Viele KI-Projekte scheitern nicht an den Modellen, sondern an der Datengrundlage. In unserem Vortrag zeigen Benjamin Gnädig, VP Data & Cloud, und Maximilian Kuhn, AI Engineer Consultant, wie sich häufige Herausforderungen (verteilte Datenquellen, inkonsistente Pflege und mangelnde Nachverfolgbarkeit) technisch lösen lassen. Der Schwerpunkt liegt auf einer Lakehouse-Architektur als gemeinsame Grundlage für Daten und KI. Anhand konkreter Architekturprinzipien veranschaulichen wir, wie sich Datensilos aufbrechen lassen und wie Plattformen aufgebaut werden können, die sowohl für Experimente als auch für den produktiven Einsatz geeignet sind.