Azure
Data Foundation
Agenten er klar, men dataene er ikke. Vi bygger den platform, jeres agenter må svare ud fra, som kode i jeres tenant, og vi driver den som managed service fra glueckkanja AG efter den samme standard som Azure Foundation og AI Foundation.
Svaret er 42
En producent kom til os med en AI-salgsapp. Use casen var besluttet, budgettet godkendt, og agenten skulle besvare spørgsmål om avancer og leveringstider ud fra virksomhedens egne tal. Den første workshop endte med en dataplatform. Det er ikke et enkeltstående tilfælde, men årets mønster: I 2024 spurgte virksomheder efter en dataplatform for at bygge rapporter, i 2026 spørger de efter den, fordi de vil have AI, og næsten hver use case, der lander hos os, begynder med et dataspørgsmål. Douglas Adams foregreb dette øjeblik i 1979, da en computer regnede i syv en halv million år, meddelte 42 og først derefter opdagede, at ingen helt vidste, hvad spørgsmålet var. I virksomheder er det lige omvendt. Spørgsmålet er præcist, men ingen ved, hvilken tabel svaret skal komme fra, om controlling og salg forstår det samme ved avance, og hvem der overhovedet må se den. Det skyldes sjældent modellen og næsten altid platformen nedenunder, og det er netop den, vi bygger og driver.
af virksomhederne har ikke datahåndteringspraksis, der passer til AI, eller ved det ikke.
af AI-projekter uden AI-klare data vil blive opgivet inden udgangen af 2026, lyder prognosen.
af governance-initiativerne inden for data & analytics slår fejl inden 2027, fordi ingen konkret anledning bærer dem.
er det længste, der går mellem to foundation-opdateringer af jeres platform, og ind imellem holder vi den løbende opdateret.
Fire genveje, der ligger lige for
Den, der er under tidspres, tager den korteste vej, og når det gælder data, findes der fire af dem. Hver af dem har en hæderlig begrundelse, men ingen af dem holder ud over den første use case.
»Det står jo alt sammen i Excel.«
Hver afdeling vedligeholder sin egen sandhed, og hver af dem hænger sammen i sig selv. En agent, der læser dem alle, gengiver samtlige sandheder med den samme overbevisning.
»Det bygger vi selv.«
Det lykkes, så længe de to mennesker bliver, der ved, hvordan det er bygget. Arbejdsmarkedet for data engineers med erfaring i drift og governance er dog bemærkelsesværdigt dygtigt til at hente dem væk.
»Først licensen, så ser vi videre.«
En Fabric-kapacitet eller et Databricks-workspace er bestilt på en time. Katalog, rettigheder og netværk følger ikke automatisk med, de bliver bygget, eller de mangler.
»Det får vi sat op én gang.«
Platformen bliver godkendt og overdraget, og fra godkendelsesdagen begynder den at ældes. Databricks og Microsoft leverer løbende nye runtimes og funktioner, det gør godkendelsesprotokollen ikke.
Alle fire behandler dataplatformen som en anskaffelse. Vi behandler den som drift: Azure Data Foundation er en versioneret platform, som vi bygger i jeres tenant, videreudvikler med hvert release og driver, så længe I har brug for den.
Fra rådata til et svar, man kan stole på
I Azure Data Foundation gennemløber data tre lag, der er opkaldt efter olympisk forbillede, uden at nogen af dem er ment som trøstepræmie. Bronze modtager dataene uændret fra jeres kilder, Silver renser og ensretter dem, og Gold leverer dem fagligt modelleret til Power BI, til data science og til jeres agenter. Ovenover ligger kataloget, der for hver tabel ved, hvor den kommer fra, og hvem der må se den, og nedenunder fundamentet, som vi leverer som kode.
- KilderERP, CRM, fagapplikationer, filer og systemer i jeres eget datacenter
- BronzeRådataOvertaget uændret og komplet, så hvert senere tal kan føres tilbage til sin oprindelse.
- SilverRensetDubletter fjernet, formater ensrettet, kvalitet kontrolleret.
- GoldFagligt modelleretÉn definition pr. nøgletal, afstemt med de fagområder, der har ansvaret for det.
- AnvendelsePower BI, data science og agenter, med de rettigheder, kataloget tildeler
Seks byggesten, tre blueprints, én standard
Agenten ser det, I ser, og intet ud over det
Senest med den første agent bliver et spørgsmål om orden til et spørgsmål om ansvar. En agent, der opsummerer lønoplysninger, fordi de tilfældigvis lå i en delt tabel, tager ikke fejl, den gør det, rettighederne tillader den. I Azure Data Foundation er Microsoft Entra ID identity provider, kataloget kender for hver tabel oprindelse, klassificering og hvem der har adgang, og rettighederne gælder på niveau af katalog, skema og tabel. Agenter som Fabric data agent eller en Genie Agent i Azure Databricks forespørger med brugerens identitet og ser derfor præcis det, som det menneske, de arbejder på vegne af, må se. Det er ikke en funktion, man køber til senere, men forudsætningen for alt, hvad AI Foundation bygger ovenpå.
Hvad der ændrer sig for jer
Ét nøgletal, én definition
Gold-laget rummer hvert nøgletal præcis én gang. Controlling, salg og agent regner med det samme tal og diskuterer fremover, hvad det betyder, ikke længere hvor det kommer fra.
Rettigheder, der følger med
Rettigheder hænger ved dataene, ikke ved applikationen. Uanset om det er Power BI, en notebook eller en agent, gælder det, kataloget har fastlagt for den enkelte bruger.
Reproducerbar frem for engangsbygget
Platformen opstår ud fra kode og kan til enhver tid bygges op igen ud fra den kode. Hver ændring er versioneret og kan følges som diff, også for jeres revision.
Én pris pr. Data Environment
Der faktureres pr. Data Environment, altså pr. selvstændigt drevet instans af platformen, og ikke efter konsulentdage. Hvad driften koster, ligger fast, før den begynder.
Hvad vi driver, og hvad der bliver hos jer
En managed service er ikke bedre end sin afgrænsning. Derfor siger vi lige så tydeligt, hvad vi tager os af, som hvad der bliver hos jer, og begge dele kan beskrives på tre niveauer.
Her ligger jeres forretning. De første use cases bygger vi sammen med jeres teams og giver vores viden videre, indtil I selv kan bære dette lag.
- Pipelines
- Datamodeller
- KPI'er og rapporter
- Agenter og forretningslogik
Så platformen kører, når jeres teams har brug for den, og ikke koster mere end nødvendigt.
- Cluster health
- Runtime- og library-opdateringer
- Backup og restore
- Table maintenance
- Fabric-capacity-scheduling
- Omkostningsoptimering
- Monitoring med severities
- Månedligt service review
Så hvert miljø svarer til koden, og koden svarer til det aktuelle release.
- OpenTofu og Terragrunt
- Konfigurationsrepository pr. kunde
- Drift Detection og remediation
- Release Train
En platform med versionsnummer
Dataplatforme forælder sjældent spektakulært, men stille og roligt, én runtime ad gangen. Azure Data Foundation har derfor releases som software, og jeres miljø følger med.
- 1Udgiv releaseVi videreudvikler foundation og frigiver nye versioner med dokumenterede ændringer.
- 2Rul version udRelease Train bringer den nye version ind i jeres miljø, hver ændring som en sporbar diff.
- 3Kontrollér afvigelserDrift Detection sammenligner hver uge kode og miljø og ruller afvigelser tilbage.
- 4Opdatér runtimesDatabricks-runtimes og biblioteker holder vi opdaterede hver måned til hvert kvartal.
En foundation-opdatering mindst hver tolvte måned, inkluderet i prisen
Vi holder jeres platform løbende opdateret, og senest efter tolv måneder får den en foundation-opdatering. En platform, der blev rullet ud i april 2026, ligner derfor ikke et levn fra april 2026, når vi skriver 2028.
Fra første møde til drift
- Kortlæg udgangspunktetKortlæg udgangspunktetI assessmentet, som tager én dag, gennemgår vi kilder, eksisterende platforme og de use cases, der står først for tur.
- Fastlæg parametreFastlæg parametreI en workshop på én dag beslutter vi sammen blueprint, environments, kilder og rettighedsmodel.
- Rul platformen udRul platformen udPå to til fire dage opstår platformen ud fra koden, i jeres tenant og efter jeres parametre.
- Overdrag og driftOverdrag og driftEfter én dags overdragelse og en til to ugers onboarding overtager vi driften som Managed Azure Data Foundation.
Fra datasilo til platform
Data ligger i ERP-systemer, sensorer, logfiler og fileshares og kun sjældent der, hvor der er brug for dem. I webcasten viser Florian Stöckl og David Fengler, hvorfor lakehouse afløser det klassiske data warehouse, hvordan data løber gennem Bronze, Silver og Gold, hvilket af de tre blueprints der passer til hvilket team, og hvordan drift og projektfaser griber ind i hinanden.
Holy Trinity
Det begynder med én dag
Assessment
Før tilbuddet kommer status. På én dag gennemgår vi jeres kilder, jeres eksisterende platforme og jeres første use cases og noterer, hvilket blueprint der passer, og hvad platformen skal kunne. Resultatet tilhører jer, uanset hvem I går videre med.
KilderIntegrationHvilke systemer der skal kobles på, og i hvilken rækkefølge.
Use casesAnalytics & AIHvilke spørgsmål der skal besvares først, fra rapporten til agenten.
GovernanceKatalog og rettighederHvem der må se hvilke data, og hvordan det afspejles i kataloget.
DriftBlueprint og environmentsHvilket blueprint der passer, og hvor mange Data Environments I har brug for.
Det bliver vi spurgt om i den første samtale
Azure Databricks eller Microsoft Fabric, hvad passer til os?
Det afgøres mindre af teknikken end af jeres teams. Den, der programmerer databehandling og træner egne modeller, er godt hjulpet med Azure Databricks, mens den, der primært arbejder med Power BI og hurtigt vil bringe fagafdelinger frem til resultater, er bedre tjent med Microsoft Fabric. Til begge dele findes det hybride blueprint. Anbefalingen udarbejder vi i assessmentet.
Er Azure Data Foundation det samme som Azure Data Factory?
Nej. Azure Data Factory er en Microsoft-tjeneste til dataintegration. Azure Data Foundation er vores platform af arkitektur, kode og drift, hvor integrationsværktøjer er én byggesten blandt flere. Derfor forkorter vi den heller ikke.
Vi bruger allerede Databricks eller Fabric. Skal vi starte forfra?
Ikke nødvendigvis. I assessmentet vurderer vi, hvad der kan overtages, og hvad der hellere skal opstå på ny ud fra koden. Jeres data og pipelines forbliver jeres, og platformen nedenunder bringer vi op på foundation-standarden.
Hvor ligger vores data?
I jeres tenant og i den Azure-region, I vælger. Vi bygger og driver platformen der, hvor den står, og ikke i et miljø hos os.
Hvad bliver hos os?
På sigt pipelines, datamodeller, KPI'er og forretningslogik, for det er her, jeres forretning ligger. I starten bygger vi de første use cases sammen med jeres teams og giver vores viden videre, indtil de selv kan bære dette lag. Platformen nedenunder driver vi.
Har vi brug for vores eget data-team?
Ikke til driften af platformen, den tager vi os af. Til faglogikken har I på sigt brug for mennesker, der forstår jeres data, enten internt eller hos en partner, og vi hjælper med at opbygge den viden.
Hvad er et Data Environment?
Den enhed, vi fakturerer efter: en selvstændigt drevet instans af platformen, for eksempel for et selskab eller et klart afgrænset dataområde. Hvor mange I har brug for, viser sig i assessmentet.
Hvordan hænger Azure Data Foundation sammen med AI Foundation?
Data Foundation gør jeres data brugbare for agenter, og AI Foundation stiller den platform til rådighed, som agenterne kører på. Begge deler identitet, guardrails og driftsmodel, og begge står på Azure Foundation.
Hvad koster Azure Data Foundation?
Der faktureres et engangsbeløb for setup og et månedligt beløb pr. Data Environment, og den regelmæssige foundation-opdatering er inkluderet. Et tilbud får I efter assessmentet, når det ligger fast, hvilket blueprint det bliver, og hvor mange environments I har brug for.
Kontakt os nu






