Die Literatur zum Data Mesh ist zwar umfangreich, beschreibt aber oft einen Endzustand und selten, wie man diesen in der Praxis erreicht. Es stellt sich also die Frage:
Welche Vorgehensweise sollten Sie wählen, um das Datenmanagement zu transformieren und ein Data Mesh einzurichten?
In dieser Artikelreihe finden Sie Auszüge aus unserem Praxisleitfaden Data Mesh, in dem wir ein iteratives Vorgehen für die Einführung eines Data Mesh in Ihrer Organisation vorschlagen. Dieser Ansatz basiert auf seinen vier Schlüsselprinzipien (Domain-oriented Decentralized Data Ownership and Architecture, Data as a Product, Self-serve Data Infrastructure as a Platform und Federated Computational Governance) und stützt sich auf die vorhandenen personellen und technologischen Ressourcen.
- Teil 1: Den Umfang Ihres Pilotprojekts definieren
- Teil 2: Das Entwicklungsteam und die Datenplattform für das Pilotprojekt zusammenstellen
- Teil 3: Ihre ersten Data Products herstellen
- Teil 4: Zu einem Federated-Governance-Modell übergehen
Im Laufe dieser Artikelreihe und zur Veranschaulichung dieses iterativen Vorgehens bei der Einrichtung eines Data Mesh werden wir ein Fallbeispiel verwenden: das fiktive Unternehmen Premium Offices – eine Gesellschaft für Gewerbeimmobilien, die Immobilien erwirbt und an Unternehmen vermietet.
–
Der erste Schritt des in dieser Artikelreihe vorgestellten Ansatzes zur Transformation des Datenmanagements und zur Einführung eines Data Mesh in Ihrer Organisation ist der Aufbau eines Pilotprojekts. Dieses wird nach den vier Prinzipien des Data Mesh mit den vorhandenen Ressourcen, d. h. ohne Auswirkungen auf das Unternehmen, entwickelt.
Damit Ihr Projekt zur Dezentralisierung des Datenmanagements erfolgreich starten kann, müssen Sie sich auf zwei wesentliche Vorbedingungen konzentrieren: klar definierte Domänen und ein erster Anwendungsfall.
Identifikation der Domänen
Die erste Voraussetzung für den Start des Pilotprojekts ist natürlich die Identifizierung der Domänen – die Föderation autonomer Domänen ist das Herzstück des Data Mesh.
Bei diesem Schritt treten in der Regel keine Schwierigkeit auf. Tatsächlich ist das Konzept der Domänen bereits weit verbreitet, und die Aufteilung in Domänen ist oft stabil – unabhängig davon, ob die Strukturierung nach Wertschöpfungsketten, großen Geschäftsprozessen oder den operativen Fähigkeiten der Organisation erfolgt. Die Domänen verfügen manchmal über ihre eigenen technischen Teams und besitzen die operativen Systeme, die den Großteil der Daten produzieren. Der Übergang besteht daher häufig darin, das Data Ownership nach einer bereits bestehenden Struktur neu zu verteilen.
FALLBEISPIEL PREMIUM OFFICES
Premium Offices ist bereits in Domänen gegliedert, welche die großen Kompetenzen des Unternehmens widerspiegeln, hier drei Beispiele:
-
Asset
- Die Domäne, die mit dem Erwerb und der Verwaltung von Immobilien beauftragt ist. Dabei stützt sie sich vor allem auf eine Unternehmenssoftware für das Asset-Management.
-
Brokerage
- Die Domäne, die sich mit der Vermarktung von Mietobjekten und der Verwaltung der Mieter befasst. Dazu nutzt sie eine Unternehmenssoftware für das Tenant-Management und ist für die kommerzielle Website und die Veröffentlichung von Angeboten auf speziellen Marktplätzen verantwortlich.
-
Capital Markets
- Diese Domäne ist für die Kreditaufnahme zur Finanzierung von Investitionen und für die Optimierung des Kreditportfolios zuständig. Dazu verwendet sie eine weitere spezialisierte Fachanwendung.

Organisation nach Domänen – Die großen Kompetenzen von Premium Offices
Auswahl des ersten Anwendungsfalls
Die Wahl des Anwendungsfalls für das Pilotprojekt ist relativ willkürlich – es kann sich um die Überarbeitung eines bestehenden Dashboards, ein neues Dashboard, das Hinzufügen von KI-Funktionen zu einer Anwendung oder die Vermarktung bestimmter Daten handeln.
Dieser erste Use Case sollte jedoch einige Merkmale aufweisen, die einen guten Einstieg in das Thema ermöglichen:
🚫 Er muss sich auf eine Nutzung beziehen, nicht nur auf ein oder mehrere Data Products – der intrinsische Wert eines Datenprodukts ist gleich null, er wird durch seine Nutzung geschaffen.
🚫 Er sollte nicht zu bereichsübergreifend sein und Daten aus höchstens ein oder zwei Domänen konsumieren – idealerweise nur aus einer.
🚫 Er sollte nicht zu einfach sein und mehr als ein Data Product konsumieren, zwei oder drei sind ausreichend.
🚫 Er sollte nicht zu experimentell sein – die Idee ist, schnell konkrete Ergebnisse zu erzielen.
FALLBEISPIEL PREMIUM OFFICES
Für das Pilotprojekt entschied sich Premium Offices dafür, ein Dashboard über das Kreditrisiko seiner Mieter zu erstellen, um mögliche Ausfälle besser vorhersehen und verhindern zu können. Dieses Dashboard sollte die in seiner Unternehmenssoftware vorhandenen Mieterdaten mit Kreditdaten verbinden, die von einem spezialisierten Anbieter erworben wurden. Diese Daten werden im Prozess der Bewertung eines neuen Mieters bereits auf operativer Ebene verwendet.
Zusammenfassend lässt sich sagen, dass für die Transformation hin zum Data Mesh zwei wesentliche Voraussetzungen erforderlich sind: die Identifizierung der Domänen und die Auswahl eines ersten Anwendungsfalls. Wenn Organisationen von Anfang an den Umfang des Pilotprojekts festlegen, können sie eine solide Grundlage für ein dezentralisiertes Datenmanagement schaffen, ohne dass dies Auswirkungen auf die Organisation hat.
Im nächsten Artikel werden wir uns mit dem Aufbau eines Entwicklungsteams und einer robusten Datenplattform für das Pilotprojekt befassen.
Praxisleitfaden Data Mesh: Ein unternehmensweites Data Mesh einrichten und überwachen
Dieser Leitfaden von Guillaume Bodet, Mitbegründer und CPTO von Zeenea, vermittelt Ihnen einen praktischen Ansatz zur Implementierung eines Data Mesh in Ihrer Organisation und hilft Ihnen:
✅ Ihren Data-Mesh-Ansatz mit einem fokussierten Pilotprojekt zu starten,
✅ effektive Methoden kennenzulernen, um Ihr Data Mesh zu skalieren,
✅ die entscheidende Rolle eines internen Data Marketplaces zu verstehen, um die Nutzung von Datenprodukten zu erleichtern
✅ zu verstehen, was Zeenea als robustes, unternehmensweites Data-Mesh-Monitoring-System auszeichnet.