Data Warehouse
Auch: DWH, Enterprise Data Warehouse, EDW
Ein zentrales Repository, das Daten aus vielen Quellsystemen in einem strukturierten, abfrageoptimierten Speicher zusammenführt, ausgelegt für Analytics, Reporting und Business Intelligence.
Was es ist
Ein Data Warehouse ist ein zentrales, integriertes Repository, das große Mengen historischer und aktueller Daten aus mehreren Quellsystemen für Analyse und Reporting speichert. Anders als eine operative Datenbank (OLTP), die auf schnelle Inserts und Updates ausgelegt ist, ist ein Data Warehouse für analytische Abfragen (OLAP) optimiert: Scannen, Aggregieren und Verknüpfen großer Datenmengen, um geschäftliche Fragen zu beantworten.
Die Daten werden über ETL (Extract, Transform, Load) oder ELT Pipelines geladen, die Rohdaten bereinigen, standardisieren und in konsistente, abfragefertige Tabellen umformen. Das Ergebnis ist eine einzige, verlässliche Single Source of Truth für die gesamte Organisation.
Warum es wichtig ist
- Single Source of Truth: Marketing, Finance und Operations berichten auf Basis derselben konsistenten Zahlen.
- Performance: Spaltenorientierte Speicherung und strukturierte Modelle machen Aggregationen über Millionen Zeilen schnell.
- Historische Analyse: Es hält zeitgestempelte Snapshots vor und ermöglicht damit Trend- und Jahresvergleichsanalysen.
- Governance: Zentrale Zugriffssteuerung, Datenqualitätsregeln und Lineage unterstützen Compliance.
Wie es in der Praxis eingesetzt wird
Die meisten Warehouses organisieren Daten über dimensionale Modellierung (Star- oder Snowflake-Schema):
- Fact Tables enthalten messbare Ereignisse (Verkäufe, Klicks, Transaktionen).
- Dimension Tables enthalten beschreibenden Kontext (Kunde, Produkt, Datum, Region).
Analysten fragen das Warehouse per SQL ab, darauf setzen BI-Tools (Dashboards) auf. Data Engineers verwalten Pipelines, Scheduling und Modellierungsschichten. Moderne Cloud-Warehouses trennen Storage von Compute, sodass Teams die Abfrageleistung unabhängig skalieren und nach Nutzung zahlen können.
Konkretes Beispiel
Ein Händler sammelt Bestellungen aus einer E-Commerce-Plattform, aus Point-of-Sale-Systemen in den Filialen und aus einem CRM. Jede Nacht lädt eine ELT-Pipeline diese Quellen ins Warehouse. Eine Tabelle `fact_sales` erfasst jede Position, verknüpft mit `dim_customer`, `dim_product`, `dim_store` und `dim_date`.
Ein Finance-Analyst führt dann eine einzige Abfrage aus, um den Monatsumsatz nach Region zu berechnen, während ein Marketing-Analyst die kampagnengetriebenen Verkäufe misst, beide auf denselben governten Daten. Ohne das Warehouse würde jedes Team widersprüchliche Zahlen aus isolierten Systemen ziehen.
Verwandte Konzepte
Ein Data Warehouse unterscheidet sich von einem Data Lake (roher Speicher mit Schema-on-Read) und von einem Data Mart (einer kleineren, auf eine Abteilung zugeschnittenen Teilmenge). Viele Organisationen kombinieren diese in einer Lakehouse-Architektur.
Häufige Fragen
Was ist ein Data Warehouse einfach erklärt?
Ein Data Warehouse ist ein zentrales Repository, das Daten aus mehreren Quellsystemen in einem strukturierten, für Analyse und Reporting optimierten Speicher zusammenführt. Es enthält aktuelle und historische Daten und ist auf analytische Abfragen (OLAP) ausgelegt, also Scannen, Aggregieren und Verknüpfen großer Tabellen, und nicht auf die schnellen Inserts und Updates, die eine operative Datenbank (OLTP) abwickelt.
Was ist der Unterschied zwischen Data Warehouse, Data Lake und Data Mart?
Ein Data Warehouse speichert bereinigte, modellierte Daten, die abfragefertig sind; ein Data Lake speichert Rohdaten mit Schema-on-Read, die Struktur wird also erst zur Abfragezeit angewendet; ein Data Mart ist eine kleinere Teilmenge eines Warehouse, zugeschnitten auf eine Abteilung. Viele Organisationen kombinieren Warehouse- und Lake-Fähigkeiten in einer Lakehouse-Architektur.
Warum brauchen Teams ein Warehouse, wenn jedes System bereits eigene Reports hat?
Weil isolierte Systeme widersprüchliche Zahlen produzieren. Ein Warehouse liefert Marketing, Finance und Operations dieselben governten Werte, hält zeitgestempelte Historie für Trend- und Jahresvergleichsanalysen vor und zentralisiert Zugriffssteuerung, Datenqualitätsregeln und Lineage. Diese Kombination macht es zur Single Source of Truth und nicht zu einem weiteren Reporting-Tool.
Was ist der Unterschied zwischen ETL und ELT beim Laden eines Warehouse?
ETL transformiert die Daten, bevor sie ins Warehouse geladen werden; ELT lädt zuerst die Rohdaten und transformiert sie im Warehouse mit dessen eigener Compute-Leistung. Beide Pipelines erledigen dieselbe Aufgabe, nämlich Rohdaten zu bereinigen, zu standardisieren und in abfragefertige Tabellen umzuformen, aber ELT ist auf modernen Cloud-Warehouses verbreitet, wo Storage und Compute getrennt skalieren und nach Nutzung abgerechnet wird.
Wie sind Fact und Dimension Tables in einem Star-Schema organisiert?
In der dimensionalen Modellierung enthalten Fact Tables messbare Ereignisse (Verkäufe, Klicks, Transaktionen) und Dimension Tables den beschreibenden Kontext dazu (Kunde, Produkt, Filiale, Datum). Ein Händler kann eine Tabelle fact_sales haben, die jede Position erfasst, verknüpft mit dim_customer, dim_product, dim_store und dim_date. So kann Finance den Monatsumsatz nach Region berechnen und Marketing die kampagnengetriebenen Verkäufe messen, aus denselben Tabellen.