Rückblick auf die TDWI Virtual Onlinekonferenz vom 10. bis 11. März 2026
Wie DKV Mobility Data Governance und Data Product Management mit dem Data Catalog verbindet
Auf der TDWI Virtual zeigten Anja Binder und Thomas Liegl von der DKV Mobility in ihrem Vortrag “Shopping for Data: Der Datenkatalog als Drehkreuz für Data Governance und Produktdenken”, wie aus einer zentralen Datenplattform ein skalierbares Data‑Product‑Operating‑Model wurde – mit D‑QUANTUM als operativem Dreh‑ und Angelpunkt. Der Weg: von einem Core‑Team hin zu Hubs & Domänen mit klaren Rollen, Ownership und messbaren Werten. Das Ergebnis: transparentes „Shopping for Data“, höhere Datenqualität und schnellere Bereitstellung werthaltiger Datenprodukte, alles dokumentiert und steuerbar im Datenkatalog.
Ausgangslage: Starkes Core‑Team stößt an natürliche Grenzen
Zwischen 2021 und 2024 baute die DKV eine zentrale analytische Datenplattform auf und realisierte zahlreiche datengetriebene Use Cases. Zunächst wurden diese lediglich über ein einziges Core‑Team bereitgestellt. Mit der Zeit wuchs die Nachfrage aus den Geschäftsbereichen jedoch so stark, dass der Ansatz an seine Grenzen stieß.
Der Wechsel zu Dateninitiativen und Datenprodukten war daher weniger eine Option als vielmehr eine Voraussetzung, um die steigenden Anforderungen zu bedienen und dabei Qualität und Geschwindigkeit nicht aus den Augen zu verlieren.
Warum Data Product Management? Die strategische Neuausrichtung für mehr Klarheit, Wert & Wiederverwendbarkeit
Die DKV etablierte Data Product Management nicht als Trend, sondern mit dem Ziel, langfristig eine effizientere Data Governance zu gewährleisten. Die fünf Leitmotive spiegeln wider, was viele Unternehmen in der Praxis beschäftigt:
Value over Volume:
Fokus auf werthaltige Produkte statt schierer Use‑Case‑Menge, denn nicht jeder Use Case ist automatisch wertvoll. Datenprodukte sollten dort entstehen, wo echter Mehrwert entsteht – fachlich, operativ oder strategisch.
Shopping for Data:
Die Konsumenten finden, verstehen und nutzen Datenprodukte zentral im Datenkatalog. Kein erneutes Erfinden, kein mühsames Suchen, kein Nachmodellieren. Stattdessen Wiederverwendung, Konsistenz und Transparenz.
Clarity over Chaos:
Ein Datenprodukt soll in wenigen Blicken erfassbar sein: Was beinhaltet es? Wie ist es definiert? Für welchen Zweck wurde es gebaut? Diese Klarheit entlastet Teams und reduziert Abstimmungsaufwände. Stundenlanges Suchen nach den richtigen Daten entfällt.
Ownership over Orphaned Data:
Daten ohne Verantwortliche verlieren schnell an Vertrauen. Klare Ownership bedeutet: Verantwortung für Inhalt, Qualität und Weiterentwicklung.
Trust:
Vertrauen entsteht durch nachvollziehbare Qualitätsregeln, dokumentierte Herkunft und transparente Verarbeitungswege.
Neues Organisationsmodell für Data Products: Hubs, Domänen & klare Verantwortlichkeiten
Um den wachsenden Anforderungen gerecht zu werden, löste sich die DKV vom zentralisierten „Alles‑läuft‑über‑das‑Core‑Team“-Modell und baute eine Struktur aus Hubs und Domänen auf. Die Teams arbeiten dadurch näher an den fachlichen Anforderungen und können schneller liefern, während das zentrale Team den Gesamtprozess koordiniert. Als Entscheidungs‑ und Steuerungsgremium fungiert dabei das Data & Intelligence Board (DIB), das über Prioritäten, Standards und strategische Ausrichtung entscheidet.
Durch die neue Rollenverteilung entstand gezielt Datenexpertise in den Geschäftsbereichen. Die Teams können eigenständiger mit Datenprodukten arbeiten, während das Core Team entlastet wird und sich wieder stärker auf strategische Themen wie Infrastruktur und Standardisierung konzentrieren kann.
Parallel dazu wurden Workflows und Begriffe neu definiert, einschließlich Planungsprozessen, Berechtigungen und dem Data‑Product‑Lifecycle. Auch die Tool-Landschaft wurde angepasst:
- D‑QUANTUM bildet heute die zentrale Dokumentationsbasis für Initiativen, Datenprodukte und ihre Beziehungen
- Ein Jira‑Connector verknüpft Projektarbeit mit der fachlichen Dokumentation, und
- „Shopping for Data“ ermöglicht es Konsument:innen, Datenprodukte direkt im Katalog zu finden und zu bestellen.
Zentrale Rollen & Verantwortlichkeit in den Hubs
- Data Product Owner: verantwortet Zweck, Wert, Qualität und Lifecycle des Datenprodukts
- Domain Steward / Data Steward: betreut Metadaten, DQ‑Regeln, Referenzdaten
- Core & Hubs: liefern gemeinsam, das Core Team setzt weiterhin technische Standards und sichert deren Einhaltung ab
Vom Rohmaterial zum fertigen Datenprodukt:
Die Datenwertschöpfungskette bei der DKV
Um ein gemeinsames Verständnis zu schaffen, definierte unser Kunde Datenprodukte entlang einer leicht verständlichen, produktanalogen Wertschöpfungskette. Ein Modell, das Teams Orientierung gibt und gleichzeitig die operative Arbeit strukturiert.
Das Wesentliche: Jedes Datenprodukt hat einen Use‑Case‑Bezug, ist wiederverwendbar und verfügt über explizite Ownership. Das ist wichtig, um die gesetzten Leitmotive für das Datenprodukt-Management zu erfüllen.
1. Raw Data Assets – das Rohmaterial
Daten aus Quellsystemen, unverändert, aber vollständig dokumentiert und rückverfolgbar.
2. Core Data Assets – das Halbfabrikat
Daten werden harmonisiert, die Qualität geprüft und fachlich sowie technisch stabilisiert. Das bildet die verlässliche Grundlage für alles, was später produktiv genutzt wird.
3. Consumer Products – das fertige Produkt
Reports, Data Marts, Analytical Products oder AI‑Use‑Cases: Sie entstehen dort, wo der konkrete Nutzen liegt und sind wiederverwendbar, eindeutig beschrieben und verantwortet.
Wie DKV Mobility das Data Product Management in D‑QUANTUM umgesetzt hat
Mit der zunehmenden Umsetzung datengetriebener Use Cases entstand bei der Organisation der Bedarf eines Data Product Managements. Dabei zeigte sich früh, dass ein zentraler Ort notwendig war, an dem Datenprodukte konsistent dokumentiert, nachverfolgt und gesteuert werden können. Der bestehende Datenkatalog entwickelte sich deshalb bewusst zum operativen Zentrum dieser Arbeitsweise.
Um Data Product Management strukturiert abzubilden, wurde in D‑QUANTUM ein eigener Bereich geschaffen. Dort werden alle Dateninitiativen und Datenprodukte erfasst und verknüpft, inklusive Name, Ziel, Status, Verantwortlichkeiten, fachlicher Beschreibung, Einsatzbereiche und Lifecycle‑Informationen. Auch der Business Value, sowohl potenziell als auch bereits gesichert, wird hier dokumentiert und ist für alle Beteiligten transparent nachvollziehbar. Auf diese Weise entsteht eine logische Verbindung zwischen Dateninitiativen und den daraus entstehenden Datenprodukten, was den gesamten Prozess übersichtlich und steuerbar macht.
Statt Data Governance und Datenprodukte in getrennten Bereichen zu verwalten, führt unser Kunde beide Welten in D‑QUANTUM konsequent zusammen. Alle relevanten Artefakte, wie Attribute, KPIs samt Berechnungslogiken, Data‑Quality‑Regeln, Referenzdaten, technische Metadaten sowie eingehende und ausgehende Assets, werden direkt mit dem jeweiligen Datenprodukt verknüpft. Diese Verzahnung stellt sicher, dass fachliche wie technische Perspektiven stets miteinander verbunden bleiben und Datenprodukte vollständig beschrieben sind.
Eine Besonderheit ist die Value‑Logik entlang der Wertschöpfungskette: Die DKV verknüpft den Wert einer Initiative direkt mit dem Wert des entstehenden Datenprodukts. Sobald eine Initiative abgeschlossen ist, wird der geschätzte Wert automatisch auf das Produkt übertragen. Dadurch wird sichtbar, welcher Beitrag entlang der gesamten Datenwertschöpfung entsteht und welche Datenprodukte welchen Nutzen für die Organisation liefern.
- Im General Tab finden sich zentrale Informationen wie die Nutzergruppe, der Produkt‑Typ, der Business Value, die Herkunft aus Initiativen sowie der aktuelle Status.
- Themenbezogene Tabs zeigen zum einen die fachliche Perspektive, welche Attribute, KPIs und alle dazugehörigen Data‑Quality‑Regeln bündelt, zum anderen die technische Sicht, die beschreibt, welche Daten einfließen, welche Artefakte entstehen (z.B. Views oder Reports) und wie Speicherorte und Verarbeitungswege aussehen.
Durch diese Kombination aus fachlicher Beschreibung, technischer Transparenz und der durchgängigen Verknüpfung aller Governance‑Artefakte wird D‑QUANTUM zu einem echten Marktplatz für Datenprodukte – zentral, konsistent und für jede Rolle nachvollziehbar.
Lessons Learned: Wertvolle Erfahrungen und Erkenntnisse aus der Umsetzung
Nach der detaillierten Vorstellung des organisatorischen Wandels, der neuen Rollenverteilung und der Umsetzung im Datenkatalog wurde deutlich, wie intensiv der Weg hin zu einem funktionierenden Data Product Management tatsächlich war. Die wichtigsten Erkenntnisse und Erfahrungen aus diesem Prozess fassten die Vortragenden in einer Reihe von Lessons Learned zusammen.
- Mehr Organisationsarbeit als gedacht: Rollen definieren, Schulungen durchführen, Arbeitsweisen ändern nimmt viel Zeit in Anspruch.
- Mehr Organisationsmodell als Technologie: die Einführung eines Tools reicht nicht aus. Die Änderung von Verantwortlichkeiten muss damit einhergehen.
- Tempoverlust zu Beginn ist normal: Im ersten Jahr wird viel Zeit in Betrieb und Befähigung investiert. Das dämpft das Tempo, zahlt sich aber langfristig aus.
- Data Product Management Tool früh einführen: Ein zentrales System verhindert Schattenstrukturen. Transparenz von Anfang an erleichtert die Einführung
- Erfolgskriterien definieren: Fortschritt & Wert regelmäßig sichtbar machen, um die Vorteile aufzuzeigen und die Einsatzbereitschaft aufrecht zu erhalten.
- Data‑Culture‑Programm parallel aufsetzen: Awareness und Nutzung organisationweit verbreiten. Nur so wird Data Product Management erfolgreich.
Was wir aus dem Vortrag mitnehmen
Der Vortrag zeigt, wie anspruchsvoll, aber auch wie wirkungsvoll der Übergang von klassischer Data Governance hin zu einem operativen Data‑Product‑Modell sein kann. Besonders wertvoll waren die Einblicke in die organisatorischen Entscheidungen, die Arbeitsweisen und die praktischen Erfahrungen, die die DKV in den letzten Jahren gesammelt hat. Für uns als D‑QUANTUM‑Team war es spannend zu sehen, wie diese Konzepte in der Realität gelebt werden und welche Faktoren dabei den größten Unterschied machen.
- Strukturen entscheiden über den Erfolg: Ohne Rollen, Prozesse und klare Zuständigkeiten bleibt Data Product Management theoretisch.
- Ein gemeinsames Verständnis und transparente Dokumentation schaffen Orientierung: Wenn klar definiert ist, was ein Datenprodukt umfasst und alle relevanten Informationen nachvollziehbar dokumentiert sind, arbeiten Teams konsistenter, mit weniger Rückfragen und deutlich höherem Vertrauen in die Daten.
- Data Product Management ist ein kulturelles Thema: Ohne Bewusstsein, Schulung und Akzeptanz in der Organisation bleibt es ein theoretisches Modell.
- Ein zentraler Datenkatalog verbindet alles miteinander: Der Vortrag hat gezeigt, dass ein Data Catalog nicht nur Dokumentation liefert, sondern das Bindeglied ist, das Governance‑Regeln, fachliche Anforderungen, technische Metadaten und Datenprodukte zusammenführt und dadurch erst ein operatives Data‑Product‑Modell ermöglicht.
Vielen Dank an Anja Binder und Thomas Liegl für diese praxisnahen Einblicke in das Produktdaten Management unter Einsatz unseres Datenkatalogs. Unser Dank gilt ebenso den zahlreichen Teil nehmenden, die dem Vortrag gefolgt und sich in der Q&A Session beteiligt haben.
Die TDWI Virtual bringt die Data‑&‑Analytics‑Community online zusammen mit inspirierenden Vorträgen über Trends aus der Datenbranche, praxisnahen Best Practices, Deep Dives und Q&A‑Sessions. In der ersten Ausgabe 2026 nahm die DKV Mobility die Teilnehmenden mit auf ihren Weg zu einer Organisation, in der Data Governance und Data Product Management nicht nebeneinander existieren, sondern sich gegenseitig stärken – mit dem Datenkatalog als verbindendem Element.
Shopping for Data:
Der Datenkatalog als Drehkreuz für Data Governance und Produktdenken
Schauen Sie sich hier noch einmal die Aufzeichnung des Vortrags unseres Kunden DKV Mobility auf der TDWI Virtual an.
Überzeugen Sie sich selbst
Fragen Sie jetzt eine kostenlose Demo an oder vereinbaren Sie einen Gesprächstermin. Wir freuen uns auf Ihre Kontaktaufnahme.
