Data Architect

Was macht ein Data Architect?

Du entscheidest nicht, wie eine einzelne Auswertung gerechnet wird, sondern wie Daten im Unternehmen überhaupt liegen und fließen. Welches System ist die verbindliche Quelle für Kundendaten? In welcher Schicht stehen Rohdaten, in welcher die aufbereiteten? Wer greift über welchen Weg zu, und wie lange wird etwas aufbewahrt? Das Ergebnis deiner Arbeit ist selten Code, sondern ein Bild, ein Regelwerk und eine Entscheidung, an die sich anschließend mehrere Teams halten.

Ein großer Teil des Tages besteht aus Abstimmung. Eine Speicherschicht lässt sich in einer Woche entwerfen – dass Vertrieb, Controlling und IT sich auf dieselbe Definition von „Kunde" einigen, dauert Monate. Genau daran hängt aber, ob spätere Berichte zusammenpassen. Wer Architektur nur als technische Zeichnung versteht, unterschätzt die Rolle: Die Hoheit über Begriffe ist der eigentliche Hebel, und sie wird in Sitzungen verteidigt, nicht im Editor.

Gegen die Nachbarrollen lässt sich das klar abgrenzen. Der Data Engineer baut die Strecken, die du entworfen hast: konkrete Ladeläufe, Tabellen, Prüfungen, täglicher Betrieb. Du legst eine Ebene darüber fest, welche Strecken es überhaupt geben soll und warum. Der KI-Systemarchitekt wiederum denkt vom Modell und seiner Auslieferung her – Dienste, Schnittstellen, Rechenwege eines KI-Systems – während du vom Datenbestand her denkst, unabhängig davon, ob am Ende ein Modell, ein Bericht oder eine Fachanwendung darauf zugreift. In kleineren Unternehmen fallen alle drei Rollen in einer Person zusammen; ab einer gewissen Größe trennen sie sich, weil sonst niemand mehr den Überblick behält.

Was du im Praktikum machst

Die Rolle wird selten direkt vom Studium aus besetzt. Dafür braucht es Erfahrung damit, wie Entscheidungen altern: Ein Datenmodell, das heute elegant wirkt, kann in drei Jahren jeden neuen Fachbereich behindern. Diese Erfahrung sammelt man üblicherweise erst als Entwickler oder Engineer. Ein Praktikum gibt es trotzdem, meist als Zuarbeit im Architektur- oder Plattformteam.

Typisch ist eine Bestandsaufnahme: Welche Quellsysteme liefern welche Daten, in welcher Frequenz, mit welchen Feldern, an wen weiter. Das ist teilweise Fleißarbeit, aber es ist die Grundlage jeder weiteren Entscheidung – und in vielen Häusern existiert dieses Bild nirgends vollständig.

Dazu kommen kleinere Entwurfsaufgaben, etwa ein Datenmodell für einen neuen Bereich, das Pflegen eines Begriffsverzeichnisses und das Nachhalten von Absprachen. Du wirst in vielen Sitzungen sitzen, in denen du zunächst nur zuhörst. Das ist kein verlorener Tag: Wer versteht, an welcher Stelle eine Abstimmung kippt, lernt hier mehr über die Rolle als aus jedem Modellierungsbuch.

Was du mitbringen solltest

Sicheres SQL und Datenmodellierung – sowohl normalisiert für Quellsysteme als auch dimensional für Auswertungen. Ein Grundverständnis heutiger Speicherformen in der Cloud hilft, ebenso ein Gefühl dafür, wie Zugriffsrechte organisiert werden.

Wichtiger ist etwas anderes: Du musst Fragen stellen können, ohne belehrend zu wirken, und den Unterschied zwischen einer sauberen und einer durchsetzbaren Lösung aushalten. Architekturarbeit ist zu einem großen Teil Übersetzung zwischen Fachsprache und Technik. Und sie belohnt Menschen, die Ordnung mögen, aber nicht darauf bestehen, dass alles gleichzeitig aufgeräumt wird.

Was du verdienst

Die folgenden Werte sind Erfahrungswerte aus dem deutschen Markt und keine Zusage. Praktika liegen bei rund 1.600 Euro brutto im Monat. Wer direkt in eine Architekturrolle einsteigt – meist nach einigen Jahren als Engineer –, beginnt bei etwa 4.900 Euro. Mit zwei bis drei Jahren Erfahrung liegt die Spanne zwischen 5.600 und 7.200 Euro. Das Niveau ist ähnlich wie bei erfahrenen Data Engineers, in Konzernen mit vielen Quellsystemen eher darüber, weil hier Verantwortung für Entscheidungen bezahlt wird, die schwer rückgängig zu machen sind.

Wie es weitergeht

Der naheliegende Weg führt zum Lead Data Architect, der mehrere Bereiche verantwortet, und von dort in die Enterprise-Architektur, in der auch Anwendungen und Prozesse mitgedacht werden. Wer lieber nah am Betrieb bleibt, übernimmt die Leitung einer Datenplattform. Und wer den Regelteil mag, geht Richtung Data Governance.