Seminar DataGalaxy Intensivseminar – Products, Portfolio und AI

Das 5-tägige Seminar vermittelt die integrierte Steuerung von Data- und AI-Produkten, Demand Intake, Use-Case-Portfolios, Marketplace, Wertrealisierung, Blink, MCP und Nutzeradoption. Im Mittelpunkt stehen nachvollziehbare Arbeitsschritte, praktische Übungen und ein übertragbares Vorgehensmodell für den produktiven Einsatz von DataGalaxy.

Inhaltsverzeichnis

1. Seminarprofil
2. Zielgruppe und Voraussetzungen
3. Lernziele
4. Lernmodule
5. Praxiswerkstatt

Seminarprofil

Die integrierte Steuerung von Data- und AI-Produkten, Demand Intake, Use-Case-Portfolios, Marketplace, Wertrealisierung, Blink, MCP und Nutzeradoption. Die Inhalte werden von der fachlichen Einordnung über die Modellierung und Konfiguration bis zur Qualitätssicherung und Betriebsdokumentation aufgebaut.

Begründung der Seminardauer: Fünf Tage sind erforderlich, um Produktmanagement, Demand und Portfolio, Marketplace, Value Tracking sowie AI-Unterstützung und Adoption als vollständiges Steuerungsmodell zusammenzuführen.

Zielgruppe und Voraussetzungen

Zielgruppe: AI Office, Data Office, Data Product Management, Portfolio Management, Domain Leads, AI Engineering, Governance und Transformation.

Voraussetzungen: Grundkenntnisse zu Produkt- oder Portfoliomanagement; vorhandene Data- oder AI-Use-Cases sind für die Übungen empfehlenswert.

Lernziele

• Fachliche Ziele, Rollen, Datenobjekte und Erfolgskriterien strukturiert bestimmen.
• Passende Metadaten, Beziehungen, Kontrollen und Arbeitsabläufe in DataGalaxy modellieren.
• Plattformfunktionen anhand realistischer Anwendungsfälle sicher konfigurieren oder anwenden.
• Ergebnisse auf Qualität, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
• Wiederverwendbare Standards, Review-Zyklen und Betriebsartefakte dokumentieren.

Lernmodule

Modul 1: Wertorientiertes Produkt- und Portfoliomodell

Der Themenblock ordnet Wertorientiertes Produkt- und Portfoliomodell in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Wertorientiertes Produkt- und Portfoliomodell“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 2: AI Demand Intake

Der Themenblock ordnet AI Demand Intake in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „AI Demand Intake“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Modul 3: Qualifizierung und Priorisierung

Der Themenblock ordnet Qualifizierung und Priorisierung in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „Qualifizierung und Priorisierung“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Modul 4: Portfolio-Sichten und Abhängigkeiten

Der Themenblock ordnet Portfolio-Sichten und Abhängigkeiten in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Portfolio-Sichten und Abhängigkeiten“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 5: Data- und AI-Produktmodell

Der Themenblock ordnet Data- und AI-Produktmodell in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „Data- und AI-Produktmodell“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Modul 6: Use Cases, Output Ports und Ownership

Der Themenblock ordnet Use Cases, Output Ports und Ownership in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Use Cases, Output Ports und Ownership“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 7: Qualität, Zertifizierung und Lebenszyklus

Der Themenblock ordnet Qualität, Zertifizierung und Lebenszyklus in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Qualität, Zertifizierung und Lebenszyklus“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 8: Marketplace und Self-Service

Der Themenblock ordnet Marketplace und Self-Service in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „Marketplace und Self-Service“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Modul 9: Wertmodell und Nutzenhypothesen

Der Themenblock ordnet Wertmodell und Nutzenhypothesen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Wertmodell und Nutzenhypothesen“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 10: AI Value Tracking und Reviews

Der Themenblock ordnet AI Value Tracking und Reviews in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „AI Value Tracking und Reviews“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 11: Blink für Discovery und Guided Governance

Der Themenblock ordnet Blink für Discovery und Guided Governance in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Nutzerrolle, Informationsbedarf und erwartete Entscheidung für „Blink für Discovery und Guided Governance“ formulieren.
2. Schritt 2: Geeignete Suchbegriffe, Filter, Begriffe, Beziehungen und Vertrauenssignale auswählen.
3. Schritt 3: Den Arbeitsablauf in DataGalaxy durchführen und relevante Objekte sowie Kontextinformationen vergleichen.
4. Schritt 4: Suchergebnis und AI-gestützte Hinweise auf Eindeutigkeit, Aktualität, Berechtigung und Nachvollziehbarkeit prüfen.
5. Schritt 5: Verbesserungsvorschläge, Rückfragen, Lernhilfen und messbare Adoptionsmaßnahmen dokumentieren.

Modul 12: MCP für AI-Agenten

Der Themenblock ordnet MCP für AI-Agenten in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ausgangslage, Beteiligte und prüfbare Zielkriterien für „MCP für AI-Agenten“ erfassen.
2. Schritt 2: Benötigte DataGalaxy-Objekte, Metadaten, Beziehungen, Verantwortlichkeiten und Kontrollen modellieren.
3. Schritt 3: Die zugehörigen Plattformfunktionen an einem realistischen Beispielszenario konfigurieren oder anwenden.
4. Schritt 4: Das Arbeitsergebnis auf Vollständigkeit, Konsistenz, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
5. Schritt 5: Entscheidungen, offene Punkte und einen wiederverwendbaren Arbeitsstandard dokumentieren.

Modul 13: Nutzeradoption und Enablement

Der Themenblock ordnet Nutzeradoption und Enablement in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Nutzerrolle, Informationsbedarf und erwartete Entscheidung für „Nutzeradoption und Enablement“ formulieren.
2. Schritt 2: Geeignete Suchbegriffe, Filter, Begriffe, Beziehungen und Vertrauenssignale auswählen.
3. Schritt 3: Den Arbeitsablauf in DataGalaxy durchführen und relevante Objekte sowie Kontextinformationen vergleichen.
4. Schritt 4: Suchergebnis und AI-gestützte Hinweise auf Eindeutigkeit, Aktualität, Berechtigung und Nachvollziehbarkeit prüfen.
5. Schritt 5: Verbesserungsvorschläge, Rückfragen, Lernhilfen und messbare Adoptionsmaßnahmen dokumentieren.

Modul 14: Portfolio- und Produktbetriebsrhythmus

Der Themenblock ordnet Portfolio- und Produktbetriebsrhythmus in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „Portfolio- und Produktbetriebsrhythmus“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Praxiswerkstatt

Die Praxiswerkstatt bündelt die zuvor aufgebauten Arbeitsschritte in einem durchgängigen Szenario. Jedes Arbeitspaket wird mit Ziel, Eingaben, Rollen, Prüfkriterien und Dokumentation abgeschlossen.

1. Data- und AI-Portfolio mit Intake, Bewertung und Abhängigkeiten modellieren.
2. Produkt einschließlich Output Ports, Marketplace und Wertlogik ausarbeiten.
3. Blink- und MCP-Nutzung in ein kontrolliertes Portfolio- und Adoptionsmodell integrieren.

Abnahmekriterien

• Objekte, Metadaten und Beziehungen sind vollständig und konsistent dokumentiert.
• Rollen, Berechtigungen, Freigaben und Eskalationen sind nachvollziehbar zugeordnet.
• Qualitäts-, Sicherheits- und Governance-Prüfungen sind mit konkreten Nachweisen belegt.
• Der erarbeitete Ablauf ist reproduzierbar und für den Regelbetrieb beschrieben.