Daten integrieren oder Daten zentralisieren? Wie wird KI effizienter?

Denn erst wenn unterschiedliche Datenquellen dieselben Begriffe, Kennungen und Geschäftsprozesse nach gemeinsamen Regeln abbilden, können Informationen systemübergreifend zuverlässig ausgewertet werden.

Wenn Daten am selben Ort liegen, aber nicht zusammenpassen

Die Zentralisierung von Daten galt lange als grundlegendes Prinzip moderner Datenstrategien. Informationen aus unterschiedlichen Anwendungen werden dabei in ein Data Warehouse oder Data Lakehouse übertragen, damit Fachbereiche auf eine gemeinsame Speicherumgebung zugreifen können.

Das löst zwar Probleme beim Datenzugriff, beseitigt aber nicht automatisch inhaltliche Unterschiede. So kann ein Kunde im CRM über eine Konto-ID identifiziert werden, während eine Produktdatenbank dafür die E-Mail-Adresse verwendet. Werden beide Tabellen lediglich in ein zentrales System kopiert, bleiben sie weiterhin voneinander getrennt.

Auf diesen Unterschied weist auch Starburst hin. Der Anbieter von Datenplattformtechnologie unterscheidet zwischen der physischen Zusammenführung von Informationen und ihrer inhaltlichen Integration. Letztere setzt voraus, dass Unternehmen gemeinsame Definitionen für zentrale Geschäftsentitäten wie Kunden, Bestellungen oder Konten festlegen.

Unterschiedliche Systeme erzeugen widersprüchliche Kennzahlen

Wie schnell aus einer zentralen Datenplattform neue Silos entstehen können, zeigt sich insbesondere bei Unternehmensübernahmen und einer wachsenden Zahl von SaaS-Anwendungen. Nach Fusionen bleiben häufig mehrere CRM- oder ERP-Systeme parallel bestehen. Kundendaten, Auftragshistorien und Umsatzdefinitionen werden zwar in ein gemeinsames Warehouse übertragen, aber nicht zwingend miteinander abgeglichen.

Ähnliche Probleme entstehen, wenn Fachabteilungen eigenständig Software einführen. Während der Vertrieb beispielsweise Salesforce nutzt, arbeitet der Customer-Success-Bereich mit Gainsight und die Finanzabteilung mit NetSuite. Jedes System kann Kunden, Konten und Nutzer unterschiedlich definieren. Ohne Abstimmung entstehen mehrere Versionen derselben geschäftlichen Realität.

Fehlt zudem eine klare Zuständigkeit für die Definition wichtiger Datenobjekte, entwickelt jede Abteilung eigene Kennzahlen und Berichte. Die Unterschiede setzen sich in Dashboards, Datenmodellen und Tabellenkalkulationen fort. Selbst vermeintlich einfache Fragen, etwa nach der Gesamtzahl der Kunden, lassen sich dann nicht mehr einheitlich beantworten.

Gemeinsame Definitionen brauchen klare Verantwortlichkeiten

Eine funktionierende Datenintegration erfordert mehr als den Zugriff auf dieselben Tabellen. Zunächst müssen Unternehmen festlegen, was zentrale Begriffe wie „Kunde“, „Auftrag“ oder „Umsatz“ konkret bedeuten. Anschließend braucht jede wichtige Datenentität eine verantwortliche Stelle, die Definitionen festlegt und Konflikte zwischen Fachbereichen klärt.

Auch die Zuordnung unterschiedlicher Kennungen und Datenfelder muss frühzeitig erfolgen. Statt Abweichungen erst nach dem Laden in das Data Warehouse zu korrigieren, sollten Unternehmen die Informationen bereits beim Zusammenführen aufeinander abstimmen.

Ein Datenkatalog kann diesen Prozess unterstützen. Er dokumentiert, wo bestimmte Datenobjekte gespeichert sind, wie sie aufgebaut sind und wer für sie verantwortlich ist. Dadurch bleibt relevantes Wissen auch bei Personalwechseln oder organisatorischen Veränderungen erhalten.

Datenföderierung als Alternative zur vollständigen Verlagerung

Nicht jede Datenquelle muss dafür physisch in ein zentrales Warehouse verschoben werden. Mit Datenföderierung können Unternehmen Informationen aus verschiedenen Systemen abfragen, als lägen sie in einer gemeinsamen Datenbank. Die Abfrage greift dabei direkt auf mehrere Quellen zu und führt die Ergebnisse zusammen.

Voraussetzung ist allerdings eine gemeinsame semantische Ebene. Sie sorgt dafür, dass Begriffe, Kennzahlen und Beziehungen über unterschiedliche Systeme hinweg einheitlich verstanden werden. Eine Abfrage muss beispielsweise unabhängig von der Datenquelle dieselbe Definition von Umsatz oder Kunde verwenden.

Die Kombination aus Datenföderierung und einer solchen Kontextschicht kann damit einen Weg bieten, Informationen systemübergreifend zu nutzen, ohne sämtliche Tabellen vorab an einen zentralen Speicherort zu übertragen.

Einheitliche Datenbasis wird auch für KI entscheidend

Die Bedeutung abgestimmter Daten wächst zusätzlich durch den Einsatz künstlicher Intelligenz. KI-Modelle und autonome Agenten greifen auf dieselben Datenbestände zurück wie klassische Analysewerkzeuge. Sind Definitionen und Kennzahlen dort widersprüchlich, übernehmen auch die KI-Systeme diese Inkonsistenzen.

Eine unternehmensweite Kontextschicht kann gemeinsame Begriffe, Berechnungen und Beziehungen dauerhaft verfügbar machen. Davon profitieren nicht nur Dashboards und Analysemodelle, sondern auch Anwendungen, die eigenständig auf Unternehmensdaten zugreifen.

Offene Lakehouse-Architekturen schaffen Flexibilität

Als technische Grundlage beschreibt Starburst eine offene Data-Lakehouse-Architektur auf Basis von Apache Iceberg. Durch die Trennung von Speicher und Rechenleistung sowie offene Tabellenformate können Unternehmen Daten flexibel verwalten und sind weniger an proprietäre Speicherstrukturen gebunden.

In Verbindung mit einer föderierten Kontextschicht lassen sich zentral gespeicherte Daten und Informationen aus externen Systemen gemeinsam nutzen. Dabei können einheitliche Definitionen, Zugriffsregeln und Kennzahlen über beide Bereiche hinweg gelten.

Für Unternehmen bedeutet das: Eine erfolgreiche Datenstrategie entscheidet sich nicht allein an der Frage, wo Informationen gespeichert werden. Ausschlaggebend ist, ob unterschiedliche Systeme dieselben Sachverhalte nach nachvollziehbaren Regeln abbilden. Erst diese inhaltliche Abstimmung macht aus einer Sammlung zentral verfügbarer Tabellen eine tatsächlich integrierte Datengrundlage.

(red/Starburst)