Fachliche Bedeutung, technische Form und betriebliche Realität
Eine verlässliche Entscheidung braucht mehr als einen Tabellennamen, ein Schema und ein grünes Dashboard. Sie braucht expliziten Kontext, Evidenz und überprüfbare Verantwortung.
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 sales_otc.fct_orders stimmen Beschreibung und Typ — der Close scheitert trotzdem, weil die Population gestern gedriftet ist und niemand den Freshness-Status liest. Bedeutung, Form und aktuelle Realität sind drei getrennte Wahrheiten; eine davon reicht nicht.
Nehmen wir contract_end_date. Fachlich kann das der letzte Tag einer vertraglichen Leistung sein. Technisch kann das Feld als nullable Timestamp gespeichert sein. Betrieblich kann die Quelle jedoch seit sechs Stunden nicht geladen haben. Keine dieser Aussagen ersetzt die andere. Eine Beschreibung beweist weder den Typ noch die Aktualität; ein Schema beweist weder Bedeutung noch Vollständigkeit; ein grüner Lauf beweist nicht, dass die fachliche Regel korrekt ist.
Wer die Ebenen vermischt, reagiert auf das falsche Problem. Eine Nullquote wird als Datenqualitätsfehler behandelt, obwohl Null fachlich „unbefristet“ bedeutet. Ein Typwechsel wird als technische Kleinigkeit eingestuft, obwohl er Nachkommastellen abschneidet. Ein frischer Ladezeitpunkt wird als Beleg für aktuelle Geschäftsdaten gezeigt, obwohl nur eine leere Datei verarbeitet wurde.
Leitentscheidung
Führe drei getrennte, verbundene Metadatenebenen:
- Fachliche Bedeutung: Was behaupten die Daten über die reale oder vereinbarte Welt?
- Technische Form: Wie ist diese Behauptung konkret repräsentiert?
- Betriebliche Realität: In welchem Zustand befindet sich die bereitgestellte Instanz jetzt?
Jede Ebene hat eigene Felder, Owner, Änderungsarten und Evidenz. Eine zusammengefasste Freigabe darf nur aus expliziten Teilurteilen entstehen. „Vertrauenswürdig“ ohne Scope ist kein Metadatum.

Ebene 1: Fachliche Bedeutung
Die fachliche Zählebene erklärt Konzept, Zweck und Geltungsbereich. Sie ist weitgehend unabhängig davon, ob ein Wert als String, Integer oder Timestamp vorliegt.
Kernfelder sind:
- Definition und fachlicher Begriff,
- Zweck und zulässige Nutzung,
- fachliche Zählebene und Grundgesamtheit,
- Geschäftszeit und Gültigkeitslogik,
- Einheit und Berechnungsregel,
- fachlich verantwortliche Person,
- bekannte fachliche Grenzen.
Beispiel active_customer_count: „Anzahl eindeutiger Vertragsparteien mit mindestens einem am Monatsende wirksamen, nicht ausgesetzten Vertrag; interne Testparteien ausgeschlossen.“ Diese Aussage definiert Objekt, Kriterium, Zeitpunkt und Ausschluss. Ob die Kennzahl als Integer in einer Tabelle oder als Measure in einem BI-Modell implementiert wird, ist sekundär.
Fachliche Aussagen werden durch autorisierte Definitionen, Entscheidungstabellen, genehmigte Beispiele und fachliche Abnahme belegt. Datenprofile können Widersprüche anzeigen, aber Bedeutung nicht allein entdecken. Eine häufige Zeichenfolge ist kein Beweis für die fachliche Definition.
Ebene 2: Technische Form
Die technische Form beschreibt die konkrete Repräsentation, die ein Nutzende verarbeiten muss. Dazu gehören:
- Datentyp und physisches Format,
- Nullability und Default,
- Länge, Präzision und Skala,
- Zeichensatz, Locale und Zeitzonenrepräsentation,
- Schlüssel, Eindeutigkeit und Beziehungen,
- Partitionierung oder Sortierung, soweit nutzungsrelevant,
- Schema-Version und Kompatibilitätsregel.
Für contract_end_date könnte die Form lauten: „Timestamp mit UTC-Offset, nullable, Sekundenpräzision; kein Default; ISO-8601 im Export.“ Das sagt noch nicht, was Null bedeutet. Diese Semantik gehört zur fachlichen beziehungsweise Wertebene. Die Form sagt aber, ob ein Nutzende Offset und Präzision erhalten kann.
Technische Form wird typischerweise aus Schemas, Verträgen oder Laufzeitbeobachtung gewonnen. Eine deklarierte Form und eine beobachtete Form können abweichen. Diese Abweichung sollte als Drift sichtbar werden, nicht still durch Überschreiben verschwinden.
Ebene 3: Betriebliche Realität
Die betriebliche Ebene ist zeitabhängig. Sie beschreibt nicht, was grundsätzlich gelten soll, sondern was für eine konkrete Bereitstellung beobachtet wurde:
- letzter erfolgreicher und letzter versuchter Lauf,
- maximaler fachlicher Datenzeitpunkt,
- Laufverzögerung und Rückstand,
- geladene Menge oder Volumenabweichung,
- Schema- und Qualitätsstatus,
- Teilbeladung, Wiederholung oder Quarantäne,
- Incident und erwartete Wiederherstellung,
- Zeitpunkt und Umfang der Beobachtung.
Ein Dataset kann „stündlich bis Minute 15“ liefern sollen. Um 10:20 ist der Lauf erfolgreich, der maximale Ereigniszeitpunkt aber 08:55. Die Pipeline ist technisch grün, die Daten sind fachlich verspätet. Betriebsmetadaten müssen deshalb mehrere Uhren unterscheiden.
Drei Uhren sauber benennen
Mindestens drei Zeitpunkte treten regelmäßig auf:
- Ereignis- oder Geschäftszeit: Wann geschah das fachliche Ereignis?
- Quell- oder Änderungszeit: Wann registrierte das Ursprungssystem den Stand?
- Verarbeitungs- oder Ladezeit: Wann wurde er in der aktuellen Schicht verarbeitet?
Zusätzlich kann eine Beobachtungszeit angeben, wann Monitoring den Zustand gemessen hat. MAX(updated_at) ist nur dann ein Freshness-Signal, wenn updated_at fachlich geeignet, vollständig befüllt und gegen zukünftige Fehlwerte geschützt ist.
Dokumentiere für jedes Freshness-Signal Rolle, Zeitzone, erwartete Verzögerung und bekannte Manipulationen. Eine tägliche Vollkopie aktualisiert möglicherweise technische Dateizeit oder Ladezeit für alle Zeilen, obwohl sich die Geschäftsdaten nicht geändert haben.
Soll, Beobachtung und Urteil
Jede prüfbare Aussage sollte drei Komponenten unterscheiden:
- Erwartung: Was soll gelten?
- Beobachtung: Was wurde wann und für welchen Scope gemessen?
- Urteil: Wie wird die Beobachtung gegenüber der Erwartung bewertet?
Beispiel:
- Erwartung: „Vortagesbuchungen bis 07:00 vollständig.“
- Beobachtung: „Maximum
booking_date= Vortag; 1,24 Mio. Zeilen; Lauf 06:42 abgeschlossen.“ - Urteil: „Bestanden am 2026-08-25 06:45; gilt für Region EU.“
Ohne Erwartung ist eine Zahl nicht bewertbar. Ohne Beobachtung ist ein Status unbelegt. Ohne Scope wird aus einem lokalen Test eine universelle Behauptung.
Datentyp ist keine Bedeutung
Ein Integer kann eine Anzahl, einen Statuscode, einen Geldbetrag in Cent oder einen anonymen Schlüssel darstellen. Ein String kann Freitext, Code, Datum oder serialisierte Struktur sein. Deshalb darf technische Typinferenz keine fachlichen Begriffe automatisch bestätigen.
Ebenso ist nullable: false keine Garantie fachlicher Anwesenheit. Leere Strings, Sentinelwerte wie -1, Default-Daten oder „UNKNOWN“ können fehlende Information technisch maskieren. Umgekehrt kann nullable: true eine absichtliche fachliche Option repräsentieren.
Halte technische und fachliche Constraints getrennt:
- technisch: Wert kann in der Repräsentation fehlen,
- fachlich: Wert muss für aktive Verträge vorhanden sein,
- betrieblich: Erwartung wurde im letzten Lauf für 99,8 % erfüllt.
Diese Trennung ermöglicht präzise Reaktion. Ein Schema-Constraint verhindert anderes als ein Qualitätstest; ein Qualitätstest verhindert anderes als eine fachliche Freigaberegel.
Nullability braucht Population
Die Aussage „nicht null“ ist ohne Population selten sinnvoll. Eine cancellation_reason muss für stornierte Aufträge vorhanden sein, für aktive Aufträge aber gerade null bleiben. Eine globale Nullquote vermischt korrekte und fehlerhafte Fälle.
Formuliere bedingte Erwartungen:
- wenn
status = cancelled, danncancellation_reasongesetzt, - wenn
customer_type = company, dannregistration_numbernach regionaler Regel, - wenn
valid_tonull, dann Datensatz aktuell gültig, - wenn Quelle vor Migrationsdatum liegt, dann historisches Attribut optional.
Die fachliche Zählebene definiert Bedingung und Bedeutung. Die technische Ebene zeigt, ob sie darstellbar ist. Die betriebliche Ebene misst aktuelle Erfüllung.
Präzision und Einheit überleben nicht automatisch
Technisch zulässige Konvertierungen können fachliche Information zerstören. Decimal zu Float verändert Reproduzierbarkeit, Timestamp zu Date entfernt Reihenfolge, Währungsbetrag ohne Währung verliert Vergleichbarkeit. Auch Aggregation oder Rundung kann einen anderen Verwendungszweck erzwingen.
Dokumentiere deshalb:
- fachliche Einheit und Skala,
- Speicher- und Ausgabepräzision,
- Rundungszeitpunkt und -modus,
- Umrechnungsquelle und Kursdatum,
- erlaubte Toleranz,
- nicht unterstützte Rekonstruktion.
Beispiel: „Betrag in kleinster Währungseinheit als Integer gespeichert; Darstellung dividiert nach Währungs-Exponent. Keine binäre Gleitkommaarithmetik für Abrechnung.“ Die technische Form stützt hier eine fachliche Genauigkeitsanforderung.
Schema-Drift und semantische Drift
Schema-Drift ist eine Änderung der Form: Feld hinzugefügt, Typ gewechselt, Nullability geändert. Semantische Drift ist eine Änderung der Bedeutung bei möglicherweise identischem Schema: neue Population, geänderte Statusregel, anderer Währungskurs oder neue Zuordnungslogik.
Beide brauchen verschiedene Detektoren. Schema-Vergleich erkennt keine geänderte Definition. Fachliches Review erkennt möglicherweise keinen stillen Längenverlust. Verknüpfe daher:
- technische Vertrags- und Driftprüfungen,
- semantische Version und Änderungsnotiz,
- betriebliche Beobachtung nach Einführung,
- Nutzer-Auswirkungsanalyse.
Ein kompatibler Schema-Change kann semantisch brechend sein. Ein zusätzliches Feld ist technisch additiv, kann aber anzeigen, dass bisherige Kategorien neu aufgeteilt werden und alte Summen nicht vergleichbar bleiben.
Freshness ist nicht Vollständigkeit
Ein neuer Ladezeitpunkt kann eine leere oder partielle Lieferung markieren. Vollständigkeit braucht eine eigene Erwartung, beispielsweise erwartete Partitionen, Quellabschluss, Kontrollsumme, Mindestvolumen oder Abgleich mit einem Kontrolltotal.
Unterscheide:
- Pünktlichkeit: Kam die Lieferung im erwarteten Zeitfenster?
- Freshness: Bis zu welchem fachlichen Zeitpunkt reichen die Daten?
- Vollständigkeit: Ist die erwartete Grundgesamtheit oder Lieferung enthalten?
- KonsistenMerksatz:** Stimmen zusammengehörige Teile und Kontrollsummen?
- Gültigkeit: Erfüllen Werte definierte Regeln?
Ein Gesamtstatus darf Details verdichten, muss aber zu ihnen zurückführen. „Rot“ ohne Ursache hilft Nutzende nicht; „grün“ ohne gemessene Dimension schafft Scheinsicherheit.
Lineage verbindet, beweist aber nicht
Lineage zeigt Abhängigkeiten und mögliche Auswirkungswege. Sie beweist nicht automatisch, dass jede Zeile vollständig übertragen oder eine fachliche Bedeutung erhalten wurde. Deklarierte Lineage kann veraltet, beobachtete Lineage unvollständig sein.
Kennzeichne daher Quelle der Lineage, Beobachtungszeit und Granularität. Tabellen-Lineage beantwortet keine Feldherleitung. Feld-Lineage erklärt nicht unbedingt Filter, Imputation oder manuelle Korrektur. Ergänze materielle Behandlung als eigene Aussage.
Status für Nutzende formulieren
Nutzende brauchen ein Urteil, das ihren Verwendungszweck berücksichtigt. Ein Asset kann für aggregierte Trendanalyse geeignet und für individuelle Fallentscheidung gesperrt sein. Statt eines universellen Vertrauenslabels nutze Status je Nutzungsklasse:
- geeignet: relevante Erwartungen aktuell erfüllt,
- bedingt geeignet: bekannte Einschränkung mit vorgeschriebener Behandlung,
- nicht geeignet: konkrete Nutzung wegen Verletzung gesperrt,
- unbewertet: Evidenz fehlt oder ist veraltet.
Der Status nennt Scope, Zeitpunkt, zugrunde liegende Checks und verantwortliche Entscheidung. Automatische Checks können einen Status herabsetzen; eine manuelle Ausnahme braucht Grund und Ablaufdatum.
Verantwortung pro Ebene
Die fachliche Definition gehört zum Business Owner. Schema und technische Verträge liegen meist beim technischen Owner. Betriebsstatus wird durch Betrieb oder Monitoring beobachtet. Qualitätserwartungen werden fachlich vereinbart und technisch gemessen.
Diese Verteilung ist kein Widerspruch. Sie verhindert, dass ein Team Aussagen bestätigen soll, für die es weder Wissen noch Mandat besitzt. Ein gemeinsamer Steward kann die Ebenen zusammenführen und Konflikte koordinieren.
Konflikte zwischen den Ebenen sichtbar behandeln
Die drei Ebenen stimmen nicht immer überein. Eine fachliche Definition kann decimal(18,2) verlangen, während die beobachtete Quelle einen Float liefert. Ein Vertrag kann stündliche Aktualisierung zusagen, während reale Ereignisse nur täglich im Quellsystem abgeschlossen werden. Solche Konflikte dürfen nicht durch einen zusammengefassten Status verdeckt werden.
Erfasse für einen Konflikt die beteiligten Aussagen, deren jeweilige Evidenz, die betroffene Nutzung, eine entscheidende Rolle und einen Zieltermin. Bis zur Klärung kann die Nutzung bedingt freigegeben, eingeschränkt oder gesperrt sein. Das Urteil sollte erklären, welche Ebene Vorrang hat und ob eine technische Korrektur, fachliche Definitionsänderung oder angepasste Betriebserwartung nötig ist.
Beispiel: Die Definition verspricht centgenaue Abrechnung, das Zielmodell speichert jedoch binäre Gleitkommazahlen. Ein technischer Test zeigt seltene Rundungsabweichungen. Die richtige Reaktion ist nicht, die Toleranz still zu erhöhen. Business Owner und technische Verantwortung müssen entscheiden, ob die Repräsentation geändert, eine verbindliche Rundungsregel eingeführt oder die erlaubte Nutzung auf nicht abrechnungsrelevante Analysen begrenzt wird.
Historische Wahrheit und heutiger Stand
„Aktuell korrekt“ kann zwei unterschiedliche Fragen meinen: Was gilt heute über ein Objekt, und was war zu einem früheren Zeitpunkt bekannt? Für operative Übersichten genügt oft der neueste korrigierte Stand. Für Audit, Modellbewertung oder Entscheidungsrekonstruktion ist zusätzlich die damalige Wissenslage nötig.
Dokumentiere, ob ein Asset valid time – die fachliche Gültigkeit – und system time – die Speicherung oder Kenntnis – unterstützt. Bei bitemporalen Daten können Nutzende sowohl „gültig am“ als auch „bekannt am“ fragen. Wenn nur der aktuelle Stand erhalten bleibt, ist das eine bekannte Grenze, keine implizite Eigenschaft.
Rückwirkende Korrekturen verändern sonst historische Kennzahlen ohne sichtbaren Grund. Halte fest, ob vergangene Perioden neu berechnet werden, eingefroren bleiben oder als revidierte Version erscheinen. Die betriebliche Realität muss zeigen, wann eine Revision verarbeitet wurde; die fachliche Zählebene erklärt, ab wann sie gelten soll.
Aggregierte Statuswerte vorsichtig verwenden
Ein übergreifender Status kann Navigation erleichtern, darf aber nicht mehrere Dimensionen in eine scheinbar objektive Zahl verwandeln. Lege eine deterministische Regel offen: Eine verletzte kritische Erwartung kann beispielsweise den Status für eine konkrete Nutzung auf „nicht geeignet“ setzen, während Warnungen zu „bedingt geeignet“ führen.
Zeige immer die auslösende Dimension, letzte Beobachtung und betroffene Nutzung. Durchschnittswerte sind gefährlich: hervorragende Freshness kann fehlende Population nicht kompensieren; stabiles Schema kann eine falsche Definition nicht ausgleichen. Dimensionen mit unterschiedlichen Folgen sollten nicht gegeneinander verrechnet werden.
Hilfe
Wähle ein kritisches Feld und zeichne drei Spalten: Bedeutung, Form, Realität. Ordne jede vorhandene Aussage genau einer Spalte zu. Aussagen wie „aktuell“ oder „gültig“ müssen konkretisiert werden, bis sie eindeutig zuordenbar und prüfbar sind.
Prüfe danach einen realen Incident. Welche Ebene brach? War die Definition falsch, das Schema inkompatibel oder die Lieferung verspätet? Wurde der Fehlerstatus dort sichtbar, wo Nutzende suchten? Diese Übung zeigt fehlende Felder schneller als eine abstrakte Vollständigkeitsdebatte.
Checkliste
- Fachliche Bedeutung ist unabhängig vom physischen Typ verständlich.
- Typ, Nullability, Präzision, Format und Schlüssel sind als Form dokumentiert.
- Geschäfts-, Quell-, Lade- und Beobachtungszeit sind unterscheidbar.
- Erwartungen, Beobachtungen und Urteile werden getrennt gespeichert.
- Jeder Qualitätsstatus nennt Umfang und Beobachtungszeit.
- Bedingte Nullregeln beziehen sich auf eine definierte Grundgesamtheit.
- Einheit, Rundung und Umrechnung sind explizit.
- Schema- und semantische Drift besitzen eigene Änderungswege.
- Freshness wird nicht als Vollständigkeitsbeweis verwendet.
- Lineage ist nach Quelle, Granularität und Aktualität gekennzeichnet.
- Eignungsstatus bezieht sich auf eine konkrete Nutzungsklasse.
- Owner und Evidenz sind je Ebene zugeordnet.
Artefakt
Fachliche Bedeutung
business_definitionpurposegrainpopulationbusiness_time_semanticsunit_and_calculationpermitted_usebusiness_ownersemantic_versionbusiness_limitations
Technische Form
physical_typeformatnullabledefault_or_sentinellength_precision_scaletimezone_encodingkey_and_relationshipsschema_versioncompatibility_policyobserved_schema_at
Betriebliche Realität
refresh_expectationlast_attempt_atlast_success_atmax_business_timecompleteness_evidencevolume_observationschema_statusquality_statusincident_referenceobserved_atstatus_scope
Verknüpfung
expectation_idobservation_idjudgementconsumer_use_classevidence_referencedecided_byvalid_until
Tools
Der /tools/schema-yml-editor eignet sich optional für technische Form und Contracts. Der /tools/meta-export-generator kann beobachtete Schema- und Betriebsmetadaten in ein portables Ausgangsformat bringen. Mit dem /tools/kpi-definition lässt sich die fachliche Zählebene einer Kennzahl getrennt von ihrer BI-Repräsentation definieren. Der /tools/openmetadata-glossary-generator kann Begriffe und Beziehungen in ein Catalog-Zielformat übertragen, ohne das Drei-Ebenen-Modell an dieses Produkt zu binden.
Metadata That Tells the Truth
Part 3 of 8
View series