DatenWG Library · thema
Data Vault
Data Vault besteht laut Volker Nürnberg aus den drei Komponenten Modellierung, Architektur und Vorgehensweise. (Stand 2025-07) Data-Vault-Modelle sind wegen ihrer wenigen, einfachen und wiederholbaren Muster ideal für Automatisierungstools geeignet. (Stand 2025-07) Bei Änderungen an Quellsystemen kann ein Data-Vault-Automatisierungssystem im Moment nur bei sogenannten Non-Breaking-Changes automatisch reagieren, bei Breaking Changes muss noch ein Mensch eingreifen. (Stand 2025-07)
Aliase
Datavault Hub Satellite
Kernaussagen
- Größere Unternehmen setzen auf der Ebene des Kern-Data-Warehouse heute häufig entweder auf normalisierte Datenhaltung oder auf Data Vault.
- Data Vault bietet gegenüber klassischen Cube-Strukturen laut Peter Gluchowski eine deutlich höhere Änderungsflexibilität.
- Data Vault ist als Konzept bereits rund 25 Jahre alt, hat sich in Europa aber erst seit etwa zehn Jahren verbreitet.
- Data Vault ist eine Modellierungsmethode für die mittlere Datenschicht, die auf Hubs für Business Keys, Links für Beziehungen und Satelliten für zusätzliche Attribute aufbaut.
- Data Vault ist laut Volker Nürnberg weit weg von den Endanwendern und keine Modellierungsstruktur, mit der Nutzer selbst arbeiten sollen.
- Nutzer sollen laut Volker Nürnberg niemals direkt auf die Data-Vault-Modellierungsstruktur zugreifen.
- Data Vault besteht laut Volker Nürnberg aus den drei Komponenten Modellierung, Architektur und Vorgehensweise.
- Data-Vault-Modelle sind wegen ihrer wenigen, einfachen und wiederholbaren Muster ideal für Automatisierungstools geeignet.
- Bei Änderungen an Quellsystemen kann ein Data-Vault-Automatisierungssystem im Moment nur bei sogenannten Non-Breaking-Changes automatisch reagieren, bei Breaking Changes muss noch ein Mensch eingreifen.
- Ändert sich eine Quelltabelle, betrifft das im Data-Vault-Modell typischerweise nur einen kleinen Bereich der Daten, meist einen einzelnen Satelliten.
- Bei neuen Anforderungen des Business kann in Data Vault ein neuer Satellit parallel zum alten aufgebaut und mit Produktionsdaten getestet werden, bevor umgeschaltet wird.
- Volker Nürnberg würde ab etwa 5 bis 10 Quellsystemen mit gemeinsamen Geschäftsobjekten auf jeden Fall über den Einsatz von Data Vault nachdenken.
- In Data Vault liegen alle Geschäftsschlüssel eines Objekts wie Kunde technisch in einer Tabelle, dem sogenannten Hub, mit den zugehörigen Attributen in umgebenden Satelliten.
- Ein Hub im Data-Vault-Modell muss nicht physisch materialisiert sein, sondern kann auch virtuell als Select Distinct auf den Data Lake abgebildet werden.
- Beziehungen zwischen Geschäftsschlüsseln verschiedener Quellsysteme, sogenannte Same-Links, sind im Data Lake nicht automatisch vorhanden und müssen aktiv hergestellt werden.
- Die Data-Vault-Modellierung ist laut Volker Nürnberg vollständig auditierbar und lässt sich verlustfrei bis zur Quelle zurückverfolgen und refaktorieren.
- Ein Tool namens Flowbi entsteht gerade, das für große und sehr große Unternehmen rein datengetrieben ein Data-Vault-Modell erzeugt.
- Ein solches automatisiertes Data-Vault-Tool erkennt vermutliche Geschäftsschlüssel unter anderem an den Namen oder Inhalten von Spalten.
- Data Vault passt laut Volker Nürnberg gut zu einem dezentralen Data-Mesh-Ansatz und ist für ihn sogar der entscheidende Weg zu dessen wirklichem Erfolg.
- Im beschriebenen Zielbild soll der Fachbereich seine Datenprodukte über ein konzeptuelles Geschäftsmodell selbst definieren.
- Dateningenieure sollen laut Volker Nürnberg keinen Code mehr schreiben, der selbst etwas tut, sondern nur noch Code, der Code generiert und mit Metadaten arbeitet.
- Volker Nürnberg arbeitet seit 2005 ausschließlich mit Data Warehouses und kam in den frühen 2010er-Jahren zu Data Vault.
- Es gibt weltweit nur sechs von Dan Linstedt, dem Erfinder der Methodik, zertifizierte Data-Vault-Trainer, zu denen Volker Nürnberg seit 2018 zählt.
Dokumente
- Mythos Data Vault und richtig große Modelle
- BI Thinkers Talk - Data Modeling - Fabric Data Days Edition [EN]
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
Nachbarthemen
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.