#113 - Alle sammeln Daten. Kaum jemand weiß warum. Mit Gast Anna Neureiter

Daten sammeln ist einfach. Wissen, warum man sie sammelt, ist selten. Anna Neureiter, Data Governance Managerin bei IT Power Services, erklärt, warum 80 Prozent der Arbeit in KI-Projekten auf Datenaufbereitung entfällt, bevor ein Modell startet, und warum Unternehmen trotzdem alles sammeln, was sie kriegen können, ohne konkreten Use Case. Der Gedanke ist verlockend: Wir haben die Daten, also sitzen wir auf einem Schatz. Die Realität: redundante Datenberge, veraltete Bestände, KI-Projekte, die nicht wegen der Technologie scheitern, sondern weil die Grundlage fehlt.Mind/Machine ist der Podcast für alle, die verstehen wollen, wie KI in der Praxis wirklich funktioniert. Manuela Machner, KI-Expertin mit Schwerpunkt Tourismus und KMU, und Eliot Mannoia, digitaler Psychologe, sprechen mit Expertinnen und Experten über das, was hinter den Schlagzeilen steckt. Was dich in dieser Folge erwartet:Daten sind nicht das neue GoldDaten sind eher wie ein Samen als wie Gold. Gold behält seinen Wert. Ein Samen braucht Pflege und den richtigen Zeitpunkt. Wer Daten fünf Jahre im Keller lagert und dann eine Ernte erwartet, wird enttäuscht. Der Zeitaspekt wird in den meisten Unternehmen systematisch unterschätzt.80 Prozent Aufwand vor dem Modell-StartRund 80 Prozent der Arbeitszeit in KI-Projekten entfällt auf Datenaufbereitung und Qualitätsprüfung. Viele Projekte scheitern nicht am Algorithmus, sondern an schlechten Daten. Anna Neureiter erklärt, warum das kein technisches, sondern ein organisatorisches Problem ist.Use Case zuerst, Daten danachDer häufigste Fehler: Erst sammeln, dann überlegen, was man will. Anna beschreibt, wie sauberes Scoping aussieht, warum Quick Wins oft wichtiger sind als große Visionen, und was es bedeutet, alle Beteiligten von Anfang an auf dasselbe Ziel auszurichten.Data Literacy: Daten sind kein IT-ThemaWenn Fachbereiche nicht wissen, was sie mit Daten anfangen sollen, nützen auch die besten Datensätze nichts. Anna Neureiter setzt auf Enablement: Menschen befähigen, Daten selbst zu hinterfragen und kritisch einzusetzen.Data Spaces und die DIOAnna ist ehrenamtlich bei der Data Intelligence Offensive (DIO) aktiv, die Datenaustausch in Österreich auf Basis europäischer Standards vorantreibt. Sie erklärt, wie Unternehmen Daten souverän teilen können, ohne die Kontrolle zu verlieren.Häufig gestellte Fragen:Warum scheitern so viele KI-Projekte?Meistens nicht wegen der Technologie. Der häufigste Grund ist eine schlechte Datengrundlage und fehlendes Scoping zu Projektbeginn.Was bedeutet Data Literacy?Die Fähigkeit, Daten zu lesen, zu interpretieren und kritisch zu hinterfragen, ohne Datenwissenschaftlerin zu sein.Was sind Data Spaces?Technische und rechtliche Infrastrukturen für kontrollierten Datenaustausch zwischen Unternehmen, verankert in der europäischen Datenstrategie.Wie startet man ein gutes Datenprojekt?Mit einem konkreten Use Case, nicht mit der Frage, welche Daten man hat. Kleines Pilotprojekt, schneller Erfolg, dann skalieren.https://www.mind-machine.atManuela Machner ist KI-Expertin für Tourismus und KMU, Gründerin von KiNET.ai. Eliot Mannoia ist digitaler Psychologe und beschäftigt sich mit den Auswirkungen von Technologie auf Mensch und Gesellschaft - www.brandkarma.at