Viele GenAI-Projekte starten mit einer schnellen Demo: Daten anbinden, Prompt schreiben, Antwort bekommen.
Spannend wird es aber erst, wenn die Lösung produktiv auf Unternehmensdaten zugreift.
Dann zählen plötzlich ganz klassische Fragen: Wer darf welche Daten sehen? Welche Inhalte sind vertraulich? Welche Daten sind veraltet, falsch oder zu breit geteilt?
GenAI löst diese Probleme nicht, sondern macht sie schneller sichtbar.
In dieser Session zeige ich, warum Data Governance ein Architekturthema ist und nicht erst am Ende als Compliance-Check ergänzt werden sollte.
Anhand von Microsoft Purview schauen wir auf Bausteine wie Sensitivity Labels, DLP, Audit, Retention und DSPM for AI.
Ziel ist ein pragmatischer Blick darauf, wie AI Apps sicherer, nachvollziehbarer und belastbarer werden.