KOMMENTAR VON JÖRG HESSKE, DENODO LOGISCHES DATENMANAGEMENT – EIN ENABLER FÜR
AGENTIC AI
18.03.2026 Von Jörg Hesske 5 min Lesedauer
Anbieter zum Thema
Gebäude sind nur so standhaft wie ihre Grundmauern – und ähnlich verhält es sich
mit KI-Anwendungen. Wer solide KI-Architekturen aufbauen möchte, sollte sich
zunächst mit dem Datenfundament befassen. Jörg Hesske, Regional Vice President
bei Denodo, erklärt, welche Vorteile ein logisches Datenmanagement für eine
effizientere KI-Nutzung in Unternehmen bringen kann.
Niemand, der sich für (KI) interessiert, dürfte im vergangenen Jahr an der
vielzitierten MIT-Studie vorbeigekommen sein, nach der . Doch warum lassen sich
die hohen Investitionen der Unternehmen nur so schwer in messbare Ergebnisse
übersetzen? Ein wichtiger Grund dafür liegt in der Datengrundlage, auf der
KI-Modelle aufbauen. Die Qualität von KI-Outputs hängt direkt von der Qualität
der Trainingsdaten ab, die in das System eingespeist werden. Je größer das
Datenvolumen und je höher die im Trainingsdatensatz ist, desto genauer sind die
Vorhersagen und Entscheidungen, die die KI auf Basis dieser Daten trifft.
DIE GRENZEN ALLGEMEINER LLMS ÜBERWINDEN
Wenn allgemeine für spezialisierte Aufgaben innerhalb von Unternehmen eingesetzt
werden sollen, offenbart sich eine Schwäche: Trotz des umfassenden allgemeinen
Wissensschatzes fehlt in der Regel der Einblick in das Unternehmen selbst,
sodass sich die Frage stellt, wie diese Informationen in eigene KI-Anwendungen
eingebracht werden können.
Als Antwort darauf etablierte sich (RAG), eine Technik, die LLMs mit internen
Datenquellen einer Organisation integriert, etwa CRM-Systemen,
Produktdatenbanken und mehr. Anfragen werden über eine Vektordatenbank geleitet,
um zusätzliche, zur Anfrage passende Informationsquellen zu identifizieren.
Anschließend werden diese Ergebnisse zusammen mit der ursprünglichen Frage
wieder an das LLM übergeben. Eine Vektordatenbank ist dabei eine spezialisierte
Datenbank, die Daten in numerischen Repräsentationen speichert, um
Ähnlichkeitssuchen und eine schnellere Datenabfrage zu ermöglichen.
Durch die Kombination von KI und RAG können Unternehmen ihren Mitarbeitern
ermöglichen, in Dialog mit den eigenen Daten zu treten. Sie können sehr tief in
diese Informationen einsteigen und beispielsweise Diagramme zu historischen
Lagerbeständen, Verkaufszahlen oder Lieferanteninformationen erzeugen. Diese
Fähigkeit ist der Schlüssel zu echter Datendemokratisierung. Jede Person kann
eine Frage stellen und ein Ergebnis erhalten, ohne Kenntnisse über die
Datenstruktur, eine Abfragesprache oder ein Analysewerkzeug zu benötigen.
Allerdings ist die Implementierung eines solchen Modells alles andere als
trivial. Im Wesentlichen gibt es dafür zwei Ansätze.
ZWISCHEN DATENREPLIKATION UND SQL-ABFRAGEN
Von den beiden Möglichkeiten ist die Datenreplikation in Vektordatenbanken oft
schneller umzusetzen und ermöglicht kontextbezogene Suchen im Rahmen von
RAG-Prozessen, indem Inhalte in einer Vektordatenbank indexiert werden. Das
funktioniert sehr gut für Bilder und PDFs, deren Inhalte direkt in Antworten
einbezogen werden können. Bei strukturierten Daten hat dieser Ansatz jedoch
erhebliche Nachteile. So fehlt häufig die feingranulare Zugriffskontrolle, wie
sie in klassischen Datenbanken üblich ist. Zudem lassen sich typische
analytische Fragestellungen, die das Verbinden oder Aggregieren von Datenpunkten
über sehr große Datenmengen hinweg erfordern, mit SQL-Abfragen deutlich besser
lösen.
Die Alternative basiert auf der Idee, natürliche Sprachfragen in SQL-Abfragen zu
übersetzen. Damit lassen sich einige der Schwächen des vorherigen Ansatzes
überwinden. Allerdings entstehen auch neue Herausforderungen. Häufig kann dieser
Ansatz nur auf eine einzelne Datenquelle angewendet werden. Viele Fragen
beziehen sich jedoch auf operative Daten aus Anwendungen oder Drittsystemen. In
der Praxis liegen diese Informationen meist in mehreren Systemen verteilt vor,
was die Umsetzung erschwert. Logisches Datenmanagement kann einige der Vorteile
beider Ansätze vereinen und gleichzeitig eine solide Grundlage schaffen, um
deren jeweilige Herausforderungen zu bewältigen.
Einerseits unterstützt logisches Datenmanagement RAG, indem es Daten aus allen
Unternehmensquellen organisiert, katalogisiert, verschlagwortet und prüft. Es
ist vergleichbar mit einem Zettelkatalog oder einer Buchdatenbank, die
detaillierte Informationen zu jedem Buch in einer Bibliothek enthält. Diese
reichhaltigen Metadaten stellen sicher, dass Suchanfragen Ergebnisse liefern,
die wirklich relevant sind, und nicht nur thematisch entfernte Treffer.
Andererseits ermöglicht logisches Datenmanagement auch leistungsfähige
Text-zu-SQL-Funktionalitäten, die – im Gegensatz zu anderen Systemen – über die
gesamte Datenlandschaft hinweg funktionieren. Sie sind nicht mehr an eine
einzelne Datenquelle gebunden, sondern können Fragen zu beliebigen Systemen
stellen oder auch solche, die Informationen aus mehreren Quellen erfordern.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
WEITERE VORTEILE VON LOGISCHEM DATENMANAGEMENT FÜR KI-IMPLEMENTIERUNGEN
Neben der Kombination von Datenreplikation in Vektordatenbanken und SQL-Abfragen
bieten logische Datenschichten noch weitere Vorteile für eine gewinnbringende
KI-Nutzung. Dazu gehören unter anderem:
* Zentraler Zugriffspunkt: LLMs müssen alle Daten innerhalb einer Organisation
abfragen können, um ein ganzheitliches Bild zu liefern. Eine logische
Datenschicht stellt diesen zentralen Zugriffspunkt bereit und ermöglicht
Text-zu-SQL-Pipelines unter anderem zu Geschäftssystemen, Data Warehouses und
Data Marts.
* Semantische Schicht: Eine logische Datenschicht übersetzt operative
Terminologie in geschäftsbezogene Syntax. Das bedeutet, dass LLMs, die auf
einer logischen Schicht basieren, Zugriff auf geschäftlichen Kontext und
Wissen erhalten, beispielsweise zu Geschäftsdefinitionen, Kategorien, Tags
oder Beispielwerten.
* Reduzierte Datenreplikation: Die logische Datenschicht liegt oberhalb der
zugrunde liegenden Datenquellen. Dadurch wird der Bedarf an Datenreplikation
reduziert und Datenzugriff nahezu in Echtzeit ermöglicht.
* Granulare Zugriffsrechte und Berechtigungen: Sicherheitseinstellungen sind
dank logischen Datenmanagements deutlich feingranularer und leichter zu
verwalten als bei traditionellen Methoden. So wird sichergestellt, dass die
richtigen Nutzer den richtigen Zugriff auf die jeweils relevanten Daten
haben.
* Herstellerneutralität: Logische Schichten können die zugrunde liegenden
Datensätze in ein einheitliches Format übersetzen. Dadurch können LLMs und
konversationelle BI unabhängig vom ursprünglichen Datenformat eingesetzt
werden, ohne dass eine Migration oder physische Transformation der Daten in
ein anderes System erforderlich ist.
* Unternehmensweite Data Governance: Logisches Datenmanagement verbindet
mehrere Datensätze und Datendomänen unter einer einzigen logischen
Datenschicht. Diese stellt sicher, dass Daten gut verwaltet, bereinigt und
validiert sind – ein entscheidender Faktor für die Bereitstellung KI-fähiger
Daten.
* Schnellerer Datenzugriff: Logisches Datenmanagement kann über mehreren
Datenquellen liegen, einschließlich solcher, die Daten in Echtzeit erzeugen.
Zentrale Ansätze hingegen erfordern das Kopieren aller Daten an einen Ort.
Dadurch sind die Daten, die aus einer logischen Datenschicht in die KI
einfließen, wesentlich aktueller.
UNTERSTÜTZUNG ZUKÜNFTIGER MULTI-AGENT-SYSTEME
Logisches Datenmanagement spielt auch mit Blick auf die zukünftige Art der
KI-Integration eine wesentliche Rolle. Nach der Ära einfacher und isolierter
KI-Agenten werden wir bald in größerer Zahl Systeme sehen, die die komplexe
Arbeit von Datenanalysten simulieren können. Dabei werden allerdings auch die
Anforderungen im Bereich des Datenzugriffs in komplexen Ökosystemen immer
anspruchsvoller, vor allem wenn noch Herausforderungen wie Sicherheit und
Governance hinzukommen.
Um diese Integration zu erleichtern, bieten neue Protokolle wie das Model
Context Protocol () KI-Agenten eine einfache, standardisierte Möglichkeit, sich
mit Tools, Daten und Services zu verbinden. Eine über MCP zugängliche logische
Datenschicht kann so zu einem grundlegenden Bestandteil einer modernen,
KI-fähigen Datenarchitektur werden. Damit bildet logisches Datenmanagement eine
wesentliche Grundlage, um skalierbare, sichere und kontextbewusste
KI-Anwendungen zu ermöglichen.
WAS IST LOGISCHES DATENMANAGEMENT?
Logisches Datenmanagement ist ein strategischer Ansatz, der es Unternehmen
ermöglichen soll, Daten aus unterschiedlichsten Quellen wie Datenbanken, Data
Warehouses, Data Lakes, offenen Tabellenformaten, Cloud-Diensten oder
Anwendungen zu integrieren, ohne sie physisch zu verschieben. Es stellt diese
Daten für Nutzer als eine einzige, konsistente „logische“ Datenquelle dar und
erlaubt Echtzeitzugriff und Virtualisierung. So werden Analysen, Governance und
Datensicherheit vereinfacht, während Unternehmen agil und datengetrieben
arbeiten können.
ARTIKELFILES UND ARTIKELLINKS
Link:
(ID:50702681)