Seit Inkrafttreten des EU Data Act sind Datenspaces in den Fokus von Unternehmen gerückt. Allerdings werden die Begriffe „Data Mesh“ und „Data Space“ häufig verwechselt. In diesem Artikel wird geklärt, was unter einem Data Mesh zu verstehen ist, was genau einen Data Space ausmacht, und es werden die wichtigsten Gemeinsamkeiten sowie Unterschiede herausgestellt. Am Ende dieses Beitrags soll ein klares Verständnis für diese Konzepte vorliegen und verdeutlicht werden, wie sie für eine Organisation von Nutzen sein können.

Was ist ein Data Mesh?

Ein Data Mesh ist ein architektonischer Ansatz im Datenmanagement, bei dem die Verantwortung für Daten dezentralisiert und eine domänenorientierte Gestaltung innerhalb eines Unternehmens gefördert wird. Anstatt auf einen zentralen Data Lake oder ein zentrales Data Warehouse zu setzen, wird beim Data Mesh jeder Datenbereich als ein eigenständiges Produkt betrachtet. Dadurch wird einzelnen Teams in einer Organisation ermöglicht, ihre Daten eigenständig zu verwalten, wobei auch die Verantwortung für die jeweiligen Datendomänen bei ihnen liegt. Diese Herangehensweise führt zu höherer Agilität, besserer Skalierbarkeit und mehr Verantwortlichkeit innerhalb des Unternehmens.

Definition

Unter einem Data Mesh wird ein Framework verstanden, das die Governance und Verwaltung von Daten dezentralisiert. Dadurch wird einzelnen Teams die Verantwortung für ihre Daten übertragen, wodurch der Wert der Daten als eigenständiges Produkt in den Vordergrund rückt.

Wichtige Prinzipien

• Domänenorientierte Verantwortlichkeit: Daten werden von denjenigen Teams verwaltet, die ihnen am nächsten sind, um Qualität und Relevanz sicherzustellen.
• Daten als Produkt: Jede Datendomäne wird als eigenständiges Produkt mit eigenem Lebenszyklus betrachtet, um Zuverlässigkeit und Nutzbarkeit zu gewährleisten.
• Self-Serve-Dateninfrastruktur: Teams erhalten Zugang zu den notwendigen Werkzeugen und Infrastrukturen, um ihre Daten eigenständig zu verwalten.
• Föderierte rechnergestützte Governance: Die Governance wird so gestaltet, dass zentrale Richtlinien mit den spezifischen Anforderungen der einzelnen Domänen in Einklang gebracht werden.

Durch die Einführung eines Data Mesh kann eine höhere Datenverfügbarkeit erreicht, die Zusammenarbeit gefördert und fundiertere Entscheidungen unterstützt werden.

Was ist ein Data Space?

Ein Data Space ist ein konzeptionelles Framework, das den sicheren und nahtlosen Datenaustausch zwischen verschiedenen Organisationen und Domänen ermöglicht. Im Gegensatz zu traditionellen Datenmanagementsystemen liegt der Fokus bei einem Data Space auf Interoperabilität, Datensouveränität und gemeinschaftlicher Governance. Dies ist insbesondere dann von Bedeutung, wenn mehrere Akteure zusammenarbeiten und Daten austauschen müssen.

Definition

Ein Data Space ist ein virtueller Raum, in dem Daten aus unterschiedlichen Quellen sicher ausgetauscht und genutzt werden können. Hierbei wird der Datenaustausch so gestaltet, dass Interoperabilität ermöglicht und die Kontrolle über die eigenen Daten gewahrt bleibt.

Wichtige Prinzipien

• Interoperabilität: In einem Data Space wird sichergestellt, dass Daten aus verschiedenen Quellen nahtlos zusammenarbeiten, unabhängig von den zugrundeliegenden Systemen.
• Datensouveränität: Organisationen behalten die Kontrolle über ihre Daten und legen fest, wer unter welchen Bedingungen darauf zugreifen darf.
• Gemeinschaftliche Governance: Gemeinsame Governance-Modelle werden etabliert, um sicherzustellen, dass alle beteiligten Parteien vereinbarte Regeln und Standards einhalten.
• Vertrauen und Sicherheit: Der Schutz der Daten hat Priorität, sodass ein sicherer Austausch und die Einhaltung von Datenschutzbestimmungen gewährleistet sind.

Mit der Betonung auf Datenzugänglichkeit und -austausch durch den EU Data Act ist es für Unternehmen, insbesondere in Europa, von Bedeutung, Datenspaces in Betracht zu ziehen, um den regulatorischen Vorgaben gerecht zu werden und wettbewerbsfähig zu bleiben.

Überschneidungen zwischen Data Mesh und Data Space

Obwohl es sich bei Data Mesh und Data Space um eigenständige Konzepte handelt, weisen sie einige Gemeinsamkeiten auf, die für moderne Datenmanagementstrategien von Wert sind.

Dezentralisierung

In beiden Konzepten liegt ein Schwerpunkt auf Dezentralisierung. Beim Data Mesh wird die Datenverantwortung auf die Teams verteilt, die den Daten am nächsten stehen. Beim Data Space erfolgt eine Zusammenarbeit verschiedener Organisationen, sodass jede Partei die Kontrolle über ihre eigenen Daten behält.

Daten als Produkt

In beiden Frameworks wird ein produktorientierter Umgang mit Daten angestrebt. Dies beinhaltet eine sorgfältige Aufbereitung, Dokumentation und nutzerfreundliche Bereitstellung. Im Data Mesh obliegt dies jedem einzelnen Domänenteam, während im Data Space Datenanbieter dafür sorgen, dass ihre Daten für andere Teilnehmer im Ökosystem wertvoll und nutzbar sind.

Governance und Sicherheit

Sowohl beim Data Mesh als auch beim Data Space wird großer Wert auf angemessene Governance und hohe Sicherheit gelegt. Das Data Mesh nutzt eine föderierte Governance, um zentrale Richtlinien mit spezifischen Anforderungen der Domänen zu vereinen. Der Data Space setzt auf gemeinschaftliche Governance, bei der alle beteiligten Akteure gemeinsame Regeln und Standards einhalten. Beide Ansätze priorisieren den Schutz der Daten und die Einhaltung von Datenschutzrichtlinien.

Die Kenntnis dieser Gemeinsamkeiten verdeutlicht, wie sowohl Data Mesh als auch Data Space auf eine Verbesserung der Datenzugänglichkeit, -qualität und -sicherheit in ihren jeweiligen Kontexten abzielen.

Unterschiede zwischen Data Mesh und Data Space

Trotz verschiedener Überschneidungen existieren klare Unterschiede, die jeweils auf spezifische Bedürfnisse und Anwendungsszenarien zugeschnitten sind.

Geltungsbereich und Maßstab

Ein Data Mesh konzentriert sich in erster Linie auf die Dezentralisierung des Datenmanagements innerhalb einer einzelnen Organisation. Dadurch werden Datensilos aufgebrochen, indem Domänenteams Verantwortung für ihre Daten übernehmen. Ein Data Space hingegen ist breiter angelegt und zielt auf den Datenaustausch und die Zusammenarbeit über mehrere Organisationen und ganze Branchen hinweg. Dies ist besonders vorteilhaft, wenn eine hohe Interoperabilität zwischen unterschiedlichen Akteuren notwendig ist.

Governance-Ansatz

Beim Data Mesh wird auf eine föderierte Governance gesetzt, die zentrale Aufsicht mit den Anforderungen einzelner Domänen in Einklang bringt. In einem Data Space steht hingegen die gemeinschaftliche Governance im Vordergrund. Mehrere Organisationen legen gemeinsame Regeln und Standards fest, um ein einheitliches Vorgehen im gesamten Data Space zu gewährleisten.

Infrastruktur und Umsetzung

Für die Umsetzung eines Data Mesh ist der Aufbau einer Self-Serve-Infrastruktur erforderlich, damit Domänenteams selbstständig auf die benötigten Werkzeuge und Plattformen zugreifen können. Ein Data Space hingegen setzt auf eine föderierte Infrastruktur, die sicheren Datenaustausch und Interoperabilität zwischen verschiedenen Organisationen ermöglicht. Häufig ist die Integration unterschiedlicher Technologien und Systeme nötig, um einen reibungslosen Austausch zu gewährleisten.

Durch die Unterscheidung dieser Aspekte lassen sich Data Mesh und Data Space gezielter für individuelle Anforderungen im Datenmanagement und bei der Zusammenarbeit nutzen.

Anwendungsfälle für Data Mesh

Ein Data Mesh ist besonders vorteilhaft für große Unternehmen mit komplexen Datenlandschaften und vielfältigen Geschäftsfeldern. Nachfolgend einige Beispiele für Szenarien, in denen ein Data Mesh erheblichen Nutzen stiften kann.

Große Konzerne

In großen Konzernen sind Daten oft über verschiedene Abteilungen und Systeme verstreut. Durch ein Data Mesh wird das Datenmanagement dezentralisiert, sodass jede Abteilung die eigene Datenverantwortung übernimmt. Dies führt zu verbesserter Datenqualität, weniger Engpässen und effizienterer Datennutzung.

• Handelsketten: Verwaltung von Verkaufs-, Bestands- und Kundendaten über zahlreiche Filialen hinweg.
• Finanzinstitute: Umgang mit verschiedenen Datensätzen wie Transaktionen, Kundenprofilen und Marktdaten.

Agile Entwicklungsteams

Agile Entwicklungsteams profitieren von der Autonomie, die ein Data Mesh bietet. Durch die Betrachtung von Daten als Produkt und die Möglichkeit, Daten unabhängig zu verwalten, können Entwicklungszyklen beschleunigt und neue Funktionen oder Dienstleistungen schneller bereitgestellt werden. Dies fördert Innovation und schnelle Reaktionen auf sich ändernde Marktanforderungen.

• Technologieunternehmen: Schnelle Entwicklung und Bereitstellung neuer Softwarefunktionen.
• E-Commerce-Plattformen: Kontinuierliche Aktualisierung von Produktempfehlungen und Kundenerlebnissen.

Organisationen mit vielfältigen Datenquellen

Wenn mit vielfältigen Datenquellen gearbeitet wird, von Transaktionsdatenbanken bis hin zu Streaming-Daten, sorgt ein Data Mesh für konsistente Datenmanagementpraktiken über alle Datentypen hinweg. So kann eine einheitliche Sicht auf die gesamten Datenbestände eines Unternehmens sichergestellt werden.

• Gesundheitsdienstleister: Integration von Patientendaten, Laborergebnissen und Echtzeit-Überwachungsinformationen.
• Fertigungsunternehmen: Zusammenführung von Produktions-, Lieferketten- und IoT-Daten.

Durch den Einsatz eines Data Mesh kann die Datenstrategie verbessert, die Zusammenarbeit gestärkt und fundiertere Entscheidungen ermöglicht werden, was letztendlich zu besseren Geschäftsergebnissen führt.

Anwendungsfälle für Data Spaces

Data Spaces bieten sich insbesondere in Szenarien an, in denen ein sicherer und nahtloser Datenaustausch zwischen mehreren Organisationen von zentraler Bedeutung ist. Nachfolgend einige Beispiele, in denen ein Data Space erheblichen Mehrwert bieten kann.

Branchenübergreifende Kollaboration

In Branchen, in denen eine intensive Zusammenarbeit und ein reger Datenaustausch zwischen unterschiedlichen Akteuren erforderlich sind, können Data Spaces dazu beitragen, Interoperabilität und Datenaustausch zu erleichtern. Gleichzeitig bleiben Datensouveränität und Sicherheit gewahrt.

• Automobilindustrie: Datenaustausch zwischen Herstellern, Zulieferern und Dienstleistern zur Verbesserung der Lieferkette und Entwicklung innovativer Lösungen.
• Gesundheitskonsortien: Austausch von Patientendaten, Forschungsergebnissen und Therapieansätzen zwischen Krankenhäusern, Forschungseinrichtungen und Pharmaunternehmen, um medizinische Fortschritte zu beschleunigen.

Behörden und öffentlicher Sektor

Behörden und öffentliche Einrichtungen können Data Spaces nutzen, um Daten sicher und effizient über verschiedene Abteilungen hinweg sowie mit externen Partnern auszutauschen.

• Smart Cities: Integration von Daten aus Verkehrssystemen, Versorgungsstrukturen und öffentlichen Diensten, um die Stadtplanung zu optimieren und bessere Dienstleistungen anzubieten.
• Öffentliche Gesundheitssysteme: Austausch von Daten zwischen verschiedenen Gesundheitsdienstleistern, Gesundheitsbehörden und Forschungseinrichtungen, um auf Krisen im Gesundheitsbereich effektiver reagieren zu können.

Forschung und Innovation

Forschungseinrichtungen und Organisationen, die im Bereich Innovation tätig sind, können Data Spaces nutzen, um gemeinsam an Projekten zu arbeiten, Erkenntnisse auszutauschen und Ressourcen zu bündeln.

• Akademische Forschung: Erleichterung des Datenaustauschs zwischen Universitäten, Forschungsinstituten und industriellen Partnern, um kooperative Forschungsprojekte voranzutreiben.
• Umweltstudien: Ermöglichung des Datenaustauschs zu Klimawandel, Biodiversität und Nachhaltigkeit zwischen Forschenden und Organisationen, um umfassende Umweltlösungen zu entwickeln.

Durch den Einsatz von Data Spaces wird die Zusammenarbeit gefördert, Innovation vorangetrieben und ein effektiverer sowie sicherer Datenaustausch über verschiedene Domänen hinweg ermöglicht.

Fazit

Das Verständnis der Unterschiede und Gemeinsamkeiten zwischen Data Mesh und Data Space ist für modernes Datenmanagement von zentraler Bedeutung. Während ein Data Mesh die Datenverantwortung innerhalb einer Organisation dezentralisiert und dadurch Agilität sowie Effizienz erhöht, zielt ein Data Space darauf ab, einen sicheren Datenaustausch zwischen mehreren Akteuren zu ermöglichen, um Zusammenarbeit und Innovation zu fördern. Beide Ansätze stellen Daten als Produkt in den Mittelpunkt und setzen auf durchdachte Governance- und Sicherheitskonzepte. Angesichts des EU Data Act ist es für große Organisationen, vor allem in Europa, unerlässlich, diese Frameworks in Erwägung zu ziehen, um den gesetzlichen Anforderungen gerecht zu werden und wettbewerbsfähig zu bleiben. Wenn eine grundlegende Neuausrichtung des Datenmanagements beabsichtigt ist, kann eine Beratung durch Expertinnen und Experten wie jene von Enari helfen, die am besten geeignete Lösung umzusetzen.

Über Enari

Bei Enari liegt der Schwerpunkt auf der Unterstützung von Organisationen bei der Bewältigung komplexer Herausforderungen im Datenmanagement. Ob eine Umsetzung des Data Mesh oder der Aufbau eines Data Space erforderlich ist: Das Expertenteam steht beratend zur Seite. Kontakt aufnehmen, um herauszufinden, wie diese fortschrittlichen Datenstrategien für den Geschäftserfolg nutzbar gemacht werden können.