Ziel Dieses Modul vermittelt, wie Organisationen durch klare Verantwortlichkeiten, hohe Datenqualität und transparente Prozesse Vertrauen in ihre Daten – und damit auch in datengetriebene und KI-basierte Entscheidungen – schaffen können. Im Kontext zunehmender Automatisierung und des Einsatzes von Künstlicher Intelligenz werden zentrale Konzepte der Data Governance und Data Excellence eingeführt, die als Grundlage für vertrauenswürdige, nachvollziehbare und regelkonforme Analytics- und AI-Anwendungen dienen. Dabei wird deutlich: Der Erfolg von KI-Systemen hängt maßgeblich von der Qualität, Verfügbarkeit und Governance der zugrunde liegenden Daten ab. Ein weiterer Fokus liegt auf der organisatorischen und technischen Steuerung von Daten entlang des gesamten Datenlebenszyklus – als Voraussetzung für skalierbare Analytics- und AI-Initiativen. Sie lernen zentrale Rollenkonzepte wie Data Owner und Data Steward kennen sowie den Einsatz moderner Plattformen für Daten- und Metadatenmanagement. Ein besonderer Schwerpunkt liegt auf Datenqualitätsmanagement (DQM) als kritischem Erfolgsfaktor für digitale Transformation und AI-Projekte. Sie erarbeiten, welche Dimensionen Datenqualität umfasst (z. B. Vollständigkeit, Aktualität, Korrektheit) und wie diese systematisch gemessen, gesteuert und verbessert werden können. Praktische Übungen zeigen, wie Data Governance-Frameworks, Data Quality-Methoden und moderne Datenplattformen dazu beitragen, verlässliche Datengrundlagen für Analytics und Machine Learning zu schaffen und DQM als kontinuierlichen, adaptiven Prozess in der Organisation zu verankern. Aufbau und Inhalte Einführung in Data Governance, Datenqualität und deren Bedeutung für AI Rollenkonzepte (Data Owner, Data Steward) und organi…