Die zentrale Datenarchitektur stösst an ihre Grenzen: Lange Wartezeiten, rein technische Schnittstellen und isolierte Datensilos behindern effiziente Analysen. Es fehlen ein unternehmensweiter Datenkatalog sowie klare Data-Ownership-Rollen. Ziel der Arbeit ist die Konzeption einer Plattform nach Data-Mesh-Prinzipien, welche die Datenverantwortung in die Fachdomänen verlagert. Dies soll die Agilität erhöhen, das Mindset «Data as a Product» etablieren und die sichere, eigenständige Bereitstellung von Datenprodukten (Self-Service) ermöglichen.

Basierend auf Experteninterviews und Dokumentenanalysen erstellte das Team eine Gap-Analyse zur Zielarchitektur. Darauf aufbauend wurden verschiedene Umsetzungsvarianten für ein «Minimum Viable Product» (MVP) entwickelt und mittels einer Nutzwertanalyse bewertet. Entscheidende Kriterien waren strategischer Fit, Self-Service-Fähigkeit und Machbarkeit. Ein realer Use Case («360-Grad-Kundensicht») diente als Proof-of-Concept, um die Anforderungen an Governance und Technik am konkreten Beispiel zu verifizieren.

Die Analyse zeigt, dass eine reine Optimierung bestehender Tools nicht ausreicht. Als beste Lösung identifizierte die Evaluation ein vollwertiges Data-Mesh-Konzept mit einer dedizierten Governance-Engine. Diese Architektur bietet den höchsten Automatisierungsgrad bei Zugriffsprozessen und legt das nachhaltigste Fundament für echten Self-Service. Technisch wird dies durch den Einsatz von Apache Iceberg als offene Tabellenschicht und Trino als föderierte Abfrage-Engine realisiert, was den direkten SQL-Zugriff auf Data Lakes ohne aufwändige Kopien ermöglicht. Ergänzend sorgen Apache Kafka und Flink für die performante Datenintegration. Der Use Case verdeutlicht, dass standardisierte Data Contracts die Bereitstellungszeit drastisch verkürzen und Transparenz schaffen. Die Arbeit empfiehlt der Geschäftsleitung die Umsetzung eines MVPs mit diesen Technologien sowie die Etablierung mandatierter Plattform- und Enabling-Teams, um den Kulturwandel erfolgreich zu gestalten.