Data Mesh
Data & Cloud Services
Kurz erklärt
Data Mesh ist ein Architektur- und Organisationsansatz für moderne Datenplattformen. Statt alle Daten zentral durch eine einzelne Data- oder BI-Abteilung bereitzustellen, werden Fachbereiche selbst für ihre Daten verantwortlich. Dabei stellen sie ihre Daten in Form von standardisierten und wiederverwendbaren Data Products bereit.
Ziel von Data Mesh ist es, Daten näher an die Fachbereiche zu bringen, die Datenqualität zu verbessern und die Skalierbarkeit moderner Datenplattformen zu erhöhen.
Warum ist Data Mesh relevant?
Viele Unternehmen haben in den vergangenen Jahren umfangreiche Data-Warehouse- oder Data-Lake-Lösungen aufgebaut. Mit zunehmender Datenmenge stoßen diese Ansätze jedoch häufig an organisatorische Grenzen. Fachbereiche benötigen neue Daten oder Anpassungen und müssen diese bei einem zentralen Data-Team anfordern. Dadurch entstehen lange Wartezeiten und ein wachsender Backlog.
Data Mesh verfolgt einen anderen Ansatz. Die Verantwortung für Daten wird dort verankert, wo das Fachwissen vorhanden ist. Vertrieb verantwortet beispielsweise Vertriebsdaten, Supply Chain verantwortet Logistikdaten und Finance verantwortet Finanzdaten. Jeder Bereich stellt seine Daten als qualitativ hochwertige Data Products für das gesamte Unternehmen bereit.
Dieser Ansatz wird insbesondere durch moderne Plattformen wie SAP Business Data Cloud, Databricks und Microsoft Fabric unterstützt. Sie ermöglichen die technische Bereitstellung und gemeinsame Nutzung von Datenprodukten über Abteilungs- und Systemgrenzen hinweg. Dabei gewinnt das Thema auch im Zusammenhang mit KI an Bedeutung, da moderne AI-Anwendungen auf konsistente, dokumentierte und vertrauenswürdige Daten angewiesen sind.
Für viele Unternehmen ist Data Mesh daher weniger ein Technologieprojekt als vielmehr ein neues Betriebsmodell für Daten.
Wie unterstützt die celver AG?
Data Mesh wird häufig als rein technisches Architekturkonzept verstanden. In der Praxis scheitern viele Initiativen jedoch nicht an der Technologie, sondern an fehlenden Rollen, Verantwortlichkeiten und Governance-Strukturen.
Die celver AG unterstützt Unternehmen dabei, moderne Datenorganisationen aufzubauen und die passenden Architekturprinzipien für Analytics, Planung und KI zu definieren. Dabei betrachten wir sowohl organisatorische als auch technische Fragestellungen und verbinden moderne Plattformen wie SAP Business Data Cloud, Databricks oder Microsoft Fabric mit klaren Governance- und Betriebsmodellen.
Typische Fragestellungen unserer Kunden sind:
- Ist Data Mesh für unser Unternehmen sinnvoll?
- Welche Daten sollten als Data Products organisiert werden?
- Wer übernimmt die Verantwortung für Datenqualität?
- Wie unterscheiden sich Data Mesh und klassische Data Warehouses?
- Welche Rolle spielen SAP Business Data Cloud, Databricks oder Microsoft Fabric?
- Wie lassen sich Fachbereiche stärker in die Datenverantwortung einbinden?
Unser Fokus liegt dabei auf pragmatischen Lösungen. Nicht jedes Unternehmen benötigt ein vollständiges Data-Mesh-Modell. Häufig reichen bereits klar definierte Data Products, zentrale Governance-Regeln und eindeutige Verantwortlichkeiten aus, um die Datenorganisation deutlich zu verbessern.
Verwandte Begriffe
Weiterführende Inhalte
%20-%20Webinar.avif)
Häufig gestellte Fragen
Data Mesh beschreibt die organisatorische Verantwortung für Daten. Data Fabric beschreibt eher die technische Architektur, die Daten aus unterschiedlichen Quellen integriert und bereitstellt. Beide Ansätze können sich sinnvoll ergänzen.
Nein. Data Mesh ist in erster Linie ein Organisations- und Governance-Konzept. Technologische Plattformen wie SAP Business Data Cloud, Databricks oder Microsoft Fabric können Data-Mesh-Ansätze unterstützen, sind aber nicht der eigentliche Kern des Konzepts.
Ein Data Product ist ein einzelnes Datenprodukt mit fachlicher Bedeutung und klarer Verantwortung. Data Mesh beschreibt das übergeordnete Organisationsmodell, in dem viele Data Products von unterschiedlichen Fachbereichen bereitgestellt werden.
Nein. Viele Unternehmen profitieren bereits davon, einzelne Data Products aufzubauen und Verantwortlichkeiten klar zu definieren. Ein vollständiges Data Mesh ist meist erst für größere und komplexere Organisationen sinnvoll.
