Data Mesh, Data Meh? Warum viele Unternehmen ihre BI- und Datenorganisation gerade neu bewerten müssen

Das Problem: Aus Prinzipien wurde vielerorts eine Blaupause.

Und zwischen einer Zielarchitektur und dem Alltag in BI, Reporting und Fachbereichen liegt eine unbequeme Realität. Nicht jeder Fachbereich ist ein Datenprodukt Team. Nicht jeder Bereich hat analytische Reife, personelle Stabilität und methodische Tiefe, um Semantik, KPI Logik, Qualität und Governance dauerhaft selbst zu tragen.

Genau deshalb wird die Debatte gerade neu geführt. Und diesmal aus realeren Gründen. Viele Unternehmen sind am Ende eines Tool Zyklus. Plattformen, Reporting Landschaften und Governance Modelle müssen neu bewertet werden. Gleichzeitig verändert KI die Erwartungen an Datenzugang. Near Time Reporting, On Demand Auswertungen und natürlichsprachliche Interfaces verschieben gerade, was Self Service überhaupt bedeutet.

Die Frage ist deshalb nicht mehr, welches Architektur Buzzword am überzeugendsten klang.

Die Frage ist: Welches BI und Daten Betriebsmodell funktioniert heute unter den Bedingungen, die jetzt relevant sind.

Für viele lautet die ehrlichere Antwort nicht noch mehr Dezentralisierung, sondern besserer Self Service BI mit starken Guardrails, sauberer Semantik und einem Betriebsmodell, das zur Tragfähigkeit der Fachbereiche passt.
‍

Data Mesh war oft attraktiver als die eigene Realität

Data Mesh hat wichtige Impulse gesetzt. Weg vom Nadelöhr „Zentralteam“, hin zu mehr Verantwortung in den Domänen. Daran ist nichts falsch. Problematisch wurde es dort, wo die Tragfähigkeit der Fachbereiche überschätzt wurde.

Die Realität sah dann häufig so aus:

• dieselbe Kennzahl in mehreren Varianten
• lokale Reporting Logiken ohne gemeinsame Semantik
• Power User als inoffizielle Träger kritischer Logik
• Governance auf Slides, aber nicht im Alltag
• mehr Freiheit bei sinkender Vergleichbarkeit

Im BI Kontext wird das schnell sichtbar. Denn es geht nicht nur um Datenzugang, sondern um verlässliche Steuerung. Wenn Umsatz, Marge, Bestand oder Forecast je Bereich anders interpretiert werden, ist das kein Zeichen gelungener Dezentralisierung.

Es ist ein Steuerungsproblem.

Die unbequeme Wahrheit: Nicht jeder Fachbereich wird durch mehr Autonomie besser. Manche werden vor allem inkonsistenter.‍

Jetzt kommt der eigentliche Umbruch: Self Service verändert gerade seinen Charakter

Lange bedeutete Self Service BI vor allem, dass Fachbereiche selbst bauen. Dashboards, Berichte, Auswertungen. Das Leitbild war Baufreiheit und möglichst wenig Abhängigkeit vom zentralen Team.

Dieses Verständnis passt immer weniger zur aktuellen Realität. Viele Nutzer wollen heute nicht primär bauen. Sie wollen Antworten. Sie wollen Kennzahlen einordnen, Abweichungen verstehen, schnell segmentieren, kurzfristig einen Bericht ziehen oder eine Frage in natürlicher Sprache stellen. Und zwar direkt und im Kontext.

Der Anspruch verschiebt sich von „Ich will selbst Reports bauen“ zu „Ich will jederzeit verlässlich Antworten bekommen“.

Das ist kein Detail, das ist ein anderes Betriebsmodell. Self Service wandelt sich von einer Build Logik zu einer Response Logik. Near Time Reporting, semantische Schichten und KI Assistenten beschleunigen diesen Wandel.

Mehr Zugang macht Governance nicht kleiner, sondern wichtiger

Je einfacher der Zugang zu Daten wird, desto größer wird das Risiko, dass scheinbar plausible Antworten auf unsauberer Logik beruhen. Eine gute Oberfläche löst kein semantisches Problem. Ein KI Assistent ersetzt keine belastbare KPI Definition. Ein On Demand Report ist nicht automatisch vertrauenswürdig, nur weil er schnell geliefert wird.

Je niedriger die Nutzungshürde, desto stabiler muss das Fundament sein. Self Service skaliert nicht durch maximale Freiheit, sondern durch klare Leitplanken.

Dazu gehören:

• verbindliche KPI Definitionen und kuratierte semantische Modelle
• zertifizierte Reports und vertrauenswürdige Datenprodukte
• klare Rollen und Berechtigungskonzepte
• nachvollziehbare Herkunft und Aktualität der Daten
• definierte Eskalationswege bei Konflikten in der Kennzahlenlogik

Guardrails sind keine Bremse für Self Service. Sie sind die Voraussetzung, dass Self Service unter KI Bedingungen belastbar bleibt. Ohne Guardrails demokratisiert man nicht Erkenntnis, sondern Interpretationsspielräume.

Nicht jeder Fachbereich braucht den selben Freiheitsgrad

Ein häufiger Denkfehler: Self Service wird als einheitliches Zielbild behandelt. In der Praxis sollte Self Service abgestuft nach Reifegrad gedacht werden. Entscheidend ist, wie viel analytische und semantische Verantwortung ein Fachbereich realistisch tragen kann.‍

Ein einfaches Reifegradmodell:

‍Level 1 Konsumenten
Fertige, zertifizierte Dashboards nutzen, filtern und sicher interpretieren. Keine eigenen KPI Logiken oder Datenmodelle. Sinnvoll bei geringer Datenreife oder hoher Standardisierung.

Level 2 Explorer
Geführter Self Service. Eigene Berichte und Analysen, aber auf Basis eines zentral bereitgestellten, zertifizierten Semantic Layers und klar definierter Kennzahlenlogik. Freiheit steigt, Fundament bleibt zentral geführt.

Level 3 Owner
Hohe Datenreife und analytische Eigenständigkeit. Weitgehende Autonomie ist möglich, aber nicht als Entkopplung. Sie braucht zentrale Plattform Guardrails, gemeinsame Standards, Rollenmodelle und verbindliche semantische Leitplanken.

Die zentrale Erkenntnis: Nicht jeder Fachbereich sollte Produzent oder Owner sein. Für viele ist ein gut geführter Explorer Modus das bessere Zielbild.‍

Nicht die Branche entscheidet, sondern die Substanz im Fachbereich

Ob mehr Dezentralisierung sinnvoll ist, entscheidet sich selten im Organigramm. Es entscheidet sich im Alltag. Je stärker die analytische Substanz im Fachbereich, desto eher tragen dezentrale Strukturen. Wo diese Substanz fehlt, wird Dezentralisierung schnell romantisiert. Dann bedeutet „mehr Ownership“ in der Praxis oft nur mehr lokale Logik, mehr KPI Abweichung und mehr Abhängigkeit von einzelnen Personen.

Entscheidend ist die Kombination aus:

• technischer Reife des Unternehmens
• analytischer Stärke im Fachbereich
• Stabilität der Prozesse
• Kritikalität der Kennzahlen
• realistisch tragbarer semantischer Verantwortung

Wer das ignoriert, baut kein modernes Operating Model. Er verteilt nur Komplexität neu.‍

‍

Was viele Unternehmen jetzt eigentlich brauchen

Die Aufgabe ist nicht, alte Lagerkämpfe zwischen zentral und dezentral weiterzuführen. Die Aufgabe ist, das BI Betriebsmodell unter neuen Bedingungen neu auszurichten.
‍

Viele Unternehmen brauchen vor allem drei Dinge:‍

‍1.  Eine ehrliche Bewertung der Fachbereichsreife.
-> Nicht jeder Bereich braucht maximale Autonomie.
‍
2. Ein modernes Verständnis von Self Service.
-> Nicht alles selbst bauen, sondern schnell, verständlich und sicher Antworten bekommen, zunehmend auch on demand und per natürlicher Sprache.
‍
3.  Starke Guardrails als Enabler.
-> Saubere Semantik, verlässliche Kennzahlenlogik und klar geführte Governance sind das Fundament.

Für BI und Data Teams verändert das die Rolle. Sie sind nicht nur Ticket Empfänger oder Tool Verwalter. Sie werden zu Architekten eines verlässlichen Nutzungsmodells. Nicht jede Anfrage selbst bauen, sondern die Voraussetzungen schaffen, damit viele Anfragen schnell, konsistent und vertrauenswürdig beantwortet werden können.

Das Ziel ist nicht maximale Zentralisierung. Das Ziel ist skalierbare Nutzbarkeit.‍

‍

Fazit

Data Mesh war für viele ein wichtiges Denkmodell. Oft war es aber auch ein Buzzword der letzten Tool und Transformationsphase.

Heute stehen Unternehmen vor einer anderen Realität: Plattformen werden neu bewertet, Governance muss belastbar sein, und KI verändert, wie Fachbereiche mit Daten arbeiten wollen.

Was jetzt gebraucht wird, ist ein reiferes BI Betriebsmodell. Weniger Ideologie, mehr Tragfähigkeitsprüfung. Moderner Self Service auf Abruf und starke Guardrails im Hintergrund. Denn am Ende zählt nicht, wie modern ein Modell auf der Folie aussieht. Entscheidend ist, ob Fachbereiche mit Daten verlässlich arbeiten können. Schnell,verständlich, vergleichbar und auch unter KI geprägten Nutzungsmustern steuerbar.

Nicht jeder Fachbereich braucht maximale Datenautonomie. Aber fast jeder braucht besseren Self Service.