Was ist Datenprovenienz?

Datenprovenienz ist der dokumentierte Nachweis darüber, woher Daten stammen und was seither mit ihnen geschehen ist: ihre ursprüngliche Quelle, jede Umformung, die sie durchlaufen haben, wer oder was jeden Schritt ausgeführt hat und ob den Daten zu trauen ist. Das Wort kommt aus der Kunstwelt, wo die Provenienz eines Werks jene Kette von Eigentümern ist, die seine Echtheit belegt. Auf Daten übertragen beantwortet die Provenienz dieselbe Grundfrage: Kann ich dem trauen, und kann ich belegen, woher es kommt?

In dem Maß, in dem Daten Analytik, aufsichtsrechtliche Berichte und KI speisen, ist die Provenienz vom Nice-to-have zur Notwendigkeit geworden. Sie können einer Zahl nicht trauen, einer prüfenden Person nicht genügen und ein Modell nicht gefahrlos auf Daten trainieren, deren Ursprung und Geschichte Sie nicht belegen können. Die Provenienz ist eng mit der Data Lineage verwandt, und oft werden beide Begriffe gleichbedeutend verwendet. Die Provenienz ist aber der weitere Gedanke: Die Lineage ist der Weg, den die Daten genommen haben, die Provenienz ist dieser Weg samt dem Kontext aus Wer, Warum und Vertrauenswürdigkeit.

Datenprovenienz im Überblick

Die Datenprovenienz ist die vollständige, dokumentierte Lineage und der Kontext eines Datenbestands: sein Ursprungsort, die Abfolge der Prozesse, die ihn erzeugt und umgeformt haben, die Menschen und Systeme, die für jeden Schritt verantwortlich sind, und der Beleg dafür, dass er das ist, was er zu sein vorgibt. Geht es um einen einzelnen Wert in einem Bericht, lässt die Provenienz ihn vollständig zurückverfolgen, durch jeden Join, jede Berechnung und jede Pipeline, bis zum ursprünglichen Quellsystem und zum Zeitpunkt der Erfassung, samt der Angabe, wer jede Umformung auf diesem Weg freigegeben hat.

Das Ziel der Provenienz sind Verantwortung und Vertrauen. Sie macht aus einem Datenbestand, den man auf Treu und Glauben hinnehmen muss, einen, dessen ganze Vorgeschichte sich prüfen lässt. Diese Vorgeschichte ist es, die Sie entscheiden lässt, ob Sie sich auf die Daten stützen, ob Sie sie einer Aufsicht erklären, ob Sie sie bei einem Fehlerbild untersuchen oder ob Sie die Analyse reproduzieren, die sie verwendet hat.

Provenienz und Lineage

Provenienz und Lineage überschneiden sich stark, und viele Teams verwenden sie gleichbedeutend. Es gibt aber einen nützlichen Unterschied, den man klar halten sollte.

Die Data Lineage bildet den technischen Weg ab, den Daten nehmen: ihre Quellen, die angewandten Umformungen und die Ziele, in denen sie landen. Sie beantwortet, woher diese Daten geflossen sind und wohin. Die Provenienz schließt diese Lineage ein und ergänzt den Kontext: wer jeden Schritt freigegeben und ausgeführt hat, warum er geschehen ist und ob die ursprüngliche Quelle die Anforderungen an Echtheit und Qualität erfüllt hat. Kurz: Die Lineage ist der Weg, die Provenienz ist der Weg samt der Verantwortung darum herum. Deshalb versteht man die Lineage am besten als einen Teil der Provenienz, und deshalb ist eine starke Lineage in der Praxis das Fundament, auf dem eine vollständige Provenienz aufbaut.

Warum sie zählt

Die Provenienz trägt mehrere Dinge, auf die Organisationen immer weniger verzichten können:

• Vertrauen. Eine Zahl ist nur so vertrauenswürdig wie ihr Ursprung. Die Provenienz lässt Menschen prüfen, dass eine Kennzahl aus einer maßgeblichen Quelle stammt und richtig umgeformt wurde, statt sie auf Treu und Glauben hinzunehmen.
• Compliance und Prüfung. Vorschriften verlangen Nachverfolgbarkeit. Die DSGVO verlangt zu wissen, woher personenbezogene Daten stammen und wohin sie fließen; der EU AI Act und die Regeln des Finanzwesens verlangen, die Daten hinter KI und Berichten zu dokumentieren. Die Provenienz ist Ihre Antwort auf die Aufforderung, es zu belegen.
• Verantwortung über KI-Trainingsdaten. Ursprung, Lizenzlage und Qualität der Daten zu kennen, auf denen ein Modell trainiert oder geerdet wurde, ist heute ein Kernthema von Governance und Risiko, und ohne Provenienz nicht zu haben.
• Reproduzierbarkeit. Eine Analyse oder ein Modell zu reproduzieren verlangt zu wissen, welche Daten in welchem Zustand ein Resultat erzeugt haben, und genau das hält die Provenienz fest.
• Fehlersuche und Wirkungsanalyse. Sehen Daten falsch aus, lässt die Provenienz Sie zur Fehlerquelle zurückverfolgen; ändert sich eine Quelle, zeigt sie alles Nachgelagerte, das betroffen ist.

Der Standard W3C PROV

Formalisiert wird die Provenienz durch die Spezifikationsfamilie W3C PROV, einen fachgebietsunabhängigen Standard zur Darstellung von Provenienzinformationen. PROV bildet die Welt mit drei Kernbegriffen ab: Entitäten (die Dinge, etwa ein Datensatz oder ein Bericht), Aktivitäten (die Prozesse, die Entitäten erzeugen oder umformen) und Agenten (die Menschen oder Systeme, die für diese Aktivitäten verantwortlich sind). Dieses Modell aus Entität, Aktivität und Agent erfasst beide oben besprochenen Dimensionen: den Weg (Entitäten und Aktivitäten) und die Verantwortung (Agenten). PROV ist aus früherer Forschung hervorgegangen, darunter das 2011 veröffentlichte Open Provenance Model, und gibt Organisationen ein gemeinsames Vokabular, um Provenienz über Werkzeuge hinweg festzuhalten und auszutauschen.

Wie Dawiso hilft

Dawiso erfasst die Provenienz über eine interaktive Data Lineage, die Daten über Ihre gesamte Datenlandschaft hinweg verfolgt, von den Quellsystemen über jede Umformung bis zu den Dashboards, Berichten und KI-Anwendungen, die sie verbrauchen. Zusammen mit dem Katalog und dem Business Glossary trägt diese Lineage den Kontext, der sie zu echter Provenienz macht: aus welcher Quelle jeder Bestand stammt, wie er umgeformt wurde, wer ihn verantwortet und wie vertrauenswürdig er ist. Weil Dawiso das über Plattformen hinweg steuert und nicht innerhalb eines einzelnen Werkzeugs, endet die Provenienz nicht an einer Systemgrenze: Sie können eine Zahl aus einem BI-Bericht bis zu ihrem Ursprung zurückverfolgen. Und über den Context Layer und den Dawiso MCP Server steht diese Provenienz auch KI-Agenten zur Verfügung, sodass sie und ihre Prüferinnen und Prüfer wissen können, woher jede Tatsache, die sie verwenden, tatsächlich stammt.

Fazit

Die Datenprovenienz ist die vollständige, dokumentierte Vorgeschichte von Daten: ihr Ursprung, ihre Umformungen, die verantwortlichen Agenten und der Beleg dafür, dass ihnen zu trauen ist. Sie umfasst die Data Lineage und erweitert sie um das Wer, das Warum und die Echtheit, die aus einem Datenfluss echte Verantwortung machen. In dem Maß, in dem Vertrauen, Compliance und KI den Einsatz erhöhen, genau zu wissen, woher Daten kommen, ist die Provenienz zu tragender Data Governance geworden. Erfassen Sie sie über plattformübergreifende Lineage und einen gesteuerten Katalog, und jede Zahl, jeder Bericht und jede KI-Antwort wird zu etwas, das Sie verfolgen, dem Sie trauen und das Sie belegen können.