Daten-WG

Aus einer Idee wird eine Firma: Simon Harrer ist zurück in der Daten-WG. Aus dem Data Mesh Manager ist Entropy Data geworden, ausgegründet aus der INNOQ, mit Kunden in acht Ländern. Wir sprechen darüber, warum ein Datenprodukt-Marktplatz mit Data Contracts plötzlich genau das ist, was KI-Agenten brauchen, und wie ein Coding Agent aus einem Contract automatisch eine Pipeline baut.

Außerdem geht es um Open Semantic Interchange, das jetzt Apache Ossie heißt, um Ontologien, um die Frage, ob ein Agent selbst ein Datenprodukt ist, um das Interesse von Microsoft an Data Contracts für Fabric und Power BI und um die Frage, wer eigentlich die Kontrolle über die Metadaten haben sollte.

Simon Harrer https://www.linkedin.com/in/simonharrer/
Artur König https://www.linkedin.com/in/datakoenigartur/

Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: Aus Leidenschaft wird ein Unternehmen
00:48 – Vom Data Mesh Manager zu Entropy Data
02:21 – Was ist ein Datenprodukt-Marktplatz?
03:07 – Der Traum eines jeden Agenten
04:50 – Contract first: Der Coding Agent baut die Pipeline
05:53 – Praxisbeispiel: Zeiterfassung als Datenprodukt
09:05 – Data Contracts statt Datenkatalog und die Frage der Ownership
11:35 – Agenten als Feedback-Instrument für gute Metadaten
13:08 – Ist ein Agent selbst ein Datenprodukt?
16:57 – Wie verhindert man Slop im Marktplatz?
18:10 – OSI: Ein offener Standard für Semantikmodelle
22:37 – Metadaten für KI, ODCS und Ontologien
25:32 – Aus OSI wird Apache Ossie
26:56 – Entropy Data trifft Microsoft Fabric und Power BI
31:45 – Wem gehören die Metadaten? Souveränität und offene Standards

Shownotes
Entropy Data: https://www.entropy-data.com/
Data Contract CLI (Open Source, Prüfung von Daten gegen Contracts): https://github.com/datacontract/datacontract-cli
Data Contracts Guide: https://datacontract.com/
Apache Ossie (ehemals Open Semantic Interchange): https://ossie.apache.org/
Ankündigung: OSI wird Apache Ossie: https://ossie.apache.org/updates/ossie-enters-apache-incubator/
Apache Ossie auf GitHub: https://github.com/apache/ossie

Time to step out of the Microsoft comfort zone:
this episode is about Databricks.

Vitalija Bartusevičiūtė, Databricks MVP and Senior Consultant at Capgemini, explains what makes so many people in the data community fall in love with the platform, and why "customizable" is both its biggest strength and its biggest hurdle.

We talk about Genie and what it really takes to let business users talk to their data: clean data, metadata, synonyms, benchmarks and a clear question to answer. From there we drift into metric views, the Open Semantic Interchange, SQL dialects, DirectQuery vs. import mode, and why Excel is still both the source and the end of every data pipeline.

Vitalija Bartusevičiūtė https://www.linkedin.com/in/vitalijabart/
Artur König https://www.linkedin.com/in/datakoenigartur/

Daten-WG 2026 conference, October 14-16, Cologne: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: stepping out of the Microsoft comfort zone
01:02 – From biologist and R to Databricks MVP
02:18 – Why Databricks? Customization and the Unity Catalog moment
04:05 – Only for big enterprises? Databricks Free for everyone
05:39 – "I'm not married to a tool": solving the client's problem first
08:05 – What Databricks actually is: Spark, SQL and the growing AI part
09:06 – Genie: talking to your data in the Teams chat of a convenience store
12:55 – Metadata, synonyms and how end users really talk about data
14:13 – Benchmarks, joins and the 80% rule for a good Genie space
16:44 – Flat tables, Frankenstein tables and rethinking best practices for AI
17:15 – Metric views and the Open Semantic Interchange initiative
19:44 – Delta, SQL dialects and why semantic models are still black magic
25:55 – Governance, DirectQuery vs. import and the Excel loop
30:42 – Advice: try Databricks Free and focus on the problem, not the tool
31:30 – Python pre-con at Daten-WG 2026 in Cologne

Shownotes:
Databricks Free Edition (replaces Community Edition): https://www.databricks.com/learn/free-edition
Databricks Excel Add-in: https://docs.databricks.com/aws/en/integrations/excel-setup
Apache Ossie: https://ossie.apache.org/
Artur's own article on OSI [German]: https://www.tdwi.eu/wissen/vereinspublikationen

Es regnet in Köln, wir kommen hier so schnell nicht weg – also reden wir endlich mal über das, worüber wir sonst immer nebenbei reden: Fabric-Architekturen. Vier Berater, vier laufende Projekte, und am Ende erstaunlich wenig Einigkeit darüber, wie eine Datenplattform in Fabric eigentlich aussehen sollte.

Marcus lädt SAP-Daten per Notebook aus dem Data Lake, ein anderes Projekt hängt an Navision und setzt konsequent auf Warehouses und Stored Procedures, das dritte dreht die Medaillon-Architektur einfach um und legt Gold ins Lakehouse. Dazwischen streiten wir über die Frage, ob es wirklich immer drei Layer sein müssen, über Self-Service-Lakehouses und Composite Models, über Dataflows für Citizen Developer, über TMDL-Measures, die sich partout nicht überschreiben lassen – und darüber, warum SQL vielleicht doch leichter zu lernen ist als DAX.

Ulrik Harnisch https://www.linkedin.com/in/ulrik-harnisch/
Marcus Wegener https://www.linkedin.com/in/marcuswegener/
Michael Tenner https://www.linkedin.com/in/michael-tenner-5b885970/
Artur König https://www.linkedin.com/in/datakoenigartur/

Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: Zu viert im Regen und die Frage nach dem Fabric-Standard
00:34 – Marcus' SAP-Projekt: Datasphere, Delta-Dateien und warum es ein Notebook wurde
04:16 – F64 für die Lizenzen, 2% Auslastung und die Exit-Strategie aus dem Projekt
06:11 – Navision, Data Gateway und eine Medaillon-Architektur auf Warehouses
09:26 – Business Central und Open Mirroring: die Session von Julian Wissel
10:45 – Architekturen entstehen nicht aus Vorsystemen, sondern aus Menschen
12:15 – Umgekehrt gedacht: Warehouse für Bronze und Silber, Lakehouse für Gold
13:57 – Dataflows für Citizen Developer und wo die Aufteilung plötzlich wehtut
17:21 – "Immer drei Layer, und die sind nicht diskutabel"
20:34 – Self-Service-Lakehouse, Composite Models und das Excel-Monster
25:07 – TMDL, fachliche Pakete und die Frage nach dem Ease of Use
30:19 – Warum SQL leichter zu lernen ist als DAX
35:07 – Von der Excel-Kreuztabelle über M-Code zum SQL-Statement
39:00 – Power Apps, eine F2 am Limit und der Umstieg auf Stored Procedures
47:20 – Sessions auf der Daten-WG 2026: DAX, Data Vault und Python

Erwähnte Daten-WG Speaker:
Julian Wissel (Session zu Business Central & Open Mirroring): https://www.linkedin.com/in/julianwissel/
Ben Weissman (Session rund um SQL): https://www.linkedin.com/in/benweissman/
Matthias Nohl (Session "Integration von Architekturen"): https://www.linkedin.com/in/matthias-nohl/
Andreas Rederer (Session "Integration von Architekturen"): https://www.linkedin.com/in/andreasrederer/
Francesco Bergamaschi (Precon "DAX Pillars"): https://www.linkedin.com/in/francescobergamaschi/
Tom Martens (Precon Python-Datenaufbereitung und Session zu Power BI Scanning): https://www.linkedin.com/in/tommartens68/
Martin Bubenheimer (DAX Deep Dive und Fabric Debatte): https://www.linkedin.com/in/martin-bubenheimer/
David Sanadze (Data Vault): https://www.linkedin.com/in/david-sanadze/

Was macht eigentlich ein Data Solution Engineer bei Microsoft – und wo hört seine Arbeit auf?
Alexander Korn und Lukasz Obst sind beide im Januar bei Microsoft gestartet, beide aus der Beratung, und beide sitzen jetzt in einer Rolle, die viele Kunden gar nicht auf dem Schirm haben: Pre-Sales, kostenlos, aber mit klarem Interesse dahinter.
Wir reden über die Rollenlandschaft bei Microsoft vom Account Executive bis zur Delivery, über die Frage, wonach die beiden entscheiden, welchem Kunden sie ihre Zeit geben, über das Verhältnis zu Partnern – und darüber, warum es sich für Microsoft nicht rechnet, einem Kunden die teurere Plattform zu verkaufen.

Alexander Korn https://www.linkedin.com/in/alexanderkorn/
Lukasz Obst https://www.linkedin.com/in/lukasz-obst-3672083a2/
Artur König https://www.linkedin.com/in/datakoenigartur/

LIEV dabei sein
Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026

Alex und Lukasz haben außerdem den Developer Hub gebaut, mehr dazu gibt es bei YouTube:
https://youtu.be/e50qKdVn-24

00:00 – Intro: zwei Insider von Microsoft zu Gast
00:53 – Vom Softwareentwickler in die Datenwelt: Lukasz' Weg
02:32 – Vom Microsoft-Partner zu Microsoft: was Pre-Sales wirklich heißt
03:54 – Drei Solution-Engineer-Rollen: Data, Infrastruktur, AI und Apps
04:30 – Wer macht bei Microsoft was? Von AE über CSA bis Delivery
06:32 – Kostenlose Beratung mit Verkaufsinteresse: das Spannungsfeld
08:12 – Impact als Maßstab: welchem Kunden helfen wir?
09:45 – Partnerstufen, Spezialisierungen und Managed Partner
10:26 – POC bei Microsoft, Umsetzung beim Partner
12:16 – Freiheit und Druck: Ziele, Industrien und 15 Kunden
14:36 – Warum "verkaufen, verkaufen, verkaufen" nicht aufgeht
16:15 – Trusted Advisor statt Quick Win: Kapazität sinnvoll nutzen
17:57 – Fabric Planning als Beispiel: Konsolidierung statt Nischenlösung
19:05 – Eigene Kompetenz im Markt: Power BI Fixer und Developer Hub
20:32 – Ausblick: Fabric-Debatte und Dashboard Roast auf der Daten-WG

Shownotes
Power BI Fixer (Inzwischen auch als Fabric App Edition!): https://actionablereporting.com/pbi-fixer/
Alexander Korn auf GitHub: https://github.com/KornAlexander

Kann man sich selbst durch KI ersetzen – und das auch noch gut finden? Burkhardt Gasber hat genau das getan. Zum dritten Mal zu Gast im Daten-WG-Podcast erzählt er, wie er im vergangenen November abends angefangen hat, mit Lovable seine eigene Arbeitsweise zu digitalisieren: die Heatmap-Analysen für Marketing-Teams, die er jahrelang mühsam von Hand aufbereitet hat.

Herausgekommen ist ein Tool für kollaborative Datenanalyse – mit Notizen per Sprache, KI-Summaries und einer Einstiegshürde, die so niedrig ist, dass niemand mehr ein Excel-Training braucht. Wir reden über Slop im Code und warum der egal sein kann, über den fertigen MVP als bestes Briefing, über Datenschutz und deutsche Server, über die Frage, ob Beratung sich damit selbst abschafft – und darüber, was passiert, wenn Wissen plötzlich exponentiell schneller fließt.

Burkhardt Gasber https://www.linkedin.com/in/burkhardtgasber/
Artur König https://www.linkedin.com/in/datakoenigartur/

LIVE hier:
Daten-WG 2026 Konferenz am 14.-16. Oktober: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: „Ich habe begonnen, mich selbst zu ersetzen"
04:01 – Warum die Heatmap seine Lieblingsvisualisierung ist
04:39 – Der Abend mit Lovable: aus fünf Zeilen Prompt wird ein Tool
07:00 – Top-1-Prozent-Coder: was die Analyse der eigenen Prompts zeigte
09:14 – „Echter Slop": warum die KI die Interpretation nicht übernimmt
10:39 – Gemeinsam auf die Daten schauen: rote Tage, Muster, Evidenzen
14:06 – Datenschutz, deutsche Server und raus aus der Lovable-Cloud
17:13 – Welche Daten? Wenige KPIs statt ETL-Monster
19:42 – Notizen per Sprache, Notes Board und KI-Summaries
22:41 – Ohne Datenkompetenztraining: die Einstiegshürde radikal senken
25:25 – Was so ein Tool kostet – und warum man in Credits investieren sollte
28:31 – Make or Buy: „Dann spare ich mir den Burkhardt"?
33:54 – Der MVP als bestes Briefing – Slop im Code ist erstmal egal
40:54 – Nicht Ersetzen, sondern Transformation: exponentiell statt linear
46:02 – Die Guten mitnehmen, Mittelstand aufholen – und der Abschlusstipp

Shownotes:

gasber digital business consulting (Website): https://www.gasber.online/
Burkhardt Gasber auf freelancermap: https://www.freelancermap.com/profile/burkhardt-gasber
Früherer Podcast Autritt: https://open.spotify.com/episode/5ABvGykc29oMFQLDfwKwRh
Lovable – Vibe-Coding-Plattform, mit der das Tool entstanden ist: https://lovable.dev/