Die verlorene Kunst der Datenmodellierung. Teil1: Von implizitem Wissen und explizitem Kontext

Datenmodellierung wird regelmäßig für überholt erklärt. Neue Werkzeuge versprechen schnellere Ergebnisse, mehr Flexibilität oder automatische Analyse. Im Projektgeschäft zeigt sich jedoch ein anderes Bild. Modelle, die ohne klare Struktur aufgebaut werden, geraten mit wachsender Komplexität unter Druck. Implizites Wissen ersetzt keine explizite Architektur.

Diese dreiteilige Serie verfolgt eine zentrale These: Datenmodellierung ist die bewusste Gestaltung von Kontext. Sie überführt implizit vorausgesetzte Beziehungen in explizite, strukturierte und dokumentierte Zusammenhänge.

Im Projektgeschäft zählt häufig der schnelle Erfolg. Gerade im Self Service möchten erfahrene Nutzer möglichst direkt mit ihren Daten arbeiten. Die Rohdaten der Quellsysteme sind bekannt, erste Auswertungen entstehen schnell, die Logik steckt im Kopf derjenigen, die sie erstellt haben. Ein dimensionales Modell wirkt in dieser Phase wie ein Umweg.

Solange Anforderungen überschaubar bleiben, funktioniert dieser Ansatz. Beziehungen zwischen Tabellen sind bekannt, Definitionen von Kennzahlen werden nicht hinterfragt. Der Kontext ist vorhanden, er ist nur nicht explizit gemacht.

Die Schwächen zeigen sich erst mit wachsender Komplexität. Neue Datenquellen kommen hinzu, Granularitäten passen nicht zusammen, komplexere Kennzahlen müssen berechnet werden. Workarounds entstehen. Der Bruch wird häufig bei der Übergabe sichtbar. Was zuvor funktionierte, beruhte auf implizitem Wissen. Beziehungen, Annahmen und Definitionen waren nicht dokumentiert, sondern vorausgesetzt.

Unter diesem Blickwinkel lässt sich die klassische Diskussion um Data Warehousing neu lesen. Es ging nie primär um Tabellenformen, sondern um die Frage, wie Kontext dauerhaft stabilisiert werden kann.

Bill Inmon zielte auf eine zentrale, historisierte und systemübergreifende Integration von Daten. Sein Ansatz betont die saubere Strukturierung von Entitäten und deren Beziehungen. Der Fokus liegt auf einem konsistenten technischen Kontext, in dem Daten aus unterschiedlichen operativen Systemen zusammengeführt werden. Diese Core Schicht schafft eine stabile Grundlage, auf der analytische Modelle aufbauen können.

Ralph Kimball stellte die analytische Nutzung in den Vordergrund. Mit Fakten und Dimensionen machte er fachliche Beziehungen explizit. Eine Kennzahl steht in klar definiertem Zusammenhang zu Zeit, Produkt, Organisation oder Kunde. Conformed Dimensions sorgen dafür, dass verschiedene Fachbereiche auf denselben Bedeutungsrahmen zugreifen. Kimball stärkt damit den semantischen Kontext.

Auch Integrationsansätze wie Data Vault lassen sich in dieser Logik verorten. Sie definieren einen festen strukturellen Rahmen für die Integration heterogener Quellen und historisieren Beziehungen systematisch. Der Schwerpunkt liegt auf einem stabilen technischen Integrationskontext. Für die analytische Nutzung wird darauf häufig eine fachlich orientierte Zugriffsschicht aufgebaut.

Im Self Service wird dieser Schritt häufig übersprungen. Man arbeitet direkt auf Transaktionslogiken einzelner Systeme und übernimmt deren Struktur in das Reporting. Solange alle Beteiligten denselben Erfahrungsrahmen teilen, bleibt das tragfähig. Mit wachsender Komplexität wird jedoch sichtbar, dass der zugrunde liegende Kontext nie explizit definiert wurde.

Die verlorene Kunst der Datenmodellierung besteht daher nicht in der Beherrschung eines bestimmten Schemas. Sie besteht in der bewussten Gestaltung von Beziehungen. Datenmodellierung macht sichtbar, in welchem Rahmen Daten interpretiert werden dürfen und wie unterschiedliche Systeme in eine gemeinsame Struktur überführt werden.

Im nächsten Teil betrachten wir diese beiden Perspektiven genauer. Was bedeutet technischer Kontext konkret im Modellaufbau. Wie wird semantischer Kontext definiert, etwa durch Benennung, Hierarchien oder Kennzahlenhoheit.

Im dritten Teil erweitern wir die Diskussion erneut. Wenn Maschinen auf Daten zugreifen und keine impliziten Annahmen treffen können, wird explizit gestalteter Kontext zur Voraussetzung für Analyse.