Wie Organisationen des öffentlichen Sektors sich endlich von Altlast-Technologie befreien und KI-bereit werden

Die Modernisierung von Regierungstechnologie ist keine kleine Aufgabe. Sie erfordert den Umgang mit Altlast-Systemen, knappen Budgets und den hohen Anforderungen im Dienste der Öffentlichkeit. 

Auf dem diesjährigen Snowflake Summit berichteten Führungskräfte aus Multnomah County, Oregon, und der Stadt und dem County San Francisco, wie sie sich dieser Herausforderung gestellt und ihre Organisationen vorangebracht haben.

Die wahren Kosten der Verzögerung von Modernisierungsbemühungen 

Altlast-Dateninfrastruktur wird nicht länger nur als IT-Unannehmlichkeit betrachtet. Angesichts zunehmender staatlicher Vorgaben, des durch die KI-Einführung entstehenden neuen Wettbewerbsdrucks und der Forderung der Bürger:innen nach schnelleren, reaktionsschnelleren Diensten sind die Kosten des Stillstands unmöglich zu ignorieren. Es wird als das gesehen, was es wirklich ist: ein Problem bei der Auftragserfüllung, das sich auf ganze Organisationen über alle operativen Funktionen hinweg auswirkt.

Organisationen des öffentlichen Sektors, die ihren Datenbestand nicht modernisiert haben, können die KI-Workloads nicht unterstützen, die für die Art und Weise, wie Regierungsbehörden ihren Gemeinden dienen, von zentraler Bedeutung werden. Das erschwerende Problem ist struktureller Natur: Altlast-Systeme schaffen Datensilos, die ein strukturelles Hindernis für eine effektive KI-Einführung darstellen.

Wie Federico Zofaly, Director of Migrations and Modernization Center of Excellence bei Snowflake, es während der Summit-Podiumsdiskussion „KI-gestützte Modernisierung: Oregons Multnomah County nutzt SnowConvert AI“ formulierte: „Es gibt keine KI-Strategie, wenn Sie keine Datenstrategie haben. Sie müssen Ihre Daten in Ordnung bringen, bevor Sie wirklich darauf aufbauen können.“

Die Regierungsbehörden, die Fortschritte machen, warten nicht auf einen perfekten Budgetzyklus oder ein Mandat. Sie behandeln ihre Datengrundlage als geschäftskritischen Vermögenswert und bringen ihre Organisationen entsprechend voran. 

Wie Multnomah County Datensilos aufbrach

Multnomah County, der größte Bezirk des Bundesstaates Oregon und Heimat von Portland, betrieb eine jahrzehntealte SQL Server-Umgebung. Sie war über Dutzende von Business Intelligence-Workloads verteilt und wurde von Ingenieur:innen entwickelt, die das Unternehmen längst verlassen hatten. Die Dokumentation war spärlich. Die Architektur war inkonsistent. Die Kosten stiegen.

Der Bezirk musste auf eine moderne Datenplattform migrieren. Er wollte schnell migrieren und sich nicht jahrelang verzögern, wie es bei Organisationen des öffentlichen Sektors oft der Fall ist – und tatsächlich schloss das Team die Migration in fünf Monaten ab.¹

In Zusammenarbeit mit Snowflakes SnowConvert AI nutzte der Bezirk einen hybriden Migrationsansatz, der deterministische Codekonvertierung mit KI-gestützter Bearbeitung komplexer Aufgaben kombinierte. Dies umfasste dynamisches SQL, Codekorrekturen und automatisierte Testfallgenerierung anstelle von manuellen Umschreibungen. Der Bezirk meldete Ergebnisse, die einen kürzeren Migrationszeitraum, geringere zukünftige Ausgaben für Altlast-SQL-Server-Lizenzkosten und eine standardisierte Architektur umfassten, die zuvor isolierte Geschäftsbereiche einschließt, darunter Gesundheits- und Sozialdienste, öffentliche Sicherheit und eines der größten Bibliothekssysteme in den USA.

Michael Hanna, Senior Database Administrator von Multnomah County, äußerte sich direkt dazu, was die Migration erfolgreich machte: „Die Zeit, die Sie in die Vorbereitung Ihrer Daten und die Vorbereitung auf die Migration investieren, zahlt sich am Ende um ein Vielfaches aus.“

3 Lektionen aus Multnomah für Organisationen, die noch Altlast-Tools verwenden

• Fangen Sie früher an, als Sie denken: Multnomah begann mit der Migration drei Monate vor einer seiner Verlängerungsvereinbarungen, was dem Bezirk letztendlich nicht genug Vorlaufzeit gab. Das Multnomah-Team empfiehlt, mit den Migrationsbemühungen idealerweise ein Jahr oder länger vor einer Lizenzierungsfrist zu beginnen.

• Migrieren Sie nicht alles: Bewerten Sie, was Sie behalten, archivieren oder aufgeben möchten. Die richtige Dimensionierung des Workloads optimiert die neue Umgebung und senkt die Gesamtkosten des Projekts.

• Planen Sie viel Zeit für Tests ein: Die Codekonvertierung kann Wochen dauern. Die Validierung und das Testen in parallelen Umgebungen werden Monate dauern. Planen Sie entsprechend.

Wie San Francisco eine stadtweite Datenkultur aufbaut

Soumya Kalra, Chief Data Officer der Stadt und des Countys San Francisco, und ihr Team befinden sich in einem früheren Stadium ihrer Modernisierungsreise. Die dringendste Herausforderung, die Kalra bewältigt, ist in der Regierung üblich: Abteilungen haben in der Vergangenheit isoliert gearbeitet, jede mit ihren eigenen Systemen, selbst entwickelten Datenbanken und einer eigenen Definition davon, wie „gute Daten“ aussehen.

Der Fokus ihres Teams liegt nicht nur auf der Aktualisierung des Technologie-Stacks. Es geht auch darum, einen kulturellen Wandel herbeizuführen, um Dateneinblicke zu einem echten Bestandteil der Bereitstellung von Dienstleistungen zu machen.

Das Ziel ist eine stadtweite, einheitliche Datenplattform, die die Abteilungssilos aufbricht, die behördenübergreifende Einblicke strukturell unmöglich gemacht haben. Aber Kalra ist sich im Klaren darüber, was zuerst passieren muss: Bevor die Daten in der gesamten Stadt vereinheitlicht werden, muss das Team das Vertrauen, gemeinsame Standards und interne Champions aufbauen, die die Menschen zur Teilnahme bewegen.

Das bedeutet, von Anfang an Stakeholder aus allen operativen Funktionen einzubeziehen, nicht nur die IT-Abteilung. Beispielsweise geht es darum, für die Analyst:innen in der Gesundheitsabteilung zu entwerfen, die eine Frage beantworten müssen, und nicht nur für die Ingenieur:innen, die die Pipeline gebaut haben. Es bedeutet auch zu akzeptieren, dass Change Management und nicht Technologie darüber entscheidet, ob die Modernisierung von Dauer ist. 

Die Geschichte der Stadt und des Countys San Francisco ist ein nützliches Gegengewicht zu den Migrationszeitplänen und technischen Benchmarks, die Modernisierungsgespräche dominieren. Manchmal ist die wichtigste Arbeit nicht die Codekonvertierung. Es geht darum, eine Organisation davon zu überzeugen, dass eine andere Arbeitsweise die Mühe wert ist.

Von technischen Schulden zur KI-Startbahn

Die Organisationen des öffentlichen Sektors, die bei der Modernisierung erfolgreich sind, teilen eine gemeinsame Neuorientierung: Sie hören auf, Migration als einmaliges Projekt zu behandeln, und beginnen, sie als eine Verschiebung in der Art und Weise zu betrachten, wie Daten als strategischer Vermögenswert verwaltet werden.

Das bedeutet, dass heute getroffene Architekturentscheidungen in drei bis fünf Jahren nicht neu erstellt werden müssen. Es bedeutet zu erkennen, dass eine einheitliche, kontrollierte Datengrundlage nicht das Endziel ist. Es ist die Startbahn für alles, was als Nächstes kommt, einschließlich behördenübergreifender Einblicke, prädiktiver Analytics und KI-gestützter Servicebereitstellung, die zuvor nicht möglich war.

Der Weg nach vorn folgt einer klaren Abfolge:

1. Modernisieren Sie die Grundlage 

2. Vereinheitlichen Sie den Datenbestand 

3. Aktivieren Sie KI-Workloads

Organisationen, die Fortschritte machen, haben eine Eigenschaft gemeinsam

Die Organisationen, die vorankommen, haben aufgehört, ihre Datengrundlage als Back-Office-Angelegenheit zu behandeln, und begonnen, sie als Missionspriorität zu behandeln.

Die Tools zur Beschleunigung dieser Reise, wie KI-gestützte Migration, automatisierte Tests und Plattformen für kontrollierte Daten, sind jetzt alle vorhanden. Die Frage ist, ob die Behörden die Startbahn und die Weitsicht haben, sie zu nutzen.

Erfahren Sie mehr darüber, wie Sie sicher zusammenarbeiten und Daten in umsetzbare Erkenntnisse verwandeln, Ressourcen mit Cloud-Effizienz maximieren und Innovationen mit einer vertrauenswürdigen Datengrundlage für KI beschleunigen können.

¹ _{Snowflake Summit Session MI201: „KI-gestützte Modernisierung: Oregons Multnomah County nutzt SnowConvert AI“}