3 Erkenntnisse aus dieser Folge
- 01
Data Mesh ist kein Tool-Stack, sondern eine Organisations-Wahl. Siemens Energy hat es erst angefasst, als sie verstanden haben, dass sie sonst 30+ Mal das gleiche Datenprodukt bauen müssten — einmal pro Fabrik.
- 02
Der Data Citizen ist die wichtigste Rolle im Mesh. Nicht der Data Engineer, nicht der Data Scientist. Wer die Prozesse in Sales, Procurement oder Manufacturing kennt, entscheidet, welche Daten überhaupt relevant sind.
- 03
Der Durchbruch kam durch externe Referenz, nicht durch interne Überzeugungsarbeit. Ein Messeabend mit einem europäischen Vergleichsunternehmen hat das Commitment freigeschaltet — manchmal braucht man den Beweis, dass es woanders schon funktioniert.
Worum es in dieser Folge geht
Das ist Teil 3 einer Trilogie mit Siemens Energy, und in dieser Reihenfolge solltest du sie idealerweise auch hören:
- Tim hat das Organisationsmodell erklärt — wer macht was, wie ist die Governance aufgesetzt.
- Max hat gezeigt, wie man aus Fachabteilungs-Mitarbeitenden echte Data Citizens macht — also Leute, die in ihrer Domäne Datenprodukte bauen können, ohne IT-Profis zu sein.
- Jonas Kell beschreibt jetzt, wie aus diesen einzelnen Data Citizens eine Data-Mesh-Initiative geworden ist, die über 30+ Fabriken ausgerollt wird.
Jonas ist Co-Founder dieser Initiative. Und was diese Folge besonders macht: Er erklärt nicht ein Endergebnis, sondern den Werdegang einer Idee. Der Kipp-Punkt, an dem klar wurde, dass man aus lokalem Experimentieren ein konzernweites Betriebsmodell bauen muss, hat einen konkreten Moment.
Die Storyline
Das Problem, bevor es einen Namen hatte
Siemens Energy betreibt über 30 Fabriken weltweit. Jede Fabrik ist ein Silo. In jeder Fabrik gibt es weitere Silos: Sales, Procurement, Manufacturing, Quality. In jedem dieser Silos sitzen Data Citizens und bauen Dashboards, die für ihre Fachabteilung relevant sind.
Das funktioniert — auf lokaler Ebene. Aber sobald die gleiche Frage in mehreren Fabriken gestellt wird (zum Beispiel: "Wie entwickelt sich die Lieferantenqualität im Werk Berlin vs. Shanghai?"), wird das System zu teuer. Man müsste entweder in jede Fabrik einzeln reingehen und die Daten händisch ziehen, oder eine Logik bauen, die das skalierbar macht.
Der Kipp-Punkt auf einem Messeabend
Jonas und Tim waren gemeinsam auf einer Konferenz und haben gesehen, dass ein europäisches Vergleichsunternehmen — kein direkter Wettbewerber, aber vergleichbar in der Struktur — das Problem bereits gelöst hatte. Sie hatten 10+ Fabriken in Europa in ein Data Mesh eingebunden und konnten Datenprodukte "auf Klick" erstellen.
Das fanden wir so cool, dass wir gesagt haben: Das wollen wir auch. Das wäre quasi der nächste Step in dieser ganzen Geschichte.
Was mich daran fasziniert, ist die kulturelle Mechanik. Interne Präsentationen, Analystenreports, Beraterdecks — die haben bei Siemens Energy nicht den Durchbruch geschafft. Der Durchbruch kam, als jemand physisch im Raum stand und zeigte: Es geht. Wir haben es gemacht. Hier sind die Screenshots.
Was ein Data Citizen eigentlich ist
Jonas' Definition — und die halte ich für die brauchbarste, die ich in 317 Folgen gehört habe:
Ein Data Citizen ist jemand, der in der Fachabteilung selber sitzt, der die Prozesse sehr gut kennt, der aber kein nativer ITler ist.
Diese Personen sind strategisch unersetzbar. Ein Data Engineer kann die Pipeline bauen. Ein Data Scientist kann das Modell bauen. Aber nur der Data Citizen weiß, welche Daten in welcher Kombination eine Geschäftsfrage beantworten. Und ohne diese Brücke baut jede Datenplattform Dashboards, die niemand benutzt.
Die Rolle der zentralen Einheit
Jonas' Team sitzt zentral. Die Aufgabe ist nicht, jedes Datenprodukt selbst zu bauen — sondern:
- Die technische Grundlage (Domain-orientierte Plattform, Self-Service-Tooling) bereitzustellen,
- Die Standards zu setzen (Was ist ein Datenprodukt? Wie wird es dokumentiert? Welche Mindestqualität?),
- Die Data Citizens zu befähigen, innerhalb dieses Rahmens selbstständig zu arbeiten.
Das ist eine radikal andere Rolle als ein klassisches BI-Competence-Center. Der zentrale Data-Bereich baut kein Dashboard mehr — er baut das Betriebssystem, auf dem dezentrale Teams Dashboards bauen.
Warum Ownership der kritische Hebel ist
Eines der Themen, die in der Folge immer wieder durchkommen: Data Mesh funktioniert nur, wenn Domänen wirklich Ownership für ihre Daten übernehmen. Das bedeutet:
- Die Domäne ist verantwortlich für die Qualität ihrer Datenprodukte.
- Die Domäne entscheidet, welche Produkte sie anderen Domänen zur Verfügung stellt.
- Die Domäne wird daran gemessen, wie nützlich ihre Datenprodukte für andere sind.
Das ist ein Kultur-Shift. In vielen Konzernen wird Datenqualität traditionell als IT-Aufgabe betrachtet. Siemens Energy hat den Schalter umgelegt — und das ist vermutlich der schwierigste, aber wichtigste Teil der ganzen Initiative.
Was dich überraschen wird
Das, was mich am meisten überrascht hat: Jonas hat mehrfach betont, dass die Initiative nicht durch Präsentationen, Ausschreibungen oder Strategiepapiere vorangetrieben wurde, sondern durch sehr konkrete, sehr sichtbare Pilot-Use-Cases. Die Idee ist nicht "Wir rollen jetzt Data Mesh aus", sondern "Wir zeigen an einer Domäne, dass es funktioniert — und dann wollen die anderen es auch".
Das deckt sich mit dem, was ich bei vielen erfolgreichen Data-Initiativen gesehen habe: Der Sog entsteht durch sichtbaren Nutzen, nicht durch Autorität.
Warum mich das besonders umtreibt
Ich spreche oft mit CDOs, die Data Mesh als Architektur-Entscheidung einführen wollen. Tool XY, Domain-Plattform Z, Datenprodukt-Katalog. Das ist immer der falsche Start. Siemens Energy zeigt, wie es richtig geht: Erst die Rolle (Data Citizen) etablieren, dann den Kipp-Punkt finden (wann lohnt sich Standardisierung?), dann die Plattform bauen. In der Reihenfolge.
Wer Data Mesh als Projekt aufsetzt, scheitert. Wer es als mehrjährigen Organisations-Umbau versteht, hat eine Chance. Und wer — wie Siemens Energy — Personen an Board hat, die bereit sind, auf Messen nach Beispielen zu suchen statt intern zu missionieren, der kommt erstaunlich schnell voran.