragen gegeben wird.

    Verfügbarkeit: Da ChatGPT ein KI-Modell ist, kann es rund um die Uhr verfügbar sein, um Kundenanfragen zu beantworten. Dies verbessert die Kundenzufriedenheit, indem es schnelle Antworten und Support bietet, unabhängig von der Tageszeit oder dem Standort des Kunden.

    Skalierbarkeit: ChatGPT kann mit einer großen Anzahl von Kundenanfragen umgehen, ohne dass zusätzliche Ressourcen erforderlich sind. Dies macht es zu einer kosteneffizienten Lösung für Unternehmen, die ihren Kundensupport skalieren möchten.

    Personalisierung: ChatGPT kann basierend auf den Anfragen der Kunden und ihren früheren Interaktionen personalisierte Antworten und Lösungen anbieten. Dies trägt zur Verbesserung der Kundenzufriedenheit bei und ermöglicht es Unternehmen, auf die individuellen Bedürfnisse ihrer Kunden einzugehen.

    Sprachunterstützung: ChatGPT kann in verschiedenen Sprachen eingesetzt werden, was es Unternehmen ermöglicht, Kunden in verschiedenen Ländern und Sprachräumen besser zu unterstützen.

    Integration: ChatGPT kann in bestehende Support-Systeme integriert werden, wie z.B. Live-Chat-Funktionen auf Websites, Messaging-Apps oder Social-Media-Plattformen. Dies ermöglicht eine nahtlose Kommunikation zwischen Kunden und dem Kundensupport.

    Insgesamt ermöglicht die Kundenbetreuung durch ChatGPT eine verbesserte Kundenzufriedenheit, eine effizientere Nutzung von Ressourcen und eine stärkere Kundenbindung. Es bietet eine zeitgemäße, skalierbare und kostengünstige Lösung für den Kundensupport im digitalen Zeitalter.

    Produktempfehlungen: ChatGPT kann im E-Commerce-Bereich effektiv für Produktempfehlungen eingesetzt werden. Durch die Analyse von Kundenpräferenzen, -verhalten und -interaktionen kann das KI-Modell personalisierte Produktempfehlungen erstellen, die auf den individuellen Bedürfnissen und Wünschen der Kunden basieren. Hier sind einige Vorteile und Methoden, wie ChatGPT bei der Erstellung von Produktempfehlungen verwendet werden kann:

    Personalisierung: ChatGPT kann Daten aus früheren Kundeninteraktionen, Kaufhistorie und gespeicherten Präferenzen nutzen, um Produktempfehlungen zu personalisieren. Diese personalisierten Empfehlungen sprechen die individuellen Bedürfnisse der Kunden an und erhöhen die Wahrscheinlichkeit, dass sie einen Kauf abschließen.

    Verhaltensbasierte Empfehlungen: ChatGPT kann Kundenverhalten analysieren, wie z.B. die Verweildauer auf bestimmten Produktseiten, Suchanfragen und Klickverhalten, um Muster und Vorlieben zu erkennen. Diese Informationen können dann verwendet werden, um relevante Produktempfehlungen abzuleiten.

    Ähnliche Produkte: ChatGPT kann auf Basis von Produktmerkmalen und Kundenbewertungen ähnliche Produkte identifizieren und empfehlen. Diese Funktion ermöglicht es Kunden, alternative Optionen zu finden, die ihren Bedürfnissen und Interessen entsprechen.

    Cross-Selling und Upselling: ChatGPT kann Empfehlungen für komplementäre Produkte oder höherwertige Alternativen generieren. Durch den Einsatz von Cross-Selling- und Upselling-Strategien kann der durchschnittliche Warenkorbwert erhöht und der Umsatz gesteigert werden.

    Kontextabhängige Empfehlungen: ChatGPT kann auch kontextbezogene Informationen, wie aktuelle Trends, saisonale Einflüsse oder regionale Besonderheiten berücksichtigen, um passende Produktempfehlungen zu erstellen.

    Automatisierte E-Mail- und Marketingkampagnen: ChatGPT kann Produktempfehlungen in automatisierten E-Mail-Kampagnen oder Social-Media-Beiträgen integrieren, um Kunden auf personalisierte Angebote aufmerksam zu machen und sie zurück auf die E-Commerce-Plattform zu bringen.

    Durch den Einsatz von ChatGPT für Produktempfehlungen können E-Commerce-Unternehmen eine personalisierte und zielgerichtete Benutzererfahrung bieten. Dies führt zu einer höheren Kundenzufriedenheit, stärkerer Kundenbindung und letztendlich zu einer Steigerung der Verkaufszahlen.

    Automatisierung von Bestell- und Zahlungsprozessen: ChatGPT kann im E-Commerce erfolgreich zur Automatisierung von Bestell- und Zahlungsprozessen eingesetzt werden. Durch die Integration von ChatGPT in die Bestell- und Zahlungssysteme eines Unternehmens können Kunden während des gesamten Kaufvorgangs effizient und unkompliziert unterstützt werden. Hier sind einige Möglichkeiten, wie ChatGPT diesen Prozess automatisieren kann:

    Bestellabwicklung: ChatGPT kann Kunden bei der Auswahl von Produkten, Größen, Farben und anderen Optionen unterstützen. Durch das Führen der Kunden durch den Bestellvorgang wird der Prozess erleichtert und die Wahrscheinlichkeit eines Kaufabbruchs verringert.

    Beantwortung von Fragen: Während des Bestell- und Zahlungsprozesses können Kunden Fragen oder Bedenken haben. ChatGPT kann in Echtzeit Antworten auf häufig gestellte Fragen bereitstellen, etwa zu Versandkosten, Lieferzeiten, Rückgaberichtlinien oder Zahlungsoptionen.

    Benutzerkontenverwaltung: ChatGPT kann Kunden dabei helfen, ihre Kontoinformationen zu verwalten, wie zum Beispiel das Ändern von Passwörtern, das Aktualisieren von Adressen oder das Verfolgen von Bestellungen.

    Zahlungsabwicklung: ChatGPT kann den Kunden durch den Zahlungsprozess führen und bei der Auswahl der passenden Zahlungsmethode unterstützen. Es kann auch bei der Eingabe von Zahlungsinformationen, der Anwendung von Rabattcodes oder der Lösung von Zahlungsproblemen assistieren.

    Bestätigung und Nachverfolgung: Nach Abschluss des Bestellvorgangs kann ChatGPT automatisch Bestätigungsnachrichten versenden und den Kunden über den aktuellen Status ihrer Bestellung informieren. Bei Bedarf kann es auch Informationen zur Sendungsverfolgung bereitstellen.

    Integration in bestehende Systeme: ChatGPT kann nahtlos in die bestehenden Bestell- und Zahlungssysteme eines Unternehmens integriert werden, wodurch eine konsistente Benutzererfahrung gewährleistet wird.

    Die Automatisierung von Bestell- und Zahlungsprozessen durch ChatGPT trägt dazu bei, den Kaufvorgang für Kunden reibungsloser und angenehmer zu gestalten. Dies führt zu einer höheren Conversion-Rate und einer stärkeren Kundenbindung. Durch den Einsatz von ChatGPT können Unternehmen ihren Kunden schnelle und effiziente Unterstützung bieten, während sie gleichzeitig Ressourcen für andere Geschäftsbereiche freisetzen.

    Content-Erstellung:ChatGPT kann im E-Commerce zur Content-Erstellung eingesetzt werden, um produktbezogene Inhalte wie Produktbeschreibungen, Blogposts, Social-Media-Beiträge und mehr zu generieren. Die Fähigkeit von ChatGPT, menschenähnliche und kohärente Texte zu verfassen, macht es zu einem wertvollen Werkzeug für die Erstellung von Inhalten. Hier sind einige Anwendungsmöglichkeiten von ChatGPT für die Content-Erstellung im E-Commerce:

    Produktbeschreibungen: ChatGPT kann detaillierte und ansprechende Produktbeschreibungen erstellen, die auf die spezifischen Eigenschaften und Vorteile des Produkts abzielen. Dadurch werden Kunden besser informiert und dazu ermutigt, einen Kauf abzuschließen.

    Blogposts: ChatGPT kann informative und unterhaltsame Blogartikel verfassen, die für die Zielgruppe relevant sind. Diese Artikel können dazu beitragen, den Traffic auf der E-Commerce-Website zu erhöhen, die Markenbekanntheit zu steigern und die Kundenbindung zu fördern.

    Social-Media-Beiträge: ChatGPT kann ansprechende Social-Media-Inhalte erstellen, um Produkte oder Aktionen zu bewerben, Kundenfeedback einzuholen oder einfach die Online-Community zu stärken. Durch die Verwendung von ChatGPT für Social-Media-Inhalte können Unternehmen Zeit und Ressourcen sparen und gleichzeitig eine konsistente Online-Präsenz aufrechterhalten.

    E-Mail-Kampagnen: ChatGPT kann personalisierte und zielgerichtete E-Mail-Inhalte erstellen, die auf die Bedürfnisse und Interessen der Kunden abgestimmt sind. Dies kann dazu beitragen, die Öffnungs- und Klickraten zu erhöhen und die Conversion-Rate zu verbessern.

    FAQ und Hilfeartikel: ChatGPT kann auch FAQ-Abschnitte oder Hilfeartikel erstellen, um Kunden bei der Beantwortung ihrer Fragen oder der Lösung von Problemen zu unterstützen. Dies trägt zur Verbesserung der Kundenzufriedenheit und Kundenbetreuung bei.

    SEO-Optimierung: ChatGPT kann Inhalte unter Berücksichtigung von SEO-Strategien und Keywords erstellen, um das Ranking in Suchmaschinen zu verbessern und mehr organischen Traffic auf die E-Commerce-Plattform zu lenken.

    Durch den Einsatz von ChatGPT für die Content-Erstellung im E-Commerce können Unternehmen ihre Marketing- und Kommunikationsstrategien optimieren, während sie gleichzeitig Zeit und Ressourcen sparen. Die automatisierte Generierung von qualitativ hochwertigem Content hilft dabei, die Online-Präsenz auszubauen, die Kundenbindung zu stärken und letztendlich den Umsatz zu steigern.

    Kundenbewertungen: ChatGPT kann Kundenbewertungen analysieren und daraus Erkenntnisse gewinnen, die dazu beitragen, die Produktpalette, den Kundenservice oder das Marketing zu verbessern. Durch die Analyse von Kundenfeedback können Unternehmen ihre Angebote optimieren und auf die Bedürfnisse ihrer Kunden eingehen.

    Sprach- und Texterkennung: ChatGPT kann Kundenanfragen in verschiedenen Sprachen verstehen und beantworten, was den Zugang zu internationalen Märkten und Kunden erleichtert. Außerdem kann es dazu verwendet werden, Text in Bildern zu erkennen und zu übersetzen, was beispielsweise bei der Katalogisierung von Produkten hilfreich sein kann.

    Personalisierte Marketingkampagnen: ChatGPT kann dazu beitragen, gezielte und personalisierte E-Mail- oder Social-Media-Kampagnen zu erstellen, die auf den Interessen und dem Verhalten der Kunden basieren. Dies kann die Effektivität von Marketingkampagnen erhöhen und die Kundenbindung stärken.

  • Datenschutz-Grundprinzipien beim Einsatz von Künstlicher Intelligenz (KI)

    Datenschutz-Grundprinzipien beim Einsatz von Künstlicher Intelligenz (KI)

    Künstliche Intelligenz (KI) bietet zahlreiche Möglichkeiten zur Verbesserung von Geschäftsprozessen, Entscheidungsfindung und Kundenerlebnissen. Gleichzeitig stellen KI-Technologien Herausforderungen für den Datenschutz dar, da sie oft große Mengen an personenbezogenen Daten verarbeiten.

    Die Implementierung von Künstlicher Intelligenz (KI) in Unternehmen und Organisationen bietet viele Vorteile, birgt jedoch auch Risiken im Bereich des Datenschutzes. Um den Schutz personenbezogener Daten während der Einführung von KI-Lösungen sicherzustellen, müssen sowohl technische als auch organisatorische Maßnahmen getroffen werden.

    Datenschutz-Grundprinzipien und KI

    Bei der Entwicklung und Anwendung von Künstlicher Intelligenz (KI) ist es wichtig, Datenschutz-Grundprinzipien zu beachten, um den Schutz personenbezogener Daten zu gewährleisten. Im Folgenden werden die wichtigsten Datenschutz-Grundprinzipien in Bezug auf KI-Systeme erläutert:

    Rechtmäßigkeit, Fairness und Transparenz

    Rechtmäßigkeit, Fairness und Transparenz sind grundlegende Prinzipien des Datenschutzes, die auch bei der Datenverarbeitung durch Künstliche Intelligenz (KI) beachtet werden müssen. Diese Prinzipien gewährleisten den Schutz der Privatsphäre der betroffenen Personen und fördern das Vertrauen in KI-Systeme.

    Rechtmäßigkeit

    Die Datenverarbeitung durch KI-Systeme muss auf einer rechtmäßigen Grundlage erfolgen, wie beispielsweise der Einwilligung der betroffenen Person, einem Vertrag, einer gesetzlichen Verpflichtung oder einem berechtigten Interesse des Datenverarbeiters. Um die Rechtmäßigkeit der Datenverarbeitung sicherzustellen, sollten Organisationen die geltenden Datenschutzgesetze und -bestimmungen einhalten und die erforderlichen Genehmigungen von den betroffenen Personen oder den zuständigen Behörden einholen.

    Fairness

    Die Datenverarbeitung durch KI-Systeme sollte fair sein, das heißt, sie sollte keine diskriminierenden oder ungerechten Auswirkungen auf die betroffenen Personen haben. Um Fairness zu gewährleisten, sollten Entwickler von KI-Systemen auf die Auswahl der Trainingsdaten achten, um mögliche Verzerrungen oder Diskriminierungen zu vermeiden. Darüber hinaus sollten Organisationen sicherstellen, dass die KI-Systeme keine ungerechtfertigten negativen Auswirkungen auf bestimmte Gruppen oder Individuen haben.

    Transparenz

    Transparenz ist entscheidend, um das Vertrauen der betroffenen Personen in KI-Systeme aufzubauen und ihre Rechte im Zusammenhang mit der Datenverarbeitung zu gewährleisten. Um Transparenz zu erreichen, sollten Organisationen die betroffenen Personen über die Verwendung ihrer personenbezogenen Daten, die zugrunde liegenden Algorithmen und die potenziellen Auswirkungen der Datenverarbeitung informieren. Darüber hinaus sollten KI-Systeme so entwickelt werden, dass ihre Entscheidungen und Empfehlungen nachvollziehbar und erklärbar sind.

    Durch die Sicherstellung von Rechtmäßigkeit, Fairness und Transparenz bei der Datenverarbeitung durch KI-Systeme können Organisationen die Privatsphäre der betroffenen Personen schützen, das Vertrauen in KI-Technologien stärken und die Einhaltung der geltenden Datenschutzgesetze und -bestimmungen gewährleisten.

    Zweckbindung

    Die Zweckbindung ist ein grundlegendes Datenschutzprinzip, das besagt, dass personenbezogene Daten nur für den ursprünglich festgelegten Zweck verarbeitet werden dürfen und nicht für andere, inkompatible Zwecke verwendet werden sollten. Bei der Implementierung von Künstlicher Intelligenz (KI) ist es wichtig, die Zweckbindung zu beachten, um den Schutz der Privatsphäre der betroffenen Personen zu gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherzustellen.

    Um die Zweckbindung beim Einsatz von KI zu gewährleisten, sollten Organisationen die folgenden Schritte beachten:

    Klare Definition des Zwecks: Vor der Verarbeitung personenbezogener Daten durch KI-Systeme sollte der Zweck der Datenverarbeitung klar definiert und dokumentiert werden. Dieser Zweck sollte spezifisch, explizit und legitim sein.

    Informieren der betroffenen Personen: Die betroffenen Personen sollten über den Zweck der Datenverarbeitung informiert werden, bevor ihre personenbezogenen Daten von KI-Systemen verarbeitet werden. Dies kann durch eine transparente Datenschutzerklärung oder durch direkte Kommunikation mit den betroffenen Personen erfolgen.

    Beschränkung der Datenverarbeitung: KI-Systeme sollten so entwickelt und implementiert werden, dass sie nur diejenigen personenbezogenen Daten verarbeiten, die für den festgelegten Zweck erforderlich sind. Die Verarbeitung von Daten für andere, nicht mit dem ursprünglichen Zweck vereinbare Zwecke sollte vermieden werden.

    Datenspeicherung und -löschung: Personenbezogene Daten sollten nur so lange gespeichert werden, wie es für den festgelegten Zweck erforderlich ist. Nach Ablauf dieser Frist sollten die Daten gelöscht oder anonymisiert werden, um die Identifizierung der betroffenen Personen zu verhindern.

    Kontrolle und Überwachung: Die Einhaltung der Zweckbindung sollte regelmäßig überprüft und überwacht werden, um sicherzustellen, dass KI-Systeme die Datenschutzprinzipien einhalten und personenbezogene Daten nicht für andere Zwecke verarbeiten.

    Schulung und Sensibilisierung: Mitarbeiter, die mit KI-Systemen arbeiten, sollten geschult und für die Bedeutung der Zweckbindung sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Datenschutzpraktiken anwenden und die Einhaltung der gesetzlichen Vorschriften gewährleisten.

    Durch die Berücksichtigung der Zweckbindung beim Einsatz von KI können Organisationen den Schutz der Privatsphäre der betroffenen Personen gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherstellen.

    Datenminimierung

    Datenminimierung ist ein grundlegendes Datenschutzprinzip, das besagt, dass personenbezogene Daten nur in dem Umfang erhoben, verarbeitet und gespeichert werden sollten, der für den festgelegten Zweck erforderlich ist. Bei der Implementierung von Künstlicher Intelligenz (KI) ist es wichtig, die Datenminimierung zu beachten, um den Schutz der Privatsphäre der betroffenen Personen zu gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherzustellen.

    Um die Datenminimierung beim Einsatz von KI zu gewährleisten, sollten Organisationen die folgenden Schritte beachten:

    Notwendigkeit der Datenerhebung prüfen: Bevor personenbezogene Daten für KI-Systeme erhoben werden, sollte geprüft werden, ob die Datenerhebung für den festgelegten Zweck tatsächlich erforderlich ist. Wenn möglich, sollten alternative Methoden in Betracht gezogen werden, die keine personenbezogenen Daten benötigen.

    Minimale Datenerhebung: KI-Systeme sollten so entwickelt und implementiert werden, dass sie nur diejenigen personenbezogenen Daten erheben, die für den festgelegten Zweck unbedingt erforderlich sind. Die Sammlung von übermäßigen oder irrelevanten Daten sollte vermieden werden.

    Anonymisierung und Pseudonymisierung: Wenn möglich, sollten personenbezogene Daten anonymisiert oder pseudonymisiert werden, bevor sie von KI-Systemen verarbeitet werden. Dies verringert das Risiko von Datenschutzverletzungen und minimiert die Menge an personenbezogenen Daten, die verarbeitet werden.

    Datenzugriff und -speicherung: Der Zugriff auf personenbezogene Daten sollte auf das notwendige Minimum beschränkt werden, um sicherzustellen, dass nur autorisierte Personen Zugang zu den Daten haben. Die Speicherung von personenbezogenen Daten sollte nur so lange erfolgen, wie es für den festgelegten Zweck erforderlich ist, und die Daten sollten anschließend gelöscht oder anonymisiert werden.

    Überprüfung und Aktualisierung von Datensätzen: Organisationen sollten regelmäßig die von KI-Systemen verwendeten Datensätze überprüfen und aktualisieren, um sicherzustellen, dass nur relevante und notwendige Daten verarbeitet werden. Veraltete oder unnötige Daten sollten entfernt werden.

    Schulung und Sensibilisierung: Mitarbeiter, die mit KI-Systemen arbeiten, sollten geschult und für die Bedeutung der Datenminimierung sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Datenschutzpraktiken anwenden und die Einhaltung der gesetzlichen Vorschriften gewährleisten.

    Durch die Berücksichtigung der Datenminimierung beim Einsatz von KI können Organisationen den Schutz der Privatsphäre der betroffenen Personen gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherstellen.

    Richtigkeit

    Die Richtigkeit der Daten ist ein wichtiges Datenschutzprinzip, das besagt, dass personenbezogene Daten genau und auf dem neuesten Stand gehalten werden sollten. Bei der Implementierung von Künstlicher Intelligenz (KI) ist es wichtig, die Richtigkeit der Daten zu berücksichtigen, um die Qualität der KI-gestützten Entscheidungen und Vorhersagen zu gewährleisten und den Schutz der Privatsphäre der betroffenen Personen zu wahren.

    Um die Richtigkeit der Daten bei der Verwendung von KI zu gewährleisten, sollten Organisationen die folgenden Schritte beachten:

    Überprüfung der Datenquellen: Die Qualität der verwendeten Daten hat einen direkten Einfluss auf die Leistung der KI-Systeme. Daher ist es wichtig, die Datenquellen sorgfältig zu überprüfen und sicherzustellen, dass die gesammelten personenbezogenen Daten korrekt und verlässlich sind.

    Aktualisierung der Daten: Organisationen sollten regelmäßig die von KI-Systemen verwendeten Daten überprüfen und aktualisieren, um sicherzustellen, dass sie genau und auf dem neuesten Stand sind. Veraltete oder fehlerhafte Daten können die Qualität der KI-gestützten Entscheidungen und Vorhersagen beeinträchtigen.

    Bereinigung der Daten: Die Daten sollten vor der Verarbeitung durch KI-Systeme bereinigt werden, um eventuelle Fehler, Inkonsistenzen oder Duplikate zu entfernen. Datenbereinigung kann dazu beitragen, die Genauigkeit der Ergebnisse zu verbessern und mögliche Verzerrungen zu reduzieren.

    Validierung und Überprüfung der Ergebnisse: Die Ergebnisse von KI-Systemen sollten validiert und überprüft werden, um sicherzustellen, dass sie auf korrekten und aktuellen Daten basieren. Dies kann durch die Verwendung von Testdatensätzen, Kreuzvalidierung oder Expertenbewertungen erfolgen.

    Berücksichtigung der Rechte der betroffenen Personen: Gemäß den Datenschutzgesetzen und -bestimmungen haben die betroffenen Personen das Recht, die Berichtigung unrichtiger personenbezogener Daten zu verlangen. Organisationen sollten Verfahren und Mechanismen implementieren, um solche Anfragen effizient und zeitnah zu bearbeiten.

    Schulung und Sensibilisierung: Mitarbeiter, die mit KI-Systemen arbeiten, sollten geschult und für die Bedeutung der Richtigkeit der Daten sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Datenschutzpraktiken anwenden und die Einhaltung der gesetzlichen Vorschriften gewährleisten.

    Durch die Berücksichtigung der Richtigkeit der Daten bei der Verwendung von KI können Organisationen die Qualität der KI-gestützten Entscheidungen und Vorhersagen gewährleisten, die Privatsphäre der betroffenen Personen schützen und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherstellen.

    Speicherbegrenzung

    Die Speicherbegrenzung ist ein grundlegendes Datenschutzprinzip, das besagt, dass personenbezogene Daten nicht länger als für den festgelegten Zweck erforderlich aufbewahrt werden sollten. Bei der Implementierung von Künstlicher Intelligenz (KI) ist es wichtig, die Speicherbegrenzung zu beachten, um den Schutz der Privatsphäre der betroffenen Personen zu gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherzustellen.

    Um die Speicherbegrenzung beim Einsatz von KI zu gewährleisten, sollten Organisationen die folgenden Schritte beachten:

    Festlegung von Aufbewahrungsfristen: Organisationen sollten klare Aufbewahrungsfristen für personenbezogene Daten festlegen, die von KI-Systemen verarbeitet werden. Diese Fristen sollten auf dem Zweck der Datenverarbeitung basieren und sicherstellen, dass die Daten nur so lange gespeichert werden, wie es für diesen Zweck erforderlich ist.

    Automatische Löschung oder Anonymisierung: Nach Ablauf der Aufbewahrungsfrist sollten personenbezogene Daten automatisch gelöscht oder anonymisiert werden, um die Identifizierung der betroffenen Personen zu verhindern. Hierdurch wird das Risiko von Datenschutzverletzungen verringert.

    Prüfung der Datenspeicherung: Organisationen sollten regelmäßig die Speicherung von personenbezogenen Daten überprüfen, um sicherzustellen, dass veraltete oder nicht mehr benötigte Daten entfernt werden. Dies hilft, die Datenmenge zu reduzieren und die Einhaltung der Speicherbegrenzung sicherzustellen.

    Datensicherheit: Um die Sicherheit der gespeicherten personenbezogenen Daten zu gewährleisten, sollten Organisationen geeignete technische und organisatorische Maßnahmen ergreifen, wie zum Beispiel Verschlüsselung, Zugangskontrollen und regelmäßige Sicherheitsüberprüfungen.

    Sensibilisierung und Schulung: Mitarbeiter, die mit KI-Systemen arbeiten, sollten geschult und für die Bedeutung der Speicherbegrenzung sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Datenschutzpraktiken anwenden und die Einhaltung der gesetzlichen Vorschriften gewährleisten.

    Transparenz gegenüber betroffenen Personen: Die betroffenen Personen sollten über die Speicherbegrenzung und die Aufbewahrungsfristen ihrer personenbezogenen Daten informiert werden, damit sie ihre Datenschutzrechte wahrnehmen können, wie zum Beispiel das Recht auf Löschung oder Einschränkung der Verarbeitung.

    Durch die Berücksichtigung der Speicherbegrenzung beim Einsatz von KI können Organisationen den Schutz der Privatsphäre der betroffenen Personen gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherstellen.

    Integrität und Vertraulichkeit

    Die Integrität und Vertraulichkeit von personenbezogenen Daten sollten während der gesamten Verarbeitung durch KI-Systeme gewährleistet sein. Dies umfasst den Schutz vor unbefugtem Zugriff, Verlust, Zerstörung oder Offenlegung durch angemessene technische und organisatorische Sicherheitsmaßnahmen.

    Rechenschaftspflicht

    Rechenschaftspflicht ist ein grundlegendes Datenschutzprinzip, das besagt, dass Organisationen nachweisen müssen, dass sie die Datenschutzgesetze und -bestimmungen einhalten, insbesondere die Grundsätze des Datenschutzes. Bei der Implementierung von Künstlicher Intelligenz (KI) ist es wichtig, die Rechenschaftspflicht zu beachten, um den Schutz der Privatsphäre der betroffenen Personen zu gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherzustellen.

    Um die Rechenschaftspflicht beim Einsatz von KI zu gewährleisten, sollten Organisationen die folgenden Schritte beachten:

    Datenschutzrichtlinien und Verfahren: Organisationen sollten klare und umfassende Datenschutzrichtlinien und Verfahren entwickeln und implementieren, die den Einsatz von KI-Systemen abdecken. Diese Richtlinien und Verfahren sollten regelmäßig überprüft und aktualisiert werden, um sicherzustellen, dass sie den aktuellen gesetzlichen Anforderungen entsprechen.

    Datenschutzbeauftragter (DSB): Wenn erforderlich, sollte eine Organisation einen Datenschutzbeauftragten ernennen, der für die Überwachung der Datenschutzpraktiken, die Einhaltung der Gesetze und die Sensibilisierung der Mitarbeiter für den Datenschutz verantwortlich ist.

    Schulung und Sensibilisierung: Mitarbeiter, die mit KI-Systemen arbeiten, sollten regelmäßig geschult und für die Bedeutung des Datenschutzes sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Datenschutzpraktiken anwenden und die Einhaltung der gesetzlichen Vorschriften gewährleisten.

    Datenschutz-Folgenabschätzung (DSFA): Vor der Implementierung von KI-Systemen sollten Organisationen eine DSFA durchführen, um potenzielle Risiken für die Privatsphäre der betroffenen Personen zu identifizieren und geeignete Maßnahmen zur Risikominderung zu treffen.

    Dokumentation und Nachweis: Organisationen sollten den Nachweis ihrer Datenschutzpraktiken dokumentieren und aufbewahren, einschließlich der Einhaltung der gesetzlichen Anforderungen, der Schulungen, der Datenschutz-Folgenabschätzungen und der Maßnahmen zur Risikominderung.

    Transparenz und Kommunikation: Organisationen sollten transparent über ihre Datenschutzpraktiken und den Einsatz von KI-Systemen sein. Sie sollten den betroffenen Personen klar und verständlich Informationen über die Verarbeitung ihrer personenbezogenen Daten, ihre Datenschutzrechte und die Kontaktdaten des Datenschutzbeauftragten zur Verfügung stellen.

    Überprüfung und Audit: Organisationen sollten regelmäßig interne oder externe Überprüfungen und Audits durchführen, um sicherzustellen, dass ihre Datenschutzpraktiken den gesetzlichen Anforderungen entsprechen und wirksam sind.

    Durch die Berücksichtigung der Rechenschaftspflicht beim Einsatz von KI können Organisationen den Schutz der Privatsphäre der betroffenen Personen gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherstellen.

    Technische und organisatorische Maßnahmen bei KI-Einsatz

    Bei der Implementierung von Künstlicher Intelligenz (KI) in Unternehmen und Organisationen ist es wichtig, technische und organisatorische Maßnahmen zu ergreifen, um den Datenschutz zu gewährleisten und die Sicherheit personenbezogener Daten zu schützen.

    Im Folgenden sind einige der wichtigsten Maßnahmen aufgeführt:

    Datenschutz-Folgenabschätzung (DSFA)

    Die Datenschutz-Folgenabschätzung (DSFA) ist ein Prozess, der dazu dient, die potenziellen Datenschutzrisiken bei der Verarbeitung personenbezogener Daten zu identifizieren, zu bewerten und zu mindern. Bei der Implementierung von Künstlicher Intelligenz (KI) kann eine DSFA dazu beitragen, den Schutz der Privatsphäre der betroffenen Personen zu gewährleisten und die Einhaltung der Datenschutzgesetze und -bestimmungen sicherzustellen.

    Bei der Durchführung einer DSFA für den Einsatz von KI sollten die folgenden Schritte beachtet werden:

    Beschreibung des KI-Systems: Geben Sie eine detaillierte Beschreibung des KI-Systems, seiner Funktionen, der verarbeiteten personenbezogenen Daten und der betroffenen Personen an. Erläutern Sie den Zweck und die Rechtsgrundlage für die Datenverarbeitung.

    Identifikation der Datenschutzrisiken: Identifizieren Sie mögliche Risiken für die Privatsphäre der betroffenen Personen, die sich aus der Verarbeitung personenbezogener Daten durch das KI-System ergeben. Dazu können beispielsweise Verletzungen der Vertraulichkeit, Integrität oder Verfügbarkeit von Daten, Diskriminierung, Profiling oder unberechtigter Zugriff gehören.

    Bewertung der Risiken: Bewerten Sie die Wahrscheinlichkeit und die Schwere der identifizierten Risiken in Bezug auf die Rechte und Freiheiten der betroffenen Personen. Berücksichtigen Sie dabei Faktoren wie den Umfang der Datenverarbeitung, die Sensibilität der Daten, die betroffenen Personen und die technischen und organisatorischen Sicherheitsmaßnahmen.

    Risikominderung: Entwickeln Sie geeignete Maßnahmen, um die identifizierten Risiken zu mindern oder zu eliminieren. Dies kann die Anwendung von Datenschutz-Grundprinzipien (wie Datenminimierung und Zweckbindung), technische Sicherheitsmaßnahmen (wie Verschlüsselung und Zugangskontrolle) und organisatorische Maßnahmen (wie Schulungen und Richtlinien) beinhalten.

    Beteiligung der betroffenen Personen: In einigen Fällen kann es ratsam sein, die Meinungen der betroffenen Personen oder ihrer Vertreter bei der Durchführung der DSFA zu berücksichtigen, insbesondere wenn das KI-System einen erheblichen Einfluss auf ihre Rechte und Freiheiten hat.

    Konsultation des Datenschutzbeauftragten (DSB): Konsultieren Sie den Datenschutzbeauftragten der Organisation (falls vorhanden) während des gesamten DSFA-Prozesses und nehmen Sie seine Empfehlungen zur Risikominderung in Betracht.

    Dokumentation und Überprüfung: Dokumentieren Sie den gesamten DSFA-Prozess, einschließlich der identifizierten Risiken, der Bewertungsergebnisse und der ergriffenen Maßnahmen zur Risikominderung.

    Datenschutz durch Design und Voreinstellung

    KI-Systeme sollten von Anfang an datenschutzfreundlich entwickelt werden. Dies beinhaltet die Einbettung von Datenschutzprinzipien in die Architektur und Funktionalität der Systeme und die Voreinstellung von datenschutzfreundlichen Optionen.

    Pseudonymisierung und Anonymisierung

    Wenn möglich, sollten personenbezogene Daten in KI-Systemen pseudonymisiert oder anonymisiert werden, um die Identifizierung der betroffenen Personen zu erschweren und den Datenschutz zu verbessern.

    Zugangskontrolle und Datensicherheit

    Der Zugang zu personenbezogenen Daten, die von KI-Systemen verarbeitet werden, sollte auf das Notwendigste beschränkt werden. Daten sollten durch geeignete Sicherheitsmaßnahmen wie Verschlüsselung, regelmäßige Sicherheitsupdates und robuste Authentifizierungsverfahren geschützt werden.

    Überwachung und Auditierung

    Die Verarbeitung personenbezogener Daten durch KI-Systeme sollte regelmäßig überwacht und auditiert werden, um die Einhaltung der Datenschutzvorschriften zu gewährleisten und eventuelle Verstöße frühzeitig zu erkennen.

    Schulung und Sensibilisierung

    Mitarbeiter, die mit KI-Systemen arbeiten, sollten regelmäßig geschult und für den Datenschutz sensibilisiert werden, um sicherzustellen, dass sie die bestmöglichen Praktiken anwenden und Datenschutzverletzungen vermeiden.

    Recht auf Information, Berichtigung, Löschung und Widerspruch

    Organisationen sollten Verfahren einrichten, die es betroffenen Personen ermöglichen, ihre Rechte im Zusammenhang mit der Verarbeitung ihrer personenbezogenen Daten durch KI-Systeme wahrzunehmen, einschließlich des Rechts auf Information, Berichtigung, Löschung und Widerspruch.

    Zusammenarbeit mit Datenschutzbehörden

    Bei der Implementierung von KI-Systemen sollte proaktiv mit Datenschutzbehörden zusammengearbeitet werden, um sicherzustellen, dass die Systeme den geltenden Datenschutzvorschriften entsprechen und potenzielle Bedenken frühzeitig identifiziert und angegangen werden.

  • Data Mesh als Game Changer

    Data Mesh als Game Changer

    Data Mesh wird oft als Game Changer für Unternehmen bezeichnet. Data Mesh wird als Game Changer angesehen, da es eine neue Herangehensweise an die Datenverarbeitung und -verwaltung in Unternehmen darstellt, die auf die Bedürfnisse moderner, agiler Organisationen zugeschnitten ist.

    Traditionelle, zentralisierte Datenarchitekturen stoßen oft an ihre Grenzen, wenn es um die Skalierung, Flexibilität und Zusammenarbeit in schnelllebigen, sich ständig verändernden Geschäftsumgebungen geht. Data Mesh bietet einen innovativen Ansatz, der auf dezentralisierten, autonomen Einheiten basiert, die auf bestimmte Geschäftsbereiche oder Produkte fokussiert sind und in der Lage sind, ihre eigenen Datenverarbeitungssysteme zu verwalten und zu warten. Durch die Implementierung von Data Mesh können Unternehmen die Datenverarbeitung und -verwaltung auf die Bedürfnisse bestimmter Geschäftsbereiche oder Produkte konzentrieren und gleichzeitig eine gemeinsame Dateninfrastruktur schaffen, die es verschiedenen Teams ermöglicht, nahtlos auf die Daten anderer Teams zuzugreifen und sie zu nutzen.Data Mesh bietet eine Reihe von Vorteilen gegenüber traditionellen zentralisierten Datenarchitekturen, wie zum Beispiel:

    Skalierbarkeit: Durch die dezentralisierte Struktur von Data Mesh können Unternehmen ihre Datenverarbeitung und -verwaltung schnell und flexibel skalieren, um auf sich ändernde Geschäftsanforderungen zu reagieren.

    Zusammenarbeit: Data Mesh erleichtert die Zusammenarbeit zwischen verschiedenen Teams innerhalb des Unternehmens, indem es eine gemeinsame Dateninfrastruktur schafft, die verschiedene autonome Einheiten miteinander verbindet.

    Innovation: Data Mesh unterstützt eine agile, innovative Arbeitsweise, indem es den Zugriff auf Daten erleichtert und es den Teams ermöglicht, schnell datengesteuerte Entscheidungen zu treffen.

    Datenqualität und -sicherheit: Durch die Implementierung von Data Mesh können Unternehmen die Datenqualität und -sicherheit verbessern, indem sie klare Richtlinien und Prozesse für die Verwaltung und Sicherheit von Daten innerhalb jeder autonomen Einheit implementieren.

    Insgesamt bietet Data Mesh eine modernere, agilere Herangehensweise an die Datenverarbeitung und -verwaltung, die den Bedürfnissen moderner Organisationen entspricht und gleichzeitig eine effektive Datenverarbeitung und -nutzung innerhalb des Unternehmens ermöglicht. Dies macht Data Mesh zu einem Game Changer in der Welt der Datenarchitektur.

    Data Mesh ist eine neue Architektur für die Datenverarbeitung und -verwaltung innerhalb von Unternehmen. Im Gegensatz zu traditionellen, zentralisierten Datenarchitekturen, bei denen ein zentrales Team für die Verwaltung und Verarbeitung von Daten verantwortlich ist, ist Data Mesh dezentralisiert und besteht aus kleinen, autonomen Einheiten, die von verschiedenen Teams innerhalb des Unternehmens genutzt werden können.

    Die Idee hinter Data Mesh ist es, die Zusammenarbeit zwischen Teams zu erleichtern und die Entwicklungszeit für Datenprodukte zu verkürzen, indem jeder Datenproduzent und -konsument innerhalb des Unternehmens auf eine gemeinsame Dateninfrastruktur zugreifen kann. Jede autonome Einheit innerhalb von Data Mesh ist für die Verwaltung und Wartung ihrer eigenen Datenverarbeitungssysteme verantwortlich. Diese Einheiten sind in der Regel produktorientiert und fokussieren sich auf die Daten, die für ihre jeweiligen Produkte oder Dienstleistungen relevant sind.

    Innerhalb von Data Mesh gibt es vier Schlüsselelemente:

    1. Domänenorientierung: Domänenorientierung ist ein Schlüsselelement von Data Mesh, das darauf abzielt, die Datenverarbeitung und -verwaltung innerhalb eines Unternehmens zu verbessern, indem die Daten in Domänen aufgeteilt werden, die bestimmten Geschäftsbereichen oder Produkten entsprechen.Eine Domäne ist ein abgegrenzter Geschäftsbereich oder ein abgegrenztes Produkt innerhalb des Unternehmens, das bestimmte Daten verarbeitet und verwaltet. Jede Domäne ist in der Regel für die Verwaltung und Wartung ihrer eigenen Datenverarbeitungssysteme verantwortlich.Die Aufteilung von Daten in Domänen ermöglicht es Unternehmen, die Datenverarbeitung und -verwaltung auf bestimmte Geschäftsbereiche oder Produkte zu konzentrieren und die Verarbeitung von Daten in separaten, autonomen Einheiten zu organisieren. Jede Domäne ist in der Regel für die Verwaltung und Wartung ihrer eigenen Datenverarbeitungssysteme verantwortlich.Diese Aufteilung von Daten in Domänen erleichtert auch die Zusammenarbeit zwischen verschiedenen Teams innerhalb des Unternehmens, da jeder Zugriff auf eine gemeinsame Dateninfrastruktur hat, die sich auf die Domänen beschränkt, die für ihre jeweiligen Aufgaben relevant sind. So können die Teams effektiver zusammenarbeiten und die Daten leichter analysieren und nutzen.Insgesamt ist die Domänenorientierung ein wichtiger Aspekt von Data Mesh, der dazu beiträgt, die Datenverarbeitung und -verwaltung innerhalb von Unternehmen zu verbessern, indem die Daten in abgegrenzte Geschäftsbereiche oder Produkte aufgeteilt werden, die ihre eigenen Datenverarbeitungssysteme verwalten und warten.
    2. Dezentralisierung: Dezentralisierung ist ein Schlüsselelement der Data Mesh-Architektur, bei der die Verantwortung für die Datenverarbeitung und -verwaltung auf verschiedene autonome Einheiten innerhalb des Unternehmens verteilt wird.In traditionellen zentralisierten Datenarchitekturen ist ein zentrales Team für die Verwaltung und Verarbeitung von Daten verantwortlich. Im Gegensatz dazu sind bei Data Mesh die Daten in kleinen, autonomen Einheiten organisiert, die von verschiedenen Teams innerhalb des Unternehmens genutzt werden können. Jede autonome Einheit ist in der Regel produktorientiert und fokussiert sich auf die Daten, die für ihre jeweiligen Produkte oder Dienstleistungen relevant sind. Jede Einheit ist für die Verwaltung und Wartung ihrer eigenen Datenverarbeitungssysteme verantwortlich.Durch die Dezentralisierung der Datenverarbeitung und -verwaltung innerhalb von Data Mesh können Unternehmen ihre Datenprozesse flexibler gestalten und schneller auf sich ändernde Anforderungen reagieren. Jede autonome Einheit kann ihre eigenen Datenprozesse implementieren und skalieren, ohne von anderen Teams abhängig zu sein.Die Dezentralisierung ermöglicht auch eine verbesserte Zusammenarbeit zwischen verschiedenen Teams innerhalb des Unternehmens, da jeder Zugriff auf eine gemeinsame Dateninfrastruktur hat. Jedes Team kann auf die Daten zugreifen, die es benötigt, um seine Aufgaben zu erledigen, ohne auf andere Teams angewiesen zu sein.Insgesamt kann die Dezentralisierung dazu beitragen, die Effizienz, Zusammenarbeit und Innovation innerhalb von Unternehmen zu verbessern, indem sie die Verwaltung und Verarbeitung von Daten auf verschiedene autonome Einheiten verteilt und somit flexibler und schneller auf sich ändernde Anforderungen reagiert werden kann.
    3. Selbstbedienung: Selbstbedienung ist ein weiteres wichtiges Schlüsselelement der Data Mesh-Architektur, das darauf abzielt, den Zugriff auf Daten innerhalb des Unternehmens zu erleichtern und die Effizienz der Datenverarbeitung und -nutzung zu verbessern.Durch Selbstbedienung haben alle Mitarbeiter innerhalb des Unternehmens Zugriff auf die Dateninfrastruktur und können auf die Daten zugreifen, die sie für ihre Aufgaben benötigen. Dies ermöglicht es den Mitarbeitern, schnell und unabhängig auf die benötigten Daten zuzugreifen, ohne auf die Hilfe von IT- oder Daten-Teams angewiesen zu sein.Die Selbstbedienung innerhalb von Data Mesh erfolgt durch die Bereitstellung von Werkzeugen und Plattformen, die es den Mitarbeitern erleichtern, auf die Dateninfrastruktur zuzugreifen und Daten zu nutzen. Diese Werkzeuge können z.B. Dashboards, Such- und Analysetools, APIs und andere benutzerfreundliche Schnittstellen umfassen.Selbstbedienung innerhalb von Data Mesh ermöglicht es den Mitarbeitern, datengesteuerte Entscheidungen zu treffen, ohne auf die Hilfe von IT- oder Daten-Teams angewiesen zu sein. Mitarbeiter können schnell auf die benötigten Daten zugreifen und diese in ihre eigenen Workflows und Prozesse integrieren, um ihre Arbeit effektiver zu gestalten.Insgesamt kann die Selbstbedienung dazu beitragen, die Effizienz, Zusammenarbeit und Innovation innerhalb von Unternehmen zu verbessern, indem sie den Mitarbeitern den Zugriff auf die benötigten Daten erleichtert und die Abhängigkeit von IT- oder Daten-Teams reduziert. Dies ist ein wichtiger Aspekt von Data Mesh, der dazu beiträgt, die Datenverarbeitung und -verwaltung innerhalb von Unternehmen zu verbessern.
      Die Daten werden für alle Mitarbeiter innerhalb des Unternehmens zugänglich gemacht, so dass sie für ihre eigenen Zwecke genutzt werden können.
    4. Föderation: Föderation ist ein weiteres Schlüsselelement der Data Mesh-Architektur, das darauf abzielt, die Datenverarbeitung und -verwaltung innerhalb von Unternehmen zu verbessern, indem eine gemeinsame Dateninfrastruktur geschaffen wird, die verschiedene autonome Einheiten miteinander verbindet.Föderation bedeutet, dass die Dateninfrastruktur so gestaltet ist, dass Daten nahtlos zwischen verschiedenen autonomen Einheiten innerhalb des Unternehmens ausgetauscht werden können. Dies wird durch die Verwendung gemeinsamer Datenstandards und -schnittstellen erreicht, die es verschiedenen Teams ermöglichen, auf die Daten anderer Teams zuzugreifen und sie zu nutzen.Die Föderation in Data Mesh wird durch eine Reihe von Technologien und Prozessen unterstützt, einschließlich der Implementierung von gemeinsamen Datenstandards und Schnittstellen, die die Interoperabilität zwischen verschiedenen autonomen Einheiten ermöglichen. Es werden auch Technologien wie APIs und Datenpipeline-Tools eingesetzt, um den Datenaustausch und die Integration zwischen den autonomen Einheiten zu erleichtern.Die Föderation erleichtert die Zusammenarbeit zwischen verschiedenen Teams innerhalb des Unternehmens und verbessert die Effizienz der Datenverarbeitung und -nutzung, da die Daten nahtlos zwischen verschiedenen Teams ausgetauscht werden können. Dies ermöglicht den Teams, auf die benötigten Daten zuzugreifen, ohne auf die Hilfe von IT- oder Daten-Teams angewiesen zu sein. Die Föderation trägt auch dazu bei, die Datenqualität und -sicherheit zu verbessern, da sie eine bessere Kontrolle und Überwachung der Daten ermöglicht.Insgesamt kann die Föderation dazu beitragen, die Effizienz, Zusammenarbeit und Innovation innerhalb von Unternehmen zu verbessern, indem sie eine gemeinsame Dateninfrastruktur schafft, die verschiedene autonome Einheiten miteinander verbindet und somit den Datenaustausch und die Integration zwischen den Teams erleichtert. Dies ist ein wichtiger Aspekt von Data Mesh, der dazu beiträgt, die Datenverarbeitung und -verwaltung innerhalb von Unternehmen zu verbessern.

    Zusammenfassend lässt sich sagen, dass Data Mesh eine moderne, dezentralisierte Architektur für die Datenverarbeitung und -verwaltung in Unternehmen ist, die darauf abzielt, die Zusammenarbeit zwischen Teams zu erleichtern und die Effizienz der Datenverarbeitung und -nutzung zu verbessern.

    Mehr Flexibilität und Skalierbarkeit: Data Mesh ermöglicht es Unternehmen, ihre Datenverarbeitung in kleine, autonome Einheiten zu unterteilen, die von verschiedenen Teams genutzt werden können. Dadurch können Unternehmen schnell auf sich ändernde Anforderungen reagieren und ihre Datenprozesse flexibel skalieren.

    Verbesserte Zusammenarbeit: Data Mesh fördert die Zusammenarbeit zwischen verschiedenen Teams innerhalb des Unternehmens, da es einen einfachen und standardisierten Zugriff auf Daten für alle ermöglicht. Dies verbessert die Effektivität und Innovation innerhalb des Unternehmens.

    Bessere Datenqualität und -sicherheit: Da jedes Team innerhalb von Data Mesh für die Verwaltung seiner eigenen Daten verantwortlich ist, können Unternehmen die Qualität und Sicherheit ihrer Daten besser kontrollieren und gewährleisten.

    Effizientere Datenverarbeitung: Data Mesh kann dazu beitragen, die Effizienz der Datenverarbeitung innerhalb des Unternehmens zu verbessern, indem es redundante Datenprozesse reduziert und die Wiederverwendbarkeit von Daten erhöht.

    Unterstützung für Data-Driven-Entscheidungen: Data Mesh kann Unternehmen dabei unterstützen, datengesteuerte Entscheidungen zu treffen, indem es einen einfachen Zugriff auf Daten für alle Teams ermöglicht.

    Insgesamt kann Data Mesh dazu beitragen, die Effizienz, Zusammenarbeit und Innovation innerhalb von Unternehmen zu verbessern, indem es die Art und Weise verbessert, wie Daten innerhalb des Unternehmens verwaltet und genutzt werden. Dies macht Data Mesh zu einem Game Changer für Unternehmen, die ihre Dateninfrastruktur modernisieren und ihre Geschäftsprozesse optimieren möchten.

    Data Governance in Data Mesh migrieren

    Die Data Governance in einer Data Mesh-Architektur zu implementieren, kann eine Herausforderung darstellen, da die Verantwortung für die Verwaltung von Daten auf verschiedene autonome Einheiten innerhalb des Unternehmens verteilt ist. Es gibt jedoch mehrere Schritte, die Unternehmen unternehmen können, um eine effektive Data Governance in einer Data Mesh-Architektur zu implementieren:

    Klare Rollen und Verantwortlichkeiten definieren: Unternehmen sollten klare Rollen und Verantwortlichkeiten für die Datenverwaltung und -sicherheit innerhalb jeder autonomen Einheit festlegen. Diese Rollen und Verantwortlichkeiten sollten regelmäßig überprüft und aktualisiert werden, um sicherzustellen, dass sie den Anforderungen des Unternehmens entsprechen.

    Datenqualität und -sicherheit sicherstellen: Unternehmen sollten sicherstellen, dass sie klare Richtlinien und Prozesse haben, um die Qualität und Sicherheit von Daten innerhalb jeder autonomen Einheit zu gewährleisten. Dazu gehören Prozesse zur Überprüfung von Datenqualität, die Implementierung von Datenverschlüsselung und -anonymisierung sowie der Schutz von personenbezogenen Daten.

    Metadatenverwaltung: Metadaten sind entscheidend für eine effektive Datenverwaltung und -nutzung. Unternehmen sollten sicherstellen, dass sie klare Prozesse und Tools zur Verwaltung von Metadaten innerhalb jeder autonomen Einheit haben. Dies erleichtert den Zugriff auf Daten und unterstützt die Analyse von Daten.

    Implementierung von Standards: Unternehmen sollten Standards für die Verwaltung von Daten innerhalb jeder autonomen Einheit implementieren, um sicherzustellen, dass Daten auf konsistente Weise verwaltet und genutzt werden. Dazu gehören Standards für Datenformat, -qualität, -sicherheit und -klassifizierung.

    Überwachung und Compliance: Unternehmen sollten Überwachungsprozesse und -tools implementieren, um sicherzustellen, dass die Data Governance-Richtlinien und -Standards in jeder autonomen Einheit eingehalten werden. Es sollten regelmäßige Audits und Compliance-Checks durchgeführt werden, um sicherzustellen, dass die Data Governance-Richtlinien eingehalten werden.

    Zusammenfassend lässt sich sagen, dass eine effektive Data Governance in einer Data Mesh-Architektur entscheidend ist, um die Qualität und Sicherheit von Daten innerhalb des Unternehmens zu gewährleisten. Unternehmen sollten klare Rollen und Verantwortlichkeiten definieren, Datenqualität und -sicherheit sicherstellen, Metadatenverwaltung implementieren, Standards implementieren und Überwachung und Compliance sicherstellen.

    Joint Controller & Data Mesh

    Joint Controller1 ist ein Begriff, der sich auf eine Art der Zusammenarbeit bei der Datenverarbeitung bezieht, die in der Datenschutzgrundverordnung (DSGVO) der EU definiert ist. Ein Joint Controller ist eine Person oder Organisation, die gemeinsam mit anderen für die Verarbeitung personenbezogener Daten verantwortlich ist.

    In einer Data Mesh-Architektur können mehrere autonome Einheiten für die Verarbeitung personenbezogener Daten verantwortlich sein. Wenn dies der Fall ist, kann es erforderlich sein, dass diese Einheiten gemeinsam als Joint Controller agieren.

    Die Rolle des Joint Controllers ist es sicherzustellen, dass die Datenverarbeitung rechtmäßig und transparent erfolgt und die Einhaltung der Datenschutzbestimmungen gewährleistet ist. Dazu gehört auch die Festlegung von Verantwortlichkeiten und Pflichten in Bezug auf die Datenverarbeitung und die gemeinsame Überwachung und Überprüfung der Prozesse.

    Um eine effektive Zusammenarbeit als Joint Controller in einer Data Mesh-Architektur zu gewährleisten, sollten klare Verträge und Vereinbarungen zwischen den autonomen Einheiten festgelegt werden, die die Rollen und Verantwortlichkeiten, den Zweck der Datenverarbeitung, die Datensicherheit und die Überprüfungsprozesse umfassen.

    Insgesamt ist es wichtig, dass Unternehmen, die eine Data Mesh-Architektur implementieren und gemeinsam als Joint Controller für die Verarbeitung personenbezogener Daten agieren, sicherstellen, dass sie die Anforderungen der Datenschutzgesetze einhalten und klare Prozesse und Vereinbarungen für die gemeinsame Datenverarbeitung implementieren.

    1Joint Controller ist ein Begriff, der in der Datenschutz-Grundverordnung (DSGVO) der Europäischen Union verwendet wird, um eine Art der Zusammenarbeit bei der Verarbeitung personenbezogener Daten zu beschreiben. Wenn zwei oder mehrere unabhängige Verantwortliche gemeinsam die Zwecke und Mittel der Verarbeitung personenbezogener Daten bestimmen, werden sie als Joint Controller bezeichnet.

    Die gemeinsame Verantwortlichkeit der Joint Controller umfasst insbesondere die Erfüllung von Informationspflichten gegenüber betroffenen Personen, die Einhaltung der Rechte der betroffenen Personen, die Sicherheit der personenbezogenen Daten und die Zusammenarbeit mit Aufsichtsbehörden.

    Es ist wichtig, dass Unternehmen, die als Joint Controller agieren, ihre Verantwortlichkeiten und Pflichten im Hinblick auf die Verarbeitung personenbezogener Daten klar definieren und dokumentieren, um eine effektive Zusammenarbeit zu gewährleisten und den Schutz der betroffenen Personen zu gewährleisten.

    Einige der spezifischen Pflichten, die Joint Controller in der DSGVO haben, sind:

    1. Gemeinsame Informationspflichten: Die Joint Controller müssen die betroffenen Personen über die Verarbeitung ihrer personenbezogenen Daten informieren.
    2. Gemeinsame Verantwortung für die Rechte der betroffenen Personen: Die Joint Controller sind gemeinsam für die Einhaltung der Rechte der betroffenen Personen verantwortlich, wie das Recht auf Zugang, Berichtigung, Löschung und Einschränkung der Verarbeitung ihrer personenbezogenen Daten.
    3. Gemeinsame Verantwortung für die Datensicherheit: Die Joint Controller sind gemeinsam für die Datensicherheit verantwortlich und müssen angemessene technische und organisatorische Maßnahmen ergreifen, um die personenbezogenen Daten zu schützen.
    4. Gemeinsame Verantwortung für die Zusammenarbeit mit Aufsichtsbehörden: Die Joint Controller müssen bei der Zusammenarbeit mit Aufsichtsbehörden zusammenarbeiten und sich auf eine einheitliche Vorgehensweise einigen.

    Insgesamt ist es wichtig, dass Unternehmen, die als Joint Controller agieren, die Anforderungen der DSGVO erfüllen und sicherstellen, dass ihre Verantwortlichkeiten und Pflichten im Hinblick auf die Verarbeitung personenbezogener Daten klar definiert und dokumentiert sind.

  • London beauftragt Open-Data-Spezialisten Better für eine bessere Notfallversorgung in der Metropolregion

    London beauftragt Open-Data-Spezialisten Better für eine bessere Notfallversorgung in der Metropolregion

    Der Anbieter marktführender Open-Data-Plattformen im Gesundheitswesen Better hat in Großbritanniens Hauptstadt erfolgreich eine digitale Lösung für die Notfallbehandlung implementiert.

    Die Patient*innenakten „London Care Record“ und „Urgent Care Plan“ ermöglichen es Londoner*innen, ihre Pflege- und Versorgungswünsche für Notfallsituationen digital mit Gesundheits- und Pflegefachkräften zu teilen. Das Projekt strebt eine bessere Notfallmedizin in der gesamten Region an.

    Der Open-Data-Spezialist Better hat eine neue Lösung für die Planung der Notfallbehandlung des Londoner Gesundheits- und Pflegesystems 
    entwickelt. Initiator ist die „Pan London Strategic Commissioning Group (SCG)“, die das sogenannte OneLondon-Projekt im Dezember 2021 
    gestartet hat. Better wird von den IT-Unternehmen Atos, ReStart, CareIS, XYCare und FreshEHR bei der Umsetzung unterstützt.

    An OneLondon beteiligen sich 40 Organisationseinheiten des britischen Gesundheitssystems National Health Service (NHS), 1.400 
    Allgemeinarztpraxen und 33 lokale Behörden, die eine Bevölkerung von mehr als 10,5 Millionen Menschen versorgen.

    Mit der Einführung einer openEHR-Datenplattform1 in der gesamten Metropolregion kann medizinisches Personal in Echtzeit auf 
    Informationen in nur einer Patient*innenakte zugreifen. Zudem vereinfachen die in der Akte enthaltenen digitalen Werkzeuge die 
    Arbeit der Gesundheits- und Pflegeanbieter*innen. Darüber hinaus dienen die Daten der Forschung.

    Mit digitalen Informationen individuelle Therapiepläne erstellen Das Besondere: Bürger*innen und Mediziner*innen können auch über 
    andere Plattformen wie patient*innenorientierte Apps auf persönliche Gesundheitsdaten zugreifen. Das Angebot soll die Bürger*innen dazu 
    ermutigen, mehr Verantwortung für ihre Gesundheitsversorgung zu übernehmen.

    Die innovative Better-Technologie ermöglicht es ferner, diverse Pflegepläne und digitale Dienste zu optimieren. Diese können so 
    gestaltet werden, dass sie Menschen mit unterschiedlichen Gesundheitshistorien und Pflegeansprüchen unterstützen – 
    beispielsweise Menschen mit Lernbehinderungen, psychischen Problemen,Asthma oder Gebrechlichkeit.

    Gary McAllister, London Chief Technology Officer, NHS England, sagt: „Unsere Vision ist es, mit dem „London Care Record“ und dem „Urgent 
    Care Plan“ den Londoner*innen eine vernetzte Gesundheits- und Pflegeversorgung zu bieten. Oft sind daran mehrere Fachkräfteteams 
    beteiligt, die über verschiedene Organisationen und Disziplinen hinweg zusammenarbeiten, etwa in Hausarztpraxen, Krankenhäusern, 
    Pflegeheimen und Hospizen. In erster Linie haben wir eine Lösung gesucht, die einen flexiblen Informationsaustausch ermöglicht. Die 
    openEHR-Plattform von Better erfüllt diese Anforderung. Kliniken in ganz London profitieren davon, dass sie eine sichere und 
    ganzheitliche Pflege leisten können, indem die benötigten Informationen zur richtigen Zeit am richtigen Ort zur Verfügung 
    stehen. Wir sind sehr gespannt auf die neuen Möglichkeiten, die diese Technologie bietet, um die Gesundheits- und Pflegeversorgung in 
    London kontinuierlich zu verbessern.“

    Die Better-Plattform standardisiert die Art und Weise, wie Informationen erfasst werden, und stellt Nutzer*innen Tools, 
    Funktionen und Möglichkeiten zur Datenmodellierung zur Verfügung. Ebenso unterstützt die Better-Plattform andere Dienste dabei, 
    Informationen leichter auszutauschen.

    Gemeinsame Datengrundlage verringert das Risiko von Doppelarbeit

    Standardisierte Datenmodelle tragen dazu bei, das gesellschaftliche Gesundheitsmanagement zu unterstützen. Gleichzeitig können sie als 
    Strategie dabei helfen, gesundheitliche Ungleichheit zu bekämpfen. Auch können Ärzt*innen mit den Modellen Patient*innengruppen 
    identifizieren, die möglicherweise eine frühzeitige Versorgung benötigen.

    Gestützt auf offene Gesundheitsdaten und Low-Code-Tools verringert die gemeinsame Datengrundlage das Risiko von Doppelarbeit, verbessert
    die Zugänglichkeit von Gesundheitsdaten und erleichtert die Erstellung gemeinsamer Pflegepläne für viele klinische Nutzungen.

    Dazu gehören die Pflege am Lebensende und die Unterstützung zusätzlicher Gesundheitsfelder wie Psychiatrie, psychische 
    Gesundheit, Diabetes, Krebs und Gebrechlichkeit. Nutzer*innen können ihre Pflegepläne selbst ändern und Informationen darüber einfügen, wo
    sie gepflegt werden möchten und welche Vorkehrungen getroffen werden müssen, wenn sie in eine Klinik gehen müssen. Diese Informationen 
    werden sofort aktualisiert und im gesamten Londoner Gesundheits- und Pflegenetz zugänglich gemacht.

    Tomaz Gornik, CEO von Better, sagt: „Wir sind stolz darauf, dass wir in Zusammenarbeit mit OneLondon Gesundheits- und Pflegeorganisationen
    die Möglichkeit gegeben haben, dynamische Anwendungen für die Pflegeplanung zu erstellen und Daten in Echtzeit in der gesamten 
    Hauptstadt auszutauschen. Durch die Einrichtung einer Plattform mit persistenten Daten mit openEHR und einer Low-Code-Umgebung für 
    Gesundheits- und Pflegefachkräfte haben wir Londons digitale Pflegeplanung umgestaltet. Wir freuen uns, miterleben zu können, wie 
    die Better-Plattform zum Einsatz kommt, um Londoner*innen, ihre Familien und Fachkräfte gleichermaßen zu unterstützen. Die gemeinsame
    Pflegeplanungslösung gibt den Patient*innen mehr Eigenverantwortung für ihre Pflege, spart den Fachleuten im Gesundheitsbereich Zeit und 
    bietet ihnen sofortigen Zugriff auf die benötigten Informationen: 

    Davon wird die Region jahrzehntelang profitieren.“

    Über Better

    Better ist der führende Anbieter von Open-Data-Plattformen zum Speichern, Verwalten, Abfragen, Abrufen und Austauschen 
    strukturierter elektronischer Gesundheitsdaten, sowie von Better Meds, einer Lösung für die elektronische Verschreibung und Verwaltung
    von Medikamenten.

    Das internationale Unternehmen konzentriert sich darauf, die Arbeit von Gesundheits- und Pflegeteams zu vereinfachen, setzt sich für 
    lebenslange Daten ein und strebt an, dass alle Gesundheitsdaten herstellerunabhängig und leicht zugänglich sind. 

    Better gibt Organisationen die Kontrolle über ihre Daten, Arbeitsabläufe und Transformationspläne, um die Patientenversorgung 
    zu verbessern. Mit seiner Open-Data-Plattform harmonisiert das Unternehmen schon heute mehr als 30 Millionen Patienten-daten in mehr
    als 500 Krankenhäusern weltweit in 16 Ländern. Dazu zählen auch acht deutsche Universitätskliniken. Seit 2021 ist der Open-Data-Spezialist
    in Deutschland mit der in Hamburg ansässigen Better Deutschland GmbH unter der Leitung von Björn Lehnhoff vertreten.

    1 OpenEHR ist eine internationale Initiative, die sich zum Ziel gesetzt hat, ein interoperables elektronisches Gesundheitsakten (EHR)-System zu schaffen. Das OpenEHR-Modell bietet eine standardisierte Architektur und ein Datenmodell, das es ermöglicht, EHR-Daten in einer strukturierten und interoperablen Form zu speichern und auszutauschen. Die OpenEHR-Datenplattform ist eine Umsetzung des OpenEHR-Modells, die es ermöglicht, EHR-Daten in einer zentralen, standardisierten Datenbank zu speichern und zu verwalten. Die Plattform bietet eine flexible Datenmodellierung, die es Benutzern ermöglicht, spezifische Datenstrukturen zu definieren, die den Bedürfnissen ihrer Organisation entsprechen.

    Die OpenEHR-Datenplattform kann von verschiedenen Arten von Organisationen genutzt werden, einschließlich Krankenhäusern, Arztpraxen, Versicherungen und Regierungsbehörden. Sie ermöglicht eine nahtlose Integration von EHR-Daten in bestehende IT-Systeme und bietet die Möglichkeit, Daten mit anderen Organisationen auszutauschen, die ebenfalls das OpenEHR-Modell verwenden.Die OpenEHR-Datenplattform wird von einer Vielzahl von Anbietern entwickelt und unterstützt und ist ein wichtiger Schritt in Richtung eines interoperablen EHR-Systems, das dazu beitragen kann, die Qualität der Gesundheitsversorgung zu verbessern und die Effizienz der Gesundheitssysteme zu steigern.

  • SAP stellt SAP Datasphere zur Vereinfachung von Datenlandschaften vor

    SAP stellt SAP Datasphere zur Vereinfachung von Datenlandschaften vor

    SAP hat heute wichtige Innovationen und Partnerschaften bekannt gegeben, die Kunden den Zugriff auf geschäftskritische Daten ermöglichen. Dadurch gewinnen sie schneller wichtige Erkenntnisse und können bessere Entscheidungen treffen. SAP stellt mit der Lösung SAP Datasphere die nächste Generation seines Portfolios für das Datenmanagement vor. Kunden können damit einfach auf sofort verwendbare Daten in der gesamten Datenlandschaft zugreifen. Darüber hinaus hat SAP strategische Partnerschaften mit den branchenführenden Daten- und KI-Unternehmen Collibra, Confluent, Databricks und DataRobot angekündigt. Die Partnerschaften erweitern SAP Datasphere und erlauben es Unternehmen, eine einheitliche Datenarchitektur aufzubauen, die SAP-Software- und Fremddaten sicher zusammenführt.

    Bisher war der Zugriff und die Nutzung von Daten, die in verschiedenen Systemen und an unterschiedlichen Orten wie etwa bei Cloudanbietern, Datenanbietern und in On-Premise-Systemen liegen, eine komplexe Herausforderung. Kunden mussten Daten aus ihren ursprünglichen Ablageorten extrahieren und an einen zentralen Ort exportieren. Hierbei gingen wichtige Kontextinformationen verloren, die nur mit speziellen, fortlaufenden IT-Projekten und manuellem Aufwand wiederhergestellt werden konnten. Mit den heutigen Ankündigungen und SAP Datasphere gehört dieser Aufwand der Vergangenheit an. Kunden haben die Möglichkeit, eine Data-Fabric-Architektur für das Management von Geschäftsdaten zu gestalten, die schnell aussagekräftige Daten mit Geschäftskontext und intakter Logik bereitstellt.

    Datasphere
    Datasphere

    „SAP-Kunden generieren 87 Prozent des gesamten weltweiten Handels. SAP-Daten gehören für Unternehmen somit zum wertvollsten Gut und sind in den wichtigsten Bereichen präsent – von der Fertigung bis hin zu Logistikketten, Finanzwesen, Personalmanagement und vielen anderen Bereichen“, sagt Jürgen Müller, Chief Technology Officer und Mitglied des Vorstandes der SAP SE. „Wir wollen unseren Kunden helfen, hier einen Schritt weiter zu gehen und SAP-Daten sowie Daten aus Anwendungen und Plattformen anderer Unternehmen einfach und sicher zu integrieren. Sie erhalten dadurch vollkommen neue Einblicke und Informationen und können ihre Digitalisierung weiter voranbringen.“

    SAP Datasphere

    SAP Datasphere ist ab sofort verfügbar und bildet die nächste Generation der Lösung SAP Data Warehouse Cloud. Datenspezialisten sind damit in der Lage, skalierbaren Zugriff auf geschäftskritische Daten zu ermöglichen. Die Lösung bietet einen durchgängigen Service für Datenintegration, Datenkatalogisierung, semantische Modellierung, Data Warehousing, Data Federation und Datenvirtualisierung. Dadurch können Datenexperten geschäftskritische Daten unter Beibehaltung von Geschäftskontext und Logik in der Datenlandschaft ihres Unternehmens verteilen. SAP Datasphere basiert auf der SAP Business Technology Platform (SAP BTP), die unter anderem leistungsstarke Sicherheitsfunktionen für Unternehmen – beispielsweise Datenbanksicherheit, Verschlüsselung und Governance – bietet. Für Bestandskunden von SAP Data Warehouse Cloud sind keine weiteren Schritte oder Migrationen erforderlich, sodass sie von den neuen Funktionen von SAP Datasphere in ihrer Produktumgebung profitieren können. Als eine der neuen Funktionen ermöglicht die Datenkatalogisierung eine automatische Ermittlung, Verwaltung und Steuerung von Daten. Und durch eine vereinfachte Datenreplikation können Daten und ihre laufenden Aktualisierungen in Echtzeit bereitgestellt werden. Des Weiteren sorgt die erweiterte Datenmodellierung dafür, dass die umfangreichen geschäftlichen Kontextinformationen der Daten aus SAP-Anwendungen erhalten bleiben. Weitere Funktionen für die Anwendungsintegration, die Daten und Metadaten aus SAP-Cloudanwendungen mit SAP Datasphere verknüpfen, sind geplant.

    Messer Americas, ein führender Anbieter von Industrie- und Medizingasen in Nord- und Südamerika, benötigte einfachen und sicheren Zugriff auf SAP- und Drittdaten innerhalb des Unternehmens. Ziel war es, Entscheidungen stärker auf einer fundierten Datengrundlage zu treffen sowie die IT-Abteilung zu entlasten, damit sie sich auf andere strategische Aufgaben konzentrieren kann. Mit SAP Datasphere hat Messer Americas eine moderne Datenarchitektur aufgebaut, in welcher der Kontext aller Unternehmensdaten erhalten blieb.

    „SAP Datasphere vereinfacht unsere Datenlandschaft und sorgt dafür, dass wir den Daten, mit denen wir tagtäglich arbeiten, mehr vertrauen können. Somit sind wir in der Lage, die betrieblichen Anforderungen besser zu erfüllen“, sagte David Johnston, Chief Information Officer bei Messer Americas. „Wir können schneller auf Änderungen von Angebot und Nachfrage reagieren. Unsere Bestandsführung und unser Kundenservice werden dadurch besser, und unsere Logistikkette wird optimiert.“

    Strategische Partnerschaften

    SAP und seine neuen Partner für offene Datenökosysteme werden dafür sorgen, dass Hunderte Millionen von Anwendern weltweit fundierte, geschäftskritische Entscheidungen treffen können, die auf einer riesigen Datenmenge beruhen. Die strategischen Partner von SAP bringen die besonderen Stärken ihrer Ökosysteme in die Partnerschaft ein und versetzen Kunden in die Lage, sämtliche Daten auf eine völlig neue Art miteinander zu verknüpfen.

    „Jeder möchte Zugriff auf SAP-Daten. Deshalb sind Partnerschaften zwischen Technologieunternehmen für eine umfassende Datenstrategie absolut notwendig“, sagte Dan Vesset, Group Vice President für Marktforschung im Bereich Daten und Analysesoftware bei IDC. „Unternehmen arbeiten heute in einer Welt, in der eine Datenlandschaft mit mehreren Cloudplattformen, von mehreren Anbietern, mit On-Premise- und gehosteten Systemen, die Norm ist. Durch Kooperationen mit einer ausgewählten Gruppe von führenden Partnern geht SAP einen neuen Weg und stellt somit sicher, dass Daten von Drittanbietern uneingeschränkt genutzt und die Anforderungen von Kunden besser erfüllt werden können.“

    Dies sind die ersten Partner:

    • Collibra soll über eine maßgeschneiderte Integration an SAP angebunden werden. Dadurch können Kunden eine Strategie für das unternehmensweite Datenmanagement realisieren, bei der sie einen kompletten Datenkatalog samt Informationen zur Datenherkunft in ihrer gesamten Datenlandschaft aufbauen – sowohl mit SAP-Daten als auch Fremddaten. Collibra sorgt dafür, dass jedes Unternehmen vertrauenswürdige Daten finden und nutzen kann.
    • Confluent plant, seine Datenstreaming-Plattform mit SAP zu integrieren, damit Unternehmen wertvolle Geschäftsdaten erschließen und mit externen Anwendungen in Echtzeit verknüpfen können. Das Cloudangebot von Confluent ist die zentrale Plattform für fortlaufende Datenströme in Echtzeit aus verschiedenen Quellen innerhalb eines Unternehmens.
    • Databricks ermöglicht es seinen Kunden, ihr Data Lakehouse in SAP-Software zu integrieren, sodass ein Datenaustausch unter Beibehaltung der Semantik erfolgen kann. Dies hilft ihnen, ihre Datenlandschaft zu vereinfachen.
    • DataRobot sorgt dafür, dass Kunden automatisierte Machine-Learning-Funktionen für multimodale Daten auf SAP Datasphere nutzen und direkt in ihre Data Fabric für das Management von Geschäftsdaten einbinden können, unabhängig davon, auf welcher Cloudplattform sie sich befindet.

    Weitere Informationen finden Sie im Blog zur Ankündigung. Folgen Sie SAP auf Twitter unter @SAPdach.

    Informationen zu SAP

    Die SAP-Strategie soll dabei helfen, jedes Unternehmen in ein intelligentes nachhaltiges Unternehmen zu verwandeln. Als ein Marktführer für Geschäftssoftware unterstützen wir Unternehmen jeder Größe und Branche dabei, ihre Ziele bestmöglich zu erreichen: SAP-Kunden generieren 87 % des gesamten weltweiten Handels. Unsere Technologien für maschinelles Lernen, das Internet der Dinge und fortschrittliche Analyseverfahren helfen unseren Kunden auf dem Weg zum intelligenten Unternehmen. SAP unterstützt Menschen und Unternehmen dabei, fundiertes Wissen über ihre Organisationen zu gewinnen, fördert die Zusammenarbeit und hilft so, dem Wettbewerb einen Schritt voraus zu sein. Wir vereinfachen Technologie für Unternehmen, damit sie unsere Software nach ihren eigenen Vorstellungen einfach und reibungslos nutzen können. Unsere End-to-End-Suite aus Anwendungen und Services ermöglicht es Kunden in 25 Branchen weltweit, profitabel zu sein, sich stets neu und flexibel anzupassen und etwas zu bewegen. Mit einem globalen Netzwerk aus Kunden, Partnern, Mitarbeitern und Vordenkern hilft SAP, die Abläufe der weltweiten Wirtschaft und das Leben von Menschen zu verbessern. Weitere Informationen unter www.sap.com.

    # # #

    Dieses Dokument enthält vorausschauende Aussagen, das heißt Vorhersagen, Prognosen oder andere Aussagen zu zukünftigen Ereignissen. Diese Aussagen basieren auf aktuellen Erwartungen, Voraussagen und Annahmen, die Risiken und Unsicherheiten unterliegen, was dazu führen kann, dass die tatsächlichen Ergebnisse und Resultate erheblich hiervon abweichen können.  Zusätzliche Informationen zu diesen Risiken und Unsicherheiten finden Sie in den von uns bei der US-amerikanischen „Securities and Exchange Commission“ (SEC) eingereichten Unterlagen, einschließlich, aber nicht beschränkt auf den Abschnitt zu den Risikofaktoren des SAP-Jahresberichts 2022 auf dem Formular 20-F.

    © 2023 SAP SE. Alle Rechte vorbehalten.
    SAP und andere in diesem Dokument erwähnte Produkte und Dienstleistungen von SAP sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der SAP SE in Deutschland und anderen Ländern. Zusätzliche Informationen zur Marke und Vermerke finden Sie auf der Seite

  • Chatbot Replika in Italien gestoppt

    Chatbot Replika in Italien gestoppt

    Künstliche Intelligenz, Behörde für Datenschutz, stoppt den Chatbot „Replika“. Zu viele Risiken für Minderjährige und psychisch labile Menschen

    Die Datenschutzbehörde stoppt „Replika“. Der Chatbot, der mit einer schriftlichen und stimmlichen Schnittstelle ausgestattet ist und sich auf künstliche Intelligenz stützt, um einen „virtuellen Freund“ zu generieren, wird vorerst nicht in der Lage sein, die persönlichen Daten der italienischen Nutzer zu verwenden. Der Datenschutzbeauftragte hat nämlich mit sofortiger Wirkung die vorläufige Einschränkung der Datenverarbeitung gegenüber dem US-Unternehmen angeordnet, das die Anwendung entwickelt und verwaltet.

    Aus den jüngsten Presseberichten und den von der Behörde durchgeführten Tests zu „Replika“ geht hervor, dass die Anwendung tatsächlich konkrete Risiken für Minderjährige birgt, angefangen damit, dass ihnen Antworten vorgeschlagen werden, die für ihren Entwicklungsstand absolut ungeeignet sind.

    Der „virtuelle Freund“ – der als fähig dargestellt wird, das emotionale Wohlbefinden des Nutzers zu verbessern, ihm zu helfen, seine eigenen Gedanken zu verstehen und Ängste durch Stressbewältigung, Sozialisierung und die Suche nach Liebe zu lindern – weist Eigenschaften auf, die durch die Einwirkung auf die Stimmung der Person die Risiken für Personen erhöhen können, die sich noch in einer Entwicklungsphase oder in einem Zustand emotionaler Zerbrechlichkeit befinden.

    Außerdem fehlt ein Mechanismus zur Altersüberprüfung: Filter für Minderjährige, aber auch die Sperrung der App bei Aussagen, in denen der Nutzer sein Alter explizit angibt. In der Phase der Kontoerstellung fragt die Plattform nur nach Name, E-Mail und Geschlecht.

    Daten
    Künstliche Intelligenz

    Und die vom Chatbot vorgeschlagenen „Antworten“ stehen oft in eklatantem Widerspruch zu den verstärkten Schutzmaßnahmen, die für Minderjährige und alle empfindlichen Personen gewährleistet werden müssen. Mehrere in den beiden großen „App Stores“ veröffentlichte Bewertungen enthalten außerdem Kommentare von Nutzern, die sich über sexuell unangemessene Inhalte beschweren.

    „Replika“ verstößt gegen die europäische Datenschutzverordnung, hält sich nicht an den Grundsatz der Transparenz und verarbeitet personenbezogene Daten in rechtswidriger Weise, da sie sich nicht einmal stillschweigend auf einen Vertrag stützen kann, den der Minderjährige nicht abschließen kann.

    Der US-amerikanische Entwickler Luka Inc. muss nicht nur die Verarbeitung der Daten italienischer Nutzer einstellen, sondern auch innerhalb von 20 Tagen mitteilen, welche Maßnahmen er ergriffen hat, um der Aufforderung der Garante nachzukommen; andernfalls droht ihm eine Geldstrafe von bis zu 20 Millionen Euro oder bis zu 4 % des weltweiten Jahresumsatzes.

    Künstliche Intelligenz: Italienische Staatsanwaltschaft geht gegen den Chatbot „Replika“ vor – Zu viele Risiken für Kinder und emotional verletzliche Personen

    Die italienische Staatsanwaltschaft geht gegen „Replika“ vor. Der KI-gestützte Chatbot, der über Text- und Videoschnittstellen einen „virtuellen Freund“ generiert, darf vorerst keine personenbezogenen Daten italienischer Nutzer verarbeiten. Die italienische Behörde hat dem in den USA ansässigen Unternehmen, das die App entwickelt hat und betreibt, eine vorläufige Einschränkung der Datenverarbeitung auferlegt, die sofort in Kraft tritt.

    Jüngste Medienberichte und von der SA durchgeführte Tests mit „Replika“ haben gezeigt, dass die App faktische Risiken für Kinder birgt – vor allem die Tatsache, dass sie Antworten erhalten, die ihrem Alter absolut nicht angemessen sind.

    Der „virtuelle Freund“ soll in der Lage sein, das emotionale Wohlbefinden der Nutzer zu verbessern und ihnen zu helfen, ihre Gedanken zu verstehen und Ängste durch Stressbewältigung, Sozialisierung und die Suche nach Liebe abzubauen. Diese Funktionen stehen in Wechselwirkung mit der Stimmung einer Person und können für Personen, die noch nicht erwachsen oder emotional verletzlich sind, ein erhöhtes Risiko darstellen.

    Es gibt keinen Mechanismus zur Altersüberprüfung: keine Sperre für Kinder, keine Sperrung der App, wenn ein Nutzer angibt, minderjährig zu sein. Bei der Einrichtung eines Kontos fragt die Plattform lediglich den Namen, das E-Mail-Konto und das Geschlecht des Nutzers ab.

    Und die „Antworten“ des Chatbots stehen oft eindeutig im Widerspruch zu den erweiterten Schutzmaßnahmen, auf die Kinder und schutzbedürftige Personen Anspruch haben. Mehrere Bewertungen in den beiden großen App Stores enthalten Kommentare von Nutzern, die auf sexuell unangemessene Inhalte hinweisen.

    Replika“ verstößt gegen die EU-Datenschutzverordnung: Es erfüllt nicht die Transparenzanforderungen und verarbeitet personenbezogene Daten in rechtswidriger Weise, da die Erfüllung eines Vertrags nicht als Rechtsgrundlage geltend gemacht werden kann, auch nicht implizit, da Kinder nach italienischem Recht nicht in der Lage sind, einen gültigen Vertrag abzuschließen.

    Der in den USA ansässige Entwickler Luka Inc. wurde daher angewiesen, die Verarbeitung von Daten italienischer Nutzer einzustellen und die italienische Aufsichtsbehörde innerhalb von 20 Tagen über alle Maßnahmen zu informieren, die zur Umsetzung der Anordnungen der Aufsichtsbehörde getroffen wurden. Andernfalls kann die Staatsanwaltschaft eine Geldbuße von bis zu 20 Mio. EUR oder 4 % des gesamten weltweiten Jahresumsatzes des Unternehmens verhängen.

    source: gpdp.it

    Follow on LinkedIn
  • HERE Workspace: The low-code platform tool for map creation now comes with machine learning from AWS

    HERE Workspace: The low-code platform tool for map creation now comes with machine learning from AWS

    HERE Workspace adds new low-code mapmaking capabilities and now connects to Amazon SageMaker, AWS’s machine learning platform, to further expand the possibilities for customers developing spatial intelligence

    HERE Technologies announced that HERE Workspace is expanding to give enterprises more ways to integrate spatial intelligence into their business operations, supply chains and fleets.

    Launched two years ago as a platform tool for building and scaling customized maps, services and experiences, HERE Workspace is offering new and improved capabilities, including a low-code environment for developing spatial intelligence and a new intuitive and predictable value-based pricing model. HERE is also pleased to announce that HERE Workspace now integrates seamlessly with Amazon SageMaker, enabling users to leverage familiar value-added machine learning tools to enhance their spatial intelligence development.

    “We believe that every smart enterprise will want its own private map, leveraging its own spatial data at scale,” says Giovanni Lanfranchi, Chief Product & Technology Officer at HERE Technologies. “Building on our progress of the last years, we’re expanding the possibilities of HERE Workspace by connecting it to Amazon SageMaker, an end-to-end machine learning solution, to deliver even greater value for customers.”

    Low-code, high-grade spatial intelligence

    As businesses generate large volumes of raw spatial or map data, HERE Workspace helps them convert it into standardized map content that can be connected to the HERE map. Dedicated low-code templates and a drag-and-drop workflow editor enable customers to automate the ingestion of data as well as conflate, validate and publish map content for their own private use – taking full advantage of HERE’s advanced mapmaking capabilities and powerful location services and SDKs. The result: navigable, actionable maps which serve as a basis on which to create private and customized experiences. 

    For example, by mapping their private facilities, businesses with logistics operations can enable more intelligent routing and accurate estimated time of arrival (ETA) predictions. If a journey begins inside a ferry terminal and ends inside a factory, ETA calculations should represent the true expected travel time, not only the portion of the operation completed on public roads. HERE Workspace also supports location contextualization of a business’s data to uncover new insights – such as through observing fleet speed versus road speed limits to assess risk. Alternatively, a business might layer its own private places and points of interest on the HERE map and activate a private search and routing algorithm that accounts for these new locations.

    Multiple organizations are already leveraging private spatial intelligence to support their unique business goals, logic and use cases. For example:

    • A leader in online commerce runs its own private routing layer on the HERE map to ensure its trucks only drive certain roads in and out of its logistic hubs.
    • A global automaker is creating a private map layer of automated driving zones that tell its vehicles and drivers where exactly Level 2 and Level 3 automated driving is permitted.
    • Rural firefighters are mapping trails and tracks, including across private land, to support rapid access to remote areas to tackle wildfires.
    • A leading ride hailing company uses private custom locations to guide drivers to the best pick-up and drop-off places.

    HERE Workspace now connects with Amazon SageMaker

    Demonstrating its extensibility into other capabilities and solutions, HERE Workspace now connects with Amazon SageMaker’s machine learning tools to enable businesses to harness the best of both HERE and Amazon SageMaker.By integrating SageMaker into HERE Workspace, customers can now train models based on business activity, deploy to SageMaker and then seamlessly use models in HERE Workspace to extend their impact to map or services customization. 

    At AWS re:Invent 2022, HERE will be joining AWS on stage to demonstrate how we have integrated Amazon SageMaker and to illustrate how Amazon SageMaker can aid predictions of how long traffic jams will last. As part of the demonstration, HERE will highlight the use of Shadow Deployment, a newly launched Amazon SageMaker feature for evaluating machine learning model performance without impacting production traffic or workload.

    “By integrating Amazon SageMaker into HERE Workspace, our customers can now leverage the breadth and depth of Amazon SageMaker’s machine learning services from within the HERE Workspace environment,” said Ankur Mehrotra, Director, Amazon SageMaker at AWS. “Customers can augment their spatial intelligence efforts by using their data in HERE to build, train and deploy machine learning models in Amazon SageMaker through a direct integration with SageMaker Studio. We’re excited to help our joint customers accelerate innovation and time-to-value by bringing our capabilities together.”

    New value-based pricing model

    HERE Workspace also introduces an intuitive new business model which aligns more closely with the value businesses extract from HERE Workspace. Our new business model is based on subscriptions and makes expected costs a lot easier to predict thus providing a more user-friendly experience.

    source: HERE

  • Neue Datenstrategie für OTTOs Werbegeschäft

    Neue Datenstrategie für OTTOs Werbegeschäft

    Im Zuge der fortschreitenden Transformation vom Händler zu Plattform, launcht OTTO eine neue Datenstrategie für seine Werbe-Services.

    Zum 1. Januar machte OTTO seine First-Party-Daten damit exklusiv bei OTTO Advertising verfügbar.

    Vom reinen Onlinehändler zur Plattform mit Marktplatz, tausenden Partnern und eigenen Advertising Services – die Transformation zur Plattform durchdringt alle Geschäftsbereiche von OTTO. „Die Werbeservices unter OTTO Advertising sind für unser Plattformgeschäft ein echter Wachstums-Case“, erklärt Sabine Jünger, Vice President OTTO Advertising. „Um diesen bestmöglich zu erfüllen, starten wir mit einer neuen Datenstrategie und der alleinigen Hoheit über unsere Kundendaten.“ Mit diesem Schritt stehen OTTOs First-Party-Daten seit dem 1. Januar 2023 exklusiv auf der eigenen Plattform zu Verfügung.

    „Daten wie Demografie, Kaufinteresse und Nutzerverhalten bilden die Basis unserer Werbeleistungen für andere Unternehmen“, so Sabine Jünger weiter. „Damit steuern wir Kampagnen zielgruppen- und bedarfsgerecht aus. Sie haben für uns und unsere Werbekund*innen also einen besonderen Wert. Deshalb behalten wir sie ab sofort bei OTTO.“

    Datenstrategie

    Tagesaktuelle Daten im OTTO Display Network

    Ziel der Entscheidung von OTTO sei es, Werbekund*innen nicht ausschließlich Datenpakete zur Verfügung zu stellen, sondern aus diesen Daten immer wieder Anpassungen für Kampagnen abzuleiten und direkt umzusetzen – und das in der eigenen Infrastruktur. Dafür nutzt OTTO Advertising tagesaktuelle First-Party-Daten von über 31 Mio. aktiven Nutzer-Konten der Otto Group.

    „Datenaktualität ist der Schlüssel für erfolgreiche Kampagnen und die können wir als OTTO liefern“, bekräftigt Sabine Jünger. Für die Kampagnenaussteuerung nutzt OTTO das OTTO Display Network, einen eigens entwickelten Tech-Stack, der OTTO direkt an 95 Prozent der größten Vermarkter (AGOF) in Deutschland anschließt. „Wir werden künftig alle Daten über diesen einen Tech-Stack nutzen und zur Verfügung stellen. So können wir die Kampagnenaussteuerung über den gesamten Funnel für unsere Werbekund*innen noch einfacher, schneller und genauer machen. Und das tagesaktuell.“

    Die 2019 gegründete OS Data Solutions (OSDS) bleibt weiterhin bestehen und wird von Ströer übernommen. OTTO und Ströer werden auch künftig ihre Zusammenarbeit außerhalb des Joint Ventures fortsetzen.

    source: OTTO

  • Lufthansa Group sammelt weltweit Daten zur Klimaforschung: Drittes Flugzeug startet im Dienste der Wissenschaft

    Lufthansa Group sammelt weltweit Daten zur Klimaforschung: Drittes Flugzeug startet im Dienste der Wissenschaft

    Erstmals sammelt Flugzeug von Eurowings Discover Klimadaten. Weiterer Langstrecken-Airbus mit Messinstrumenten für europäisches Forschungsprojekt IAGOS ausgestattet.

    Die Lufthansa Group baut ihr langjähriges Engagement für die Klimaforschung weiter aus und hat gemeinsam mit dem Forschungszentrum Jülich ein drittes Flugzeug ihrer Konzernflotte mit Messinstrumenten ausgestattet. Ab sofort sammelt ein Airbus A330 von Eurowings Discover in der Atmosphäre laufend Messdaten. Das umgerüstete Langstreckenflugzeug der Ferienfluggesellschaft der Lufthansa Group mit der Kennung D-AIKE, „Kilo-Echo“, fliegt im weltweiten Liniendienst – mit Destinationen in Nordamerika, der Karibik, dem indischen Ozean und Afrika.

    Bereits seit über sieben Jahren hat Lufthansa zwei Langstreckflugzeuge im Einsatz, die mit dem Messsystem des europäischen Forschungsprojektes IAGOS (In-service Aircraft for a Global Observing System) ausgestattet sind. Dank der nun zusätzlichen A330 erhebt die Lufthansa Group künftig auf zusätzlichen Flugrouten rund um den Globus Klimadaten für die Wissenschaft.

    „Wir sind stolz, das IAGOS-Projekt jetzt mit einem dritten Langstreckenflugzeug unterstützen zu können. Die mit unseren Flugzeugen in den letzten fast 30 Jahren erfassten Daten haben wesentlich zum Aufbau einer der weltweit umfangreichsten Datensätze von Ozon- und Wasserdampfgehalt in der Atmosphäre beigetragen. Mit unserem Engagement leisten wir einen wichtigen Beitrag zur Klimaforschung“, sagt Christina Foerster, Vorständin Markenführung & Nachhaltigkeit der Lufthansa Group.

    IAGOS bündelt unter Federführung des Forschungszentrums Jülich die Expertise von Partnern aus Forschung, Wetterdiensten, Luftfahrtindustrie und Fluggesellschaften. IAGOS Deutschland wird vom Bundesministerium für Bildung und Forschung gefördert.

    „Dank der langjährigen Unterstützung durch die Lufthansa Group konnte sich IAGOS zu einer Forschungsinfrastruktur von internationalem Rang entwickeln und nimmt einen zentralen Platz im globalen System zur Beobachtung der Atmosphäre ein. Wir begrüßen die ‚Kilo-Echo‘ als neues Familienmitglied und freuen uns auf die sich weiter vertiefende Zusammenarbeit mit der Lufthansa Group. Wir hoffen, mit unseren Messungen in Zukunft auch zu einer Verringerung der Klimawirkung des Luftverkehrs beitragen zu können“, sagt Prof. Andreas Petzold, Koordinator von IAGOS Deutschland am Forschungszentrum Jülich.

    Das kompakte System des europäischen Forschungsprojektes ist unterhalb des Flugzeugcockpits fest installiert. Eine kurze Verbindung führt von dort zu zwei im Flugzeugrumpf eingebauten Messsonden. Die erfassten Messdaten werden nach jedem Flug automatisch zur zentralen Datenbank des Forschungszentrums CNRS (Centre National de la Recherche Scientifique) in Toulouse übermittelt. Sie sind für die globale Forschung frei und offen zugänglich und werden derzeit von rund 300 Organisationen weltweit genutzt. Sie helfen Forschenden, neue Erkenntnisse über die Entwicklung des Klimas und die Zusammensetzung der Atmosphäre zu gewinnen und langfristige Veränderungen festzustellen, Klimamodelle zu präzisieren und die Wettervorhersagen zu verbessern.

    30.000 Lufthansa Flüge für die Klimaforschung

    Das erste IAGOS-Flugzeug der Lufthansa Group, der Airbus A340-300 „D-AIGT“, ist bereits seit dem 8. Juli 2011 im Einsatz. An diesem Tag startete Lufthansa als weltweit erste Fluggesellschaft mit dem neuen IAGOS-Messsystem. Das Vorgängersystem MOZAIC war ebenfalls auf zwei Lufthansa Airbus A340-300 installiert und sammelte bis 2014 verlässlich Messdaten im Reiseflug. Im Februar 2015 erfolgte die Installation des zweiten IAGOS-Systems bei Lufthansa auf dem Airbus A330-300 „D-AIKO“. Zusammen mit dem umgerüsteten, dritten Flugzeug sind künftig weltweit insgesamt zehn Flugzeuge bei sieben Fluggesellschaften mit dem IAGOS-System ausgestattet. Rund die Hälfte der mehr als 60.000 Flüge mit MOZAIC- und IAGOS-Messgeräten wurden von Lufthansa durchgeführt.

    source
    Lufthansa Group

  • Amadeus investiert in Innovationen für urbane Mobilität und beteiligt sich an Eccocar

    Amadeus investiert in Innovationen für urbane Mobilität und beteiligt sich an Eccocar

    Amadeus und das spanische Start-up-Unternehmen beschleunigen die Entwicklung eines multimodalen Ecosystems. Starker Fokus auf Digitalisierung, um Reisenden ein komfortables und nachhaltiges End-to-End-Mietwagenerlebnis zu bieten

    Amadeus hat in Eccocar investiert, um Innovationen im Bereich der sich ständig weiterentwickelnden Mobilität zu beschleunigen. In den letzten Jahren sind neue Verkehrsmittel hinzugekommen, darunter Fahrgemeinschaften, Carsharing und Elektroroller. Autonome Fahrzeuge sowohl auf der Straße als auch in der Luft könnten der nächste Schritt sein. Die Reisebranche muss darauf reagieren und ein neues Ecosystem entwickeln, um alle Verkehrsmittel miteinander zu verbinden und den Reisenden echte Multimodalität über ihre Smartphones oder mobile Apps zu bieten. 

    Das in Spanien ansässige Start-up-Unternehmen Eccocar arbeitet an der Lösung der Herausforderungen, die sich aus den Veränderungen der Shared-Mobility und der fortschreitenden Digitalisierung der Autovermietung ergeben. Sein Portfolio umfasst eine Reihe von Angeboten, unter anderem für Micro-Mobilität und Carsharing.

    Zu den weiteren Investoren gehört unter anderem Ninepointfive, ein europäischer Risikokapitalfonds, der mit Unternehmen zusammenarbeitet, um in Technologie-Start-ups zu investieren.

    „Die Partnerschaft mit Amadeus ist eine große strategische Chance für Eccocar, da wir unsere branchenführende Technologie mit einem weltweit führenden Unternehmen der Reisebranche zusammenbringen können. Wir werden unseren Kunden gemeinsam unsere innovativen Lösungen anbieten, und mit der Unterstützung von Amadeus kann unsere internationale Expansion, insbesondere im Bereich der Autovermietung, nun beschleunigt werden“, sagt Iván Luarca Gayo, Mitbegründer und Chief Executive Officer von Eccocar.

    Die Beteiligung versetzt Amadeus in die Lage, seinen Kunden über die unternehmenseigenen globalen Plattformen zusätzlichen Mobilitäts-Content, der über Autovermietungen und vorbestellte Transfers hinausgeht, anzubieten. Langfristig wird die Flexibilität von Eccocar das Testen von nahtloseren Reiseanwendungen entlang der gesamten Reise ermöglichen.

    „Mit unserer Amadeus Mobility Platform sind wir gut positioniert, um weiterhin Innovationen voranzutreiben und mehr Möglichkeiten für Reiseverkäufer und Anbieter von Mobilitäts-Content zu schaffen. Eccocar ist ein spannendes Unternehmen zur Erprobung von Mobilitätsangeboten und wird uns helfen, unser Angebot weiterzuentwickeln, wenn neue Formen der Mobilität in den Städten Einzug halten“, sagt Peter Altmann, Vice President Mobility & Travel Protection bei Amadeus.

    „Unsere Branche befindet sich derzeit in einem tiefgreifenden Wandel, wobei die geteilte Mobilität und autonome Fahrzeuge dem Markt neue Möglichkeiten eröffnen. Um diesen Veränderungen gerecht zu werden, ist die Zusammenarbeit ein guter Weg, um sicherzustellen, dass unsere Lösungen den wachsenden Erwartungen der Reisenden entsprechen. Indem wir die Synergien zwischen beiden Unternehmen nutzen, wird Amadeus ein nahtloses End-to-End-Erlebnis für Reisende in den Bereichen Autovermietung und urbane Mobilität schaffen“, ergänzt Suzanna Chiu, Head of Amadeus Ventures.

    source Amadeus

    now.digital | world of data - Daten sind für eine digitale Plattform äußerst wichtig. Sie werden verwendet, um die Funktionalität und das Nutzererlebnis der Plattform zu informieren und zu verbessern, sowie um Nutzungsmuster und Nutzerverhalten zu verfolgen und zu analysieren. Die auf einer digitalen Plattform gesammelten Daten können verwendet werden, um:

Personalisierung des Nutzererlebnisses, z. B. durch Empfehlung von Inhalten oder Produkten
die Leistung und Skalierbarkeit der Plattform zu verbessern

Identifizierung und Behebung von Fehlern und anderen technischen Problemen
das Engagement der Nutzer zu verfolgen und den Erfolg verschiedener Funktionen zu messen

Überwachung des Nutzerverhaltens und der Präferenzen, um das Design und die Marketingstrategien der Plattform zu optimieren
Erstellung gezielter Werbe- und Marketingkampagnen

Ohne Daten wäre es schwierig, fundierte Entscheidungen darüber zu treffen, wie die Plattform verbessert und ausgebaut werden kann.