Zum Inhalt springen

Glossar

Analytics & BI

Semantic Layer

Ein Semantic Layer ist ein gemeinsames Modell zwischen Rohdaten und den Tools, die Menschen nutzen. Er definiert Geschäftskennzahlen, Dimensionen und Joins einmalig, sodass jedes Dashboard, jede Tabellenkalkulation und jeder KI-Assistent einen Begriff wie Umsatz auf dieselbe Weise berechnet.

Aktualisiert am · Vom VIZIO AI Team

Was ist ein Semantic Layer?

Ein Semantic Layer übersetzt Tabellen- und Spaltennamen in Geschäftsbegriffe und legt die Berechnung jeder Kennzahl an einer Stelle fest. Warehouse-Tabellen enthalten Felder wie ord_amt und status_cd. Der Semantic Layer legt fest, dass der Nettoumsatz die Summe der Bestellbeträge abzüglich Erstattungen für abgeschlossene Bestellungen ist.

Er definiert auch Dimensionen wie Region, Produkt und Monat sowie die Verknüpfung der Tabellen. BI-Tools, Notebooks und Apps fragen dann nach Nettoumsatz pro Region, statt eigenes SQL zu schreiben.

So bewahrt ein Team eine Single Source of Truth für seine Kennzahlen, wenn viele Tools dieselben Daten lesen.

Was gehört in einen Semantic Layer, und welche Tools bieten einen?

Ein Semantic Layer hat vier Teile: Entitäten und Joins, Dimensionen, Measures und Zugriffsregeln.

  • Entitäten und Joins: Bestellungen sind über customer_id mit Kunden verknüpft.

  • Dimensionen: Felder zum Gruppieren und Filtern, etwa Datum oder Kanal.

  • Measures und Kennzahlen: Summen, Zählungen und Verhältnisse, mit eingebauten Filtern.

  • Zugriffsregeln: wer welche Zeilen oder Felder sehen darf, oft mit Row-Level Security.

Der dbt Semantic Layer, basierend auf MetricFlow, definiert Kennzahlen innerhalb eines dbt-Projekts; dbt führt ihn für die Pläne Starter, Enterprise und Enterprise+. Cube bietet mit Cube Core einen Open-Source-Semantic-Layer mit SQL-, REST- und GraphQL-APIs. LookML ist die Sprache von Looker zur Definition von Feldern, Berechnungen und Joins. Power-BI-Semantikmodelle erfüllen dieselbe Aufgabe im Microsoft-Umfeld.

Wie sieht ein Semantic Layer in der Praxis aus?

Ein Semantic-Layer-Projekt beginnt meist mit den fünf Kennzahlen, über die am meisten gestritten wird. Stellen Sie sich einen Kochbox-Abodienst vor, bei dem Finanzen, Marketing und CEO jeweils einen anderen Monatsumsatz berichten.

  1. Die Analytics-Leitung listet jede verwendete Definition auf. Finanzen zieht Erstattungen ab, Marketing zählt den Bruttobestellwert, und das CEO-Dashboard enthält die Steuer.

  2. Die Führungskräfte einigen sich auf eine Definition für Netto- und eine für Bruttoumsatz, jeweils mit kurzer Beschreibung.

  3. Das Team legt beide als Kennzahlen im dbt Semantic Layer an, mit Bestelldatum, Kanal und Tarif als Dimensionen.

  4. Dashboards und die wöchentliche Tabelle wechseln auf die gemeinsamen Kennzahlen. Alte berechnete Felder werden gelöscht.

Angenommen, das Montagsmeeting diskutiert nun, warum sich der Umsatz bewegt hat, und nicht mehr, wessen Zahl stimmt. Neue Kennzahlen durchlaufen dieselbe Prüfung.

Wo liegen die Grenzen eines Semantic Layers?

Ein Semantic Layer behebt widersprüchliche Berechnungen, aber keine schlechten Quelldaten und keine unklare Verantwortung.

  • Schlechte Eingaben: Ist der Bestellstatus im Quellsystem falsch, liegt nun jedes Tool auf dieselbe Weise falsch. Kombinieren Sie den Layer mit Prüfungen der Datenqualität.

  • Verantwortung: Jede Kennzahl braucht eine benannte verantwortliche Person, die Änderungen freigibt.

  • Tool-Unterstützung: Nicht jedes BI-Tool verbindet sich mit jedem Semantic Layer. Prüfen Sie die Integrationsliste vor der Auswahl.

  • Lock-in: Definitionen in der Sprache eines Anbieters lassen sich später nur mit Aufwand übertragen.

  • Übermodellierung: Wer am ersten Tag jede Spalte modellieren will, verzögert den Start um Monate.

Worin unterscheidet sich ein Semantic Layer von einem Data Warehouse?

Ein Data Warehouse speichert die Daten; ein Semantic Layer beschreibt, was sie bedeuten und wie daraus gerechnet wird. Ein Data Warehouse enthält bereinigte Tabellen, ein Data Mart eine Teilmenge davon für ein Team. Keines von beiden legt fest, wie Umsatz berechnet wird.

Berechnete Felder in einem BI-Tool funktionieren nur in diesem Tool. Ein gemeinsamer Semantic Layer bedient viele Tools aus einer Definition, und das macht Self-Service Analytics konsistent.

Der Layer ist auch für KI wichtig. Wenn ein Assistent die Frage „Wie hoch war der Umsatz im letzten Monat?“ beantwortet, geben gesteuerte Kennzahldefinitionen einem Large Language Model geprüfte Logik, statt es aus Rohtabellen raten zu lassen. Cube dokumentiert zum Beispiel eine Meta API, mit der KI-Agenten erkennen, was abgefragt werden kann.

Semantic Layer vs. Kennzahlen in jedem BI-Tool

Semantic Layer

Kennzahlen in jedem BI-Tool

Ort der Kennzahlen

Ein gemeinsames Modell

In jedem Bericht oder Tool

Konsistenz über Tools

Überall dasselbe Ergebnis

Je nach Tool und Autor verschieden

Definition ändern

Einmal ändern, prüfen, ausrollen

Jeden Bericht anpassen, der sie nutzt

Aufwand für die Einrichtung

Zu Beginn höher

Zu Beginn gering

Beispiele

dbt Semantic Layer, Cube, LookML

Berechnete Felder in einem einzelnen Dashboard

Wie geht Vizio AI an Semantic Layer heran?

Zu den veröffentlichten Projekten von Vizio AI gehört ein gemeinsames KPI-Modell, das für die Dashboards eines Kunden die Aufgabe eines Semantic Layers übernimmt. Für eine US-amerikanische E-Commerce-Marke für Damenmode hat das DX Studio ein Echtzeit-Analytics-Dashboard für Mode gebaut. Marketing-, Vertriebs- und Preisdaten wurden über Precog zentralisiert, und uneinheitliche Formate wurden in ein gemeinsames KPI-Modell überführt, sodass KPIs über Marketing, Finanzen und Merchandising hinweg vergleichbar blieben.

Die Fallstudie nennt „Improved data accuracy by 28%“ (Datengenauigkeit um 28 % verbessert) und „Enabled 32% faster operational decision-making“ (um 32 % schnellere operative Entscheidungen). Ihr erster Schritt: Notieren Sie Ihre fünf umstrittensten Kennzahlen und die Formel, die jedes Team heute verwendet.

Facebook-Logo
X-Logo
LinkedIn-Logo
Reddit-Logo
Telegram-Logo

AI-first denken.
Zukunftsschnell handeln.

Lassen Sie uns bauen, was als Nächstes kommt! Von Produktideen und intelligenten Workflows bis zu datengetriebenen Systemen und skalierbaren Growth Operations.

Strategiegespräch buchen