Data Mesh braucht klare Verantwortung – nicht nur Kulturarbeit

Lokale Autonomie lässt sich vergleichsweise einfach organisieren. Ein Team erhält Verantwortung, Budget, Ziele und eine Plattform. Es kann schneller entscheiden und näher am fachlichen Problem arbeiten. Schwieriger wird es, sobald mehrere Domänen dieselbe Realität berühren. Ein Produkt benötigt Kundendaten aus Vertrieb, Vertragsinformationen aus Finance und Nutzungssignale aus dem digitalen Kanal. Jede Domäne besitzt eine gültige Sicht. Für den gemeinsamen Use Case müssen diese Sichten trotzdem zusammenpassen.

Wer entscheidet, welche Abgrenzung gilt? Wie werden Unterschiede sichtbar? Welche Verantwortung endet an der Domänengrenze – und welche nicht? Was passiert, wenn ein lokales Datenprodukt unternehmensweit genutzt wird? Diese Fragen lassen sich nicht allein mit Teamkultur beantworten. Sie brauchen Struktur.

Ein typisches Warnsignal: Eine Domäne trägt den Titel „Owner“, muss für jede technische Änderung aber weiter einen Change Request an das zentrale Team stellen. Dann wurde Verantwortung verteilt, der notwendige Handlungsspielraum jedoch nicht. Data Mesh bleibt auf Rollen und Plattform beschränkt.

Der Product Owner bringt es im Termin auf den Punkt: „Ich soll das Produkt verantworten, aber entscheiden darf ich nur über den Beschreibungstext.“ Solange Verantwortung und Handlungsspielraum auseinanderfallen, bleibt Dezentralisierung vor allem ein neues Etikett.

Wenn Data-Mesh-Initiativen stocken, lautet die Diagnose schnell: Die Bereiche denken noch in Silos. Es fehlt an Zusammenarbeit, Ownership oder Datenkultur. Das kann stimmen. Häufig arbeitet die Organisation aber genau so, wie ihre Anreize und Strukturen es nahelegen. Teams werden an lokalen Zielen gemessen. Projekte haben begrenzte Zeit. Domänenübergreifende Modellierung ist Zusatzaufwand. Entscheidungen über gemeinsame Begriffe besitzen keinen klaren Ort. Governance-Rollen existieren, aber ihre Autorität bleibt unklar. Unter diesen Bedingungen ist lokale Optimierung rational.

Ein Workshop kann für Verständnis sorgen. Er verändert nicht automatisch, wie Entscheidungen getroffen, Beziehungen gepflegt oder Konflikte gelöst werden. Kultur füllt den Raum, den Struktur offenlässt. Sie kann fehlende Mechanismen nicht dauerhaft ersetzen.

Data Mesh wird tragfähig, wenn vier Dinge nicht als einzelne Bausteine, sondern als zusammenhängende Arbeitsweise organisiert werden.

Echte lokale Verantwortung. Domänen verantworten nicht nur technische Tabellen, sondern verständliche und nutzbare Datenprodukte. Dazu gehören Zweck, Qualität, Änderungen, Kommunikation und Rückkopplung.

Eine gemeinsame Realität. Fachliche Objekte und ihre Beziehungen werden domänenübergreifend sichtbar. Unterschiedliche Perspektiven sind erlaubt, müssen aber bewusst abgegrenzt und verbunden werden.

Governance als Leitplanke. Regeln schaffen den Rahmen, innerhalb dessen Teams selbstständig handeln können. Sie definieren nicht jede Einzelfallentscheidung zentral, sondern machen klar, was verbindlich ist, wer entscheiden darf und wie Ausnahmen funktionieren.

Kontinuierliche Koordination. Neue Anforderungen, Produkte und Erkenntnisse verändern das gemeinsame Modell. Diese Veränderung muss während der Arbeit aufgenommen werden – nicht erst in einer jährlichen Harmonisierung. Damit wird Data Mesh zu einem Betriebsmodell: einer wiederholbaren Art, dezentrale Datenarbeit zu organisieren.

In schwachen Data-Mesh-Umsetzungen werden Datenprodukte wie Pakete behandelt, die ein Team technisch bereitstellt und anschließend in einen Marketplace stellt. Das greift zu kurz. Ein Datenprodukt ist eine organisatorische Einheit, die einen Ausschnitt der fachlichen Realität verantwortet. Es erklärt, wofür es gedacht ist, welche Bedeutung gilt, welche Qualität zugesagt wird und wie Veränderungen behandelt werden. Gerade dadurch kann ein anderes Team das Produkt nutzen, ohne dieselben Fragen erneut zu klären. Der Marketplace ist die sichtbare Oberfläche. Das Betriebsmodell dahinter entscheidet, ob das Angebot vertrauenswürdig und anschlussfähig ist.

Eine gute Datenkultur lässt sich nicht verordnen. Sie entsteht aus wiederholten Erfahrungen. Wenn Wiederverwendung funktioniert, wird sie selbstverständlich. Wenn Verantwortlichkeit echte Entscheidungskompetenz besitzt, wird Ownership glaubwürdig. Wenn Regeln im Arbeitsmoment helfen, wird Governance weniger als Kontrolle erlebt. Wenn Domänen ihre Unterschiede sichtbar machen können, ohne in endlosen Harmonisierungsschleifen zu landen, wächst Vertrauen. Das sind kulturelle Effekte. Ihre Grundlage ist strukturell. Data Mesh ist deshalb kein Programm, das mit Rollenbeschreibungen, Trainings und einem neuen Organigramm eingeführt wird.

Es ist ein Betriebsmodell, das im täglichen Arbeiten beweisen muss, dass dezentrale Verantwortung und gemeinsame Realität zusammenpassen. Die entscheidende Frage lautet nicht: Sind alle schon bereit für Data Mesh? Sondern: