Definition: Datenherkunft (Data Lineage)
Datenherkunft ist die dokumentierte Historie eines Datums: woher es stammt, jedes System, das es durchlaufen hat, und wo es schließlich verwendet wird.
Kernmerkmale von Datenherkunft
Lineage wird auf unterschiedlichen Ebenen erfasst, von Tabellenflüssen zwischen Systemen bis zu spaltengenauen Transformationen.
- Quelle-zu-Ziel-Zuordnung vom Ursprung bis zum Zielort
- Transformationshistorie für jeden Berechnungsschritt
- Zeitgestempelte Nachverfolgung eines Wertverlaufs
- Auswirkungsanalyse betroffener nachgelagerter Berichte
Datenherkunft vs. Datenkatalog
Ein Datenkatalog inventarisiert, welche Daten existieren und wem sie gehören. Lineage zeigt, wie sie dorthin gelangten: aus dem CRM abgerufen, mit ERP-Daten verknüpft, im Dashboard gelandet, das ein Agent liest.
Bedeutung von Datenherkunft im Enterprise-KI-Umfeld
Wenn ein KI-Agent eine Rechnung als auffällig markiert, fragt irgendwann jemand, welche Daten dieses Ergebnis erzeugt haben. Gartner schätzt, dass ausgereifte Lineage vertrauenswürdige Daten bis zu 70% schneller liefert, und ohne sie existiert Data Governance nur auf dem Papier.
Methoden und Verfahren für Datenherkunft
Unternehmen kombinieren automatisierte Erfassung mit manueller Dokumentation zu einer nutzbaren Lineage-Karte.
Automatisierte Lineage-Extraktion
Moderne Werkzeuge parsen Protokolle der Datenpipeline und SQL-Abfragen, um Lineage automatisch zu rekonstruieren.
- SQL und BI-Metadaten für spaltengenaue Flüsse parsen
- API-Protokolle aus ERP- und CRM-Integrationen einlesen
- Den Graphen nach jeder Pipeline-Änderung aktualisieren
Manuelle Lineage-Dokumentation
Alte ERP-Anpassungen widerstehen automatisiertem Scannen. Stewards befragen Verantwortliche, um Flüsse zu rekonstruieren, die kein Werkzeug aus Code allein ableiten kann.
Lineage-Visualisierung und Auswirkungsanalyse
Einmal erfasst, wird Lineage als Graph dargestellt, in dem ein Klick auf ein Feld dessen Quellen und Verbraucher zeigt und tagelanges Debugging zu einer Minutenaufgabe macht.
Wichtige Kennzahlen für Datenherkunft
Lineage-Programme werden nach Abdeckung, Nutzen und der Geschwindigkeit der Ursachenanalyse gemessen.
Abdeckungs- und Vollständigkeitskennzahlen
- Lineage-Abdeckung: Berichte mit Quelle-zu-Ziel-Zuordnung, Zielwert über 80%
- Spaltengenauigkeit: Lineage unterhalb der Tabellenebene, Zielwert über 60%
- Automatisierungsquote: automatisch erfasste versus manuelle Lineage
- Aktualität: Graphen innerhalb von 24 Stunden aktualisiert
Strategische Wirkungskennzahlen
Das klarste Geschäftssignal ist eingesparte Zeit bei der Ursachenanalyse. Teams mit ausgereifter Lineage lösen eine Abweichung in Stunden statt in den Tagen, die manuelle Verfolgung früher kostete.
Audit-Bereitschaftskennzahlen
Die relevante Kennzahl für regulierte Prozesse ist, wie schnell ein Team einen vollständigen Herkunftsnachweis für eine Prüfung der Datenqualität oder eine Compliance-Prüfung erstellt, idealerweise am selben Tag statt in Wochen.
Risikofaktoren und Kontrollen bei Datenherkunft
Unvollständige oder veraltete Lineage schafft Risiken, die leicht übersehen werden, bis ein Audit die Frage erzwingt.
Unvollständige oder unterbrochene Lineage-Ketten
Ein Lineage-Graph mit Lücken ist gefährlicher als gar keiner: Er erzeugt falsches Vertrauen.
- Undokumentierte manuelle Schritte zwischen Pipeline-Stufen
- Schatten-IT-Integrationen außerhalb der freigegebenen Architektur
- Drittanbieter-Exporte, die die zentrale Datenplattform umgehen
Lineage-Verfall nach Systemänderungen
Einmal dokumentierte und nie wieder geprüfte Lineage wird schnell falsch. Ein ERP-Upgrade oder ein umbenanntes CRM-Feld kann eine vertraute Karte stillschweigend ungültig machen, weshalb erneutes Scannen nach jeder Änderung am zuverlässigsten wirkt.
Regulatorisches Risiko durch unbelegte Herkunft
Unter der DSGVO und der EU-KI-Verordnung trägt ein Unternehmen, das nicht zeigen kann, woher Daten stammen, echtes Prüfungsrisiko, und Lineage lässt ein Team jede nachgelagerte Kopie auf Anfrage finden.
Praxisbeispiel
Ein 90 Mitarbeitende starker Großhändler in Niedersachsen führte Preisdaten durch ein ERP, ein CRM und eine Rabattberechnung, die das Finanzteam eigenständig in einer Tabelle pflegte. Der neue KI-Agent für Preisauffälligkeiten entdeckte einen veralteten Wechselkurs in dieser Tabelle, dessen Rückverfolgung durch vier Systeme früher eine Woche gedauert hätte.
- Eine Lineage-Karte, die ERP, CRM und die Rabatttabelle verbindet
- Automatisierte Alarme bei unerwarteten Änderungen eines Quellfelds
- Ein Herkunftsnachweis am selben Tag für den Wirtschaftsprüfer
- Schnellere Ursachenanalyse bei künftigen Agenten-Meldungen
Aktuelle Entwicklungen und Auswirkungen
Lineage-Werkzeuge entwickeln sich von einer Spezialfunktion für Compliance zu einer Standardschicht unter jedem KI-System.
KI-gestützte Lineage-Ableitung
Sprachmodelle leiten Lineage zunehmend aus Code ab, den klassische Parser nicht interpretieren können.
- LLM-gestütztes Parsen von altem SQL-Code
- Sprachliche Zusammenfassungen von Transformationsketten für Prüfer
- Automatisiertes Markieren von Lineage-Lücken für Stewards
Regulatorischer Druck normalisiert Lineage
Die Dokumentationspflichten aus EU-KI-Verordnung Anhang IV und die DSGVO-Rechenschaftspflicht rücken Lineage in die Standardarchitektur, statt sie zur Last-Minute-Übung vor einem Audit zu machen.
Lineage als Vertrauensschicht für KI-Agenten
Wenn Unternehmen KI-Agenten direkt an ERP- und CRM-Systeme anbinden, wird Lineage zum Mechanismus, der einem Team erlaubt, der Ausgabe eines Agenten zu vertrauen.
Fazit
Datenherkunft macht aus “Woher kommt diese Zahl” eine Nachschlagefrage statt einer wochenlangen Recherche. Da KI-Agenten zunehmend Entscheidungen über ERP- und CRM-Systeme hinweg treffen, wird die Rückverfolgbarkeit jeder Ausgabe zur Quelle zur Grundlage des Vertrauens in das, was Agenten liefern. Regulatorischer Druck durch EU-KI-Verordnung und DSGVO beschleunigt diesen Wandel für Mittelstandsunternehmen, die Lineage früher als gelegentliche Aufgabe behandelten. Wer Lineage jetzt in die Architektur einbaut, muss sie später nicht unter Zeitdruck nachbauen.
Häufig gestellte Fragen
Was ist Datenherkunft einfach erklärt?
Datenherkunft ist die Aufzeichnung, woher Daten stammen, jedes System, das sie durchlaufen haben, und wo sie enden.
Verlangt die EU-KI-Verordnung Datenherkunft?
Ja, für Hochrisiko-Systeme. Artikel 10 und Anhang IV verlangen dokumentierte Trainingsdatenherkunft mit voller Rückverfolgung bis zur Rohquelle.
Wie unterstützt Datenherkunft die DSGVO-Compliance?
Die DSGVO-Rechenschaftspflicht verlangt zu wissen, wo personenbezogene Daten liegen, und Lineage lässt ein Team jede nachgelagerte Kopie für eine Löschanfrage finden.
Was kostet die Einführung von Datenherkunft für ein Unternehmen mit unter 100 Mitarbeitenden?
Automatisierte Werkzeuge, die an bestehende ERP-, CRM- und BI-Systeme andocken, kosten wenige hundert Euro im Monat, wobei Einrichtung und Steward-Zeit den größeren Kostenanteil ausmachen.
Brauchen wir ein eigenes Data-Engineering-Team für Datenherkunft?
Nicht zwingend. Viele mittelständische Unternehmen nutzen Lineage-Funktionen, die bereits in ihren BI- oder Katalog-Werkzeugen stecken, und benötigen danach nur einen benannten Steward.
Wie hängt Datenherkunft mit den KI-Agenten zusammen, die Unternehmen jetzt einführen?
Wenn ein KI-Agent für eine Empfehlung auf ERP- oder CRM-Daten zugreift, lässt Lineage ein Team prüfen, welche Daten eingeflossen sind, und macht die Ausgabe damit nachvollziehbar.
