Was ist ein Business Glossary?

Ein Business Glossary (ein Fachglossar) ist eine gepflegte, gesteuerte Sammlung von Fachbegriffen und ihren Definitionen: das gemeinsame Vokabular, das allen in einer Organisation sagt, was aktiver Kunde, Bruttomarge oder pünktliche Lieferung tatsächlich bedeuten. Es ist die maßgebliche Antwort auf die Frage „Was meinen wir, wenn wir das sagen?“, gepflegt nicht als statisches PDF, sondern als lebende, maschinenlesbare Schicht, die mit den Daten verbunden ist, die jeden Begriff umsetzen.

Im Jahr 2026 ist das Business Glossary kein internes Dokumentationsartefakt mehr, sondern ein Stück produktive Infrastruktur. Es ist die Schicht, die verhindert, dass fünf Dashboards fünf verschiedene Umsatzzahlen melden, die KI-Agenten davon abhält, sich eigene Definitionen auszudenken, und die Aufsichtsbehörden den prüfbaren Nachweis gibt, den sie zunehmend verlangen. Wenn in Ihrer Organisation je darüber gestritten wurde, wessen Kundenzahl „die richtige“ ist, haben Sie gesehen, was es kostet, keines zu haben oder eines, dem niemand traut.

Warum ein Business Glossary wichtig ist

Der Wert eines Business Glossary zeigt sich am deutlichsten, wenn es fehlt. Zwei Teams melden die Kundenzahl nach verschiedenen Regeln und streiten darüber, welche stimmt. Ein Analyst verknüpft eine Spalte namens status, ohne zu wissen, dass „aktiv“ je nach Quellsystem drei verschiedene Bedeutungen hat. Ein neues Data Product wird auf einem Umsatz gebaut, der Erstattungen stillschweigend ausschließt, weil der Entwickler das nicht wusste. Jeder dieser Fälle ist ein Versagen des Glossars.

Ein gut gepflegtes Business Glossary löst vier strukturelle Probleme auf einmal:

• Gemeinsames Verständnis: Alle arbeiten mit denselben Definitionen. „Aktiver Kunde“ bedeutet dasselbe in der Vorlage des CFO, im Dashboard des Produktteams und im Kampagnenbericht des Marketings.
• Einheitliche Berichte: Kennzahlen und KPIs werden einmal definiert, von ihren Verantwortlichen verfasst und überall genutzt. Abweichungen zwischen Berichten werden nachvollziehbar, weil jede Kennzahl auf eine einzige Definition zurückweist.
• Prüfbarkeit für Aufsichtsbehörden: Vorschriften wie BCBS 239, DORA und der EU AI Act verlangen zunehmend den Nachweis, dass eine Organisation weiß, was ihre Daten bedeuten und wer dafür einsteht. Ein gesteuertes Business Glossary ist die Art, wie Organisationen das belegen.
• Vertrauen in KI und Analysen: Menschen wie Maschinen brauchen Kontext, um Daten richtig zu deuten. Ohne fachliche Bedeutung an den Daten kann ein KI-Agent, der ein Feld namens margin abfragt, nicht wissen, ob Brutto-, Netto- oder Deckungsbeitragsmarge gemeint ist.

Das Muster wiederholt sich über Branchen hinweg: Organisationen mit gesteuerten Glossaren berichten von weniger Streit über Kennzahlen, schnellerem Onboarding von Analysten und deutlich geringerem Compliance-Aufwand. Organisationen ohne sie führen dieselben Definitionskriege in jeder neuen Initiative erneut.

Was in ein Business Glossary gehört

Ein produktionsreifes Business Glossary ist mehr als eine Liste von Definitionen. Jeder Begriff ist ein strukturiertes, gesteuertes Objekt, und das Glossar als Ganzes ist ein vernetztes semantisches Modell des Geschäfts.

Begriffe, Definitionen und Verantwortung

Jeder Eintrag in einem Business Glossary enthält:

• Begriff: der kanonische Name, möglichst eindeutig in der ganzen Organisation. Gute Glossare verwenden Substantive im Singular und lösen Mehrdeutigkeit über Domänen auf (etwa Kunde (Marketing) gegenüber Kunde (Finanzen)).
• Definition: eine knappe Erklärung in der Sprache des Fachbereichs. Starke Definitionen beschreiben das Konzept, nicht die Berechnung. „Ein Kunde, der in den letzten 90 Tagen mindestens eine bezahlte Bestellung aufgegeben hat“ ist eine Definition; „COUNT(DISTINCT user_id) WHERE last_order_date > CURRENT_DATE - 90“ ist eine Umsetzung.
• Owner und Steward: die fachlich verantwortliche Person für die Definition und der Data Steward, der sie operativ pflegt. Ohne Verantwortliche driften Glossareinträge ab oder veralten.
• Beispiele, Synonyme, Abkürzungen: praktischer Kontext, der Lesern hilft, den Begriff in all seinen Varianten wiederzuerkennen.
• Status und Lebenszyklus: Entwurf, freigegeben, abgekündigt. Das Abkündigen ist so wichtig wie das Anlegen: Alte Begriffe verschwinden nicht über Nacht.

Beziehungen zu Datenobjekten

Ein Begriff, der nur auf einer Wiki-Seite steht, ist schwache Infrastruktur. Ein produktiver Glossarbegriff ist mit den physischen Datenbeständen verknüpft, die ihn umsetzen: Tabellen, Spalten, Berichte, Kennzahlen. Das macht aus „gemeinsamem Verständnis“ ein „gemeinsames Verständnis, das sich nachvollziehen lässt“.

Diese Verknüpfungen beantworten die entscheidende Anschlussfrage: Woher kommt diese Zahl? Vom Glossarbegriff aus kann ein Nutzer oder ein Agent zu den Datensätzen gelangen, die ihn umsetzen, zu den Berichten, die ihn nutzen, zu der Lineage, die ihn erzeugt hat, und zu den Verantwortlichen für jeden Schritt. Das Glossar wird zur Navigationsebene über der gesamten Datenlandschaft.

Standards und Taxonomien

Branchen mit regulatorischem Gewicht (Finanzdienstleistungen, Gesundheitswesen, Pharma) haben oft standardisierte Vokabulare: FIBO im Finanzwesen, SNOMED für klinische Begriffe, HL7 für Gesundheitsdaten. Ein Business Glossary, das sich an diesen Standards ausrichtet, gewinnt regulatorischen Nutzen gratis dazu, weil die Zuordnung vom internen Begriff zum Branchenstandard ausdrücklich und prüfbar ist.

Auch außerhalb regulierter Branchen zählen Taxonomien. Glossare ordnen Begriffe üblicherweise in Domänen (Finanzen, HR, Produkt, Betrieb), mit hierarchischen Beziehungen (ein Premium-Kunde ist ein Untertyp von Kunde). Die Taxonomie macht aus einer flachen Liste ein Modell des Geschäfts.

Business Glossary, Data Dictionary und Datenkatalog

Die drei werden oft in einen Topf geworfen, beantworten aber verschiedene Fragen für verschiedene Zielgruppen.

• Business Glossary: Was bedeutet dieses Konzept? Zielgruppe: die Fachbereiche. Inhalt: Fachbegriffe, Definitionen, Verantwortung. Beispiel: „Aktiver Kunde“.
• Data Dictionary: Was ist diese Spalte? Zielgruppe: technisch. Inhalt: Tabellen, Spalten, Datentypen, Bedingungen. Beispiel: dim_customer.is_active BOOLEAN NOT NULL.
• Datenkatalog: Welche Daten gibt es und wo? Zielgruppe: beide. Inhalt: das vollständige Inventar der Datenbestände, verschlagwortet, durchsuchbar, mit Qualitäts- und Lineage-Metadaten. Beispiel: die Suche nach Datensätzen über 30 Quellsysteme hinweg.

Ein reifes Programm für Data Governance nutzt alle drei, und zwar verbunden: Glossarbegriffe verweisen auf Dictionary-Einträge, diese auf Katalogobjekte. Die Frage „Was ist ein aktiver Kunde?“ beginnt im Glossar; „Welche Tabellen enthalten Daten zu aktiven Kunden?“ führt vom Glossar in den Katalog; „Was bedeutet die Spalte is_active?“ geht vom Dictionary ins Glossar. Die Stärke liegt in den Verbindungen, nicht in den einzelnen Artefakten.

Business Glossary, Semantic Layer und Context Layer

Zwischen den Rohdaten und den Menschen oder KI-Systemen, die sie verstehen wollen, liegen drei Schichten: das Business Glossary, der Semantic Layer und der Context Layer. Sie werden oft verwechselt und mitunter sogar als konkurrierende Produkte verkauft, tun aber grundverschiedene Dinge. Ein moderner Datenstack im Unternehmen braucht alle drei, und ihre Beziehungen sind es, die KI-Systeme vertrauenswürdig machen.

Drei Schichten, drei Aufgaben

Das Business Glossary hält die menschliche Bedeutung fest. Seine Einheit ist der Begriff, verfasst von einer fachlich verantwortlichen Person: Ein aktiver Kunde ist ein Kunde, der in den letzten 90 Tagen eine bezahlte Bestellung aufgegeben hat. Es beantwortet die Frage „Was bedeutet dieses Konzept?“ und wird von Menschen für Menschen gepflegt: Stewards geben Änderungen frei, Leser lernen die Sprache des Geschäfts.

Ein Semantic Layer hält die rechnerische Bedeutung fest. Seine Einheit ist die Kennzahl oder Dimension: active_customers ist als SQL-Abfrage über Fakten- und Dimensionstabellen definiert, die eindeutige Kunden-IDs mit Bestellungen der letzten 90 Tage zählt. Er beantwortet die Frage „Wie berechne ich das einheitlich?“ und wird von Data Engineers für BI-Werkzeuge und Anwendungen gepflegt. Werkzeuge wie der dbt Semantic Layer, Cube, AtScale und LookML von Looker besetzen diesen Raum.

Ein Context Layer ist die zur KI hin gerichtete Zusammensetzung aus beidem, ergänzt um Katalog, Lineage und Governance-Metadaten, bereitgestellt über ein standardisiertes Protokoll, damit KI-Agenten sie nutzen können. Er beantwortet die Frage „Was braucht die KI für eine belegte, vertrauenswürdige Antwort?“, und seine Einheit ist kein einzelnes Artefakt, sondern der gesamte Graph der Beziehungen zwischen fachlicher Bedeutung, Berechnung, Speicherort, Verantwortung und Qualität.

Wie sie zusammenhängen: vom Begriff über die Kennzahl zum Agenten

Die Verbindung zwischen den drei Schichten ist eine ausdrückliche Zuordnung, keine stille Hoffnung. Eine gesteuerte Umsetzung sieht so aus:

• Der Glossarbegriff Aktiver Kunde hat eine einzige verfasste Definition mit einer fachlich verantwortlichen Person.
• Dieser Begriff ist mit der Kennzahl active_customers im Semantic Layer verknüpft, einer Definition auf SQL-Ebene, die die fachliche Bedeutung auf dem Warehouse umsetzt.
• Die semantische Kennzahl wiederum ist über die Lineage bis zu den zugrunde liegenden Tabellen und Spalten nachvollziehbar, sodass eine Änderung an der Kennzahl bis zu jedem Abnehmer durchschlägt.
• Der Context Layer stellt alle drei bereit, also Begriff, Kennzahl und Lineage, und zwar KI-Agenten über ein standardisiertes Protokoll (MCP). Ein Agent, der gefragt wird „Wie viele aktive Kunden hatten wir im dritten Quartal?“, kann die Definition abrufen, die berechnete Zahl holen und beides dem Nutzer erklären.

Steht diese Zuordnung, ist eine Änderung auf jeder Schicht bis zu den anderen nachvollziehbar. Ein Steward aktualisiert die Definition von Aktiver Kunde? Die für die Kennzahl verantwortliche Person wird benachrichtigt, nachgelagerte Berichte werden zur Prüfung markiert, und der Context Layer liefert bei der nächsten Abfrage die aktualisierte Definition. Ohne die Zuordnung driftet jede Schicht für sich, und der Stapel verliert langsam seinen Zusammenhalt.

Warum KI alle drei braucht

Ein LLM allein beantwortet die Frage „Was ist ein aktiver Kunde?“ bereitwillig mit einer plausibel klingenden Definition aus Trainingsdaten, die mit Ihrem Geschäft nichts zu tun hat. Mit einem Semantic Layer kann es die Zahl berechnen, weiß aber immer noch nicht, was sie in Ihrer Organisation bedeutet, und auch nicht, ob die gewählte Definition Ihrer entspricht. Mit einem Business Glossary hat es Definitionen, aber keinen Weg zur tatsächlichen Zahl. Erst die Kombination, also Glossary für die Bedeutung, Semantic Layer für die Berechnung und Context Layer zur Bereitstellung beider, ergibt vertrauenswürdige Antworten.

Aus demselben Grund scheitern Systeme mit Agentic AI im Unternehmensmaßstab ohne diese Infrastruktur. Ein Agent, der eine mehrstufige Aufgabe plant, muss herausfinden, welche Konzepte es gibt (Glossary), Zahlen einheitlich berechnen (Semantic Layer), nachvollziehen, woher sie kommen (Lineage), und all das über eine standardisierte Schnittstelle tun (MCP). Der Context Layer ist der Mechanismus, der das zu einer Oberfläche zusammenbindet, über die der Agent überhaupt nachdenken kann.

Die Zuordnung in der Praxis

Die drei Schichten zu verbinden verlangt in der Praxis drei Disziplinen:

• Typisierte Verknüpfungen zwischen Glossarbegriffen und Kennzahlen: keine Textverweise in einer Beschreibung, sondern echte Beziehungen im Governance-Werkzeug. Erst das erlaubt Navigation in beide Richtungen und Folgenabschätzung.
• Weitergabe der Verantwortung: Die verantwortliche Person für den Glossarbegriff ist die fachliche Instanz, die für die Kennzahl die technische. Governance-Abläufe halten beide im Gleichklang, wenn sich eine Seite ändert.
• Einheitliche Bereitstellung: Der Context Layer stellt alle drei plus Katalog und Lineage über ein standardisiertes Protokoll bereit, sodass KI-Agenten und menschliche Werkzeuge auf dieselben gesteuerten Informationen zugreifen, statt sie je Anbindung neu zu bauen.

Stehen diese Disziplinen, hört das Business Glossary auf, ein Artefakt für sich zu sein, und wird zum Einstieg in ein vernetztes semantisches Modell des Geschäfts, also zu dem Fundament, auf das sich Analysen wie KI stützen.

Business Glossaries für KI und Analysen

Für Analysen verhindert das Business Glossary den häufigsten Fehler von BI: mehrere Teams melden dieselbe Kennzahl mit verschiedenen Zahlen. Wenn jeder Bericht aus dem Semantic Layer zieht und jede Kennzahl dort gegen einen Glossarbegriff definiert ist, erbt der gesamte Berichtsstapel diese Einheitlichkeit. Das Glossar wird zum Vertrag zwischen Fachbereich und Analytics.

Für KI steht mehr auf dem Spiel. LLMs und Agenten gehen mit Mehrdeutigkeit nicht nachsichtig um, sie lösen sie durch Raten auf. Ohne Glossar deutet eine KI, die nach „Umsatz“ gefragt wird, das Wort nach ihren Trainingsdaten und nicht nach den Rechnungslegungsregeln Ihres Unternehmens. Mit einem Glossar, das über einen Context Layer an die KI angebunden ist, holt sich der Agent die maßgebliche Definition, bevor er antwortet. Das ist der praktische Mechanismus hinter dem, was „Grounding“ genannt wird: KI-Ausgaben in überprüfbaren fachlichen Tatsachen zu verankern.

Der EU AI Act schreibt genau das für KI-Systeme mit hohem Risiko fest: Organisationen müssen nachweisen, dass ihre KI mit gesteuerten, hochwertigen Daten und passendem fachlichem Kontext arbeitet. Ein Business Glossary ist die Art, wie Unternehmen ihre Compliance belegen, denn es ist das Artefakt, das zeigt: „Wir wissen, was dieses Feld bedeutet, und wer dafür einsteht.“

Ein Business Glossary aufbauen und steuern

Ein Glossar zu bauen ist kein Projekt für ein Quartal. Es ist ein Programm mit klaren Meilensteinen im ersten Jahr und einer langen Betriebsdauer. Drei Praktiken trennen Glossare, die sich halten, von solchen, die stecken bleiben.

Mit dem anfangen, worüber das Geschäft wirklich streitet

Der schnellste Weg, ein Glossar zu töten, ist bei den naheliegenden Begriffen anzufangen, also Kunde, Produkt, Umsatz, und sie im luftleeren Raum zu definieren. Diese Begriffe sind nicht strittig, bis sie echte Berichte berühren. Besser: die fünf Kennzahlen bestimmen, über die die Führung in ihren Reviews am meisten streitet, und die zuerst definieren. Das Glossar bekommt sofort fachlichen Wert, und die Stewards lernen den Governance-Ablauf an Begriffen, auf die es ankommt.

Verantwortliche benennen, bevor Definitionen geschrieben werden

Eine Definition ohne Verantwortlichen ist eine Definition, die auf ihr Veralten wartet. Verantwortung zuzuweisen ist schwerer als Definitionen zu schreiben, weil es von der Führung ein Bekenntnis zur Rechenschaft verlangt, und genau deshalb haben die meisten steckengebliebenen Glossare Definitionen, aber keine Verantwortlichen. Drehen Sie die Reihenfolge um: erst die verantwortliche Person benennen, dann von ihr die Definition verfassen oder freigeben lassen.

Vom ersten Tag an mit den Daten verbinden

Ein Glossar, das nicht mit Daten verknüpft ist, ist Dokumentation. Ein Glossar, das mit den Datensätzen, Berichten und Kennzahlen verknüpft ist, die jeden Begriff umsetzen, ist Infrastruktur. Diese Verknüpfungsdisziplin sollte beim ersten Begriff beginnen, sonst sammelt das Glossar verwaiste Begriffe an, denen niemand traut, weil sie sich nicht bis zur Umsetzung verfolgen lassen.

Wie Dawiso das Business Glossary angeht

Bei Dawiso ist das Business Glossary keine Funktion für sich, sondern eine erstklassige Schicht der Plattform, verbunden mit jeder anderen Metadatendomäne. Jeder Glossarbegriff lässt sich über den Data Catalog mit den physischen Objekten verknüpfen, die ihn umsetzen, über Interactive Data Lineage bis zu seinen Abnehmern verfolgen und mit KI-gestützten Funktionen automatisch anreichern, die Definitionen vorschlagen, Synonyme sichtbar machen und anhand von Nutzungsmustern Verantwortliche empfehlen.

Dasselbe Glossar steht KI-Agenten als Teil des umfassenderen Context Layer über den Dawiso MCP Server zur Verfügung. Ein Agent, dem eine fachliche Frage gestellt wird, kann die maßgebliche Definition nachschlagen, die semantische Kennzahl finden, die sie berechnet, die Lineage zur Herkunft prüfen und die Antwort in verständlicher Fachsprache erklären, alles über standardisierte Aufrufe des Model Context Protocol.

Der Dawiso AI Context Layer ist der produktseitige Ausdruck dieses Gedankens: Business Glossary, Katalog, Lineage und Governance-Metadaten zu einer einzigen, zur KI hin gerichteten Oberfläche verbunden, damit KI-Systeme im Unternehmen aus demselben gesteuerten Kontext arbeiten wie Analysten und Stewards.

Fazit

Ein Business Glossary ist das gemeinsame Vokabular, das ein Unternehmen lesbar macht: für die eigenen Leute, für den Analytics-Stack und für die KI-Systeme, die zunehmend auf seinen Daten arbeiten. Der Wert liegt nicht in der Liste der Begriffe, sondern in den Verbindungen: vom Begriff zum Datenobjekt, zur semantischen Kennzahl, zum Context Layer und zur verantwortlichen Person. Diese Verbindungen machen aus einem Glossar Infrastruktur statt Dokumentation.

Für Organisationen, die Analysen ausbauen oder KI einführen, zählt die Reihenfolge. Das Glossar ist das Fundament, Semantic Layer und Context Layer setzen darauf auf. Investieren Sie zuerst in die Definitionen, die Verantwortung und die Verbindungen zu den Daten, und jede nachgelagerte Initiative erbt diese Investition, ob Einheitlichkeit in BI, Verankerung von KI oder regulatorischer Nachweis. Lassen Sie es aus, und jede nachgelagerte Initiative löst dasselbe Definitionsproblem für sich noch einmal, teurer und mit weniger Vertrauen.