Data mesh, seit 1998 - 20 Jahre bevor es einen Namen hatte

Illustration der Data-Mesh-Prinzipien, die boTec seit 1998 anwendet

Sie haben wahrscheinlich schon von „Data Mesh“ gehört - dem Datenarchitektur-Konzept, das seit 2019 in aller Munde ist. Was jedoch kaum jemand erwähnt: boTec baut genau das bereits seit 1998 - zwei Jahrzehnte bevor es überhaupt einen Namen dafür gab.

In Kürze

  • Data Mesh wurde 2019 von Zhamak Dehghani eingeführt und anschließend um vier Kernprinzipien formalisiert: Domain Ownership, Data as a Product, eine Self-Serve Data Platform und Federated Governance.
  • boTec wendet genau diese Prinzipien bereits seit 1998 in der Praxis an - zwei Jahrzehnte vor Entstehen des Begriffs.
  • Die DataBridge ist keine nachträgliche Implementierung von Data Mesh, sondern das erprobte industrielle Original.
  • Sie unterscheidet sich von Data Lakes, generischer Middleware und dem Lehrbuch-Data-Mesh gleichermaßen: Sie verknüpft Live-Quellen und kopiert niemals Daten.

Teil der Serie , Data Mesh & die boTec DataBridge

  1. Teil 1 - Data Mesh, seit 1998-20 Jahre bevor es einen Namen hatte - Sie sind hier
  2. Teil 2 - Verknüpfen, nicht kopieren - warum referenzielle Integration dem Kopieren überlegen ist
  3. Teil 3 - Harmonisieren, nicht standardisieren - Business Integration Models
  4. Teil 4 - Von Datenreife zu KI - die richtige Reihenfolge finden

Der Begriff wurde 2019 von Zhamak Dehghani bei ThoughtWorks geprägt. Die Kernbotschaft war ebenso einfach wie zutreffend: Hören Sie auf, alle Daten auf einen einzigen zentralen Haufen zu ziehen. Lassen Sie stattdessen die Fachbereiche (Domains), welche die Daten am besten kennen, diese besitzen und als verlässliches Produkt bereitstellen. Geben Sie ihnen dafür eine gemeinsame Plattform an die Hand und steuern Sie das Ganze föderiert, statt durch ein zentrales Nadelöhr. Klingt vertraut? Das sollte es - genau diese Philosophie lebt die boTec DataBridge seit Ende der 1990er Jahre in Raffinerien und Fabriken.

data timeline 1998

Die Idee kam 2019. Die Praxis bereits 1998.

Im Jahr 1998 fusionierten zwei Raffinerien zu einer bayrischen Gruppe aufgeteilt auf drei Standorte. Jeder Standort nutzte eigene Tank-, Prozess- und Laborsysteme, eigene Nomenklaturen und überschneidende Gerätebezeichnungen. boTec integrierte dieses Geflecht in eine einzige, konsistente Sicht - und zwar exakt so, wie es Data Mesh später vorschreiben sollte: Die Daten wurden integriert, nicht dupliziert. Sie verblieben in ihren ursprünglichen Quellsystemen, wurden über ein gemeinsames Objektmodell miteinander verknüpft und nutzten eine einheitliche Berechnungsmethode, sodass die Zahlen endlich übereinstimmten. Das Projekt wurde 1999 in der Computerwoche öffentlich dokumentiert - zwanzig Jahre bevor der Begriff ‚Data Mesh‘ geprägt wurde.

Wir haben Data Mesh nicht erst übernommen. Wir betreiben seine Prinzipien seit 1998 im Produktivbetrieb.

Prinzip für Prinzip

Was Data Mesh definierte - und wie boTec es bereits umsetzte

Die vier Prinzipien, die die Branche 2019 benannte, lassen sich eins-zu-eins auf die Funktionsweise der boTec DataBridge übertragen. Nichts davon wurde nachträglich an einen Trend angepasst - der Trend hat die Architektur schlichtweg eingeholt.

data mesh databridge mapping
  • Domain Ownership → Verantwortliche behalten ihre Systeme. Produktstrukturen verbleiben im PLM, Bestände im ERP, Prozesswerte im Historian. Jeder Prozessverantwortliche behält sein System und sein Modell; nichts wird abgelöst oder migriert.
  • Data as a Product → Eine einzige Quelle der Wahrheit. Eine gemeinsame Übersetzungsschicht gleicht Einheiten und Bedeutung ab, sodass jede Abteilung dieselbe Zahl liest - eine einheitliche Definition des Apfels statt vier verschiedener.
  • Self-Serve Platform → Eine Plattform, die bereits existiert. Data Mesh fordert Sie auf, eine Plattform zu bauen; boTec ist bereits diese Plattform - mit über 100 Konnektoren, Schritt für Schritt System für System integriert. Sie binden Ihre Systeme daran an, anstatt selbst eine neue Plattform zu entwickeln.
  • Federated Governance → Business Integration Models. Maßeinheiten, Zeiträume und Zuordnungslogiken werden einmalig zentral harmonisiert - während jedes Quellsystem seine eigene Begriffswelt behält.

Worin wir uns unterscheiden

Alle beanspruchen die Prinzipien für sich. Nur wenige liefern sie tatsächlich.

Wenn diese Ideen plötzlich so populär sind, warum dann nicht einfach das erstbeste Tool kaufen, das sich damit schmückt? Weil die meisten Ansätze zwar den Begriff übernehmen, nicht aber die Substanz. Hier liegt der entscheidende Unterschied der boTec DataBridge.

data landscape illustration
  • Kein Data Lake oder Warehouse. Das Zentralspeicher-Modell kopiert alles in einen einzigen Speicher, wo die Daten sofort zu veralten beginnen - genau das, was sowohl Data Mesh als auch boTec ablehnen.
  • Keine generische Middleware. Punkt-zu-Punkt- und iPaaS-Tools kopieren Daten nach wie vor und vervielfachen Schnittstellen (n×m). boTec arbeitet referenziell und systemunabhängig: Jedes System verbindet sich genau einmal und bleibt die maßgebliche Datenquelle.
  • Kein Data Mesh als reine Theorie. Die Lehrbuch-Variante verlangt von Ihnen die Umstrukturierung in eigene „Datenprodukt-Teams“ und den Aufbau einer Plattform, die laut eigener Erfinderin noch gar nicht vollständig existiert. boTec ist eine erprobte Plattform - seit über 25 Jahren, mit mehr als 100 Konnektoren, entwickelt für die Prozess- und Fertigungsindustrie.

Andere verkaufen Ihnen das Schlagwort. boTec liefert die Substanz seit mehr als 25 Jahren.

→ Möchten Sie wissen, wo Ihre eigene Systemlandschaft steht? Buchen Sie einen kostenlosen 30-minütigen Daten-Check

Warum „Data as a Product“ entscheidend ist - ein Apfel, vier Systeme

ERP (Materialstamm)APFEL GALA 70/75 BIO KL1
PLM / SpezifikationGala, Kal. 70-75, Bio, Klasse I
Lager (WMS)Pomme Gala BIO 13 kg Kiste
Qualitätslabor (LIMS)Kaliber 70-75 mm , 180 g Ø
Sorte / Kaliber / Kategoriekein gemeinsames Datenfeld

Vier zutreffende Beschreibungen desselben Apfels - und kein System kann sie miteinander verknüpfen. Egal ob Sie die Lösung dafür „Data as a Product“ oder schlicht eine gemeinsame Definition nennen: Solange sie fehlt, können Sie keine Marge pro Sorte berechnen, wenn „Sorte“ nirgendwo als Feld existiert.

Der Nutzen

Dieselben Daten für alle, Zukunftsfähigkeit und echte KI-Bereitschaft

  • Alle arbeiten auf derselben Datenbasis - eine Definition und Berichte, die über Abteilungen hinweg übereinstimmen.
  • Resilienz bei Systemänderungen - tauschen oder aktualisieren Sie einzelne Systeme aus, ohne die darüber liegenden Geschäftsprozesse zu beeinträchtigen.
  • Echte KI-Bereitschaft - saubere, harmonisierte Daten sind die Voraussetzung, die KI tatsächlich benötigt; die meisten Hürden bei der KI-Einführung sind in Wahrheit Datenreife-Probleme.

Wo stehen Ihre Daten wirklich?

Buchen Sie einen kostenlosen 30-minütigen Daten-Check. Wir analysieren gemeinsam Ihre größten Daten-Inkonsistenzen direkt im Gespräch und zeigen Ihnen den schnellsten Hebel auf - ohne Vorbereitung, ohne Folien und völlig unverbindlich. Sie nehmen konkrete Erkenntnisse mit, unabhängig davon, ob Sie danach mit uns zusammenarbeiten.

„`

This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.