Seminar Collibra Intensiv: AI Governance, Privacy, Access und Data Quality

Der gemeinsame Nenner ist risikobasierte Steuerung: sensible oder kritische Daten werden erkannt, bewertet, geschützt, überwacht und mit nachvollziehbaren Entscheidungen versehen.

Ein durchgängiges Szenario verbindet einen sensiblen Datenbestand mit Verarbeitung, Zugriffsregel, Qualitätskontrolle und KI-Anwendungsfall.

Inhaltsübersicht

1. Tag 1: Klassifizierung, Schutzbedarf und Risikomodell
2. Tag 2: Privacy, Verarbeitung und Assessments
3. Tag 3: Richtlinien, Control Tower, Data Access und Protect
4. Tag 4: Data Quality & Observability
5. Tag 5: AI Governance und integrierte Steuerung

Zielsetzung

Nach dem Seminar können Datenschutz-, Zugriffs-, Qualitäts- und KI-Risiken in einem abgestimmten Governance-Modell gesteuert werden. Kontrollen, Nachweise, Ausnahmen und operative Signale werden konsistent zusammengeführt.

Zielgruppe

Privacy-, Compliance-, Security-, Data-Quality- und AI-Governance-Teams, Data Owners, Data Stewards, Risikomanager, Plattformverantwortliche

Voraussetzungen

Grundverständnis von Data Governance und Risikomanagement; technische Detailkenntnisse sind nicht zwingend erforderlich

Seminarinhalte

Tag 1: Klassifizierung, Schutzbedarf und Risikomodell

1. Schritt 1: Kritische und sensible Datenkategorien mit fachlichen sowie technischen Signalen definieren.
2. Schritt 2: Datenklassen, Schutzbedarf, Eigentum und Nutzungskontext miteinander verbinden.
3. Schritt 3: Risikokriterien und abgestufte Governance-Anforderungen festlegen.
4. Schritt 4: Automatische Klassifizierungsergebnisse fachlich validieren.
5. Schritt 5: Kontrolllücken zwischen Datenbestand, Richtlinie und Zuständigkeit identifizieren.
6. Schritt 6: Ein gemeinsames Risikomodell für die folgenden Tage aufbauen.

Tag 2: Privacy, Verarbeitung und Assessments

1. Schritt 1: Sensible Daten mit Systemen, Prozessen, Zwecken und Empfängern verknüpfen.
2. Schritt 2: Verarbeitungsszenarien und relevante Nachweise strukturiert dokumentieren.
3. Schritt 3: Assessment-Vorlagen, Bewertungslogik und Genehmigungswege konfigurieren.
4. Schritt 4: Minderungsmaßnahmen und Restrestrisiken nachvollziehbar verwalten.
5. Schritt 5: Fristen, Eskalationen und wiederkehrende Neubewertungen einrichten.
6. Schritt 6: Ein vollständiges Privacy-Assessment durchführen.

Tag 3: Richtlinien, Control Tower, Data Access und Protect

1. Schritt 1: Richtlinien in prüfbare Kontrollen und konkrete Geltungsbereiche übersetzen.
2. Schritt 2: Control Tower für Management by Exception und priorisierte Abweichungen einsetzen.
3. Schritt 3: Zugriffsstandards für Datenklassen, Nutzergruppen und Zwecke modellieren.
4. Schritt 4: Protect-Regeln und Schutzaktionen für Zielsysteme vorbereiten.
5. Schritt 5: Regelkonflikte, Ausnahmen und befristete Genehmigungen behandeln.
6. Schritt 6: Eine Regel testen und ihren Kontrollstatus dokumentieren.

Tag 4: Data Quality & Observability

1. Schritt 1: Qualitätsdimensionen und kritische Datenfelder für das Risikoszenario festlegen.
2. Schritt 2: Profiling-Ergebnisse und automatische Beobachtungen interpretieren.
3. Schritt 3: Regeln, Schwellenwerte, Zeitpläne und Warnungen konfigurieren.
4. Schritt 4: Qualitätsvorfälle mit Verantwortlichen, Fristen und Maßnahmen bearbeiten.
5. Schritt 5: Ursachen und Auswirkungen mithilfe von Lineage untersuchen.
6. Schritt 6: Qualitätsscores in eine Managementsicht integrieren.

Tag 5: AI Governance und integrierte Steuerung

1. Schritt 1: KI-Anwendungsfälle, Modelle, Agenten und verwendete Daten registrieren.
2. Schritt 2: AI-Risiken, Nachweise, Kontrollen und Freigabestatus mit dem Datenkontext verbinden.
3. Schritt 3: AI Command Center für Überblick, Priorisierung und laufendes Monitoring nutzen.
4. Schritt 4: Unstrukturierte Inhalte semantisch erschließen und Governance-Anforderungen zuordnen.
5. Schritt 5: Privacy-, Access-, Quality- und AI-Signale in einen gemeinsamen Review-Prozess überführen.
6. Schritt 6: Das Gesamtszenario mit Managementbericht und Maßnahmenplan abschließen.

Praxisanteil

Das Intensivlabor entwickelt einen sensiblen Daten- und KI-Anwendungsfall mit Klassifizierung, Assessment, Kontrollstatus, Zugriffsregel, Qualitätsüberwachung, AI-Inventar und Managementbericht.