Fortschritt begleiten

Daten- und KI-Vorhaben berühren Business, IT und Security gleichzeitig. Nachhaltig belastbare Lösungen entstehen, wenn diese Perspektiven zusammenfinden.

Wir übersetzen zwischen den Bereichen und begleiten offene Entscheidungen, bis sie tragen.

Daten- und KI-Lösungen gestalten

Wie eine Plattform aufgebaut wird, wie Komponenten zusammenspielen und wie Daten fliessen, prägt die Systemlandschaft auf Jahre.

• Architektur und Plattformdesign. Ein gemeinsames Zielbild verhindert, dass Bereiche aneinander vorbei bauen. Das Architekturkonzept führt Plattform, Komponenten und bestehende Systemlandschaft zusammen.

• Build or Buy. Eigenentwicklung oder Anbieterprodukt klingt nach einer technischen Entscheidung, hängt aber an Maturität, Datenhoheit und langfristigen Abhängigkeiten.

• Datenarchitektur für KI. Datenarchitektur bestimmt den Möglichkeitsraum für KI. Wie Daten erhoben, gehalten und bereitgestellt werden, entscheidet, welche Vorhaben realistisch umsetzbar sind.

Organisationsstrukturen und Betriebsmodelle

Klare Verantwortlichkeiten, Entscheidungswege und Schnittstellen zwischen Fachbereichen, IT und Security tragen ein Vorhaben vom Piloten in den Regelbetrieb.

• Betriebsmodelle für KI. Nach dem Go-live braucht ein KI-Produkt klare Verantwortung für Betrieb, Weiterentwicklung und Qualität. Das Zusammenspiel von Business und IT, das dafür nötig ist, entsteht selten von allein.

• Plattformorganisation. Plattformteams mit Produktverantwortung machen die Teams, die auf der Plattform bauen, schneller und autonomer.

Integrierte Managementsysteme und Governance

Ein Managementsystem verbindet strategische Vorgaben mit dem, was im Betrieb passiert. Systeme nach ISO 27001 und ISO 42001 tragen, wenn sie über die Prüfung hinaus im Betrieb verankert sind.

• ISO 42001. Aufbau eines KI-Managementsystems oder Integration der KI-spezifischen Anforderungen in eine bestehende ISO-27001-Kontrollumgebung. Regulatorische Vorgaben wie der EU AI Act oder das DSG fliessen dabei als Treiber ein, statt als separate Dokumentation danebenzustehen.

Wann lohnt sich externe Beratung zu Daten und KI in der Schweiz?

Externe Beratung zu Daten und KI lohnt sich für Schweizer Organisationen, wenn eine Entscheidung Geschäftsleitung, IT und Security gleichzeitig betrifft und intern keine Rolle existiert, die alle Perspektiven zusammenführt. Wir übernehmen diese Klammerfunktion und arbeiten darauf hin, dass die Organisation sie mit der Zeit selbst tragen kann.

Was unterscheidet Beratung von Coaching bei Daten und KI?

Beratung zu Daten und KI arbeitet aktiv an der Lösung mit und bringt Empfehlungen ein. Coaching stärkt die Fähigkeit, Entscheidungen eigenständig zu treffen. In der Praxis fliessen beide Formate oft ineinander: Wir beraten, wo es nötig ist, und befähigen, wo es möglich ist.

Worauf kommt es bei Build-or-Buy-Entscheidungen für KI an?

Build-or-Buy-Entscheidungen für KI unterscheiden sich von klassischen Softwareentscheidungen, weil die eigenen Daten Teil der Lösung sind, ob diese intern oder extern entsteht. Wer ein Anbieterprodukt wählt, muss klären, wie Trainingsdaten, Modellausgaben und Feedbackschleifen im eigenen Hoheitsbereich bleiben. Wer selbst baut, unterschätzt häufig den laufenden Aufwand für Modellpflege, Monitoring und Retraining. Die tragfähige Entscheidung liegt selten bei ganz oder gar nicht, sondern bei der richtigen Trennlinie zwischen eigener Kontrolle und externer Leistung.

Warum reicht eine klassische BI-Architektur für KI häufig nicht aus?

KI stellt andere Anforderungen an Daten als klassisches Reporting: höhere Granularität, engere Aktualität und durchgängige Rückverfolgbarkeit. Viele Organisationen haben Daten, die für Dashboards ausreichen, aber nicht für Training oder Bewertung von Modellen. Häufige Lücken sind fehlende Herkunftsdokumentation (Data Lineage), Qualitätsprobleme, die erst im Modelltraining sichtbar werden, und Zugriffsmodelle, die den Datenschutz nicht granular genug abbilden. Diese Lücken früh zu erkennen spart Monate im späteren Projektverlauf.

Warum brauchen KI-Produkte ein eigenes Betriebsmodell?

KI-Produkte stellen Anforderungen, die bei klassischer Software nicht auftreten: Modelle veralten durch veränderte Daten (Model Drift), Vorhersagequalität muss laufend überwacht werden, und Retraining erfordert Zugang zu aktuellen, qualitätsgesicherten Daten. Organisatorisch entsteht häufig eine Lücke zwischen dem Team, das ein Modell entwickelt, und der IT, die es betreiben soll. Ein tragfähiges Betriebsmodell schliesst diese Lücke mit klaren Rollen, definierten Übergaben und einem gemeinsamen Verständnis von Produktqualität.

Wie lassen sich ISO 42001 und ISO 27001 in einem Managementsystem verbinden?

Die Integration von ISO 42001 in ein bestehendes ISO-27001-ISMS gelingt, wenn die KI-spezifischen Kontrollen systematisch auf die vorhandene Kontrollstruktur abgebildet werden. Praktisch bedeutet das: Risikobewertung um KI-spezifische Szenarien erweitern, bestehende Prozesse für Änderungsmanagement und interne Audits auf KI-Systeme ausdehnen und neue Kontrollen nur dort einführen, wo die bestehende Kontrollumgebung sie nicht abdeckt. Organisationen, die diesen Weg gehen, vermeiden doppelte Dokumentation und halten den Pflegeaufwand für das Gesamtsystem überschaubar.