Datenprodukte

Datenprodukte sind fachlich strukturierte und standardisierte Datenobjekte, die aus einer oder mehreren Datenquellen erzeugt werden. Sie bilden die Grundlage für Visualisierung, Analyse und fachliche Auswertungen innerhalb des Anwendungsfalls. Beispiel: "Parkraumbelegung Straßenparken Aalen" aggregiert 70 Sensoren zu einem Gesamtbild mit Zeitreihen, Geolokation und Auslastungswerten. Das ist die Ebene, auf der Ownership und Metadaten angewendet werden. Die Erzeugung von Datenprodukten erfolgt durch die Integration und Harmonisierung von Rohdaten. Dabei werden unterschiedliche Datenquellen zusammengeführt, Attribute vereinheitlicht sowie zeitliche und räumliche Unterschiede ausgeglichen, um einen konsistenten und eindeutig nutzbaren Datenstand zu gewährleisten. Datenprodukte enthalten ausschließlich fachliche Messwerte und Zustände. Fachliche Bewertungen, KPI-Berechnungen oder weitergehende analytische Verdichtungen sind nicht Bestandteil der Datenprodukte, sondern erfolgen auf Basis dieser in nachgelagerten Analyse- und Visualisierungsschritten.

Merkmale eines Datenprodukts

Ein Datenprodukt ist mehr als nur ein technisch gespeicherter Datensatz. Typische Merkmale sind:

• fachlich verständlicher Zweck und abgegrenzter Anwendungsbezug
• eindeutige Herkunft aus einer oder mehreren Datenquellen
• definierte Transformations- und Harmonisierungsschritte
• Zuordnung zu einem Datenraum
• klare Verantwortlichkeit für Inhalt und Freigabe
• Metadaten zu Aktualität, Beschreibung, Nutzungsrahmen und Schnittstellen

Damit wird ein Datenprodukt zur zentralen Einheit für Data Governance, Data Lineage und kontrollierte Bereitstellung. Zur strukturierten Einordnung werden Datenprodukte anhand ihres Verarbeitungsgrads in folgende Typen klassifiziert:

• Basis-Datenprodukt (quellnah, standardisiert): Stellt Daten in bereinigter und vereinheitlichter Form bereit, die eng an der ursprünglichen Datenquelle liegen.
• Erweitertes Datenprodukt: Erweitert ein Basis-Datenprodukt um zusätzliche Attribute oder Kontextinformationen, z. B. durch Kombination mehrerer Datenquellen oder Sensorsysteme zu einem einheitlichen Datensatz
• Aggregiertes Datenprodukt: Entsteht durch zeitliche, räumliche oder sachliche Verdichtung von Daten.

Diese Typisierung dient der groben Einordnung eines Datenprodukts. Die konkrete Ausgestaltung erfolgt über die im jeweiligen Datenprodukt beschriebenen Transformationen. Transformationen beschreiben die spezifischen Verarbeitungsschritte, die zur Erzeugung eines Datenprodukts durchgeführt werden. Dazu zählen die strukturierte Aufbereitung von Datenpunkten, zeitliche Aggregationen, Filterungen sowie die Anreicherung oder Zusammenführung von Daten unterschiedlicher Datenquellen. Transformationen sind somit ein wesentliches Merkmal zur Beschreibung eines Datenprodukts und werden jeweils produktspezifisch ausgewiesen. Pflichtattribute definieren die minimal erforderliche Datenstruktur eines Datenprodukts und sind für jede Beobachtung vorhanden. Optionale Attribute ergänzen das Datenprodukt um zusätzliche, kontextuelle Informationen. Sie sind nicht zwingend Bestandteil jeder Datenquelle, werden jedoch – sofern verfügbar – im Datenprodukt mitgeführt und ermöglichen eine vertiefte Analyse sowie fachliche Einordnung. Die Abwesenheit eines optionalen Attributs kann z.B. durch Differenzen in unterschiedlichen Datenquellen auftreten.

Governance und Nachvollziehbarkeit

Für Datenprodukte ist insbesondere wichtig, dass Herkunft und Verarbeitung nachvollziehbar bleiben. Typischerweise werden dafür folgende Informationen geführt:

• Quellsystem oder Ursprung der Daten
• Zeitpunkt der letzten Aktualisierung
• verwendetes Zielmodell
• wesentliche Transformationsschritte
• verantwortliche Rolle oder Data Owner
• Freigabestatus und Nutzungskontext

Auf dieser Ebene lassen sich Datenprodukte kontrolliert für interne Nutzung, APIs, Dashboards oder Open Data freigeben.