D-QUANTUM 6.0 Release Notes
Unsere Release Notes beschreiben alle Neuerungen der D-QUANTUM Versionen im Detail.
Q2/2026
D-QUANTUM V6.0
Die neueste D‑QUANTUM Version steht zur Installation bereit. Zu den Highlights zählen die Öffnung für Chatbots und KI-Agenten über das Model Context Protocol, der Neubau der Suche mit verbessertem UI und UX sowie das Data Quality Widget zur Visualisierung von DQ-Prüfungen aus externen DQ‑Tools. Zudem wurde der Blueprint für Data Products weiter optimiert.
Überzeugen Sie sich, wir freuen uns über Feedback, Kritik und Verbesserungswünsche.
Release Information
- Version DQN 6.0
- Q2/2026
Fokusthema
-
Deutlich leistungsfähigere Suche mit Facettensuche, Suchen Speichern und Teilen
-
Mit MCP und eigenen KI-Chatbots D-QUANTUM bedienen und KI-Agenten Kontext geben
-
Datenqualität aus DQ-Tools direkt in D-QUANTUM anzeigen
-
Blueprint Data Products 2.0
Fokusthemen
Highlights im Überblick
Facetten-Suche
Die neue Facetten-Suche ermöglicht eine deutlich präzisere Eingrenzung der Ergebnisse:
- Dynamische Filterung nach verschiedenen Kriterien auf Metamodell-Grundlage
- Sofortige Aktualisierung der Trefferliste bei Auswahl einer Facette
- Verbesserte Transparenz über verfügbare Filteroptionen
Komplett überarbeitetes User Interface
Das gesamte UI wurde grundlegend modernisiert:
- Klare, reduzierte Gestaltung für bessere Übersichtlichkeit
- Ergebnistrennung von Entitäts-, Seiteninhalten und Anhängen
- Ergebnisliste mit Detailinformationen zusammengeführt
- Konsistente Bedienlogik über alle Funktionen
Flexible Darstellungsoptionen
Nutzer können die Darstellung der Suchergebnisse individuell anpassen:
- Galerie, Listen- und Detailansicht
- Fokus auf Detailinformationen oder kompakte Übersicht
- Weitere Infos ausklappbar
Suchfilter speichern & teilen
Ein zentrales Feature für effizientes und kollaboratives Arbeiten:
- Speichern häufig genutzter Filtereinstellungen
- Teilen von Suchabfragen per Link oder Mail
- Wiederverwendbarkeit komplexer Suchkonfigurationen und global vordefinierter Suchen
Export der Suchergebnisse
Suchergebnisse können jetzt unkompliziert exportiert werden:
- Via Klick als Excel downloaden
- Nutzung der Daten für Reporting und Weiterverarbeitung in Draft Automation
Suche in Hierarchien
Die Suche unterstützt nun das Navigieren in konfigurierten Hierarchien:
- Durchsuchen von übergeordneten und untergeordneten Ebenen
- Kontextbezogene Anzeige von Ergebnissen
Weitere Filtermöglichkeiten: Workflow-Status & User-Infos
Neue Filteroptionen ermöglichen eine noch zielgerichtetere Suche:
- Filterung nach Workflow-Status
- Filterung nach verantwortlichen Nutzern
- Filterung nach DQ-Indikator
- Filterung nach ungültigen Entitäten
Das Data Quality Widget ist ein übersichtliches Dashboard, das aktuellen Ergebnissen von DQ-Prüfungen auf einen Blick an den geprüften Daten zusammenfasst. Dabei wird ein DQ-Indikator und eine Liste mit aktuellen DQ-Prüfungen und dem jeweiligen Ergebnis sowie der betroffenen Spalte angezeigt. Der DQ-Indikator bildet einen durchschnittlichen Wert über alle vorhandenen Prüfergebnisse.
Zusätzlich werden weitere DQ-Informationen wie z.B. der DQ-Indikator, falls vom DQ-Tool anliefert, dargestellt. DQ-Indikator wird in der Suche, in der Datenbestellung und im Graph (Excerpt) angezeigt.
Zu Demozwecken der Connect-Anbindung wird ein Standard-Konnektor für die Open Source Variante von Soda entwickelt. Je nach Kundenbedarf können weitere DQ-Tools als Quellsysteme für DQ-Ergebnisse angebunden werden. Im Blueprint werden DQ-Ergebnisse auf Datenobjekten angezeigt.
MCP verbindet LLMs direkt mit dem fachlichen Kontext eines Unternehmens. Auf diese Weise nutzt die KI definierte Begriffe, konsistente KPI‑Logiken und kann fundierte Antworten im Rahmen einer konformen Datennutzung liefern. Unternehmensweit gültiges, durch Datenverantwortliche geprüftes Wissen sorgt dafür, dass alle Teams auf einer gemeinsamen Grundlage arbeiten und konsistente Ergebnisse erhalten.
Durch den Bring‑Your‑Own‑LLM‑Ansatz bleibt die Architektur flexibel, offen und zukunftssicher.
Außerdem wurde eine Data Product Lineage implementiert, die Abhängigkeiten zwischen den Datenprodukten darstellt. Die Verknüpfung zu Domänen schafft weiteren fachlichen Kontext und unterstützt den Fachnutzer in der Suche nach Datenprodukten.


