Seminar Actian Data Intelligence (Zeenea) – Metamodellierung und Actian Studio

Das Seminar vermittelt die methodische und praktische Gestaltung eines wartbaren Metamodells in Actian Studio beziehungsweise Zeenea Studio. Aus Use Cases und Governance-Anforderungen werden Objekttypen, Eigenschaften, Beziehungen, Status, Templates, Pflichtfelder und redaktionelle Regeln abgeleitet. Zusätzlich werden bestehende technische Metadaten integriert, Modelländerungen kontrolliert und Qualität, Migration sowie Betriebsverantwortung abgesichert.

Inhaltsübersicht

• Zielsetzung
• Zielgruppe
• Voraussetzungen
• Seminarinhalte
• Praxisübungen
• Methodik
• 1. Metamodellauftrag und Use-Case-Matrix
• 2. Standardobjekte und Custom Items
• 3. Eigenschaften und Datentypen
• 4. Beziehungen und Kardinalitäten
• 5. Templates und rollenbezogene Dokumentation
• 6. Status, Lifecycle und Workflow
• 7. Glossar und semantische Verknüpfung
• 8. Datenprodukte, Contracts und Marketplace-Metadaten
• 9. Technische Metadaten und Scanner-Mapping
• 10. Modelländerungen und Migration
• 11. Qualitätssicherung und Tests
• 12. Governance und Betriebsmodell des Metamodells

Zielsetzung

• Use Cases in ein konsistentes Metamodell übersetzen
• Standardobjekte, Custom Items, Eigenschaften und Beziehungen richtig auswählen
• Templates, Pflichtfelder, Status und Validierungsregeln nutzerorientiert gestalten
• Geschäftsbegriffe, technische Assets, Prozesse und Datenprodukte semantisch vernetzen
• Modelländerungen versionieren, testen und kontrolliert ausrollen
• Metadatenqualität, Redaktionsprozesse und Ownership operationalisieren
• Ein vollständiges Kernmetamodell mit Erweiterungspunkten erstellen

Zielgruppe

Data Catalog Manager, Data Architects, Business und Technical Data Stewards, Data Governance, Plattformadministration, Knowledge Engineers und Datenproduktteams.

Voraussetzungen

Grundkenntnisse zu Datenkatalog, Data Governance und Datenmodellierung. Erfahrung mit fachlichen oder technischen Metadaten ist hilfreich.

Seminarinhalte

1. 1. Metamodellauftrag und Use-Case-Matrix

   1. Schritt 1: Discovery, Governance, Lineage, Compliance und Datenprodukte als Anforderungen strukturieren
   2. Schritt 2: Benötigte Nutzerentscheidungen, Inhalte und Beziehungen je Use Case bestimmen
   3. Schritt 3: Modellumfang und Nicht-Ziele explizit festlegen

   Praxis: Eine Use-Case-Matrix wird in konkrete Modellanforderungen übersetzt.

2. 2. Standardobjekte und Custom Items

   1. Schritt 1: Datasets, Felder, Data Processes, Visualisierungen und Glossarobjekte einordnen
   2. Schritt 2: Custom Items nur für fachlich eigenständige Konzepte einsetzen
   3. Schritt 3: Dubletten und parallele Modellierungen vermeiden

   Praxis: Objektkandidaten werden anhand klarer Auswahlregeln klassifiziert.

3. 3. Eigenschaften und Datentypen

   1. Schritt 1: Text, Auswahl, Datum, Zahl, Linkersatz und weitere Eigenschaftsarten passend wählen
   2. Schritt 2: Pflichtgrad, Mehrfachwerte, kontrollierte Vokabulare und Defaultwerte festlegen
   3. Schritt 3: Technisch importierte und manuell gepflegte Eigenschaften trennen

   Praxis: Ein Eigenschaftskatalog mit Owner, Datentyp und Qualitätsregel wird erstellt.

4. 4. Beziehungen und Kardinalitäten

   1. Schritt 1: Fachliche, technische, organisatorische und Governance-Beziehungen unterscheiden
   2. Schritt 2: Richtung, Kardinalität, Semantik und zulässige Objekttypen definieren
   3. Schritt 3: Redundante Beziehungen und unverständliche Graphen vermeiden

   Praxis: Ein Beziehungsmodell vom Geschäftsbegriff bis zum Datenprodukt wird aufgebaut.

5. 5. Templates und rollenbezogene Dokumentation

   1. Schritt 1: Dokumentationsansichten nach Objektart und Nutzerrolle strukturieren
   2. Schritt 2: Pflichtinformationen, Hilfetexte und Reihenfolge für effiziente Pflege gestalten
   3. Schritt 3: Komplexität durch progressive Offenlegung und klare Benennung reduzieren

   Praxis: Ein Studio-Template für ein kritisches Dataset wird entworfen.

6. 6. Status, Lifecycle und Workflow

   1. Schritt 1: Entwurf, Review, veröffentlicht, veraltet und stillgelegt fachlich definieren
   2. Schritt 2: Zulässige Übergänge, Verantwortlichkeiten und Prüfkriterien festlegen
   3. Schritt 3: Lifecycle mit Änderungs- und Freigabeprozessen verbinden

   Praxis: Ein Statusmodell mit Übergangsregeln und Abnahmekriterien wird erstellt.

7. 7. Glossar und semantische Verknüpfung

   1. Schritt 1: Begriffe, KPIs, Regeln und Domänen in das Gesamtmodell integrieren
   2. Schritt 2: Synonyme, Hierarchien und mehrdeutige Perspektiven kontrolliert behandeln
   3. Schritt 3: Fachliche Konzepte mit Feldern, Datasets, Prozessen und Reports verknüpfen

   Praxis: Ein semantischer Modellbereich wird in Studio-Strukturen überführt.

8. 8. Datenprodukte, Contracts und Marketplace-Metadaten

   1. Schritt 1: Produktobjekt, enthaltene Assets, Owner, SLOs und Nutzungsbedingungen modellieren
   2. Schritt 2: Contract-Informationen und Versionen an geeigneten Stellen abbilden
   3. Schritt 3: Marketplace-Darstellung und Suchanforderungen im Modell berücksichtigen

   Praxis: Ein Datenprodukt-Metamodell mit veröffentlichungsrelevanten Feldern wird entworfen.

9. 9. Technische Metadaten und Scanner-Mapping

   1. Schritt 1: Quellobjekte und automatisch gelieferte Eigenschaften in das Modell einordnen
   2. Schritt 2: Identifier, Namenskonventionen und Synchronisationsverantwortung berücksichtigen
   3. Schritt 3: Manuelle Ergänzungen vor Überschreibung und Drift schützen

   Praxis: Ein Mapping zwischen Scanner-Output und Zielmetamodell wird dokumentiert.

10. 10. Modelländerungen und Migration

    1. Schritt 1: Neue, geänderte und entfernte Eigenschaften sowie Beziehungen risikobasiert bewerten
    2. Schritt 2: Auswirkungen auf Inhalte, APIs, Suche, Templates und Nutzerprozesse prüfen
    3. Schritt 3: Migrationsschritte, Backfill, Kommunikation und Rollback planen

    Praxis: Eine Modelländerung wird mit Impact- und Migrationsplan vorbereitet.

11. 11. Qualitätssicherung und Tests

    1. Schritt 1: Vollständigkeit, Konsistenz, Verständlichkeit und Suchwirksamkeit prüfen
    2. Schritt 2: Testdaten, Review-Checklisten und Rollenabnahmen kombinieren
    3. Schritt 3: Modellmetriken und regelmäßige Qualitätsreviews definieren

    Praxis: Ein Metamodell-Testkatalog wird auf den Seminarentwurf angewendet.

12. 12. Governance und Betriebsmodell des Metamodells

    1. Schritt 1: Model Owner, Änderungsboard, Domänenvertreter und Plattformteam festlegen
    2. Schritt 2: Anträge, Entscheidungen, Versionen und Dokumentation nachvollziehbar steuern
    3. Schritt 3: Kernmodell und domänenspezifische Erweiterungspunkte skalierbar organisieren

    Praxis: Ein vollständiges Kernmetamodell wird mit Governance- und Releaseprozess abgenommen.

Praxisübungen

1. Use-Case-Matrix und Objektklassifikation
2. Eigenschafts- und Beziehungsmodell
3. Studio-Template und Statusmodell
4. Semantische Verknüpfung mit Glossar
5. Datenprodukt- und Contract-Metadatenmodell
6. Scanner-Mapping und Migrationsplan
7. Testkatalog und Modell-Governance

Methodik

Modellierungsworkshops, Studio-nahe Demonstrationen, Reviews und ein durchgängiger Domänenfall führen zu einem versionierbaren und governance-fähigen Kernmetamodell.