Data Mart: Definition, Modellierung und Abgrenzung

Ein Data Mart ist ein fachbereichs-spezifischer Ausschnitt aus dem zentralen Datenlager eines Unternehmens (Data Warehouse), zugeschnitten auf einen Anwenderkreis wie Vertrieb, Finance oder Marketing. Er enthält nur die für diesen Bereich relevanten Kennzahlen (etwa Umsatz, Marge, Klickzahlen) in einer für Auswertungen optimierten Form. Damit sind Auswertungen schneller und für die Fachabteilung einfacher als im großen Gesamtdatenbestand des Unternehmens.

Was ist ein Data Mart?

Ein Data Mart ist eine Analyse-Schicht für eine Fachabteilung. Er bündelt die Kennzahlen und Bezugsgrößen eines Themenbereichs (also etwa Verkaufstransaktionen mit den Bezügen zu Kunde, Produkt, Zeit und Region) in einem Modell, das speziell für schnelle Abfragen (Queries) durch Fachanwender gebaut ist. Technisch trägt er in aller Regel ein dimensionales Schema, das sogenannte Star- oder Snowflake-Schema: eine zentrale Tabelle mit den messbaren Ereignissen („Fakten-Tabelle", etwa Verkaufstransaktionen) und daran angehängte Nachschlage-Tabellen für Kunde, Produkt, Zeit und Region („Dimensionen"). Der Zweck: kurze Antwortzeiten durch weniger Daten und ein einfaches Modell, mit dem Fachanwender arbeiten können, ohne das komplette Datenmodell des Unternehmens zu kennen.

Der Begriff geht auf Ralph Kimball zurück und wurde im „Data Warehouse Toolkit" (1996) systematisiert. Kimballs Bus-Architektur versteht das Enterprise Data Warehouse als Verbund konformer Data Marts: gemeinsame Conformed Dimensions (dieselben Kunden-, Produkt-, Zeit-Schlüssel über alle Marts) garantieren, dass Fakten aus verschiedenen Fachbereichen konsistent kombiniert werden können. Bill Inmons Corporate Information Factory folgt dem entgegengesetzten Bauprinzip: zuerst das integrierte Enterprise Data Warehouse in dritter Normalform, aus dem anschließend abhängige Data Marts als Ausschnitte abgeleitet werden.

Fachlich unterscheidet die Praxis zwei Typen. Der Dependent Data Mart wird aus einem zentralen Enterprise Data Warehouse befüllt und erbt Definitionen, Historisierung und Qualitätsregeln des Warehouse; damit ist er automatisch mit anderen Marts konsistent. Der Independent Data Mart wird direkt aus Quellsystemen versorgt, ohne den Umweg über ein zentrales EDW; er ist schneller aufgebaut, birgt aber das Risiko, dass sich Kennzahl- und Dimensions-Definitionen zwischen Marts auseinanderentwickeln.

In modernen Datenplattformen materialisiert sich der Data Mart typischerweise als Gold-Layer einer Medaillon-Architektur: Bronze speichert Rohdaten, Silber übernimmt Cleansing und Historisierung, Gold enthält die aggregierten, dimensional modellierten Fakten- und Dimensions-Tabellen einer Fachdomäne. Ob diese Gold-Schicht auf einem klassischen Warehouse, einem Data Lakehouse mit Delta- oder Iceberg-Tabellen oder als virtualisierte Sicht liegt, ändert die logische Rolle des Marts nicht.

Abgrenzung zu Data Warehouse, Data Lake, Semantic Layer und OBT

Der Begriff Data Mart wird häufig mit verwandten Speicher- und Modellierungs-Konzepten vermischt, die entweder auf einer anderen Ebene der Architektur liegen oder ein alternatives Modellierungs-Paradigma tragen.

Begriff	Achse	Kernunterschied
Data Warehouse (EDW)	Reichweite	Das Enterprise Data Warehouse integriert alle Fachdomänen einer Organisation in einem konsistenten Datenbestand. Der Data Mart ist ein themen- oder fachbereichsspezifischer Ausschnitt daraus.
Data Lake	Aggregations-Grad	Ein Data Lake speichert Rohdaten in beliebigem Format ohne Aggregation. Ein Data Mart aggregiert und modelliert dimensional für einen definierten Analyse-Zweck.
Data Lakehouse	Ebene	Das Lakehouse ist eine Speicher-Architektur (Lake + Transaktionalität + Katalog). Ein Data Mart ist ein logischer Layer, der auf einem Lakehouse als Gold-Schicht materialisiert werden kann.
Semantic Layer	Materialisierung	Der Semantic Layer definiert Kennzahlen und Dimensionen abstrakt (Metrik-Layer, LookML, dbt-Semantic-Layer) über physischen Tabellen. Der Data Mart ist die persistierte Tabellenschicht darunter, mit der ein Semantic Layer arbeiten kann.
One Big Table (OBT)	Modellierungs-Paradigma	OBT flacht das dimensionale Modell auf breite, denormalisierte Fakt-Tabellen ohne Joins ab; ein Data Mart im Kimball-Sinn setzt auf normalisierte Dimensionen um einen zentralen Fakt (Star-Schema).

Die wichtigste Abgrenzung verläuft zwischen Data Mart und Enterprise Data Warehouse. Beide sind analytische Datenspeicher, arbeiten aber auf verschiedenen Ebenen: das EDW als integrierter Gesamtbestand, der Mart als thematischer Ausschnitt für eine Fachdomäne. Die zweite wichtige Trennung betrifft Data Mart und One Big Table. OBT ist im Cloud-Warehouse- und Lakehouse-Zeitalter zu einem verbreiteten Gegenmodell zur Star-Schema-Modellierung geworden, weil Compute-Kosten in Spalten-Engines eher durch Scan-Volumen als durch Join-Komplexität getrieben werden. Ein OBT-Modell ersetzt die Dimensions-Struktur eines klassischen Marts durch eine breite Fakt-Tabelle mit denormalisierten Attributen.

Beispiel: Data Marts in einer Handels-Datenplattform

Ein Handelsunternehmen betreibt ein zentrales Data Lakehouse mit historisierten Verkaufs-, Kunden- und Produktdaten in einer Silber-Schicht. Aus diesem Bestand werden drei Data Marts als Gold-Layer abgeleitet: ein Vertriebs-Mart mit der Fakten-Tabelle „Verkaufstransaktion" und den Conformed Dimensions „Kunde", „Produkt", „Zeit" und „Region"; ein Finance-Mart mit aggregierten Umsatz-, Marge- und Kostenzahlen auf Monats- und Regionsebene; ein Marketing-Mart mit Klickstrom- und Kampagnen-Kennzahlen, angebunden an dieselben Kunden- und Produkt-Dimensionen.

Alle drei Marts nutzen dieselben Conformed Dimensions und garantieren so einheitliche Kunden- und Produkt-Definitionen über die Fachbereiche hinweg. Die BI-Werkzeuge (Power BI, Tableau) greifen direkt auf den jeweiligen Mart zu; jedes Fachbereichs-Team sieht ausschließlich die für seine Domäne relevanten Tabellen. Berechtigungen werden pro Mart über den Katalog vergeben, ohne dass Silber- oder Bronze-Rohdaten für Endanwender geöffnet werden müssen. Diese Struktur entspricht dem klassischen Kimball-Bus-Aufbau, umgesetzt in einer aktuellen Lakehouse-Plattform.