AI-DATA · Pfad 4: Bauen und betreiben
AI-ready Data und Knowledge Architecture
RAG-Projekte scheitern selten am Modell, fast immer an Quellen ohne Besitzer und Berechtigungen ohne Konzept.
- Dauer
- 2 Tage
- Gruppe
- bis 12 Personen
- Format
- Inhouse · Remote
- Sprache
- Deutsch oder Englisch
- Preis
- 15.800 € pauschal, zzgl. MwSt.
Für wen dieser Track ist
Architekten, Data Engineers und Entwickler, die vor der Aufgabe stehen, Unternehmenswissen für Assistenten nutzbar zu machen. Auch für technische Projektleiter, die vor dem Start eines RAG-Vorhabens wissen wollen, welche Quellen tragfähig sind und welche nicht.
Für wen nicht
Nicht für Teams, die bereits eine belastbare Quellenlandkarte haben und den Prototyp bauen wollen. Die starten direkt im Enterprise RAG Engineering (AI-RAG). Reine Richtlinienfragen gehören in AI-GOV.
Ausgangssituation
Das Wissen liegt in SharePoint, Fileservern, Wikis, Ticketsystemen und E-Mail-Postfächern, oft in drei Versionen und ohne klaren Besitzer. Ein Assistent, der auf diesem Bestand antwortet, zitiert veraltete Richtlinien und zeigt Dokumente, die der Fragende nie sehen dürfte. Bevor eine Zeile Ingestion-Code entsteht, braucht es Landkarte, Ownership und ein Berechtigungskonzept.
Das existiert nach dem Track
- Eine Wissenslandkarte Ihrer realen Quellenlandschaft, anonymisiert erarbeitet, mit Bewertung nach Aktualität, Qualität und Zugriffsstruktur
- Eine Ownership-Matrix: je priorisierter Quelle ein benannter fachlicher Besitzer und ein definierter Aktualisierungsprozess
- Eine priorisierte Quellenliste für die erste RAG-Iteration mit dokumentierten Ausschlusskriterien
- Ein Retrieval-Anforderungsprofil: welche Fragetypen, welche Dokumentarten, welche Metadaten das System beantworten muss
- Ein Berechtigungskonzept-Entwurf, der Quell-ACLs bis zur Antwort durchreicht statt sie beim Indexieren zu verlieren
Voraussetzungen
Kenntnis der eigenen Systemlandschaft und Grundverständnis von Datenstrukturen. Programmierkenntnisse sind nicht erforderlich, Architekturdenken schon.
Vorarbeit vor dem Track
Sie erhalten vorab einen Quellensteckbrief: je Teilnehmerorganisation die 10 wichtigsten Wissensquellen mit Systemtyp, geschätztem Umfang, Zugriffsmodell und letztem bekannten Aufräumdatum. Die anonymisierten Steckbriefe sind das Arbeitsmaterial beider Tage.
Lieferumfang
- 2 Präsenztage mit Dino Bordonaro, inhouse oder remote
- Vorlagen für Wissenslandkarte, Ownership-Matrix und Quellenbewertung als wiederverwendbare Dokumente
- Referenz-Berechtigungskonzept mit Entscheidungsbaum für document-level security
- Anonymisierte Auswertung der Quellensteckbriefe als Lagebild
- Teilnahmezertifikate und Schulungsdokumentation für Ihr Compliance-Archiv
- 60-minütige Remote-Sprechstunde 4 Wochen nach dem Training zur Überprüfung der Landkarte
Agenda
Tag 1
Das Lagebild: Ihre Quellen auf dem Tisch
Auswertung der anonymisierten Quellensteckbriefe. Erste Sortierfrage: Welche dieser Quellen würde ein Assistent heute zitieren und wem würden Sie die Antwort glauben?
Warum Indexieren ohne Landkarte teuer wird
Anatomie gescheiterter RAG-Projekte: veraltete Duplikate, verwaiste Laufwerke, ACL-Verlust beim Crawlen. Live-Demo am Sovereign Assistant im Lab: dieselbe Frage gegen kuratierte und unkuratierte Quellen.
Werkstatt Wissenslandkarte
Jede Organisation kartiert ihre Quellen entlang dreier Achsen: fachlicher Wert, Datenqualität, Zugriffsstruktur. Ergebnis ist eine Vier-Quadranten-Karte mit klaren Kandidaten und klaren Ausschlüssen.
Ownership oder Datenfriedhof
Übung an den eigenen Karten: Wer besitzt welche Quelle fachlich, wer pflegt sie, was passiert bei Widerspruch zwischen zwei Versionen? Die Ownership-Matrix entsteht am eigenen Fall.
Tagesergebnis: Landkarte und Matrix stehen
Jede Organisation präsentiert ihre Wissenslandkarte mit Ownership-Matrix in 5 Minuten. Prüffrage der Runde: Ist jede Top-Quelle einem Namen zugeordnet und jede Ausschluss-Entscheidung begründet?
Tag 2
Priorisierung: die erste Iteration schneiden
Aus der Landkarte wird eine geordnete Liste: Welche 3-5 Quellen tragen die erste RAG-Iteration? Kriterien sind Antwortwert, Datenreife und Berechtigungsklarheit, nicht politische Sichtbarkeit.
Retrieval-Anforderungen statt Wunschliste
Aus realen Fragetypen der Teilnehmenden entsteht ein Anforderungsprofil: Faktenfragen, Prozessfragen, Vergleichsfragen. Welche Metadaten, Strukturen und Aktualitätsgarantien braucht jede Klasse?
Berechtigungen: von der Quelle bis zur Antwort
Werkstatt am Referenzkonzept: Wie kommen ACLs aus SharePoint und Fileserver in den Index und wie werden sie bei jeder Abfrage geprüft? Entscheidungsbaum für document-level security am eigenen Zugriffsmodell.
Der Pflegeprozess: aktuell bleiben statt einmal aufräumen
Übung: Für die priorisierten Quellen wird der Aktualisierungspfad definiert. Wer löscht, wer versioniert, wie erfährt der Index davon? Ohne diesen Prozess veraltet jede Landkarte in Monaten.
Tagesergebnis: das übergabefähige Paket
Jede Organisation legt Landkarte, Ownership-Matrix, priorisierte Quellenliste und Berechtigungskonzept-Entwurf als Paket ab. Gegenseitiges Review anhand einer Checkliste: Könnte ein RAG-Team am Montag damit starten?
Übungen und Lab-Anteil
Rund die Hälfte der Zeit ist Werkstattarbeit an der eigenen, anonymisierten Quellenlandschaft. Dazu Live-Demonstrationen am Sovereign Assistant auf unserer Lab-Umgebung, um Kurations- und Berechtigungseffekte sichtbar zu machen.
Plattformen
Die Werkstattarbeit erfolgt an anonymisierten Steckbriefen Ihrer realen Quellen, es verlassen keine Kundendaten Ihr Haus. Demos laufen auf unserer Lab-Umgebung mit synthetischen Daten, Plattformbeispiele in der jeweils verfügbaren Version.
Transfernachweis
Das Abschluss-Review am Tag 2 prüft jedes Paket gegen eine dokumentierte Checkliste: Ownership benannt, Priorisierung begründet, Berechtigungspfad beschrieben. Ergebnis und Teilnahme werden revisionssicher dokumentiert.
Mitgenommene Artefakte
- Wissenslandkarte der eigenen Quellenlandschaft als bearbeitbares Dokument
- Ownership-Matrix mit Pflegeprozess je priorisierter Quelle
- Priorisierte Quellenliste mit Ausschlussbegründungen für die erste RAG-Iteration
- Berechtigungskonzept-Entwurf mit Entscheidungsbaum für document-level security
- Retrieval-Anforderungsprofil als Eingangsdokument für AI-RAG
Optionale Erweiterungen
- Enterprise RAG Engineering (AI-RAG) als direkter Bau-Anschluss auf Basis des Pakets
- Evaluation, Observability und Guardrails (AI-EVAL) für die Qualitätssicherung des späteren Systems
- Sovereign Assistant PoC auf unserer Lab-Umgebung mit Ihren priorisierten Quellen als Projekt
Abgrenzung
Das Training erarbeitet Konzepte und Entscheidungsgrundlagen an Ihrem Fall. Es ersetzt keine Datenmigration, keine Systemeinführung und keinen Implementierungsauftrag, dafür sprechen wir über ein Projekt.
Häufige Fragen
Unsere Datenlandschaft ist ein Chaos. Ist das Training dann nicht zu früh?
Genau dann ist es richtig. Ziel ist nicht die aufgeräumte Landschaft, sondern die begründete Auswahl der 3-5 Quellen, die eine erste Iteration tragen. Vollständiges Aufräumen vor dem ersten Projekt ist der häufigste Weg, nie zu starten.
Müssen wir dafür echte Unternehmensdaten mitbringen?
Nein. Gearbeitet wird an anonymisierten Quellensteckbriefen: Systemtyp, Umfang, Zugriffsmodell, Qualitätseinschätzung. Das reicht für belastbare Entscheidungen und es verlassen keine Inhalte Ihr Haus.
Wir haben noch kein RAG-Projekt beschlossen. Lohnt sich das trotzdem?
Ja, denn das Paket aus Landkarte, Ownership und Berechtigungskonzept ist auch die Entscheidungsgrundlage dafür, ob und wo sich ein Projekt lohnt. Falls die Business-Case-Frage im Vordergrund steht, ist AI-VALUE der passendere Einstieg.