Sind Ihre Daten bereit für generative KI?

von Brit | 15. Juli J | Digitalisierung & KI, Künstliche Intelligenz | 0 Kommentare

Das wissen Sie nicht genau? Dann zeigen wir Ihnen heute, worauf es ankommt.

Generative KI verspricht Effizienz, Automatisierung und kreative Unterstützung. Doch das Fundament bleibt klar: Ohne strukturierte, hochwertige und zugängliche Daten bleibt der Output ungenau oder nutzlos.

👉 Nur wer seine Daten professionell aufbereitet, kann KI gewinnbringend einsetzen.

Was bedeutet das konkret?

Generative KI braucht KI-fähige Daten. Diese müssen einige Anforderungen erfüllen. Sie müssen insbesondere folgendermaßen vorgehalten werden:

• Sauber – keine Dubletten, keine Inkonsistenzen
• Vollständig – kontextreich und lückenlos
• Vielfältig – um Bias zu vermeiden
• Eindeutig gekennzeichnet – für präzises Fine-Tuning von Modellen

Eine hohe Datenqualität ist dabei kein Zufallsprodukt – sie entsteht durch gezielte Aufbereitung und die richtige Infrastruktur.

Wie lassen sich Daten also KI-fähig machen?

An dieser Stelle einige Beispiele:

Datenaufbereitung (Cloud & On-Premises):

• Metadaten-Anreicherung – z. B. mit NLP-Modellen automatisch Kategorien, Schlagwörter oder Entitäten vergeben (Azure Cognitive Services, spaCy, Apache Tika)
• Strukturierung unstrukturierter Daten – PDF-Scans mit OCR in strukturierte JSON- oder XML-Formate überführen (z. B. Tesseract, ABBYY, Azure Form Recognizer, Amazon Textract)
• Datenvalidierung & Bereinigung – Dubletten erkennen, Inkonsistenzen beseitigen, Formate harmonisieren (z. B. mit Talend, Apache NiFi oder Pandas-Skripten)
• Semantische Anreicherung – Aufbau von Wissensgraphen (z. B. mit RDF, Neo4j, Terminologien aus FHIR, SNOMED oder THESAURO)

Speicherung & Zugriff Cloud-Lösungen (bei hoher Skalierung & Flexibilität):

• Amazon S3 + Glue Catalog für strukturierte Datenpipelines
• Azure Data Lake + Purview für Data Governance
• Google Cloud Storage + BigQuery für Analyse und schnelle Inferenz auf großen Datensätzen

On-Premises-Lösungen (z.  für Verwaltung, sensible Bereiche):

• Elasticsearch + Kibana zur Volltextindizierung und schnellen Abfrage strukturierter und unstrukturierter Daten
• PostgreSQL + pgvector für Vektorsuche und Ähnlichkeitsanalysen
• OpenMetadata oder Apache Atlas als Data Catalog mit Klassifizierungsschema, Zugriffskontrolle und Herkunftsnachverfolgung

Datenstrategie ist Führungsaufgabe

• KI-fähige Daten sind kein IT-Nebenprodukt, sondern der Schlüssel zur KI-Readiness – insbesondere in regulierten, datengetriebenen Organisationen
• Datenstrategie betrifft alle Bereiche der Organisation und die Führungsebene kann besonders effektiv bereichsübergreifende Zusammenarbeit und einheitliche Standards durchsetzen

Welche Werkzeuge nutzen Sie zur Datenaufbereitung? Lassen Sie uns gemeinsam überlegen, wie Ihre Daten KI-fähig werden – wir freuen uns auf den Austausch! Kontaktieren Sie uns unter digitalisierung@imtb.de.

KI-Output und Urheberrecht: No risk no fun?

von Brit | 25. Juni J | Digitalisierung & KI, Künstliche Intelligenz

Ganz im Gegenteil. Der Einsatz generativer KI birgt enorme Chancen – aber auch erhebliche rechtliche Unsicherheiten. Besonders brisant: Die Nutzung von KI-Output im Spannungsfeld des Urheberrechts.

Das Problem

Texte, Bilder oder Codes, die durch Künstliche Intelligenz (KI) erzeugt werden, können Bestandteile urheberrechtlich geschützter Werke enthalten. Das kann zu Urheberrechtsverletzungen führen – insbesondere, wenn Inhalte erkennbar übernommen oder stark imitiert werden.

Zudem bestehen rechtliche Unsicherheiten:

• Wer haftet bei Verstößen?
• Wie nachvollziehbar ist der Entstehungsprozess?
• Welche Regeln gelten für die Nutzung?

Daher ist es wichtig, den rechtlichen Rahmen zu kennen.

Wichtige urheberrechtliche Grundlagen

• Urheberrechtsverletzung (§§ 16, 19a, 23 UrhG):

Liegt vor, wenn KI-generierte Inhalte erkennbare Teile geschützter Werke übernehmen oder unzulässig vervielfältigen.

• Freie Bearbeitung (§ 23 Abs. 1 Satz 2 UrhG):

Ist nur erlaubt, wenn das neue Werk eine ausreichende Eigenständigkeit aufweist. Reine KI-Leistungen gelten in der Regel nicht als „Werk“ im Sinne des Urheberrechts, da sie keine menschliche Schöpfung darstellen.

• Zitatrecht (§ 51 UrhG):

Erlaubt die Nutzung geschützter Inhalte zu Belegzwecken – aber nur unter engen Voraussetzungen, z. B. mit Quellenangabe, in einem eigenen Kontext und mit inhaltlicher Auseinandersetzung.

Praxis-Checkliste

Zur Risikominimierung kann folgende Praxis-Checkliste genutzt werden:

• Verbindliche Richtlinien einführen und überwachen
• Einsatzbereiche definieren, Betriebsrat einbeziehen, Zuständigkeiten klären
  Mitarbeiter schulen und sensibilisieren
• Technisches Grundverständnis und rechtliche Risiken vermitteln
• Nur mit urheberrechtlich unkritischen Inhalten arbeiten
• Custom-KI nutzen, Trainingsdaten kontrollieren, Gemeinfreiheit beachten
  KI-Ausgaben aktiv prüfen und ggf. editieren
• Plagiatstools und Bild-Rückwärtssuche einsetzen, Zitat-/Schrankenregelungen prüfen
  Prompts und Verwendungszwecke dokumentieren
• Transparenz schaffen für interne Qualitätssicherung und externe Nachweise
• Entwicklungen beobachten und rechtliche Lage fortlaufend bewerten

Unser Fazit:

Rechtliche Fragen rund um KI-Output dürfen nicht als Randthema behandelt werden. Organisationen brauchen hier eine klare Governance.

Sie haben Fragen? Kontaktieren Sie uns gerne unter digitalisierung@imtb.de