Datenstrategie für die Finanzbranche: Von 50 Datenquellen zur KI-fähigen Lakehouse-Plattform

Eine Datenstrategie definiert, wie ein Unternehmen seine Daten erhebt, speichert, verwaltet und nutzt, um aus Daten systematisch Wert zu schöpfen. Sie umfasst technische Architektur, organisatorische Verantwortlichkeiten und einen konkreten Umsetzungsplan.

Unternehmen brauchen eine Datenstrategie, sobald Daten nicht mehr nur in einzelnen Abteilungen genutzt werden, sondern unternehmensübergreifend relevant sind. Ohne Strategie entstehen Datensilos, widersprüchliche Reports und KI-Projekte, die an der Datenqualität scheitern. In der Finanzbranche kommt regulatorischer Druck hinzu: BaFin, DSGVO und EU AI Act fordern nachvollziehbare Datenflüsse und dokumentierte Datenqualität.

Ein Data Lakehouse vereint die Stärken beider Architekturen: die Flexibilität eines Data Lake für unstrukturierte Daten mit der Struktur und Transaktionssicherheit eines Data Warehouse für analytische Abfragen. Technisch ermöglicht das offene Tabellenformate wie Delta Lake, die ACID-Transaktionen direkt auf dem Data Lake bereitstellen.

Der Vorteil: Statt zwei getrennte Systeme zu betreiben und Daten zwischen ihnen zu kopieren, arbeiten alle Anwendungsfälle auf einer einzigen Plattform: Echtzeit-Analytics, Regulatory Reporting, Machine Learning. Das reduziert Komplexität, Kosten und das Risiko inkonsistenter Daten.

Data Governance umfasst die organisatorischen Regeln, Rollen und Prozesse, die sicherstellen, dass Daten korrekt, vollständig, nachvollziehbar und sicher verwaltet werden. Die drei zentralen Rollen sind Data Owner (strategische Verantwortung), Data Steward (operative Datenqualität) und Data Engineer (technische Umsetzung).

In der Finanzbranche ist Data Governance kein Nice-to-have, sondern regulatorische Pflicht. Aufsichtsbehörden erwarten nachvollziehbare Datenflüsse, dokumentierte Datenherkunft und jederzeit belegbare Datenqualität. Ohne gelebte Governance riskieren Finanzdienstleister nicht nur fehlerhafte Reports, sondern auch aufsichtsrechtliche Konsequenzen.

Der Zeitrahmen hängt von Unternehmensgröße und Komplexität der Datenlandschaft ab. In diesem Projekt erreichten wir in sechs Monaten den vollständigen Weg vom Data Maturity Assessment bis zur produktiven Lakehouse-Plattform.

Entscheidend für die Geschwindigkeit ist kein Technologiefaktor, sondern die Bereitschaft der Organisation, Verantwortung für Daten zu übernehmen. Unternehmen, die Data Stewards frühzeitig benennen und dem Projekt Managementunterstützung geben, kommen deutlich schneller voran.

Data Mesh ist ein Organisationsprinzip, bei dem die Verantwortung für Daten nicht zentral bei der IT liegt, sondern bei den Fachabteilungen, die die Daten erzeugen und am besten kennen. Jede Abteilung verantwortet ihre Datenprodukte — mit definierten Qualitätsstandards, klaren Schnittstellen und einer gemeinsamen Infrastrukturplattform.

Für den Mittelstand ist Data Mesh dann relevant, wenn das Unternehmen groß genug ist, dass zentrale Datenteams zum Flaschenhals werden. Ab etwa zehn Fachabteilungen und einer zweistelligen Zahl an Datenquellen löst die dezentrale Verantwortung ein reales Problem. Wichtig: Data Mesh bedeutet nicht Anarchie. Die technische Plattform und die Governance-Standards bleiben zentral.

Datenqualität wird entlang definierter Dimensionen gemessen: Vollständigkeit (fehlen Werte?), Korrektheit (stimmen die Werte?), Aktualität (wie alt sind die Daten?), Konsistenz (widersprechen sich Quellen?) und Eindeutigkeit (gibt es Duplikate?).

In der Praxis werden diese Dimensionen durch automatisierte Qualitätschecks in den Data Pipelines überwacht. Jeder Datensatz durchläuft bei der Ingestion eine Validierung. Der Data Catalog dokumentiert die Qualitätsmetriken je Datenquelle. Data Stewards überprüfen regelmäßig die Ergebnisse und eskalieren bei Abweichungen. So entsteht ein kontinuierlicher Qualitätsprozess statt einmaliger Bereinigungsaktionen.

KI-Modelle sind nur so gut wie ihre Trainingsdaten. Eine Datenstrategie schafft die Voraussetzungen, die KI-Projekte brauchen: saubere, dokumentierte, zugängliche Daten in einem einheitlichen Format. Ohne diese Grundlage scheitern Modelle an widersprüchlichen Kundendefinitionen, fehlenden Werten oder Daten, die gar nicht verwendet werden dürfen.

Konkret liefert eine umgesetzte Datenstrategie drei Dinge: Erstens eine Plattform, auf der Daten für Training und Inference bereitstehen. Zweitens eine Governance, die klärt, welche Daten für welche Zwecke genutzt werden dürfen. Drittens ein Data Catalog, der Data Scientists Daten finden lässt, ohne jede Abteilung einzeln fragen zu müssen. In diesem Projekt waren nach der Umsetzung 73 Prozent der Daten erstmals KI-ready. Die Basis für die nächsten Projekte.

Data Stewards sind die operativen Hüter der Datenqualität in ihren Fachabteilungen. Sie stellen sicher, dass die Daten ihrer Domäne korrekt, vollständig und aktuell sind. Sie definieren Qualitätsregeln, überwachen deren Einhaltung und sind erste Ansprechpartner bei Datenqualitätsproblemen.

Im Unterschied zu Data Owners (strategische Verantwortung, meist Führungsebene) und Data Engineers (technische Umsetzung, IT) arbeiten Data Stewards direkt im Fachbereich. Sie kennen die Geschäftslogik hinter den Daten und können beurteilen, ob ein Wert nicht nur technisch valide, sondern auch fachlich korrekt ist. In diesem Projekt wurden in allen zwölf Abteilungen Data Stewards benannt und in einem strukturierten Programm ausgebildet.