Was ist eine Datenplattform?
Eine Datenplattform ist eine zentrale IT-Infrastruktur, die Daten aus mehreren Quellsystemen sammelt, speichert, aufbereitet und für Analyse, Reporting und Planung bereitstellt. Sie bildet die technische Grundlage für Business Intelligence und Controlling im Unternehmen. Bissantz unterstützt Unternehmen beim Aufbau und der erfolgreichen Nutzung von Datenplattformen – mit dem Ziel, Daten zu fundierten Entscheidungen zu verwandeln.
| Merkmal | Beschreibung |
| Kategorie | Dateninfrastruktur |
| Einsatz | Sammlung, Speicherung, Aufbereitung und Bereitstellung von Unternehmensdaten |
| Typische Einsatzbereiche | Business Intelligence, Controlling, Reporting, Planung, Data Science |
| Verwandte Begriffe | Data Warehouse, Data Lake, Data-Lakehouse, ETL, ELT |
| Nutzen | Einheitliche Datenbasis, schnellere Analysen, fundierte Entscheidungen |
Auf einen Blick
Bündelt Daten aus verschiedenen Quellsystemen an einem Ort.
Schafft eine einheitliche, verlässliche Datenbasis für das gesamte Unternehmen.
Unterstützt Analyse, Reporting und Planung gleichermaßen.
Typische Bestandteile sind Datenintegration, Speicherung, Aufbereitung und Zugriffsschicht.
Business-Intelligence-Lösungen wie DeltaMaster setzen auf einer Datenplattform auf und liefern darauf aufbauend Analysen und Entscheidungsunterstützung.
Inhaltsverzeichnis
- Definition und Einordnung
- Nutzen
- Bestandteile
- Datenplattform vs. Data Warehouse vs. Data Lake
- Arten
- Beispiele und ihre Unterschiede
- Cloud vs. On-Premises
- Lösungen für verschiedene Anwendungsfälle
- Häufige Fehler bei der Einführung
- Datenplattformen und Bissantz
- FAQ
- Zusammenfassung
- Weiterführende Begriffe
Datenplattform: Definition und Einordnung
Eine Datenplattform bezeichnet die Gesamtheit aus Technologien, Prozessen und Regeln, mit denen ein Unternehmen Daten aus unterschiedlichen Quellsystemen zusammenführt, speichert, aufbereitet und für Auswertungen bereitstellt. Sie ist keine einzelne Software, sondern eine Infrastruktur, die mehrere Komponenten wie Datenintegration, Speicherung und Zugriffsschicht miteinander verbindet.
Im Unternehmen nimmt die Datenplattform eine vermittelnde Position ein. Sie liegt zwischen den operativen Quellsystemen, etwa ERP oder CRM, und den Auswertungswerkzeugen für Business Intelligence, Controlling und Planung, etwa DeltaMaster. Ohne diese Zwischenschicht müssten Auswertungswerkzeuge direkt auf viele einzelne Quellsysteme zugreifen, was Leistung, Datenqualität und Wartbarkeit beeinträchtigt.
Wofür wird eine Datenplattform benötigt?
Unternehmen benötigen eine Datenplattform, weil Daten in der Praxis über viele Systeme verteilt anfallen: ERP, CRM, Excel-Dateien, Onlineshops oder Maschinen liefern jeweils eigene Datenbestände. Ohne eine gemeinsame Plattform bleiben diese Daten isoliert, widersprüchlich oder schlicht schwer auffindbar.
Eine Datenplattform führt diese Datenquellen zusammen und bereitet sie so auf, dass Controlling und Fachabteilungen mit denselben Zahlen arbeiten. Das verhindert Diskussionen über die „richtige“ Kennzahl und beschleunigt Entscheidungen, weil Auswertungen nicht erst mühsam zusammengetragen werden müssen.
Gerade im Controlling zeigt sich der Nutzen deutlich: Eine saubere Datenplattform ist die Voraussetzung dafür, dass Reporting, Planung und Analyse verlässliche Ergebnisse liefern.
Welche Bestandteile hat eine Datenplattform?
Eine Datenplattform besteht in der Regel aus mehreren Schichten, die zusammen den Weg der Daten von der Quelle bis zur Auswertung abbilden.
Datenintegration: Schnittstellen und ETL- beziehungsweise ELT-Prozesse holen Daten aus Quellsystemen wie ERP oder CRM ab und übertragen sie in die Plattform.
Speicherung: Die Daten liegen strukturiert, zum Beispiel in einem Data Warehouse, oder unstrukturiert, zum Beispiel in einem Data Lake, vor.
Aufbereitung: Regeln zur Datenqualität, Bereinigung und Modellierung sorgen dafür, dass Kennzahlen einheitlich berechnet werden.
Zugriffsschicht: Über diese Schicht greifen Reporting- und Analysewerkzeuge wie DeltaMaster auf die aufbereiteten Daten zu.
Governance und Sicherheit: Berechtigungskonzepte und Dokumentation regeln, wer welche Daten in welcher Qualität nutzen darf.
Datenplattform, Data Warehouse und Data Lake: Was ist der Unterschied?
Die Begriffe werden oft synonym verwendet, bezeichnen aber unterschiedliche Dinge. Eine Datenplattform ist der übergreifende Rahmen; Data Warehouse und Data Lake sind mögliche Bausteine innerhalb dieses Rahmens.
| Begriff | Art der Daten | Typischer Einsatz | Stärke |
| Datenplattform | Strukturiert und unstrukturiert | Übergreifende Infrastruktur für Analyse, Reporting und Planung | Bündelt mehrere Datenquellen und -technologien |
| Data Warehouse | Strukturiert, vorab modelliert | Berichte und Kennzahlen mit hoher Datenqualität | Konsistente, geprüfte Zahlen |
| Data Lake | Strukturiert und unstrukturiert, oft im Rohformat | Große Datenmengen, explorative Auswertungen | Flexibilität bei Datenformaten |
| Data-Lakehouse | Kombination aus Data Warehouse und Data Lake | Analyse und Reporting auf einer gemeinsamen Basis | Vereint Flexibilität und Datenqualität |
Welche Arten von Datenplattformen gibt es?
Datenplattformen lassen sich nach dem Ort ihres Betriebs und nach ihrer technischen Ausrichtung unterscheiden. Diese Einordnung hilft bei der Auswahl der passenden Lösung für das eigene Unternehmen.
Cloud-Datenplattform: Die Infrastruktur läuft bei einem Cloud-Anbieter und wird als Dienst genutzt. Speicher und Rechenleistung lassen sich flexibel und getrennt voneinander skalieren.
On-Premises-Datenplattform: Die Infrastruktur läuft auf eigenen Servern im Unternehmen. Das bietet volle Kontrolle über Hardware und Daten, verlangt aber eigenes Betriebs-Know-how.
Hybride Datenplattform: Ein Teil der Daten und Anwendungen läuft in der Cloud, ein anderer Teil bleibt On-Premises. Diese Variante eignet sich, wenn bestimmte Daten aus regulatorischen oder technischen Gründen im eigenen Rechenzentrum bleiben müssen.
Analytische Datenplattform: Der Fokus liegt auf Auswertung, Reporting und Planung, wie es für Business Intelligence und Controlling typisch ist.
Operative Datenplattform: Der Fokus liegt auf dem laufenden Betrieb von Anwendungen, etwa in Onlineshops oder Produktionssystemen, und weniger auf Analyse.
Was sind Beispiele für Datenplattformen und ihre Unterschiede?
Am Markt haben sich verschiedene Technologien etabliert, die als Datenplattformen dienen. Sie unterscheiden sich vor allem darin, wie Speicherung und Rechenleistung organisiert sind und wie stark sie auf Cloud-Betrieb ausgelegt sind.
Snowflake: Eine Cloud-Datenplattform, die Speicherung und Rechenleistung strikt trennt. Unternehmen zahlen getrennt für Datenvolumen und Auswertungsleistung, was die Kosten planbar macht.
Databricks: Eine Plattform, die ursprünglich aus der Big-Data-Verarbeitung stammt und heute als Data-Lakehouse positioniert ist. Sie verbindet die Flexibilität eines Data Lake mit Funktionen für strukturierte Auswertungen.
Microsoft Fabric: Eine Cloud-Datenplattform von Microsoft, die Datenintegration, Data Warehouse, Data-Lake-Funktionen und Reporting in einer gemeinsamen Umgebung bündelt.
Google BigQuery: Ein Cloud-Data-Warehouse von Google, das auf sehr große Datenmengen und schnelle Abfragen ausgelegt ist, ohne dass Nutzer eigene Server verwalten müssen.
Amazon Redshift: Ein Cloud-Data-Warehouse von Amazon Web Services, das sich in das übrige AWS-Ökosystem einfügt und häufig in Unternehmen eingesetzt wird, die bereits weitere AWS-Dienste nutzen.
SAP BW/4HANA: Ein Data Warehouse aus dem SAP-Umfeld, das eng mit SAP-ERP-Systemen verzahnt ist und in vielen SAP-Bestandskunden als Datenbasis für Reporting dient.
Diese Technologien unterscheiden sich in Betriebsmodell, Skalierbarkeit und Integrationstiefe in bestehende Systemlandschaften.
| Beispiel | Betriebsmodell | Schwerpunkt | Besonderheit |
| Snowflake | Cloud | Data Warehouse | Trennung von Speicher und Rechenleistung |
| Databricks | Cloud, teils hybrid | Data-Lakehouse | Ursprung in Big-Data-Verarbeitung |
| Microsoft Fabric | Cloud | Datenplattform mit Warehouse- und Lake-Funktionen | Bündelt mehrere Dienste in einer Umgebung |
| Google BigQuery | Cloud | Data Warehouse | Sehr hohe Skalierbarkeit ohne eigene Serververwaltung |
| Microsoft Azure | Cloud | Data Warehouse | Enge Anbindung an das AWS-Ökosystem |
| SAP BW/4HANA | On-Premises oder Cloud | Data Warehouse | Enge Verzahnung mit SAP-ERP-Systemen |
Cloud-Datenplattform oder On-Premises: Was passt zum eigenen Unternehmen?
Die Wahl zwischen Cloud, On-Premises und einer hybriden Datenplattform hängt von Faktoren wie Datenvolumen, vorhandenem IT-Personal und regulatorischen Vorgaben ab.
| Kriterium | Cloud-Datenplattform | On-Premises-Datenplattform |
| Skalierbarkeit | Flexibel, kurzfristig anpassbar | Begrenzt durch vorhandene Hardware |
| Betriebsaufwand | Geringer, da der Anbieter den Betrieb übernimmt | Höher, eigenes Personal notwendig |
| Kostenmodell | Nutzungsabhängig, laufende Kosten | Investitionsabhängig, hohe Anfangskosten |
| Datenkontrolle | Daten liegen beim Cloud-Anbieter | Volle Kontrolle im eigenen Rechenzentrum |
| Typischer Einsatz | Wachsende Datenmengen, dynamischer Bedarf | Strenge regulatorische Vorgaben, vorhandene Infrastruktur |
Welche Lösung passt zu meinem Anwendungsfall?
Welche Ausprägung einer Datenplattform sinnvoll ist, hängt vom konkreten Bedarf ab. Für Controlling und Reporting mit hohem Anspruch an Datenqualität eignet sich häufig ein Data Warehouse als Kern der Datenplattform. Unternehmen mit sehr großen oder stark unstrukturierten Datenmengen ergänzen dies oft um einen Data Lake oder setzen auf ein Data-Lakehouse.
Unternehmen mit vorhandener SAP-Systemlandschaft prüfen häufig zuerst eine SAP-nahe Lösung wie SAP BW/4HANA, während Unternehmen mit heterogener Systemlandschaft eher zu anbieterunabhängigen Cloud-Datenplattformen wie Snowflake oder Microsoft Fabric tendieren.
Entscheidend ist in jedem Fall, dass die gewählte Datenplattform an die vorhandenen Quellsysteme anschließt und gegebenenfalls Business-Intelligence-Werkzeuge wie DeltaMaster performant mit Daten versorgt. Bissantz berät Unternehmen dabei, welche Datenplattform zu den vorhandenen Systemen und Auswertungszielen passt.
Welche Fehler kommen bei der Einführung häufig vor?
Bei der Einführung einer Datenplattform treten in der Praxis wiederkehrende Fehler auf.
Fehlende Datenqualität: Werden Daten ungeprüft übernommen, entstehen widersprüchliche Kennzahlen. Eine feste Instanz für Datenqualität und einheitliche Kennzahlendefinitionen beugt dem vor.
Zu viele Insellösungen: Werden Abteilungsdaten weiterhin getrennt gepflegt, bleibt der Nutzen der Plattform begrenzt. Eine schrittweise Anbindung aller relevanten Quellsysteme verhindert das.
Fehlende Governance: Ohne klare Zugriffsregeln entstehen Sicherheitsrisiken und uneinheitliche Auswertungen. Ein Governance-Konzept von Beginn an schafft hier Klarheit.
Zu technischer Fokus: Wird die Plattform rein aus IT-Sicht aufgebaut, fehlt oft der Bezug zu Controlling und Fachbereich. Die frühe Einbindung der Fachabteilungen sichert die Praxistauglichkeit.
Unterschätzte Migration: Der Umzug bestehender Berichte und Kennzahlen auf eine neue Datenplattform wird oft zeitlich zu knapp geplant. Ein realistischer Migrationsplan mit Testphase verringert dieses Risiko.
Fehlende Skalierungsstrategie: Wird die Datenplattform nur für den aktuellen Bedarf ausgelegt, stößt sie bei wachsenden Datenmengen schnell an Grenzen. Eine vorausschauende Architektur berücksichtigt absehbares Wachstum von Beginn an.
Datenplattformen und Bissantz
Der Zusammenhang von Bissantz und Datenplattformen ist dual: Zum einen unterstützt Bissantz Unternehmen bei der Auswahl, Einführung und Nutzung verschiedener Datenplattformen, zum anderen bietet Bissantz Decision-Intelligence-Software, die auf Datenplattformen zugreift, um Daten in klare Erkenntnisse und Entscheidungsvorlagen zu verwandeln.
Praxisbeispiel: Ein Unternehmen mit mehreren ERP-Systemen und einzelnen Excel-Auswertungen will Microsoft Fabric als zentrale Datenplattform einführen, doch weiß nicht, wie ein sinnvolles Zielbild und die passende Architektur aussehen sollen. Mit der Microsoft-Fabric-Beratung von Bissantz baut das Unternehmen eine performante Medaillon-Architektur auf und kann innerhalb kurzer Zeit Daten zuverlässig für Analyse, Planung und Reporting nutzen. Im Zuge des Projekts hat das Unternehmen sich dazu entschieden, auf für das Analyse-Frontend auf Bissantz zu setzen: DeltaMaster greift nahtlos auf Fabric zu und ermöglicht automatisierte Datenanalysen.
FAQ – Häufige Fragen
Eine Datenplattform ist ein zentraler Ort, an dem ein Unternehmen alle wichtigen Daten sammelt und aufbereitet. Statt Zahlen aus vielen einzelnen Systemen zusammenzusuchen, greifen Reporting und Analyse auf eine gemeinsame, geprüfte Datenbasis zu.
Eine Datenplattform wird benötigt, um Daten aus verschiedenen Quellsystemen zu bündeln und für Auswertungen nutzbar zu machen. Sie verhindert widersprüchliche Kennzahlen und beschleunigt Reporting, Analyse und Planung im Unternehmen.
Ein Data Warehouse speichert vorab modellierte, strukturierte Daten für Berichte und Kennzahlen. Eine Datenplattform ist der übergreifende Rahmen, der ein Data Warehouse, einen Data Lake oder beides als Bausteine enthalten kann.
Eine Cloud-Datenplattform läuft bei einem externen Anbieter und lässt sich flexibel skalieren, während eine On-Premises-Datenplattform auf eigenen Servern im Unternehmen betrieben wird und volle Kontrolle über die Hardware bietet.
Zu den bekannten Beispielen zählen Snowflake, Databricks, Microsoft Fabric, Azure, Google BigQuery, Amazon Redshift und SAP BW/4HANA. Sie unterscheiden sich vor allem im Betriebsmodell und im Schwerpunkt zwischen Data Warehouse und Data-Lakehouse.
Bissantz greift auf die Datenplattform eines Unternehmens zu und macht die enthaltenen Daten für Fachbereiche unmittelbar als Bericht, Analyse oder Planung nutzbar. So profitieren Controlling und Management direkt vom Aufbau einer sauberen Datenplattform.
Zusammenfassung
Eine Datenplattform bündelt Unternehmensdaten aus verschiedenen Quellsystemen an einem Ort und schafft damit die Grundlage für verlässliches Reporting, Analyse und Planung. Ob als Data Warehouse, Data Lake, Data-Lakehouse, Cloud-Lösung oder On-Premises-Infrastruktur umgesetzt: Entscheidend ist die einheitliche, geprüfte Datenbasis. Beratung von Bissantz sorgt dafür, dass Unternehmen Datenplattformen wirksam nutzen und Ihre Daten effektiv auswerten können.
Verwandte Artikel – Vertiefen Sie Ihr Wissen
Kostenlos für Sie
Wie Unternehmen mit professioneller BI- und KI-Beratung schneller, besser und wirksamer entscheiden
