Zum Inhalt springen
Search the hub
Das minimale Kontextmodell

Das minimale Kontextmodell

Eine verlässliche Entscheidung braucht mehr als einen Tabellennamen, ein Schema und ein grünes Dashboard. Sie braucht expliziten Kontext, Evidenz und überprüfbare Verantwortung.

Category
Data Governance
Reading time
13 min
Published
Tags
data-governance metadata data-quality data-products
Download PDF

Begriffe vor dem Lesen

  • Metadata — Daten über Daten: Definition, verantwortliche Person, Quelle, Lineage, Qualität, Klassifikation und Nutzungskontext.
  • Definition — Fachliche Bedeutung eines Feldes, Begriffs oder einer Kennzahl, inklusive Umfang und verantwortliche Person.
  • fachliche Zählebene / Körnung — Die Einheit einer Aussage, zum Beispiel eine Bestellung, eine Position, ein Kunde oder ein Snapshot.
  • Lineage — Nachvollziehbare Herkunft und Weitergabe von Daten über Quellen, Transformationen und Nutzung hinweg.
  • Nachweis — Nachweis, welche Definition, Version, Quelle oder Regel eine Aussage trägt.

Ausgangslage

An fct_orders in sales_otc stehen drei Sätze Beschreibung und ein Owner-Name — Analysten öffnen trotzdem Slack. Metadatenprogramme scheitern an zwei Extremen: zu knappe Beschreibung oder Dutzende Pflichtfelder, die niemand pflegt. Vollständigkeit wird simuliert: generische Texte, veraltete Owner, kopierte Beschreibungen.

Das minimale Kontextmodell (Metadaten-Minimum) ist der kleinste Satz belastbarer Aussagen für Wiederverwendung: Zweck, Bezugs- und Detailebene, Herkunft, Verantwortung, Nutzung — nicht maximal viele Pflichtfelder und nicht ein Sternschema oder dbt-Modell. Jedes Feld beantwortet eine andere Risikofrage; fehlt die Antwort, muss Unsicherheit sichtbar sein oder die Nutzung stoppen.

Das Kontextmodell gilt für Tabellen, Dateien, Streams, Semantikmodelle, Kennzahlen, Berichte und APIs. Die Oberfläche kann wechseln; die Fragen bleiben: Was ist es, wofür gilt es, woher kommt es, was wurde damit gemacht, wie aktuell und verlässlich ist es, wer entscheidet und wie darf es verwendet werden?

Leitentscheidung

Ein Asset ist für geregelte Wiederverwendung minimal beschrieben, wenn folgende Kontextgruppen vorhanden sind:

  1. Identität und Zweck
  2. Bezugs- und Detailebene, Population und Zeitbezug
  3. Herkunft und Behandlung
  4. Verantwortung und Review
  5. Schutz- und Nutzungsrahmen
  6. Betriebs- und Qualitätserwartung
  7. Bekannte Grenzen und Evidenz

Nicht jedes Feld muss Freitext sein. Herkunft, Behandlung, Reife und Status profitieren von kontrolliertem Vokabular. Definitionen, Grenzen und Nutzungsbedingungen benötigen dagegen präzise Sprache. Das Modell trennt deshalb maschinenlesbare Kategorien von erklärendem Kontext.

Schaubild: Das minimale Kontextmodell beantwortet Identität, Zweck, Körnung, Herkunft, Verantwortung, Nutzung, Qualität und Grenzen

Das Minimum ist risikobasiert

Ein internes Experiment und eine regulatorische Kennzahl brauchen nicht dieselbe Tiefe. Beide benötigen jedoch dieselben Grundkategorien. Der Unterschied liegt in Präzision, Evidenz und Freigabe. Für ein Experiment kann ein Team-Owner, eine bekannte Stichprobenlücke und ein Ablaufdatum genügen. Für eine externe Meldung sind formale Definition, genehmigte Transformation, Kontrollen, Versionshistorie und dokumentierte Freigabe erforderlich.

Definiere zunächst Nutzungsklassen, etwa:

  • explorativ: Hypothesen und interne Analyse, keine operative Entscheidung,
  • operativ: wiederkehrende Steuerung eines Prozesses,
  • managementrelevant: konsolidierte interne Entscheidung,
  • extern oder reguliert: Veröffentlichung, Vertrag oder Meldung,
  • automatisiert entscheidend: direkte Wirkung auf Personen, Preise, Zugang oder Prozesse.

Das minimale Modell bleibt identisch, aber eine höhere Klasse verschärft Anforderungen an Owner, Aktualität, Testevidenz und Änderungssteuerung. So wird Governance proportional, ohne für einfache Assets die Grundwahrheit aufzugeben.

Identität: stabiler Bezug statt Anzeigename

Ein Anzeigename ist veränderlich und oft nicht eindeutig. Das Modell braucht eine stabile Asset-ID oder einen qualifizierten Bezug, der Umbenennungen übersteht. Dazu gehören Asset-Typ, fachlicher Name, technische Adresse und Lebenszyklusstatus.

Minimalfelder:

  • asset_id: stabiler, systemübergreifend referenzierbarer Schlüssel,
  • asset_type: Tabelle, View, Datei, Stream, Modell, Metrik, Bericht oder API,
  • business_name: verständlicher fachlicher Name,
  • technical_locator: auffindbare technische Adresse,
  • lifecycle_status: Entwurf, aktiv, veraltet oder stillgelegt.

Die ID darf toolintern sein, solange Exporte und Referenzen sie stabil erhalten. Bei Migrationen sollte eine Zuordnung alte und neue IDs verbinden. Ohne stabile Identität können Evidenz, Definition und Verantwortung versehentlich verschiedenen Versionen desselben Assets zugeordnet werden.

Bedeutung: Zweck, Bezugs- und Detailebene, Population und Zeit

Die fachliche Kernaussage aus Teil 1 bleibt unverzichtbar. Im minimalen Modell wird sie in strukturierte Felder zerlegt:

  • definition: Was stellt das Asset fachlich dar?
  • purpose: Welche Entscheidung oder welcher Prozess wird unterstützt?
  • grain: Was repräsentiert eine Zeile, Beobachtung oder Kennzahl?
  • population: Welche Grundgesamtheit ist enthalten und ausgeschlossen?
  • business_time: Welcher fachliche Zeitpunkt oder Zeitraum gilt?

Diese fünf Felder dürfen nicht zu einem unlesbaren Absatz verschmelzen. Struktur erleichtert Review und Vergleich. „Tägliche Kundenumsätze“ kann als Name genügen, aber nicht als Definition: Sind Tage ohne Umsatz enthalten? Welcher Kunde? Welche Währung? Wann gilt eine Rückerstattung? Das Minimum muss die Entscheidungsgrenzen sichtbar machen.

Bei Berichten oder semantischen Modellen kann Bezugs- und Detailebene auf Visualisierungs- oder Metrikebene variieren. Dann beschreibt das Asset-Feld die gemeinsame Basis und verweist für abweichende Metriken auf deren eigene Definition.

Herkunft: eine kontrollierte Antwort auf „Woher?“

Freitext wie „aus dem CRM“ reicht nicht. Herkunft sollte mit kontrollierten Werten klassifiziert und durch konkrete Referenzen ergänzt werden. Ein stackneutrales Vokabular kann lauten:

  • source_native: direkt aus einem maßgeblichen operativen Quellsystem übernommen,
  • source_replica: technisch repliziert, fachlich unverändert,
  • integrated: aus mehreren Quellen nach dokumentierten Zuordnungsregeln verbunden,
  • derived: deterministisch aus vorhandenen Daten berechnet,
  • manually_curated: durch einen kontrollierten menschlichen Prozess gepflegt,
  • externally_supplied: von einem externen Anbieter oder Partner geliefert,
  • model_generated: durch statistisches oder maschinelles Modell erzeugt,
  • unknown: Herkunft noch nicht verifiziert.

Diese Werte bewerten nicht automatisch Qualität. source_native kann fehlerhaft sein; derived kann sehr belastbar sein. Sie beschreiben die Entstehungsklasse. Ergänzend braucht es:

  • source_references: konkrete vorgelagerte Assets oder Systeme,
  • system_of_record: falls definiert, die maßgebliche Quelle für das Konzept,
  • lineage_evidence: Link oder Referenz auf beobachtete oder deklarierte Herkunft,
  • origin_verified_at: Zeitpunkt und Rolle der letzten Verifikation.

unknown ist ein zulässiger Zustand, aber kein dauerhafter Ersatz für Recherche. Er macht Unsicherheit sichtbar und kann die Nutzungsklasse begrenzen.

Behandlung: Was ist mit den Daten geschehen?

Herkunft und Behandlung sind verschieden. Herkunft beschreibt, wo ein Wert entstand; Behandlung beschreibt, wie er seitdem verändert wurde. Ein Feld aus einem Quellsystem kann repliziert, normalisiert, gefiltert, aggregiert und imputiert worden sein.

Nutze eine mehrwertige kontrollierte Liste:

  • copied: ohne beabsichtigte fachliche Änderung übertragen,
  • renamed: Bezeichner geändert,
  • cast_or_formatted: Typ oder Format angepasst,
  • standardized: Einheiten, Schreibweisen oder Codes vereinheitlicht,
  • filtered: Datensätze nach expliziter Regel ausgeschlossen,
  • joined: mit anderen Populationen verbunden,
  • deduplicated: Dubletten nach Auswahlregel reduziert,
  • aggregated: auf gröberen fachliche Zählebene verdichtet,
  • derived: durch Formel oder Regel berechnet,
  • imputed: fehlender Wert ersetzt oder geschätzt,
  • masked_or_tokenized: Schutzbehandlung angewandt,
  • manually_adjusted: kontrollierte manuelle Korrektur,
  • model_scored: Vorhersage oder Score ergänzt,
  • unknown: Behandlung noch nicht verifiziert.

Die Liste ersetzt keine Transformationslogik. Sie ermöglicht einem Nutzende jedoch, schnell die relevanten Fragen zu stellen. Für materielle Behandlungen ergänzt ein Freitextfeld die Regel und Auswirkung: „Dubletten werden anhand stabiler Steuer-ID zusammengeführt; bei Konflikten gewinnt der zuletzt verifizierte Datensatz.“

Verantwortung: Rolle, Kontakt und Entscheidungsrecht

Das Minimum braucht mindestens einen fachlichen Owner und einen operativen Kontakt. Ein technischer Owner wird erforderlich, wenn Bereitstellung und Bedeutung bei unterschiedlichen Teams liegen.

  • business_owner: entscheidet Definition, Zweck und zulässige fachliche Änderungen,
  • steward_or_contact: beantwortet Fragen und koordiniert Reviews,
  • technical_owner: verantwortet Lauf, Zugriffspfad und technische Verträge,
  • review_due: Termin oder Ereignis für die nächste Bestätigung.

Owner sollten Rollen oder Gruppen sein, nicht nur Namen. Ergänze einen erreichbaren Kanal. Ein Owner-Feld ist wertlos, wenn die Rolle kein Mandat besitzt oder nicht weiß, dass sie eingetragen ist. Verantwortung muss deshalb bestätigt werden können, etwa durch Reviewstatus und Bestätigungsdatum.

Schutz und erlaubte Nutzung

Klassifikation und Nutzung sind nicht dasselbe. Eine Schutzklasse beschreibt Sensitivität; eine Nutzungsregel beschreibt, für welche Entscheidungen das Asset geeignet ist. Beide gehören ins Minimum:

  • sensitivity: öffentlich, intern, vertraulich, besonders geschützt oder organisationsspezifische Klassen,
  • data_subject_or_risk_flags: Personendaten, Finanzdaten, Gesundheitsbezug, Geschäftsgeheimnis oder andere relevante Kategorien,
  • permitted_uses: konkret freigegebene Nutzung,
  • prohibited_uses: ausdrücklich ungeeignete oder untersagte Nutzung,
  • access_requirements: Verweis auf geltende Freigabe- oder Aggregationsbedingungen.

Metadaten erzwingen diese Regeln nicht allein. Sie verbinden fachliche Erwartung mit den Kontrollen der jeweiligen Plattform. Ein Tag ohne technische Richtlinie ist Beschreibung; eine technische Sperre ohne verständlichen Kontext führt zu Umgehung oder Fehlanträgen.

Betrieb: Aktualität ist eine Erwartung mit Messpunkt

„Täglich aktualisiert“ ist unvollständig. Das Minimum beschreibt erwartete Verfügbarkeit und den beobachtbaren Zeitpunkt:

  • refresh_expectation: Frequenz oder Ereignisauslöser,
  • availability_target: erwarteter Zeitpunkt nach Periodenende oder Quellereignis,
  • freshness_timestamp: Feld oder Signal, an dem Aktualität gemessen wird,
  • support_window: wann Störungen bearbeitet werden,
  • operational_status: gesund, beeinträchtigt, gestoppt oder unbekannt.

Beispiel: „Vortagesdaten bis 07:00 Europe/Berlin vollständig; gemessen am maximalen fachlichen Buchungsdatum und erfolgreichem Laufstatus.“ Damit wird aus einer vagen Frequenz eine prüfbare Erwartung. Bei Streams können maximale Ereignisverzögerung und tolerierter Rückstand die entsprechenden Felder bilden.

Qualität: Erwartungen und Evidenz trennen

Ein einzelner Quality Score gehört nicht zum Minimum, weil er unterschiedliche Risiken verdeckt. Nötig sind wenige, entscheidungsbezogene Erwartungen und der Status ihrer Evidenz:

  • quality_expectations: konkrete Regeln mit Umfang und Schwelle,
  • quality_status: bestanden, verletzt, nicht gelaufen oder unbekannt,
  • observed_at: Zeitpunkt der Beobachtung,
  • evidence_reference: Ergebnis, Query, Testlauf oder Freigabe,
  • impact_if_failed: betroffene Nutzung.

Beispiel: „Für aktive Verträge ist customer_id zu mindestens 99,5 % gesetzt; darunter ist kundenbezogene Segmentierung gesperrt, Umsatzaggregation bleibt zulässig.“ Die Regel verbindet Population, Schwelle und Auswirkung. Ein bestandener Test beweist nur diese Aussage für den geprüften Zeitraum.

Automatisch profilierte Nullquoten können Evidenz liefern, sind aber noch keine fachliche Erwartung. Das Modell sollte klar kennzeichnen, ob eine Aussage deklariert, beobachtet oder bestätigt wurde.

Grenzen und Unsicherheit als strukturierter Zustand

Jedes Asset kann Grenzen haben. Das minimale Modell braucht mindestens:

  • known_limitations: konkrete Einschränkung und Auswirkung,
  • uncertainty_status: keine bekannte, bekannt und akzeptiert, in Klärung oder unbekannt,
  • valid_from: Beginn der geltenden Aussage,
  • review_due: nächste Überprüfung,
  • consumer_action: erforderlicher Umgang.

Freitext darf hier nicht durch „N/A“ ersetzt werden. „Keine bekannte Einschränkung nach Review am …“ ist eine überprüfbare Aussage. „Unbekannt“ ist ehrlicher als eine leere Bestätigung. Bei hoher Nutzungsklasse kann unbekannte Unsicherheit eine Freigabe verhindern.

Deklariert, beobachtet und bestätigt

Metadaten entstehen auf unterschiedliche Weise. Ein Schema-Scanner beobachtet Typen. Ein Team deklariert einen Owner. Eine fachliche Rolle bestätigt eine Definition. Diese Provenienz muss erhalten bleiben.

Für wichtige Felder sind drei Zusatzattribute nützlich:

  • assertion_mode: deklariert, automatisch beobachtet, abgeleitet oder bestätigt,
  • asserted_by: Rolle, System oder Prozess,
  • asserted_at: Zeitpunkt,
  • confidence_or_review_status: Entwurf, geprüft, bestätigt oder bestritten.

Automatische Erkennung darf bestätigten Kontext nicht still überschreiben. Umgekehrt sollte eine technische Beobachtung eine veraltete deklarierte Form sichtbar widersprechen können. Der Konflikt ist Information und verlangt Review.

Pflichtfeld bedeutet nicht Platzhalter

Ein Pflichtfeld erzwingt oft nur Text, nicht Wahrheit. Das Modell sollte daher explizite Zustände zulassen:

  • known: Wert ist belegt,
  • unknown: noch nicht ermittelt,
  • not_applicable: begründet nicht anwendbar,
  • disputed: widersprüchliche Aussagen liegen vor,
  • pending_review: erfasst, aber noch nicht bestätigt.

Jeder Zustand kann einen Grund, Owner und Fälligkeit tragen. Dadurch wird Unvollständigkeit steuerbar. Ein generisches „TBD“ ohne Verantwortlichkeit ist dagegen nur verschobene Unsichtbarkeit.

Portabilität statt Tool-Abhängigkeit

Definiere kanonische Feldnamen und kontrollierte Werte unabhängig von einer Produktoberfläche. Mappe sie anschließend auf Custom Properties, Tags, YAML, semantische Modelle oder Datenverträge. Eine Mapping-Tabelle enthält kanonisches Feld, Zielsystemfeld, Datentyp, erlaubte Werte, Transformationsregel und Synchronisationsrichtung.

Vermeide, dass dieselbe Aussage in mehreren Systemen gleichberechtigt gepflegt wird. Lege pro Feld eine autoritative Pflegequelle fest. Technische Form kann aus dem Schema stammen, fachlicher Zweck aus einem Review-Workflow und Betriebsstatus aus Monitoring. Ein zentraler Suchort darf diese Aussagen zusammenführen, ohne ihre Herkunft zu verwischen.

Hilfe

Starte mit zehn Assets, die tatsächlich wiederverwendet werden. Erhebe das minimale Modell nicht allein mit Produzenten. Lasse je einen Nutzende eine reale Nutzungsentscheidung prüfen. Notiere, welche Felder die Entscheidung ermöglichten und welche Rückfragen blieben.

Reduziere Felder nur, wenn ihre Risikofrage bereits eindeutig durch ein anderes Feld beantwortet wird. Ergänze Felder nur, wenn sie wiederkehrend eine reale Fehlentscheidung verhindern. So bleibt das Modell klein und wirksam.

Führe kontrollierte Vokabulare mit Definition, Beispiel und Gegenbeispiel ein. „Derived“ muss überall dasselbe bedeuten. Neue Werte benötigen einen Owner und eine Migrationsregel. Freitext bleibt für die konkrete fachliche Ausprägung erhalten.

Bewerte das Minimum nicht nur nach ausgefüllten Feldern. Miss, ob Nutzende weniger Rückfragen stellen, ungeeignete Assets früher erkennen und Entscheidungen auf verlinkte Evidenz zurückführen können. Stichprobenartige Reviews sind hilfreicher als eine rein technische Vollständigkeitsquote. Ein zu hundert Prozent befülltes Modell kann inhaltlich leer sein; ein transparent als „unbekannt“ markiertes Feld kann dagegen eine sichere Entscheidung auslösen. Halte deshalb neben der Abdeckung auch Aktualität, Bestätigungsstatus und tatsächliche Nutzung der Metadaten fest. Wenn ein Feld über mehrere Reviews hinweg keinen Unterschied macht, prüfe seine Entfernung. Wenn dieselbe Rückfrage wiederkehrt, schärfe Definition oder Vokabular.

Checkliste

  • Stabile Identität und Lebenszyklusstatus sind vorhanden.
  • Definition, Zweck, fachliche Zählebene, Grundgesamtheit und Geschäftszeit sind getrennt beschrieben.
  • Herkunft nutzt kontrollierte Werte und konkrete Quellreferenzen.
  • Materielle Behandlungen sind klassifiziert und erklärt.
  • Fachliches Entscheidungsrecht und operativer Kontakt sind bestätigt.
  • Schutzklasse und erlaubte Nutzung werden nicht verwechselt.
  • Aktualität hat Ziel, Messpunkt und beobachtbaren Status.
  • Qualitätserwartungen nennen Grundgesamtheit, Schwelle und Auswirkung.
  • Grenzen enthalten Nutzer-Handlung und Reviewstatus.
  • Deklarierte, beobachtete und bestätigte Aussagen bleiben unterscheidbar.
  • Unbekannt, nicht anwendbar und bestritten sind explizite Zustände.
  • Pro Feld ist eine autoritative Pflegequelle festgelegt.

Artefakt

Kanonische Template-Felder:

  • identity: asset_id, asset_type, business_name, technical_locator, lifecycle_status
  • meaning: definition, purpose, grain, population_included, population_excluded, business_time
  • origin: origin_type, source_references, system_of_record, origin_verified_at
  • treatment: treatment_types, material_treatment_note, transformation_reference
  • accountability: business_owner, steward_contact, technical_owner, review_due
  • use: sensitivity, risk_flags, permitted_uses, prohibited_uses, access_requirements
  • operations: refresh_expectation, availability_target, freshness_timestamp, operational_status
  • quality: quality_expectations, quality_status, observed_at, evidence_reference
  • limits: known_limitations, uncertainty_status, consumer_action, valid_from
  • provenance: assertion_mode, asserted_by, asserted_at, review_status

Kontrollierte Werte für origin_type: source_native, source_replica, integrated, derived, manually_curated, externally_supplied, model_generated, unknown.

Kontrollierte Werte für treatment_types: copied, renamed, cast_or_formatted, standardized, filtered, joined, deduplicated, aggregated, derived, imputed, masked_or_tokenized, manually_adjusted, model_scored, unknown.

Tools

Der /tools/schema-yml-editor kann die kanonischen Felder als portables Schema abbilden. Mit dem /tools/meta-export-generator lassen sich technische Ausgangsdaten und Mappings erzeugen. Der /tools/kpi-definition vertieft das Modell für Kennzahlen. Der /tools/openmetadata-glossary-generator ist eine optionale Zielabbildung für Begriffe und Eigenschaften; das Modell selbst bleibt unabhängig von einem Catalog-Produkt.

Metadata That Tells the Truth

Part 2 of 8

View series

Knowledge check

Tour