Was ist Datensuche?

Datensuche ist der Vorgang, mit dem Fachleute für Daten die Datenbestände einer Organisation finden, verstehen, bewerten und auf sie zugreifen. Sie reicht von der Analyse, die den richtigen Datenbestand für eine fachliche Frage sucht, über ein System mit KI, das einen Knowledge Graph abfragt, um passende Tabellen für ein nachgelagertes Modell zu finden, bis zu einem Team für Governance, das prüft, welche Daten es gibt und wer darauf Zugriff hat.

Datensuche klingt geradlinig: Sie brauchen Daten, Sie finden sie. In der Praxis ist sie einer der größten Engpässe für die Produktivität in datengetriebenen Organisationen. Eine Umfrage von Atlan aus dem Jahr 2023 ergab, dass Datenteams im Schnitt 30 % ihrer Zeit allein mit dem Suchen nach Daten verbringen, Zeit, die nicht in Auswertung, Modellierung oder Wertschöpfung fließt. In Organisationen ohne ausgereifte Suche summiert sich diese Reibung: Menschen geben es auf, die richtigen Daten zu finden, und nehmen, was sie finden, was zu widersprüchlichen Auswertungen führt und das Vertrauen in Daten untergräbt.

Datensuche, definiert

Datensuche hat in der Praxis drei verwandte, aber verschiedene Bedeutungen:

1. Daten finden: erkennen, welche Datenbestände, Tabellen, Spalten oder Berichte es gibt, die für eine bestimmte Frage einschlägig sind. „Gibt es einen Datenbestand mit Tagesumsätzen je Produktkategorie?“ Die Antwort verlangt zu wissen, welche Daten die Organisation hat.
2. Daten verstehen: einmal gefunden, bestimmen, was die Daten tatsächlich darstellen. Was bedeutet die Spalte „Umsatz“ in dieser Tabelle, Brutto oder Netto? Welche Kunden enthält dieser Datenbestand, alle oder nur die aktiven? Wer verantwortet diese Daten und sind sie verlässlich? Das verlangt fachlichen Zusammenhang: Definitionen aus dem Glossar, Verantwortung, Metadaten zur Qualität.
3. Daten bewerten: bestimmen, ob die Daten für einen konkreten Anwendungsfall taugen. Wie aktuell sind sie? Welchen Qualitätswert tragen sie? Sind sie für das regulatorische Berichtswesen freigegeben? Enthalten sie personenbezogene Daten, die nach den Richtlinien zum Datenschutz behandelt werden müssen?

Warum das Finden schwer ist

Datensuche ist aus strukturellen Gründen schwer, die nahezu jede Organisation treffen:

• Größe: Moderne Datenumgebungen enthalten Tausende bis Hunderttausende Tabellen, Spalten und Datenbestände über mehrere Plattformen. Katalogisieren von Hand skaliert nicht; eine Stichwortsuche ohne semantisches Verstehen liefert zu viele unpassende Treffer und übersieht passende.
• Mündlich weitergegebenes Wissen: In den meisten Organisationen steckt das Wissen über Datenbestände in Köpfen. „Frag Sarah, sie weiß, wo die Kundendaten liegen.“ Geht Sarah, geht das Wissen mit. Neue Teammitglieder können Wochen damit verbringen zu lernen, welche Daten es gibt, bevor sie produktiv werden.
• Uneinheitliche Benennung: Derselbe Begriff taucht in verschiedenen Systemen unter verschiedenen Namen auf: „Kunde“, „Klient“, „Konto“, „Nutzer“. Ohne gemeinsames Vokabular, also ein Business Glossary, liefert die Suche nach Namen zersplitterte Ergebnisse.
• Fehlender Zusammenhang: Ein im Katalog gefundener Datenbestand nützt nur, wenn Sie ihn verstehen können: was er enthält, was er bedeutet, wer ihn verantwortet, wie man zugreift und ob er verlässlich ist. Datenbestände ohne diesen Zusammenhang sind gefunden, aber nicht nutzbar.
• Zersplitterte Umgebungen: Daten liegen über mehrere Warehouses, Lakes, Datenbanken, SaaS-Anwendungen und Dateisysteme verteilt. Die Suche muss sie alle umspannen, nicht nur ein System.

Wie Datenkataloge die Suche ermöglichen

Ein Datenkatalog ist die wichtigste Infrastruktur für die Datensuche. Moderne Kataloge lösen das Problem auf drei Wegen:

Selbsttätiges Einlesen von Metadaten

Statt sich auf Dokumentation von Hand zu verlassen (die nicht skaliert und sofort veraltet), durchsuchen moderne Kataloge die Datenquellen, also Warehouses, Lakes, Werkzeuge der BI und Strecken, und ziehen technische Metadaten selbsttätig heraus: Tabellennamen, Spaltennamen und Typen, Zeilenzahlen, Anlagedaten, Abfragemuster und die Lineage aus den Werkzeugen der Strecke. Diese Grundlage wird dann um fachlichen Zusammenhang angereichert.

Anreicherung um fachlichen Zusammenhang

Technische Metadaten sagen Ihnen, wie Daten aussehen; der fachliche Zusammenhang sagt Ihnen, was sie bedeuten. Kataloge verknüpfen technische Bestände mit Begriffen aus dem Business Glossary, versehen Datenbestände mit Verantwortung, Klassifizierung und Angaben zur Qualität und zeigen Muster der Nutzung (wer diese Tabelle abfragt, wie oft und wozu). Diese Anreicherung macht aus einem Katalog statt einer Liste von Tabellen ein Werkzeug für die Suche.

Einheitliche Suche

Die Suche im Katalog umspannt alle angemeldeten Datenquellen, also das Warehouse, den Lake, Berichte der BI und Feature Stores für ML, mit einer einzigen Oberfläche für Anfragen. Eine Suche mit Facetten erlaubt das Filtern nach Domäne, Verantwortung, Datentyp, Qualitätswert oder Zugriffsebene. Die semantische Suche, zunehmend von KI getragen, versteht Anfragen nach Bedeutung statt nach Übereinstimmung der Stichworte.

Semantische Suche und KI

Die vorderste Linie der Datensuche liegt 2026 bei der von KI getragenen Suche, die Anfragen nach Bedeutung versteht statt nach Übereinstimmung der Stichworte. Ein Nutzer, der nach „Daten zur Kundenabwanderung“ sucht, sollte auch Datenbestände finden, die mit „Abgang von Abonnenten“ und „Kennzahlen zur Kundenbindung“ ausgezeichnet sind, selbst wenn das Wort „Abwanderung“ in deren Namen nicht vorkommt.

Oberflächen für natürliche Sprache gehen weiter: „Zeig mir alle Datenbestände, die das Team Finanzen verantwortet, die in der letzten Woche aktualisiert wurden und Umsatzdaten enthalten“ ist eine Anfrage, die ein Nutzer im Klartext eintippen kann. Der Katalog übersetzt sie in einen strukturierten Filter über seinen Index aus Metadaten und liefert eine kuratierte Ergebnismenge statt einer Liste von Stichworttreffern.

Für Agenten mit KI und selbsttätige Abläufe ist die Suche programmatisch. Ein Agent, der eine Frage zum Verhalten von Kunden beantworten soll, ruft die API des Katalogs auf, erkennt die einschlägigen Datenbestände und ihre Lineage, holt sich die Angaben zum Zugriff und macht weiter, ohne dass ein Mensch eingreift. Der MCP Server von Dawiso ermöglicht genau dieses Muster: Agenten nutzen das Model Context Protocol, um den Katalog von Dawiso programmatisch abzufragen und geregelte Datenbestände als Teil ihres Schließens zu finden.

Suche und Governance

Suche und Governance verstärken einander: Die Governance liefert die Metadaten, die die Suche erst nützlich machen, und die Suche liefert die Signale zur Nutzung, die Entscheidungen der Governance tragen.

Die Bausteine der Governance, an denen die Suche hängt:

• Business Glossary: Datenbestände mit fachlichen Begriffen zu verknüpfen ermöglicht das Suchen nach Begriff: ein Nutzer, der nach „Abwanderung“ sucht, findet alles, was mit dem Glossarbegriff „Kundenabwanderungsrate“ ausgezeichnet ist, gleich wie der technische Name im Data Warehouse lautet.
• Klassifizierung: Ergebnisse der Suche können die Einstufung nach Schutzbedarf enthalten (PII, vertraulich, öffentlich) und lassen Nutzer die Anforderungen an Zugriff und Behandlung einschätzen, bevor sie Zugriff beantragen.
• Datenqualität: Qualitätswerte in den Ergebnissen zu zeigen lässt Nutzer begründet wählen: Sie sehen, ob ein Datenbestand ihre Schwelle erreicht, bevor sie Zeit in Zugriff und Auswertung stecken.

Eine Kultur des Findens aufbauen

Technik ist nötig, aber für gute Datensuche nicht hinreichend. Die Praxis der Organisation zählt ebenso viel wie der Katalog:

• Katalogisieren zur Norm machen, nicht zur Last: Wenn diejenigen, die Daten erzeugen, ihre Datenbestände als selbstverständlichen Teil der Veröffentlichung beschreiben und nicht in einem nachgeholten Projekt, wächst die Abdeckung des Katalogs von selbst und bleibt aktuell.
• Auffindbarkeit messen: Verfolgen Sie Kennzahlen wie die Quote von der Suche zum Erfolg (wie oft führt eine Suche zu einem Antrag auf Zugriff), die Zeit bis zum Fund und den Anteil der Abdeckung im Katalog. Sie zeigen, wo die Erfahrung beim Suchen bricht.
• Rückkopplung schaffen: Wenn Nutzer Ergebnisse bewerten, veraltete Metadaten melden oder fehlende Beschreibungen unmittelbar im Katalog markieren können, verbessert sich der Katalog fortlaufend aus der Nutzung heraus, statt eigene Runden der Kuratierung zu verlangen.

Fazit

Datensuche ist kein nettes Extra, sie ist das Tor zu jeder datengetriebenen Tätigkeit in einer Organisation. Wer in der Auswertung die richtigen Daten nicht findet, nimmt die falschen. Wer im Engineering nicht weiß, welche Daten es gibt, baut Strecken, die vorhandene Arbeit verdoppeln. Systeme mit KI, die passenden Kontext nicht finden, fallen auf allgemeine, unverankerte Antworten zurück. In die Infrastruktur für die Suche zu investieren, also in einen gut gepflegten Katalog, reiche Metadaten, semantische Suche und programmatischen Zugang für Agenten, gehört zu den Investitionen mit der höchsten Rendite, die eine Datenorganisation machen kann.