Zentrale Erkenntnis: Unternehmen können keine vertrauenswürdige KI aufbauen, wenn die Datenqualität unzureichend oder die Informationen schlecht organisiert sind. Sie schaffen eine verlässlichere Datenumgebung, indem sie redundante, veraltete oder unbedeutende Daten systematisch reduzieren, belastbare Aufbewahrungs und Löschrichtlinien anwenden, die Informationsarchitektur stärken und KI Inhalte steuern. So liefert KI präzisere Ergebnisse, Risiken sinken und eine verantwortungsvolle Einführung lässt sich unternehmensweit skalieren.

Auf dem Weg zur verantwortungsvollen KI Bereitschaft führt jeder Schritt zum selben Ziel. KI muss auf vertrauenswürdigen, sicheren, regelkonformen und gut gesteuerten Informationen aufbauen.

Generative KI Tools sind nur so nützlich wie die Daten, auf die sie zugreifen können. Die Qualität dieser Daten bestimmt direkt die Ergebnisse. Der Weg zur verantwortungsvollen KI Bereitschaft beginnt mit einer sorgfältigen und gezielten Implementierung. Schritt sieben des zehnstufigen Programms konzentriert sich auf einen praktischen Bereich, den Unternehmen kontrollieren können. Das Datenlebenszyklusmanagement.

Das Ziel umfasst zwei Aspekte. Erstens verbessern Unternehmen KI Ergebnisse, indem sie Inhalte mit geringem Wert oder veraltete Inhalte reduzieren. Zweitens senken sie Risiken, indem sie Aufbewahrungs und Löschrichtlinien konsequent und nachvollziehbar auf alle Inhalte anwenden. Dazu gehören auch Daten, die KI Tools erzeugen.

Warum das Datenlebenszyklusmanagement die Genauigkeit von KI direkt beeinflusst

Die Aufbewahrung von Daten galt traditionell als Compliance Anforderung. Wenn Unternehmen Daten jedoch unbegrenzt oder uneinheitlich aufbewahren, entstehen messbare Kosten und Risiken. Überflüssige Daten erhöhen die Speicherkosten, erschweren die eDiscovery und verschlechtern das Verhältnis relevanter Informationen zu irrelevanten Treffern, wenn Nutzer und KI Systeme nach Inhalten suchen.

Eine geringe Datenqualität schwächt auch die Ergebnisse der KI. Wenn veraltete, redundante oder unbedeutende Inhalte den Datenbestand dominieren, liefern KI Tools eher irrelevante oder irreführende Informationen. Dadurch steigen Risiken bei Entscheidungen, regulatorischen Reaktionen und Rechtsstreitigkeiten.

Ein ausgereiftes Datenlebenszyklusmanagement verändert diese Ausgangslage. Unternehmen bewahren erforderliche Inhalte auf, löschen nicht mehr benötigte Daten und sichern den Zugriff auf hochwertige und relevante Informationen. So erfüllen sie Compliance Anforderungen und verbessern zugleich die Leistung der KI.

So funktioniert die Optimierung des Datenlebenszyklus in der Praxis

Das Datenlebenszyklusmanagement ist eine fortlaufende operative Disziplin. Es umfasst den gesamten Lebenszyklus von Informationen, einschließlich Erstellung, Speicherung, Nutzung, Aufbewahrung, Archivierung und Löschung. Wirksame Programme verankern Aufbewahrung und Löschung im Tagesgeschäft und verbessern dadurch Integrität, Sicherheit, Compliance und operative Effizienz.

Ein praxistaugliches Programm umfasst in der Regel fünf Elemente:

• Governance: Unternehmen definieren Rollen, Entscheidungsbefugnisse und Richtlinienstandards und stimmen rechtliche, regulatorische und geschäftliche Anforderungen aufeinander ab.
• Bestandsaufnahme: Teams schaffen Transparenz darüber, welche Daten vorhanden sind, wo sie gespeichert sind und welche Inhalte sensibel oder reguliert sind.
• Aufbewahrung: Klare und durchsetzbare Regeln werden einheitlich auf Systeme und Inhaltstypen angewendet.
• Prüfbarkeit: Fortlaufende Berichte bestätigen, dass Teams Richtlinien anwenden, Ausnahmen steuern und Daten nachvollziehbar löschen.
• Automatisierung: Automatisierte Richtlinien reduzieren die Abhängigkeit von manueller Datensatzverwaltung durch Endnutzer und fördern eine konsistente Anwendung.

Informationsarchitektur für die KI Bereitschaft

Eine starke Informationsarchitektur verbessert die KI Bereitschaft. Sie zentralisiert aufbewahrte Daten, wo dies sinnvoll ist, organisiert sie logisch, kennzeichnet sie einheitlich und verbindet sie mit klaren Zuständigkeiten und Zugriffsrechten. In Microsoft 365 bedeutet das, Strukturen von SharePoint Websites, Teams Arbeitsbereiche, Metadaten, Berechtigungen und verlässliche Datenquellen zu verbessern. Nutzer und KI Tools können dadurch die richtigen Informationen finden, verstehen und ihnen vertrauen. Das Ziel geht über reine Datenaufbewahrung hinaus. Unternehmen schaffen eine geordnete Informationsumgebung für präzisere, relevantere und verantwortungsvollere KI Ergebnisse.

Riskante, veraltete oder unbedeutende Inhalte reduzieren und KI Ergebnisse verbessern

Ein zentraler Vorteil des Datenlebenszyklusmanagements ist die Reduzierung von Halluzinationen generativer KI durch eine nachvollziehbare Datenminimierung. In den meisten Umgebungen wird ein erheblicher Teil der Inhalte im Laufe der Zeit redundant, veraltet oder unbedeutend. Ohne Kontrollen für den Datenlebenszyklus sammeln sich diese Inhalte an und mindern die Qualität der verfügbaren Informationen.

Die Optimierung des Datenlebenszyklus geht dieses Problem systematisch an. Gut konzipierte Aufbewahrungsrichtlinien ermöglichen konsistente und belastbare Löschvorgänge. Unternehmen reduzieren dadurch redundante, veraltete oder unbedeutende Inhalte und bewahren zugleich notwendige und wertvolle Informationen. Damit basieren Suche, Abruf und KI Ergebnisse auf relevanteren und verlässlicheren Daten.

Ein praxistaugliches Handlungsmodell

Ein praxistaugliches Programm definiert die Fähigkeiten für ein wirksames Informationsmanagement. Das folgende Handlungsmodell zeigt, wie Unternehmen diese Fähigkeiten für die KI Bereitschaft einsetzen.

• Wichtige Datenablagen priorisieren: Unternehmen identifizieren zuerst die Datenablagen und Arbeitsbereiche, die KI Ergebnisse voraussichtlich besonders stark beeinflussen.
• Risiken bewerten: Teams prüfen diese Umgebungen auf redundante, veraltete oder unbedeutende Inhalte, Lücken bei der Aufbewahrung und unklare Zuständigkeiten. Sie erfassen auch KI Inhalte, die eine Governance benötigen, etwa Eingaben, Zusammenfassungen, Transkripte und Ergebnisse.
• Regeln definieren: Auf Grundlage der Bewertung legen Verantwortliche aus Recht, Compliance, Records Management und Fachbereichen belastbare Regeln für Aufbewahrung, Löschung und Datenminimierung fest. Die Regeln bewahren erforderliche Informationen und reduzieren unnötige Daten, auf die KI Tools zugreifen können.
• Kontrollen erproben: Teams testen die Regeln in priorisierten Bereichen, überwachen Genauigkeit und Auswirkungen auf Nutzer und verbessern die Kontrollen vor der unternehmensweiten Skalierung.
• Ergebnisse messen: Langfristig zeigt sich Erfolg durch weniger redundante, veraltete oder unbedeutende Inhalte, eine bessere Abdeckung durch Richtlinien, nachvollziehbare Löschvorgänge und hochwertigere KI Ergebnisse auf einer saubereren und besser gesteuerten Datengrundlage.
• Informationsarchitektur stärken: Unternehmen organisieren priorisierte Datenablagen, Websites, Arbeitsbereiche, Metadaten und Zuständigkeitsmodelle. So können Nutzer und KI Tools aufbewahrte Daten leichter finden, verstehen und ihnen vertrauen.

Compliance Anforderungen bei der Verwaltung von KI Daten

Mit der Einführung von KI Tools entstehen neue Inhaltsarten. Dazu gehören Eingaben, Ergebnisse, Zusammenfassungen und weitere KI Artefakte. Unternehmen müssen diese Daten in die Planung des Datenlebenszyklus aufnehmen.

Eine umfassende Strategie legt fest, welche KI Inhalte aufbewahrt werden, wo sie gespeichert sind und wie das Unternehmen sie steuert. Diese Entscheidungen müssen rechtliche Pflichten, regulatorische Erwartungen und geschäftliche Anforderungen erfüllen. Ohne klare Governance erhöht die Einführung von KI die Risiken, statt sie zu senken.

Datenlebenszyklusrichtlinien unternehmensweit durchsetzen

Unternehmen setzen Datenlebenszyklusrichtlinien unternehmensweit mit Plattformen für Information Governance um. Diese Plattformen übertragen Richtlinien in operative Kontrollen für Zusammenarbeit, Kommunikation und Datenablagen. In Microsoft 365 bietet Microsoft Purview zum Beispiel einen Rahmen für skalierbares Lebenszyklus und Records Management. Die Plattform überführt Richtlinienziele in durchsetzbare Konfigurationen. Häufige Kontrollen umfassen folgende Elemente.

• Aufbewahrungsrichtlinien gelten für Bereiche wie Exchange, SharePoint, OneDrive und Teams.
• Aufbewahrungsbezeichnungen werden manuell oder automatisiert auf einzelne Elemente oder Dokumente angewendet.
• Dynamische Zielmechanismen passen Richtlinien anhand von Merkmalen statt statischer Zuweisungen an.
• Löschprozesse unterstützen Prüfung, Genehmigung und den Nachweis einer belastbaren Löschung.

Das Ziel besteht nicht darin, mit Tools zu beginnen. Unternehmen benötigen ein System, das Richtlinien dauerhaft einheitlich anwendet, überwacht und verbessert.

Messbare Vorteile eines disziplinierten Datenlebenszyklus

Ein wirksames Datenlebenszyklusmanagement ermöglicht Ergebnisse, die für die Führungsebene relevant sind:

• Regulatorische und rechtliche Anforderungen erfüllen.
• Risiken durch eine konsequente Durchsetzung von Richtlinien senken.
• Speicher und Betriebskosten kontrollieren.
• Qualität und Verlässlichkeit der KI Ergebnisse verbessern.

Eine starke Grundlage für den Datenlebenszyklus fördert zudem die Einführung generativer KI. Eine gezielt aufgebaute und gut gesteuerte Datenumgebung liefert bessere Ergebnisse für die Nutzer.

Datenlebenszyklusmanagement dauerhaft verankern

Unternehmen machen das Datenlebenszyklusmanagement operativ nutzbar, indem sie Richtliniengestaltung, Technologiekonfiguration und betriebliche Unterstützung aufeinander abstimmen. Dazu gehören Aufbewahrungsrichtlinien, die geschäftliche Anforderungen erfüllen, die nachvollziehbare Löschung redundanter, veralteter oder unbedeutender Daten sowie ein schlanker Datenbestand durch Klassifizierung und Automatisierung.

Die Verwaltung der Richtlinien sollte zuerst Microsoft 365 berücksichtigen. Diese Umgebung dient häufig als zentrale Plattform für Zusammenarbeit und Produktivität, in der Unternehmen Inhalte erstellen, teilen, aufbewahren und für KI Tools zugänglich machen. Unternehmen müssen Kontrollen in Exchange, OneDrive, SharePoint und Teams sowie für KI Inhalte anwenden. Sie sollten klare Zuständigkeiten festlegen, die Abdeckung durch Richtlinien überwachen, Löschaktivitäten messen und Aufbewahrung und Governance fortlaufend an veränderte geschäftliche, rechtliche, regulatorische und datentechnische Anforderungen anpassen.

Alle weiteren Unternehmensdatenquellen müssen demselben Governance Modell für den Datenlebenszyklus folgen, auch wenn Unternehmen die Kontrollen über andere Plattformen oder operative Prozesse umsetzen. Teams erfassen und priorisieren Dateifreigaben, ältere Datenablagen, Fachsysteme, Datenbanken, Archive und Plattformen von Drittanbietern nach Risiko und geschäftlichem Wert. Sie ordnen diese Quellen den Anforderungen an Aufbewahrung und Löschung zu und steuern sie durch dokumentierte Zuständigkeiten, wiederholbare Prüfzyklen und belastbare Löschverfahren.

Mit einer starken Datenumgebung hochwertige KI Ergebnisse erzielen

Ein optimiertes Datenlebenszyklusmanagement verbessert die Qualität von KI Ergebnissen direkt und senkt zugleich Risiken. Unternehmen reduzieren redundante Daten und Inhalte mit geringem Wert, standardisieren die Aufbewahrung und stellen eine nachvollziehbare Löschung sicher. So schaffen sie eine Umgebung, in der KI relevante Informationen präziser bereitstellt.

Schritt sieben reduziert Halluzinationen, indem Unternehmen Daten mit geringem Wert minimieren. Eine umfassende Strategie für den Datenlebenszyklus steuert sowohl Unternehmensinhalte als auch KI Inhalte.

Erfahren Sie mehr über Information Governance von Epiq.


Julie Colgan, Vice President, Client Strategy, Information Governance
Julie J. Colgan unterstützt Unternehmen dabei, Risiken und Chancen ihrer Informationsbestände zu identifizieren, zu verstehen, zu priorisieren und zu steuern. Als erfahrene Expertin und vertrauenswürdige Beraterin entwickelt Julie seit mehr als 25 Jahren praxisnahe Lösungen, die Information Governance mit den betrieblichen Abläufen verbinden.

Für ihre Beiträge zum Verband und zum Berufsstand nahm ARMA Julie 2019 in das Company of Fellows auf. Julie trägt den Titel Fellow of ARMA International. Außerdem verfügt Julie über die Qualifikation Certified Records Manager des Institute of Certified Records Managers und die Zertifizierung Certified Information Governance Professional von ARMA International.