Ein Interview mit Alexander Finke, IT-Project Manager bei Consileon
Daten sind die Grundlage für Künstliche Intelligenz, Automatisierung und fundierte Managemententscheidungen. Gleichzeitig kämpfen viele Unternehmen mit Datensilos, unklaren Verantwortlichkeiten und Engpässen in der IT. Data Mesh verspricht einen grundlegenden Perspektivwechsel. Im Interview erklärt Alexander Finke, warum zentrale Datenarchitekturen oft an ihre Grenzen stoßen, was sich mit Data Mesh konkret verändert und wie Unternehmen die Transformation strukturiert angehen.
Herr Finke, warum stoßen klassische, zentrale Datenarchitekturen heute an ihre Grenzen?
In vielen Organisationen ist die IT oder ein zentrales Datenteam die zentrale Drehscheibe für nahezu alle Datenanfragen. Das führt zwangsläufig zu Engpässen, hier ein Beispiel:
Stellen Sie sich vor, Sie arbeiten im Fachbereich und erhalten die Aufgabe, eine neue Auswertung zu erstellen. Zunächst wissen Sie nicht einmal, ob die benötigten Daten im Unternehmen existieren. Sie fragen Kollegen, telefonieren sich durch, erfahren schließlich, dass es Daten gibt – aber nicht, wer sie verantwortet. Nachdem die Zuständigkeit geklärt ist, müssen Sie bei der IT einen Zugriff beantragen. Dann stellt sich die Frage, wie Sie die Daten in Ihr Analyse-Tool bekommen. Häufig endet es in Exporten, CSV-Dateien und nicht mehr tagesaktuellen Datenständen. Und selbst wenn die Auswertung steht, weiß kaum jemand im Unternehmen davon.
Das Problem ist weniger technologisch als strukturell: Daten werden zentral verwaltet, aber dezentral erzeugt und genutzt. Diese Diskrepanz führt zu langen Abstimmungswegen, zu Verzögerungen und zu Unklarheiten bei den Verantwortlichkeiten für die Datenqualität.
Was macht Data Mesh anders?
Data Mesh dreht die Perspektive um. Daten werden als eigenständige Produkte verstanden, sogenannte Data Products, die von den jeweiligen Fachdomänen verantwortet werden. Die Fachbereiche übernehmen die Hoheit über ihre Daten und definieren deren Qualität, Beschreibung und Nutzbarkeit. Die IT agiert dabei als Enabler. Sie stellt die Self-Service-Plattform bereit und schafft das technologische Fundament, auf dem Datenprodukte entwickelt, gefunden und genutzt werden können. Gleichzeitig automatisiert sie zentrale Leitplanken für Governance, Interoperabilität und Sicherheit und stellt sicher, dass gemeinsam definierte Standards eingehalten werden.
Man kann sagen: Verantwortung dezentral, Leitplanken zentral. Dieses Zusammenspiel schafft Klarheit, Geschwindigkeit und Skalierbarkeit.
Welche typischen Fragen stellen Unternehmen, wenn sie sich erstmals mit Data Mesh befassen?
Viele Unternehmen fragen: Bedeutet das einen Kontrollverlust für die IT? Entsteht dadurch nicht noch mehr Komplexität? Die Antwort ist nein, wenn es richtig umgesetzt wird. Data Mesh ist kein Wildwuchs-Modell. Es braucht klare Domänenschnitte, definierte Rollen und eine föderierte Governance. Die IT setzt verbindliche Standards für Sicherheit, Compliance und Interoperabilität. Innerhalb dieser Leitplanken agieren die Fachbereiche eigenverantwortlich.
Eine weitere häufige Frage ist, ob Data Mesh nur für sehr große Organisationen geeignet ist. Unsere Erfahrung zeigt: Der Ansatz ist skalierbar. Entscheidend ist weniger die Unternehmensgröße als vielmehr die Komplexität der Datenlandschaft und die Anzahl der beteiligten Domänen.
Wichtig ist aber auch, ehrlich zu sein: Data Mesh skaliert langfristig deutlich besser, erfordert jedoch initial mehr Aufwand. Rollen, Verantwortlichkeiten, Datenproduktdenken und Plattformstrukturen müssen aufgebaut werden. Der Ansatz lohnt sich besonders für Unternehmen, die viele Datenquellen und Fachbereiche koordinieren müssen, KI oder Analytics breit einsetzen wollen oder bei denen zentrale Datenteams regelmäßig zum Engpass werden.
Was verändert sich konkret für die Fachbereiche?
Fachbereiche werden zu aktiven Datenverantwortlichen. Sie wissen am besten, wie ihre Daten entstehen, was sie bedeuten und wie sie genutzt werden. Im Data-Mesh-Modell definieren sie ihre Datenquellen bewusst als Produkte, dokumentieren sie strukturiert und stellen sie anderen Teams zur Verfügung.
Der Unterschied zeigt sich im Alltag: Statt Hilfe bei Kollegen zu suchen oder IT-Tickets zu erstellen, greifen Mitarbeiter auf einen zentralen Datenkatalog zu. Dort finden sie das passende Datenprodukt mit Beschreibung, Qualitätsangaben, Verantwortlichen und Zugriffsregeln und können es direkt in ihrem Analysewerkzeug nutzen. Ergebnisse entstehen schneller, sind reproduzierbar und lassen sich wiederum als eigenes Datenprodukt bereitstellen.
Warum ist Excel so beliebt und was bietet Data Mesh?
Excel ist beliebt, weil Fachbereiche damit eigenständig Lösungen entwickeln können. Data Mesh überträgt dieses Prinzip auf Unternehmensdaten, strukturiert, governancekonform und skalierbar. So sinken Abhängigkeiten, Entscheidungen werden beschleunigt und der Fachbereich wird vom Anforderungssteller zum aktiven Treiber datenbasierter Wertschöpfung.
Und welche Rolle spielt die IT in diesem Modell?
Die IT wird strategischer. Statt jede einzelne Datenanfrage operativ zu bedienen, konzentriert sie sich auf Plattformaufbau, Governance, Sicherheitsstandards und Architektur. Sie stellt sicher, dass Datenprodukte interoperabel sind, Compliance-Anforderungen erfüllen und unternehmensweit nutzbar bleiben. Dadurch wird die IT von vielen Routineaufgaben entlastet und kann sich auf wertschöpfende Themen wie KI-Infrastruktur oder Advanced Analytics konzentrieren.
Welche organisatorischen Schritte sind für eine erfolgreiche Einführung entscheidend?
Der Übergang zu Data Mesh ist kein reines IT-Projekt. Er betrifft Organisation, Rollenverständnis und Zusammenarbeit. Zunächst müssen Domänen klar identifiziert und Verantwortlichkeiten definiert werden. Das bedeutet: Es braucht ein neues Rollenverständnis in den Fachbereichen sowie klare Zuständigkeiten für Datenprodukte. Dieser organisatorische Wandel ist der entscheidende Hebel für den Erfolg. Parallel wird eine technische Plattform aufgebaut, die Self-Service, Suche und Datennutzung ermöglicht und schrittweise an die spezifischen Anforderungen des Unternehmens angepasst wird. Die Datenquellen werden sukzessive angebunden. Gleichzeitig werden Governance-Regeln festgelegt, die zentral vorgegeben und dezentral umgesetzt werden.
Wir empfehlen einen schrittweisen Transformationsansatz mit Pilotdomänen. So entstehen erste Datenprodukte unter realen Bedingungen, während Organisation und Technologie sich synchron entwickeln und der Einstieg in die dezentrale Datenwelt kontrollierbar bleibt.
Was ist Ihrer Meinung nach der größte Nutzen?
Mich motiviert an Data Mesh insbesondere, dass Menschen wieder selbstbestimmter mit Daten arbeiten können. In vielen Unternehmen sehe ich hochqualifizierte Mitarbeiter, die unnötig Zeit in Abstimmungen und Warteprozessen verlieren. Wenn Fachbereiche eigenständig handeln können, werden Projekte schneller, Entscheidungen fundierter und die tägliche Arbeit deutlich befriedigender. Für mich geht es nicht nur um Architektur, sondern auch darum, produktives Arbeiten zu ermöglichen.
Welche Rolle spielt Data Mesh im Kontext von KI?
KI lebt nicht nur von zugänglichen und qualitativ hochwertigen Daten, sondern vor allem vom richtigen Kontext. Modelle liefern besonders gute Ergebnisse, wenn sie verstehen, was Daten bedeuten, wie sie entstanden sind und in welchem fachlichen Zusammenhang sie stehen. Genau hier liegt in vielen Unternehmen das Problem: Daten sind zwar technisch verfügbar, aber ihr fachlicher Kontext ist weder sauber dokumentiert noch eindeutig verantwortet. Besonders bei KI-Anwendungen, die direkt auf Rohdaten arbeiten oder automatisierte Auswertungen erzeugen sollen, fehlt häufig genau dieses Domänenwissen.
Data Mesh schafft hier eine wichtige Grundlage. Wenn Daten als klar definierte Datenprodukte vorliegen, inklusive Beschreibung, Qualitätssicherung, Verantwortlichkeit und fachlicher Einordnung, wird dieser Kontext systematisch mitgeliefert. Dadurch können KI-Modelle deutlich präziser arbeiten, konkrete Fragen korrekt beantworten und belastbare, automatisierte Analysen erzeugen. KI-Initiativen werden so nicht nur technisch möglich, sondern auch fachlich fundiert und organisatorisch tragfähig.
Data Mesh mit Consileon: Von der Standortbestimmung bis zur Transformation
Consileon begleitet Unternehmen bei der Einführung von Data Mesh strategisch, technologisch und organisatorisch. Von der Analyse bestehender Datenarchitekturen über die Definition von Domänen und Governance-Modellen bis hin zur technischen Plattformintegration entsteht eine zukunftsfähige Datenorganisation mit klaren Verantwortlichkeiten und hoher Skalierbarkeit.
