Vor der Optimierung die Datengrundlage ordnen
Bronze bewahrt Quellaufzeichnungen und Historie, Silver prüft und integriert gemeinsame Entitäten, Gold liefert Datensätze für einen fachlichen Zweck. Das sind logische Aufgaben, keine drei vorgeschriebenen Server. Auch geprüfte Silver-Daten können ML unterstützen. Der Bedarf der Verbraucher entscheidet, statt jeden Datensatz durch jede Schicht zu kopieren.
Eine gemeinsame Definition ist eine betriebliche Vereinbarung
Zwei Systeme können korrekt sein und dennoch abweichen: Vertrieb zählt bestellte Mengen, das Lager den nach Reservierungen verfügbaren Bestand. Ein nutzbares Datenprodukt nennt Granularität, Definitionen, Aktualisierungsfrist und Verantwortliche. Stornierungen, Retouren und verspätete Änderungen brauchen gemeinsame Regeln. Aktualitätswarnungen müssen handlungsfähige Verantwortliche erreichen; bis zur Klärung braucht die nachgelagerte Entscheidung einen festgelegten Umgang.
Die Entscheidungsschnittstelle als Vertrag gestalten
Ein bereinigter Datensatz entscheidet nicht über einen Eilauftrag. Das Entscheidungsmodell benötigt weiterhin Ergebnisannahmen, Kapazitätsgrenzen, Servicezusagen und Freigabebefugnisse. Den tatsächlich verwendeten Eingabestand und die Alternativen festhalten und die Ausführung mit dem freigegebenen Plan vergleichen. Im Schattenbetrieb Empfehlungen neben der bestehenden Praxis prüfen und Automatisierung erst innerhalb des vereinbarten Umfangs erweitern.
Ein Rechenbeispiel
Die Annahmen dienen der Diskussion und sind keine Kundenreferenz oder Leistungszusage.
Angenommen, ERP nennt 120 Stück Lagerbestand, WMS nach Reservierungen 90 verfügbare Stück und ein Eilauftrag umfasst 40 Stück. Bronze bewahrt beide Quellstände mit Zeitstempel. Silver gleicht SKU und Bestandsdefinitionen ab und identifiziert die 30 reservierten Stück. Ein Gold-Datenprodukt veröffentlicht 90 Stück samt Aktualisierungszeit. Die Decision Engine prüft zusätzlich Materialbedarf, Kapazität und bestehende Zusagen. Ist der WMS-Stand älter als vereinbart, kann die Regel eine Prüfung verlangen, statt 90 Stück als aktuellen Bestand zu behandeln.
Fragen vor einem Pilotvorhaben
Welche Entscheidung rechtfertigt das erste Datenprodukt? Wer klärt widersprüchliche Definitionen und veraltete Quellen? Lässt sich eine Empfehlung aus Daten- und Modellversionen reproduzieren? Qualitätsschwellen, Wiederherstellungstests und den Umgang mit fehlenden Eingaben vereinbaren. Einen Ablauf prüfen, bevor das Lakehouse wächst; Datenumfang schafft nur bei klarem Zweck und klarer Verantwortung Nutzen.