Check it out
awards
WiWo Award TRUSTEQ
BrandEins Berater 2026 Award
TRUSTEQ kununu awards
TRUSTEQ
CooperativeExcellence

Datenarchitekturen im Zeitalter von AI-Agents

Data 3.0

Das "Data Mesh" ist, wie in unserem jüngsten Blogbeitrag beschrieben, ein hervorragendes Instrument zur Bekämpfung von Datenengpässen. Alle Fachbereiche sind dabei für ihre eigenen Datenprodukte verantwortlich. Data Mesh löst damit ein organisatorisches Skalierungsproblem.

Doch mit dem Aufstieg von AI-Agents entsteht eine neue Herausforderung:

Daten müssen nicht nur verfügbar und vertrauenswürdig sein, sondern auch für Maschinen verständlich werden.

Data Warehouses, Lakehouses und Data Mesh haben die Verfügbarkeit von Daten erheblich verbessert. Dennoch benötigen AI-Agents deutlich mehr als den Zugriff auf Tabellen und Dashboards. Anders als Menschen können sie fehlenden Kontext nicht durch Erfahrungswerte herleiten. Agenten muss dieser Kontext gegeben werden:

confused robot

Quelle

Welche Datenquelle ist für das Ziel geeignet?

Aktualität

Sind die Daten noch up to date?

Logik

Welche Berechnungslogik liegt den Daten zugrunde?

Richtlinien

Welche Sicherheitsvorgaben sind einzuhalten?

Von Schema zu Semantic

Data 3.0 dreht die Logik bestehender Architekturen um. Bedeutung von Daten ist nun nicht mehr nur Label, sondern von zentraler Relevanz. Governance und Vertrauenswürdigkeit werden direkt im Datenprodukt verankert. Business Glossaries, Data Contracts und Qualitätsversprechen reisen gemeinsam mit den Daten. Dadurch entsteht eine konsistente Wissensebene für Menschen und Maschinen.

Technisches Fundament für diese Neuerung ist das Ende von Text-to-SQL-Denken. Viele aktuelle Lösungen fokussieren sich auf die Generierung von SQL aus natürlicher Sprache. Die eigentliche Herausforderung beginnt jedoch deutlich früher: Der Agent muss zuerst die Geschäftslogik verstehen. Was bedeutet Kunde? Welche Definition von Umsatz wird verwendet? Welche Interpretation von Churn ist relevant? Semantik wird damit wichtiger als die reine Query-Generierung.

Data Mesh und Data 3.0

Data Mesh etablierte das Konzept von Data Products. Data 3.0 entwickelt dieses Konzept weiter. Ein Datenprodukt enthält nicht mehr nur Daten und Ownership, sondern auch fachliche Definitionen, Qualitätsregeln, Data Contracts, Governance-Richtlinien, Lineage, Service Level Agreements und AI-fähige Schnittstellen.

Das Datenprodukt wird zu einer autonomen, vertrauenswürdigen Einheit. Data Mesh und Data 3.0 sind dabei keine Konkurrenten:

Data Mesh beantwortet die Frage nach Ownership und Verantwortung. Data 3.0 beantwortet die Frage nach Verständnis und Nutzbarkeit durch AI Agents. Beide Konzepte ergänzen sich: Data Mesh liefert die organisatorische Grundlage, Data 3.0 erweitert diese um Semantik und Agentenfähigkeit.

Fazit

Data Warehouses haben Daten zentralisiert. Data Mesh hat Verantwortung verteilt. Data 3.0 macht Daten für AI Agents verständlich. In einer Zukunft, in der Agenten zunehmend Entscheidungen vorbereiten und Prozesse automatisieren, müssen Daten semantisch beschrieben, vertrauenswürdig und reproduzierbar nutzbar sein. Der Wandel zu Semantic-First könnte daher der nächste große Evolutionsschritt moderner Datenarchitekturen werden.

Was Ihr Unternehmen vorbereiten sollte:

Der Weg zu Data 3.0 beginnt nicht mit einem neuen LLM. Unternehmen benötigen klare Verantwortlichkeiten, hochwertige Data Products, Data Governance, Business Glossaries und Data Contracts. Wer diese Grundlagen bereits geschaffen hat, verfügt über einen wesentlichen Teil der Voraussetzungen für AI-Ready Data. Wir bei TRUSTEQ helfen Ihnen gerne auf dem Weg dorthin – kontaktieren Sie uns!

Tej Nour Tizaoui

Senior Data Consultant @TRUSTEQ