Seminar DataGalaxy Kompaktseminar – Plattformüberblick und Praxiseinstieg

Das 3-tägige Seminar vermittelt einen praxisorientierten Gesamtüberblick über DataGalaxy von Discovery und Katalog über Governance, Lineage und Qualität bis zu Produkten, AI-Portfolio und Plattformbetrieb. Im Mittelpunkt stehen nachvollziehbare Arbeitsschritte, praktische Übungen und ein übertragbares Vorgehensmodell für den produktiven Einsatz von DataGalaxy.

Inhaltsverzeichnis

1. Seminarprofil
2. Zielgruppe und Voraussetzungen
3. Lernziele
4. Lernmodule
5. Praxiswerkstatt

Seminarprofil

Einen praxisorientierten Gesamtüberblick über DataGalaxy von Discovery und Katalog über Governance, Lineage und Qualität bis zu Produkten, AI-Portfolio und Plattformbetrieb. Die Inhalte werden von der fachlichen Einordnung über die Modellierung und Konfiguration bis zur Qualitätssicherung und Betriebsdokumentation aufgebaut.

Begründung der Seminardauer: Drei Tage sind erforderlich, um alle Plattformbereiche praktisch zu berühren, ohne die Tiefe der spezialisierten Einzelseminare oder fünftägigen Intensivseminare vorwegzunehmen.

Zielgruppe und Voraussetzungen

Zielgruppe: Projektteams, Data Office, Data Stewards, Data Owner, Analysten, Architekten und Verantwortliche vor einer Einführung oder Rollenauswahl.

Voraussetzungen: Allgemeines Verständnis der eigenen Datenlandschaft; keine DataGalaxy-Vorkenntnisse erforderlich.

Lernziele

• Fachliche Ziele, Rollen, Datenobjekte und Erfolgskriterien strukturiert bestimmen.
• Passende Metadaten, Beziehungen, Kontrollen und Arbeitsabläufe in DataGalaxy modellieren.
• Plattformfunktionen anhand realistischer Anwendungsfälle sicher konfigurieren oder anwenden.
• Ergebnisse auf Qualität, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
• Wiederverwendbare Standards, Review-Zyklen und Betriebsartefakte dokumentieren.

Lernmodule

Modul 1: Plattformbild und Kernbegriffe

Der Themenblock ordnet Plattformbild und Kernbegriffe in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Relevante Begriffe, Synonyme, Kategorien und Nutzungskontexte für „Plattformbild und Kernbegriffe“ sammeln und abgrenzen.
2. Schritt 2: Definitionen, Benennungsregeln, Beziehungen, Verantwortlichkeiten und Qualitätskriterien modellieren.
3. Schritt 3: Die Inhalte strukturiert in DataGalaxy anlegen und mit geeigneten Datenobjekten, Berichten oder Richtlinien verknüpfen.
4. Schritt 4: Mehrdeutigkeiten, Dubletten, fehlende Beziehungen und fachliche Widersprüche im Review bereinigen.
5. Schritt 5: Freigabe, Versionierung, Pflegeintervall und Kommunikation als verbindlichen Arbeitsablauf festlegen.

Modul 2: Data Discovery und vertrauenswürdige Nutzung

Der Themenblock ordnet Data Discovery und vertrauenswürdige Nutzung in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Data Discovery und vertrauenswürdige Nutzung“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 3: Data Catalog und Metadatenmodell

Der Themenblock ordnet Data Catalog und Metadatenmodell in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ausgangslage, Beteiligte und prüfbare Zielkriterien für „Data Catalog und Metadatenmodell“ erfassen.
2. Schritt 2: Benötigte DataGalaxy-Objekte, Metadaten, Beziehungen, Verantwortlichkeiten und Kontrollen modellieren.
3. Schritt 3: Die zugehörigen Plattformfunktionen an einem realistischen Beispielszenario konfigurieren oder anwenden.
4. Schritt 4: Das Arbeitsergebnis auf Vollständigkeit, Konsistenz, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
5. Schritt 5: Entscheidungen, offene Punkte und einen wiederverwendbaren Arbeitsstandard dokumentieren.

Modul 4: Business Glossary und Ownership

Der Themenblock ordnet Business Glossary und Ownership in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Business Glossary und Ownership“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 5: Governance, Policies und Campaigns

Der Themenblock ordnet Governance, Policies und Campaigns in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Governance, Policies und Campaigns“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 6: Lineage, Impact und Data Quality

Der Themenblock ordnet Lineage, Impact und Data Quality in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Lineage, Impact und Data Quality“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 7: Integrationen und technischer Betrieb

Der Themenblock ordnet Integrationen und technischer Betrieb in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Technische und fachliche Anforderungen für „Integrationen und technischer Betrieb“ erfassen und die Systemgrenzen festlegen.
2. Schritt 2: Benötigte Zugänge, Sicherheitsvorgaben, Objektzuordnungen und Fehlerfälle in einer Prüfliste dokumentieren.
3. Schritt 3: Die Konfiguration oder Automatisierung in einer kontrollierten Teststrecke aufbauen und mit repräsentativen Daten ausführen.
4. Schritt 4: Ergebnisse, Protokolle, Objektidentitäten und Wiederanlaufverhalten gegen die Abnahmekriterien prüfen.
5. Schritt 5: Betriebsparameter, Verantwortlichkeiten, Monitoring und Übergabeschritte als wiederverwendbaren Standard festhalten.

Modul 8: Data Products und Marketplace

Der Themenblock ordnet Data Products und Marketplace in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Problem, Zielgruppe, Wertbeitrag und Entscheidungsbedarf für „Data Products und Marketplace“ beschreiben.
2. Schritt 2: Pflichtinformationen, Bewertungskriterien, Ownership, Abhängigkeiten und Lebenszyklus modellieren.
3. Schritt 3: Ein repräsentatives Produkt, Demand-Element oder Portfolioobjekt in DataGalaxy anlegen und anreichern.
4. Schritt 4: Priorisierung, Qualität, Bereitstellung, Auffindbarkeit und Governance-Gates anhand eines Szenarios prüfen.
5. Schritt 5: Review-Entscheidungen, Folgemaßnahmen, Kennzahlen und Verantwortlichkeiten nachvollziehbar dokumentieren.

Modul 9: AI Demand, Portfolio und Value Tracking

Der Themenblock ordnet AI Demand, Portfolio und Value Tracking in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „AI Demand, Portfolio und Value Tracking“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 10: Blink, MCP und Lernpfadplanung

Der Themenblock ordnet Blink, MCP und Lernpfadplanung in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Nutzerrolle, Informationsbedarf und erwartete Entscheidung für „Blink, MCP und Lernpfadplanung“ formulieren.
2. Schritt 2: Geeignete Suchbegriffe, Filter, Begriffe, Beziehungen und Vertrauenssignale auswählen.
3. Schritt 3: Den Arbeitsablauf in DataGalaxy durchführen und relevante Objekte sowie Kontextinformationen vergleichen.
4. Schritt 4: Suchergebnis und AI-gestützte Hinweise auf Eindeutigkeit, Aktualität, Berechtigung und Nachvollziehbarkeit prüfen.
5. Schritt 5: Verbesserungsvorschläge, Rückfragen, Lernhilfen und messbare Adoptionsmaßnahmen dokumentieren.

Praxiswerkstatt

Die Praxiswerkstatt bündelt die zuvor aufgebauten Arbeitsschritte in einem durchgängigen Szenario. Jedes Arbeitspaket wird mit Ziel, Eingaben, Rollen, Prüfkriterien und Dokumentation abgeschlossen.

1. Beispielhafte Datenlandschaft im Katalog erschließen.
2. Fachlichen Begriff, Datenobjekt, Lineage und Qualitätssignal zu einer Vertrauenskette verbinden.
3. Rollenbezogenen Einführungs- und Vertiefungslernplan erstellen.

Abnahmekriterien

• Objekte, Metadaten und Beziehungen sind vollständig und konsistent dokumentiert.
• Rollen, Berechtigungen, Freigaben und Eskalationen sind nachvollziehbar zugeordnet.
• Qualitäts-, Sicherheits- und Governance-Prüfungen sind mit konkreten Nachweisen belegt.
• Der erarbeitete Ablauf ist reproduzierbar und für den Regelbetrieb beschrieben.