Katalogabfrage

Große Unternehmen speichern ihre Zahlen und Texte nicht an einem einzigen Ort. Verkaufszahlen liegen in einem System, Kundendaten in einem anderen, Messwerte aus der Produktion in einem dritten. Damit niemand den Überblick verliert, führen solche Firmen ein Verzeichnis über ihre eigenen Datenbestände. Dieses Verzeichnis heißt Katalog und enthält Einträge wie: Name des Bestands, Inhalt, Ort, Zuständige Person, letzte Aktualisierung. Eine Katalogabfrage ist die gezielte Suche in genau diesem Verzeichnis. Man fragt also nicht „Wie viel haben wir im Mai verkauft?“, sondern „Wo stehen überhaupt unsere Verkaufszahlen und wie aktuell sind sie?“.

Ohne Verzeichnis kein Überblick über die eigenen Daten

Ein Konzern kann hunderttausende Tabellen besitzen. Wer eine Auswertung bauen will, verbringt oft mehr Zeit mit dem Suchen als mit dem Rechnen. Die Katalogabfrage verkürzt diese Suche von Tagen auf Minuten. Sie ist deshalb kein Randwerkzeug, sondern der Einstiegspunkt in fast jede Datenarbeit.

Ein zweiter Grund ist rechtlich. Datenschutzregeln verlangen, dass eine Firma jederzeit sagen kann, wo personenbezogene Daten liegen. Ohne durchsuchbaren Katalog ist diese Frage kaum beantwortbar. Kommt eine Prüfung oder eine Löschanfrage eines Kunden, ist die Katalogabfrage das Werkzeug, mit dem man antwortet.

Auch für KI-Systeme ist das relevant. Ein Sprachmodell kann nur mit Daten arbeiten, die man ihm zuweist. Welche Bestände dafür geeignet und freigegeben sind, steht im Katalog. Ein häufiger Irrtum ist, die Katalogabfrage mit der eigentlichen Datenbankabfrage zu verwechseln. Die eine sucht die Quelle, die andere holt den Inhalt.

Metadaten, Filter und die Frage nach der Herkunft

Der Katalog speichert sogenannte Metadaten, also Angaben über Daten. Dazu gehören Spaltennamen, Datentypen, Größe, Besitzer und Zugriffsrechte. Diese Angaben sammelt eine Software meist automatisch ein, indem sie regelmäßig alle angeschlossenen Systeme abtastet. Der Fachbegriff dafür ist Crawling, vergleichbar mit dem, was Suchmaschinen im Internet tun.

Die Abfrage selbst funktioniert dann ähnlich wie eine Websuche mit Filtern. Man gibt einen Suchbegriff ein und schränkt ein: nur Tabellen der Abteilung Vertrieb, nur solche mit Aktualisierung in den letzten sieben Tagen. Manche Kataloge erlauben zusätzlich eine formale Abfragesprache, mit der sich komplizierte Bedingungen kombinieren lassen.

Ein besonders nützlicher Teil ist die Herkunftsanzeige, im Englischen Data Lineage genannt. Sie zeigt, aus welchen Quellen ein Bestand entstanden ist und welche Berichte darauf aufbauen. Fällt eine Quelle aus, sieht man sofort, welche Auswertungen jetzt falsche Zahlen zeigen. Man kann sich den Katalog wie den Zettelkatalog einer Bibliothek vorstellen: Er enthält keine Bücher, aber er sagt, in welchem Regal welches steht und wer es zuletzt geliehen hat.

Von Bibliothekssuche bis Databricks Unity Catalog

Die einfachste Form kennt fast jeder aus dem Bibliothekssystem der Schule oder Stadt. Dort sucht man nach Titel oder Autor und erhält Standort und Verfügbarkeit. Das ist im Kern dieselbe Idee, nur mit Büchern statt Tabellen. Auch der Produktkatalog eines Onlineshops arbeitet so, wenn man nach Größe und Preis filtert.

In der Berufswelt begegnet man dem Begriff bei Produkten wie dem Unity Catalog von Databricks, Microsoft Purview oder AWS Glue. Solche Werkzeuge werden in Geschäftsberichten und Tech-News regelmäßig erwähnt, weil sie ein wachsender Markt sind. Für Anleger ist das ein Signal: Wer Datenkataloge verkauft, verdient daran, dass Firmen ihre Daten für KI vorbereiten. Der Begriff taucht deshalb oft im gleichen Satz wie Data Governance auf, also die Regeln für den Umgang mit Daten.