digna berichtet über 12-monatigen Enterprise-Betrieb ohne traditionelle Data-Quality-Regeln

Unternehmensimplementierung zeigt, wie KI-gestützte Data Observability tausende manuelle Data-Quality-Regeln ersetzt und Daten zuverlässig überwacht.

VIENNA, AUSTRIA, March 17, 2026 /EINPresswire.com/ -- Das österreichische Unternehmen digna gab bekannt, dass ein groß angelegtes Enterprise-Data-Warehouse zwölf aufeinanderfolgende Monate ohne die Ausführung traditioneller, manuell programmierter Data-Quality-Regeln betrieben wurde. Stattdessen kam adaptives Anomalie-Monitoring zum Einsatz, das direkt in die Data Quality & Observability Platform des Unternehmens integriert ist.

Nach Angaben des Unternehmens ersetzte die Implementierung tausende manuell geschriebene Validierungsprüfungen – darunter Null-Checks, Schwellenwertkontrollen sowie individuelle SQL-Assertions – durch KI-gestütztes Monitoring, das direkt in die Plattform eingebettet ist. Anstatt auf vordefinierte Skripte zu setzen, analysierte das System Verhaltensmuster über Datensätze hinweg, um Unregelmäßigkeiten automatisch zu erkennen.

Die Ergebnisse wurden dokumentiert und anschließend im Rahmen einer Kundenreferenz auf der ADV Data Excellence Conference in Wien vorgestellt. Laut Unternehmen zeigt diese Implementierung einen Wandel von statischen Validierungsmodellen hin zu adaptiven Monitoring-Ansätzen für großskalige Enterprise-Datenumgebungen.

Über Jahrzehnte hinweg haben Enterprise-Data-Warehouses regelbasierte Validierungsframeworks eingesetzt, um die Datenqualität zu überwachen. Diese Systeme erfordern in der Regel, dass Data Engineers Bedingungen definieren, wie etwa Null-Prüfungen, Schwellenwerte oder SQL-Assertions, um bekannte Fehler zu erkennen. Mit dem Wachstum moderner Datenökosysteme können diese Regelwerke auf tausende Bedingungen anwachsen, die kontinuierlich gepflegt und aktualisiert werden müssen, sobald sich Datenstrukturen verändern.

Marcin Chudeusz, CEO von digna, erklärt, dass die zunehmende Komplexität moderner Dateninfrastrukturen die Skalierbarkeit traditioneller, regelbasierter Governance-Modelle infrage stellt.

„Enterprise-Plattformen entwickeln sich kontinuierlich weiter“, sagt Chudeusz. „Wenn Validierung auf manuell definierten Regeln basiert, wird Data Governance reaktiv und schwer skalierbar. Unser Ziel ist es, Governance zu stärken, indem intelligente Observability direkt in die Datenumgebung integriert wird, sodass sich Monitoring automatisch an Veränderungen der Systeme anpasst.“

Das Monitoring-System der Plattform nutzt statistische Lernmethoden, darunter verteilungsunabhängige Anomalieerkennung sowie adaptive Prognoseintervalle, um Abweichungen vom erwarteten Datenverhalten zu identifizieren. Anstatt explizite Regeln für jedes mögliche Problem zu definieren, modelliert das System das Verhalten von Datensätzen über die Zeit und erkennt Anomalien, wenn sich Muster verändern.

Danijel Kivaranovic, PhD, CTO von digna, erklärt, dass dieser Ansatz auf Prinzipien der statistischen Lerntheorie basiert.

„Regelbasierte Systeme gehen davon aus, dass potenzielle Probleme im Voraus vollständig spezifiziert werden können“, sagt Kivaranovic. „In komplexen Datenökosystemen trifft diese Annahme häufig nicht zu. Durch mathematische Modellierung des zugrunde liegenden Datenverhaltens lassen sich Abweichungen erkennen, ohne tausende vordefinierte Bedingungen kodieren zu müssen.“

Nach Angaben des Unternehmens reduziert dieser Ansatz den operativen Aufwand für die Pflege großer Regelbestände und erweitert gleichzeitig die Überwachung in komplexen Datenumgebungen, die häufig von Schemaänderungen, neuen Datenquellen und sich entwickelnder Geschäftslogik geprägt sind.

Das Unternehmen erklärte, dass die dokumentierte zwölfmonatige Implementierung darauf hindeutet, dass adaptive Monitoring-Modelle eine alternative Governance-Strategie darstellen könnten, während Enterprise-Datenökosysteme weiter an Größe und Komplexität gewinnen.



Über digna

digna entwickelt Enterprise-Software für Data Quality Monitoring, Observability und automatisierte Data Governance. Die Plattform nutzt KI-gestützte Anomalieerkennung, um große Datenlandschaften zu überwachen, ohne auf umfangreiche manuell programmierte Validierungsregeln angewiesen zu sein.

Mayowa Ajakaiye
digna GmbH
+43 1 2260056398
email us here
Visit us on social media:
LinkedIn
Facebook
YouTube
X

Legal Disclaimer:

EIN Presswire provides this news content "as is" without warranty of any kind. We do not accept any responsibility or liability for the accuracy, content, images, videos, licenses, completeness, legality, or reliability of the information contained in this article. If you have any complaints or copyright issues related to this article, kindly contact the author above.