Was ist Data Architecture?

1. Einleitung: Warum Data Architecture wichtig ist

In modernen Unternehmen sind Daten eines der strategischsten Güter. Entscheidungen, KI, digitale Produkte und Prozessoptimierung hängen alle von Daten ab.

Ohne Struktur stehen Organisationen schnell vor Datensilos, uneinheitlichem Reporting, schlechter Qualität, eingeschränkter Zugänglichkeit und Compliance-Risiken.

Data Architecture ist der Bauplan, der definiert, wie Daten in der gesamten Organisation erfasst, gespeichert, integriert, gesteuert und genutzt werden.

• Straßen -> Datenpipelines
• Gebäude -> Datenspeichersysteme
• Regeln & Bebauungsplan -> Data Governance
• Bürger -> Anwendungen und Nutzer
• Stadtplanung -> Enterprise Architecture

2. Data Architecture in der Enterprise Architecture

Enterprise Architecture richtet die Geschäftsstrategie an den IT-Systemen aus. In TOGAF ist die Unternehmensarchitektur in vier Domänen gegliedert: Business, Data, Application und Technology.

Business definiert, was das Unternehmen tun möchte, Data definiert, welche Informationen erforderlich sind, Applications definieren, wie Prozesse umgesetzt werden, und Technology liefert die Infrastruktur.

Data Architecture steht im Zentrum als informationelles Rückgrat des Unternehmens.

3. Was Data Architecture ist

Data Architecture ist das Design und die Governance des Datenökosystems der Organisation.

Sie definiert, woher Daten stammen, wie sie fließen, wo sie gespeichert werden, wie auf sie zugegriffen wird und wie sie gesteuert werden.

• Daten sind konsistent
• Daten sind vertrauenswürdig
• Daten sind zugänglich
• Daten sind sicher
• Daten unterstützen Geschäftsentscheidungen

4. Kernkomponenten der Data Architecture

Eine professionelle Unternehmens-Data-Architecture umfasst die folgenden Schichten.

• Datenquellen (ERP, CRM, APIs, IoT, Dateien, Logs, externe Daten)
• Datenaufnahme (Batch-ETL und Streaming-Pipelines)
• Datenspeicherung (Warehouse, Lake, Lakehouse, operative Datenbanken)
• Datenverarbeitung (ETL, ELT, Bereinigung, Anreicherung, Aggregation)
• Data Governance (Qualität, Sicherheit, Compliance, Nachverfolgbarkeit, Zugriffskontrolle)
• Datennutzung (BI, KI/ML, Data Science, Anwendungen, APIs)

5. Die Rolle der Data Platform

Data Architecture ist der Bauplan. Die Data Platform ist das Gebäude.

Die Plattform operationalisiert die Fähigkeiten zu Aufnahme, Speicherung, Verarbeitung, Governance und Nutzung.

6. Data Architecture in TOGAF Phase C

In TOGAF ADM wird Data Architecture in Phase C innerhalb der Information Systems Architecture definiert, gemeinsam mit der Application Architecture.

Diese Phase definiert Datenentitäten, Beziehungen, Datenflüsse, den Lebenszyklus und die Data-Architecture-Roadmap.

• Datenprinzipien
• Konzeptuelles Datenmodell
• Logisches Datenmodell
• Data-Architecture-Roadmap

7. Konzeptuelle, logische und physische Ebenen

Konzeptuelles Modell: geschäftliche Sicht auf Schlüsselentitäten (Kunde, Bestellung, Produkt, Rechnung).

Logisches Modell: detaillierte Beziehungen und Attribute.

Physisches Modell: Implementierungsentscheidungen und Technologien (Snowflake, S3, Delta Lake, PostgreSQL).

8. Moderne Data-Architecture-Muster

Moderne Unternehmen nutzen je nach Größenordnung, Governance-Modell und Analysebedarf mehrere Architekturmuster.

• Data Warehouse: traditionelle Analytics-Architektur
• Data Lake: großflächige Speicherung von Rohdaten
• Lakehouse: Hybridmodell, das die Stärken von Lake und Warehouse kombiniert
• Data Mesh: dezentrale Domänenverantwortung, Data as Product, Self-Service, föderierte Governance

9. Die Rolle des Data Architect

Der Data Architect gestaltet und steuert das Datenökosystem und schlägt eine Brücke zwischen Geschäftsstrategie und technischer Umsetzung.

• Datenstandards definieren
• Datenmodelle entwerfen
• Datenqualität gewährleisten
• Geschäftliche und technische Anforderungen ausrichten
• Die Data-Roadmap definieren

10. Das ultimative Ziel

Das ultimative Ziel besteht darin, Daten in geschäftlichen Wert zu verwandeln.

Eine reife Data Architecture ermöglicht vertrauenswürdige Analysen, KI, schnellere Entscheidungen, Compliance und operative Effizienz.

Ohne Data Architecture werden Daten zu Rauschen. Mit Data Architecture werden Daten zu Intelligenz.