Azure
Data Foundation
Der Agent ist fertig, die Daten sind es noch nicht. Wir bauen die Plattform, aus der eure Agenten antworten dürfen, als Code in eurem Tenant, und wir betreiben sie nach demselben Standard wie Azure Foundation und AI Foundation.
Die Antwort lautet 42
Ein Hersteller kam mit einer AI-Vertriebs-App zu uns. Der Anwendungsfall war beschlossen, das Budget freigegeben, und der Agent sollte Fragen nach Margen und Lieferzeiten aus den eigenen Zahlen beantworten. Der erste Workshop endete mit einer Datenplattform. Das ist kein Einzelfall, sondern das Muster dieses Jahres: 2024 fragten Unternehmen nach einer Datenplattform, um Reports zu bauen, 2026 fragen sie nach ihr, weil sie AI wollen, und fast jeder Use Case, der bei uns ankommt, beginnt mit einer Datenfrage. Douglas Adams hat diesen Moment 1979 vorweggenommen, als ein Computer siebeneinhalb Millionen Jahre rechnete, 42 verkündete und erst dann auffiel, dass niemand die Frage genau kannte. Im Unternehmen liegt der Fall umgekehrt. Die Frage ist präzise, nur weiß niemand, aus welcher Tabelle die Antwort stammen soll, ob Controlling und Vertrieb unter Marge dasselbe verstehen und wer sie überhaupt sehen darf. Am Modell liegt das selten, an der Plattform darunter fast immer, und genau die bauen und betreiben wir.
der Unternehmen haben keine passenden Praktiken im Datenmanagement für AI oder wissen es nicht.
der AI-Projekte ohne AI-fähige Daten werden bis Ende 2026 aufgegeben, so die Prognose.
der Governance-Initiativen für Data & Analytics scheitern bis 2027, weil kein konkreter Anlass sie trägt.
liegen höchstens zwischen zwei Foundation-Updates eurer Plattform, dazwischen halten wir sie laufend aktuell.
Vier Abkürzungen, die naheliegen
Wer unter Zeitdruck steht, nimmt den kürzesten Weg, und für Daten gibt es deren vier. Jeder ist ehrenwert begründet, keiner trägt über den ersten Anwendungsfall hinaus.
„Das steht doch alles in Excel.“
Jede Abteilung pflegt ihre eigene Wahrheit, und jede ist in sich schlüssig. Ein Agent, der alle liest, gibt sämtliche Wahrheiten wieder, mit derselben Gewissheit.
„Das bauen wir selbst.“
Das gelingt, solange die beiden Menschen bleiben, die wissen, wie es gebaut ist. Der Arbeitsmarkt für Data Engineers mit Erfahrung in Betrieb und Governance ist allerdings bemerkenswert gut darin, sie abzuwerben.
„Erst die Lizenz, dann sehen wir weiter.“
Eine Fabric-Kapazität oder ein Databricks-Workspace ist in einer Stunde gebucht. Katalog, Berechtigungen und Netzwerk ergeben sich daraus nicht, sie werden gebaut, oder sie fehlen.
„Das lassen wir einmal aufsetzen.“
Die Plattform wird abgenommen und übergeben, und vom Tag der Abnahme an altert sie. Databricks und Microsoft liefern laufend neue Runtimes und Funktionen, das Abnahmeprotokoll nicht.
Alle vier behandeln die Datenplattform als Anschaffung. Wir behandeln sie als Betrieb: Die Azure Data Foundation ist eine versionierte Plattform, die wir in eurem Tenant bauen, mit jedem Release weiterentwickeln und so lange betreiben, wie ihr sie braucht.
Vom Rohdatum zur belastbaren Antwort
Daten durchlaufen in der Azure Data Foundation drei Schichten, die nach olympischem Vorbild benannt sind, ohne dass eine davon als Trostpreis gemeint wäre. Bronze nimmt die Daten aus euren Quellen unverändert auf, Silver bereinigt und vereinheitlicht sie, und Gold liefert sie fachlich modelliert an Power BI, an Data Science und an eure Agenten. Darüber liegt der Katalog, der für jede Tabelle weiß, woher sie kommt und wer sie sehen darf, darunter das Fundament, das wir als Code ausliefern.
- QuellenERP, CRM, Fachanwendungen, Dateien und Systeme im eigenen Rechenzentrum
- BronzeRohdatenUnverändert und vollständig übernommen, damit jede spätere Zahl auf ihren Ursprung zurückführbar bleibt.
- SilverBereinigtDubletten entfernt, Formate vereinheitlicht, Qualität geprüft.
- GoldFachlich modelliertEine Definition je Kennzahl, abgestimmt mit den Fachbereichen, die sie verantworten.
- NutzungPower BI, Data Science und Agenten, mit den Rechten, die der Katalog vergibt
Sechs Bausteine, drei Blueprints, ein Standard
Der Agent sieht, was ihr seht, und nichts darüber hinaus
Spätestens mit dem ersten Agenten wird aus einer Frage der Ordnung eine Frage der Haftung. Ein Agent, der Gehaltsdaten zusammenfasst, weil sie zufällig in einer freigegebenen Tabelle lagen, irrt sich nicht, er tut, was die Berechtigungen ihm erlauben. In der Azure Data Foundation ist Microsoft Entra ID der Identity Provider, der Katalog kennt für jede Tabelle Herkunft, Klassifizierung und Berechtigte, und die Rechte gelten auf Ebene von Katalog, Schema und Tabelle. Agenten wie der Fabric data agent oder ein Genie Agent in Azure Databricks fragen mit der Identität des Nutzers ab und sehen deshalb genau das, was der Mensch sehen darf, in dessen Auftrag sie arbeiten. Das ist keine Funktion, die man später zukauft, sondern die Voraussetzung für alles, was die AI Foundation darauf aufbaut.
Was sich für euch ändert
Eine Kennzahl, eine Definition
Die Gold-Schicht hält jede Kennzahl genau einmal vor. Controlling, Vertrieb und Agent rechnen mit derselben Zahl und streiten künftig über deren Bedeutung, nicht mehr über deren Herkunft.
Rechte, die mitwandern
Berechtigungen hängen an den Daten, nicht an der Anwendung. Ob Power BI, Notebook oder Agent, es gilt, was der Katalog für den jeweiligen Nutzer vorsieht.
Reproduzierbar statt einmalig
Die Plattform entsteht aus Code und lässt sich aus diesem Code jederzeit neu aufbauen. Jede Änderung ist versioniert und als Diff nachvollziehbar, auch für eure Revision.
Ein Preis je Data Environment
Abgerechnet wird je Data Environment, also je eigenständig betriebener Instanz der Plattform, und nicht nach Personentagen. Was der Betrieb kostet, steht fest, bevor er beginnt.
Was wir betreiben und was bei euch bleibt
Ein Managed Service ist so gut wie seine Abgrenzung. Deshalb sagen wir ebenso deutlich, was wir übernehmen, wie das, was bei euch bleibt, und beides passt auf drei Ebenen.
Hier steckt euer Geschäft. Die ersten Use Cases bauen wir gemeinsam mit euren Teams und geben das Wissen weiter, bis ihr diese Ebene selbst tragt.
- Pipelines
- Datenmodelle
- KPIs und Reports
- Agenten und Business-Logik
Damit die Plattform läuft, wenn eure Teams sie brauchen, und nicht mehr kostet als nötig.
- Cluster Health
- Runtime- und Library-Updates
- Backup und Restore
- Table Maintenance
- Fabric-Capacity-Scheduling
- Kostenoptimierung
- Monitoring mit Severities
- Monatlicher Service Review
Damit jede Umgebung dem Code entspricht und der Code dem aktuellen Release.
- OpenTofu und Terragrunt
- Konfigurations-Repository je Kunde
- Drift Detection und Remediation
- Release Train
Eine Plattform mit Versionsnummer
Datenplattformen veralten selten spektakulär, sondern leise, eine Runtime nach der anderen. Die Azure Data Foundation hat deshalb Releases wie eine Software, und eure Umgebung folgt ihnen.
- 1Release veröffentlichenWir entwickeln die Foundation weiter und geben neue Versionen mit dokumentierten Änderungen frei.
- 2Version ausrollenDer Release Train bringt die neue Version in eure Umgebung, jede Änderung als nachvollziehbarer Diff.
- 3Abweichungen prüfenDie Drift Detection vergleicht jede Woche Code und Umgebung und setzt Abweichungen zurück.
- 4Runtimes aktualisierenDatabricks-Runtimes und Bibliotheken halten wir monatlich bis quartalsweise aktuell.
Spätestens alle zwölf Monate ein Foundation-Update, im Preis enthalten
Wir halten eure Plattform laufend auf dem aktuellen Stand, und spätestens nach zwölf Monaten erhält sie ein Foundation-Update. Eine Plattform, die im April 2026 ausgerollt wurde, sieht deshalb im Jahr 2028 nicht aus wie ein Relikt aus dem April 2026.
Vom ersten Termin in den Betrieb
- Bestand aufnehmenBestand aufnehmenIm Assessment, einem Tag, sichten wir Quellen, vorhandene Plattformen und die Use Cases, die als Erste an der Reihe sind.
- Parameter festlegenParameter festlegenIn einem Workshop von einem Tag entscheiden wir gemeinsam über Blueprint, Environments, Quellen und Berechtigungsmodell.
- Plattform ausrollenPlattform ausrollenIn zwei bis vier Tagen entsteht die Plattform aus dem Code, in eurem Tenant und nach euren Parametern.
- Übergeben und betreibenÜbergeben und betreibenNach einem Tag Übergabe und ein bis zwei Wochen Onboarding übernehmen wir den Betrieb als Managed Azure Data Foundation.
Aus dem Datensilo in die Plattform
Daten liegen in ERP-Systemen, Sensoren, Logfiles und Fileshares, nur selten dort, wo sie gebraucht werden. Florian Stöckl und David Fengler zeigen im Webcast, warum das Lakehouse das klassische Data Warehouse ablöst, wie Daten durch Bronze, Silver und Gold laufen, welcher der drei Blueprints zu welchem Team passt und wie Betrieb und Projektphasen ineinandergreifen.
Die Holy Trinity
Am Anfang steht ein Tag
Assessment
Vor dem Angebot steht die Bestandsaufnahme. An einem Tag gehen wir eure Quellen, eure vorhandenen Plattformen und eure ersten Use Cases durch und halten fest, welcher Blueprint passt und was die Plattform leisten muss. Das Ergebnis gehört euch, gleich mit wem ihr weitergeht.
QuellenIntegrationWelche Systeme angebunden werden und in welcher Reihenfolge.
Use CasesAnalytics & AIWelche Fragen zuerst beantwortet werden sollen, vom Report bis zum Agenten.
GovernanceKatalog und RechteWer welche Daten sehen darf und wie sich das im Katalog abbildet.
BetriebBlueprint und EnvironmentsWelcher Blueprint passt und wie viele Data Environments ihr braucht.
Was uns im ersten Gespräch gefragt wird
Azure Databricks oder Microsoft Fabric, was passt zu uns?
Das entscheidet sich weniger an der Technik als an euren Teams. Wer Datenverarbeitung programmiert und eigene Modelle trainiert, ist mit Azure Databricks gut bedient, wer vor allem mit Power BI arbeitet und Fachbereiche rasch zu Ergebnissen bringen will, mit Microsoft Fabric. Für beides gibt es den hybriden Blueprint. Die Empfehlung erarbeiten wir im Assessment.
Ist die Azure Data Foundation dasselbe wie Azure Data Factory?
Nein. Azure Data Factory ist ein Dienst von Microsoft für Datenintegration. Die Azure Data Foundation ist unsere Plattform aus Architektur, Code und Betrieb, in der Integrationswerkzeuge ein Baustein unter mehreren sind. Deshalb kürzen wir sie auch nicht ab.
Wir haben Databricks oder Fabric bereits im Einsatz. Müssen wir neu anfangen?
Nicht zwingend. Im Assessment prüfen wir, was sich übernehmen lässt und was besser neu aus dem Code entsteht. Eure Daten und Pipelines bleiben eure, die Plattform darunter bringen wir auf den Standard der Foundation.
Wo liegen unsere Daten?
In eurem Tenant und in der Azure-Region, die ihr festlegt. Wir bauen und betreiben die Plattform dort, wo sie steht, und nicht in einer eigenen Umgebung.
Was bleibt bei uns?
Auf Dauer Pipelines, Datenmodelle, KPIs und Business-Logik, denn darin steckt euer Geschäft. Am Anfang bauen wir die ersten Use Cases gemeinsam mit euren Teams und geben das Wissen weiter, bis sie diese Ebene selbst tragen. Die Plattform darunter betreiben wir.
Brauchen wir ein eigenes Data-Team?
Für den Betrieb der Plattform nicht, den übernehmen wir. Für die Fachlogik braucht ihr auf Dauer Menschen, die eure Daten verstehen, im eigenen Haus oder bei einem Partner, und beim Aufbau dieses Wissens helfen wir mit.
Was ist ein Data Environment?
Die Einheit, nach der wir abrechnen: eine eigenständig betriebene Instanz der Plattform, etwa für eine Gesellschaft oder einen klar abgegrenzten Datenbereich. Wie viele ihr braucht, ergibt sich im Assessment.
Wie hängt die Azure Data Foundation mit der AI Foundation zusammen?
Die Data Foundation macht eure Daten für Agenten nutzbar, die AI Foundation stellt die Plattform bereit, auf der diese Agenten laufen. Beide teilen Identität, Guardrails und Betriebsmodell, und beide stehen auf der Azure Foundation.
Was kostet die Azure Data Foundation?
Abgerechnet werden ein einmaliges Setup und ein monatlicher Betrag je Data Environment, das regelmäßige Foundation-Update ist darin enthalten. Ein Angebot erhaltet ihr nach dem Assessment, wenn feststeht, welcher Blueprint es wird und wie viele Environments ihr braucht.
Wer hat diese Agents gebaut?
E7 bündelt E5, Copilot, die Entra Suite und Agent 365. Eine Lizenz räumt aber keinen Tenant auf. Wer für einen ...
Outbreak. Was der OpenAI/Hugging-Face-Vorfall verrät und was nicht
Ein AI-Agent bricht aus seiner Testumgebung aus, findet einen Zero-Day und hackt ein anderes Unternehmen. Klingt nach Drehbuch, ist aber ...
The Holy Trinity: Was KI wirklich braucht, um zu arbeiten
Ein Fertigungsunternehmen möchte wissen, welche seiner 14.000 SKUs tatsächlich profitabel sind. Die Antwort liegt in drei Systemen, die noch nie ...
Microsoft Frontier Partner: wir gehören dazu
Seit kurzem gibt es im Microsoft AI Cloud Partner Program eine neue Spitzenauszeichnung, das Frontier Partner Badge. Microsoft verleiht es ...
Sechs Agents. Vier Wochen. Echter Betrieb.
Sechs Unternehmen, vier Wochen Build-Phase, sechs funktionierende AI Agents – das war der erste glueckkanja AI Agent Hackathon. Kiekert, Dr. ...
Als einer der Ersten weltweit: glueckkanja Security Copilot Agents
glueckkanja gehört zu den ersten Partnern im Microsoft Security Store Preview und liefert zum Start zehn Microsoft-native Security Copilot Agents ...
Lasst uns über eure Daten sprechen
Am Anfang steht das Assessment, ein Tag zu euren Quellen, euren ersten Use Cases und dem passenden Blueprint. Schreibt uns, wo ihr steht und welche Frage euer erster Agent beantworten soll, und ihr erhaltet von uns einen Terminvorschlag.