HTM ontwikkelt haar informatievoorziening verder naar een samenhangend, toekomstbestendig data- en AI-landschap. Voor deze tijdelijke opdracht zoeken wij een ervaren Data & AI Architect die zelfstandig richting geeft aan het verder ontwikkelen van de enterprise data-architectuur en deze naar het volgende niveau brengen. Daarbij is deze professional verantwoordelijk voor het neerzetten van de AI-architectuur van HTM om deze voor te geven. Belangrijk in deze rol is dat de professional een verbinding legt tussen businessbehoeften, data, AI, applicaties en technologie.

In deze rol vertaal je strategische en operationele vraagstukken naar concrete architectuurkeuzes, doelbeelden, principes, standaarden en roadmaps. Daarbij ligt nadrukkelijk aandacht op dataplatformen, gegevensuitwisseling, datamodellering, data governance, metadata en lineage, datakwaliteit, master- en referentiedata en de architectuur die betrouwbare en beheersbare AI-toepassingen mogelijk maakt.

De opdracht is resultaatgericht. De Data & AI Architect werkt nauw samen met de Enterprise Architect, met de andere segmentarchitecten (applicatie en Infrastructuur) en de domeinarchitecten, security/privacy, DevOps teams en relevante business stakeholders. De architect levert niet alleen documenten op, maar zorgt ook voor toepasbare kaders, overdracht en borging in projecten en veranderinitiatieven.

Werkzaamheden

• Verantwoordelijk voor het ontwikkelen en realiseren van de HTM-doelarchitectuur voor data, inclusief de strategische transitie van het Azure Data Lake naar Microsoft Fabric, waarbij een duidelijke roadmap, architectuurprincipes, governance en implementatiekaders worden opgesteld om een schaalbaar, beheersbaar en data-gedreven fundament voor HTM te creëren.
• Verantwoordelijk voor het ontwikkelen en borgen van de HTM-brede AI-architectuur, inclusief governance, security, compliance en standaarden voor veilige, betrouwbare en toekomstbestendige AI-toepassingen. Vertalen van businessdoelen en informatiebehoeften naar data- en AI-capabilities, architectuurkeuzes en concrete ontwerpprincipes.
• Ontwerpen en reviewen van conceptuele en logische datamodellen en bijdragen aan een consistente gemeenschappelijke informatietaal.
• Definiëren van architectuurprincipes, standaarden en patterns voor data-opslag, data-integratie, gegevensuitwisseling, analytics, BI, machine learning en generatieve AI.
• Richting geven aan de inrichting en doorontwikkeling van dataplatformen en de positionering van data lake/lakehouse, data warehouse, streaming en API-/eventgedreven gegevensuitwisseling waar relevant.
• Uitwerken van architectuur voor data governance: eigenaarschap, classificatie, metadata, catalogisering, lineage, datakwaliteit, toegangsbeheer en lifecycle.
• Uitwerken van architectuurkaders voor AI, waaronder het gebruik van betrouwbare databronnen, model- en AI-asset governance, traceerbaarheid/lineage, toegangsbeheersing, monitoring en aansluiting op security-, privacy- en compliancekaders.
• Beoordelen van projecten, PSAs en oplossingsontwerpen op aansluiting bij de data- en AI-doelarchitectuur en het expliciet maken van afwijkingen, risico's en afhankelijkheden.
• Adviseren over rationalisatie, hergebruik en standaardisatie van data- en analyticsvoorzieningen en het voorkomen van nieuwe datasilos en onnodige platformcomplexiteit.
• Ondersteunen van relevante initiatieven, waaronder BI/Power BI, dataproducten, gegevensuitwisseling en AI-use-cases, zonder de rol van engineer of implementatielead over te nemen.
• Actief overdragen van kennis en werkwijzen aan interne architecten, data-specialisten en teams.

Resultaten en deliverables

• Data & AI Architecture Baseline: Een gevalideerd beeld van het huidige data- en AI-landschap, inclusief kernbronnen, platformen, belangrijke datastromen, eigenaarschap, afhankelijkheden, knelpunten en relevante technische schuld.
• Doelarchitectuur Data & AI: Een bestuurlijk en technisch bruikbaar doelbeeld voor data en AI, inclusief architectuurkeuzes, bouwblokken, verantwoordelijkheden en samenhang met de enterprise architectuur.
• Architectuurprincipes en standaarden: Een vast te stellen set principes, standaarden en ontwerpregels voor onder meer data-integratie, opslag, data sharing, datamodellering, kwaliteit, metadata/lineage, security/privacy en AI.
• Conceptueel en logisch datamodel: Een eerste samenhangend model voor prioritaire bedrijfsobjecten en gegevensdomeinen, inclusief definities, relaties en uitgangspunten voor verdere uitwerking.
• Data governance architectuur: Een uitgewerkt architectuurkader voor data ownership/stewardship, catalogisering, metadata, lineage, datakwaliteit, classificatie, toegangsbeheer en master-/referentiedata.
• AI-architectuur en governancekader: Een praktisch kader voor AI- en GenAI-toepassingen met uitgangspunten voor data-toegang, model-/AI-assets, traceerbaarheid, evaluatie/kwaliteit, monitoring, security/privacy, lifecycle en hergebruik.
• Referentiearchitectuur / patterns: Herbruikbare architectuurpatterns voor veelvoorkomende data- en AI-vraagstukken, bijvoorbeeld batch/streaming, API/event-uitwisseling, BI/analytics, dataproducten en AI/ML/GenAI.
• Roadmap en transitieadvies: Een geprioriteerde roadmap van huidige naar gewenste situatie, met afhankelijkheden, beslismomenten, randvoorwaarden en voorstellen voor rationalisatie en standaardisatie.
• Kennisoverdracht en borging: Gedocumenteerde werkwijze, overdracht van modellen/kaders en werksessies met interne medewerkers zodat HTM de architectuur na afloop zelfstandig kan onderhouden en toepassen.