Definition von Datentintegration
Datentintegration ist der Prozess, bei dem Daten aus mehreren unterschiedlichen Quellen zusammengeführt werden, um eine einheitliche, konsistente Sicht zu schaffen, die organisationsweit genutzt werden kann. Sie bringt Informationen zusammen, die in separaten Systemen (Datenbanken, Anwendungen, Dateien, APIs) gespeichert sind, und gleicht Unterschiede in Format, Struktur und Bedeutung aus, sodass die Daten abgefragt, analysiert oder verarbeitet werden können, als stammten sie aus einer einzigen Quelle.
Wie funktioniert Datentintegration?
Datentintegration umfasst typischerweise das Extrahieren von Daten aus Quellsystemen, deren Umwandlung in eine einheitliche Struktur und die Bereitstellung in einem Ziel wie einem Data Warehouse, Data Hub oder einer operativen Anwendung. In der Transformationsphase werden Felder zwischen Systemen abgeglichen und Werte standardisiert, um sie vergleichbar zu machen. Diese Abläufe werden über eine Datenpipeline orchestriert, in der Regel nach einem von zwei Mustern: ETL oder ELT. Die Integration kann als geplante Batch-Verarbeitung oder als kontinuierliche Echtzeitsynchronisation erfolgen, je nachdem wie aktuell die Zieldaten sein müssen.
Wie unterscheidet sich Datentintegration von Systemintegration?
Systemintegration verbindet Anwendungen miteinander, damit sie kommunizieren und Aktionen auslösen können, während sich Datentintegration auf die Vereinheitlichung der Daten selbst zu einem kohärenten, wiederverwendbaren Ganzen konzentriert. Die beiden arbeiten oft zusammen: Systeme werden integriert, damit Daten fließen können, und diese Daten werden dann integriert, damit sie vertrauenswürdig und analysierbar sind.
Warum ist das wichtig?
Wenn Daten in separaten Silos verbleiben, hat jedes System nur einen Teilblick, und dasselbe Produkt, derselbe Lieferant oder derselbe Kunde können systemübergreifend inkonsistent beschrieben sein. Datentintegration behebt diese Fragmentierung und gibt Teams eine vollständige und zuverlässige Grundlage für Berichterstattung, Analytik und den täglichen Betrieb. Sie ist auch eine Voraussetzung für Disziplinen wie Master Data Management, die davon abhängen, dass alle relevanten Daten zusammengeführt werden, bevor sie abgeglichen, konsolidiert und gesteuert werden können.