{"id":158007,"date":"2026-09-15T15:33:40","date_gmt":"2026-09-15T15:33:40","guid":{"rendered":"https:\/\/barc.com\/?p=158007"},"modified":"2026-09-15T15:41:50","modified_gmt":"2026-09-15T15:41:50","slug":"analysteneinschatzung-entropy-data","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/analysteneinschatzung-entropy-data\/","title":{"rendered":"Analysteneinsch\u00e4tzung zu Entropy Data: Vom Data Contract zum agentisch erstellten Datenprodukt"},"content":{"rendered":"\n

Data Products entfalten ihren Wert erst, wenn aus einer Beschreibung ein verl\u00e4sslich nutzbares Produkt wird. Genau an dieser Stelle positioniert sich Entropy Data. Der Anbieter verbindet Data Contracts, Semantik, einen Data Product Marketplace und Zugriffsprozesse. Neu ist weniger jeder einzelne Baustein als ihr Zusammenspiel und die Idee, den entstehenden Kontext nicht nur Menschen, sondern auch Coding Agents zur Verf\u00fcgung zu stellen.<\/p>\n\n\n\n

Entropy Data ist ein standardbasierter und plattformunabh\u00e4ngiger Data Product Marketplace f\u00fcr Unternehmen, die Data Products bereits als Arbeitsmodell etabliert haben und diese nun f\u00fcr Menschen und AI Agents operationalisieren und skalieren wollen.<\/em><\/strong><\/p>\n\n\n\n

Wer ist Entropy Data?<\/h2>\n\n\n\n

Entropy Data ist ein Spin-off des IT-Beratungsunternehmens INNOQ. Das Produkt ist seit 2023 verf\u00fcgbar, das eigenst\u00e4ndige Unternehmen besteht seit rund einem Jahr. Mit sechs Mitarbeitenden, 13 zahlenden Kunden in acht L\u00e4ndern (darunter Kuehne+Nagel, GEODIS, DKB) und rund einer Million Euro wiederkehrendem Lizenzumsatz ist Entropy Data klein, nach eigenen Angaben aber profitabel und organisch wachsend.<\/p>\n\n\n\n

Die Open-Source-Strategie sorgt f\u00fcr Sichtbarkeit: Die Data Contract CLI hat eine Million Downloads pro Monat. Hinzu kommen mehr als 1.000 GitHub Stars f\u00fcr ODCS und CLI sowie mehrere Tausend Pulls der Community Edition. Das ist noch kein Beleg f\u00fcr breite Enterprise-Adoption, aber ein starkes Signal f\u00fcr das Interesse am Thema.<\/p>\n\n\n\n

Was ist das Angebot wirklich?<\/h2>\n\n\n\n

Entropy Data bezeichnet sich als Data Product Marketplace<\/strong>. Das passt, greift aber weiter als bei Marktpl\u00e4tzen, die Datenprodukte lediglich auflisten. Entropy Data verwaltet Data Products und Contracts, macht sie auffindbar, organisiert Zugriffsanfragen und kann \u00fcber Events die Berechtigungsvergabe in angeschlossenen Datenplattformen ansto\u00dfen.<\/p>\n\n\n\n

Das Portfolio im \u00dcberblick:<\/strong> Das zentrale Produkt hei\u00dft Entropy Data<\/strong> (ehemals Data Mesh Manager und Data Contract Manager) und gliedert sich in drei Funktionsbereiche.<\/p>\n\n\n\n

    \n
  • Der Marketplace<\/strong> unterst\u00fctzt Discovery, Zugriffsanfragen und Freigaben.<\/li>\n\n\n\n
  • Im Studio <\/strong>erstellen und verwalten Data Product Owner ihre Data Products und Data Contracts.<\/li>\n\n\n\n
  • Governance <\/strong>b\u00fcndelt Policies, Compliance-Pr\u00fcfungen und Zust\u00e4ndigkeiten.<\/li>\n<\/ul>\n\n\n\n

    Dar\u00fcber hinaus bilden Semantics<\/strong> Gesch\u00e4ftskonzepte, Metriken und Beziehungen als gemeinsame Ontologie ab. Der Data Product Builder <\/strong>stellt Coding Agents den Kontext zur Implementierung neuer Produkte bereit. Erg\u00e4nzt wird die Plattform durch die eigenst\u00e4ndige Open-Source-Komponente Data Contract CLI<\/strong>, die Contracts testet und in Entwicklungs- und CI\/CD-Prozesse integriert sowie den Data Contract Editor, um Datenkontrakte zu editieren.<\/p>\n\n\n\n

    Entropy Data ist in erster Linie f\u00fcr Data Product Owner <\/strong>gebaut: Sie beschreiben, erstellen, ver\u00f6ffentlichen und verantworten die Produkte. Auf der Nutzungsseite adressiert die Plattform zwei Zielgruppen. Menschen sollen Datenprodukte finden, verstehen und anfordern k\u00f6nnen; AI Agents sollen denselben standardisierten und semantisch angereicherten Kontext maschinell nutzen k\u00f6nnen. Damit unterst\u00fctzt die Plattform sowohl Human-Ready Data<\/strong> als auch AI-Ready Data<\/strong>.<\/p>\n\n\n\n

    Die eigentlichen Daten und Verarbeitungsl\u00e4ufe verbleiben in Systemen wie Snowflake, Databricks oder dbt. Entropy Data bildet dar\u00fcber einen leichtgewichtigen Metadata- und einheitlichen Zugriffs- und Control-Layer. Die Anwendung kann als SaaS oder selbst gehostet betrieben werden. Das ist besonders f\u00fcr Unternehmen interessant, die mehrere Datenplattformen einsetzen, Metadatensouver\u00e4nit\u00e4t bewahren und sich nicht vollst\u00e4ndig an das propriet\u00e4re Modell eines Plattformanbieters binden wollen.<\/p>\n\n\n\n

    Die wichtigsten Alternativen sind daher weniger klassische Datenkataloge als Databricks, Snowflake und selbst entwickelte L\u00f6sungen. Gegen\u00fcber diesen Angeboten liegt die st\u00e4rkste Differenzierung in der konsequenten Unterst\u00fctzung offener Standards und in der Plattformunabh\u00e4ngigkeit.<\/p>\n\n\n\n

    Wie funktioniert die Produkterstellung?<\/h2>\n\n\n\n

    Im Zentrum stehen der Open Data Contract Standard (ODCS) und der Open Data Product Standard (ODPS). ODCS beschreibt unter anderem Schema, Qualit\u00e4t, SLAs und Nutzungsbedingungen; ODPS strukturiert das Datenprodukt. Entropy Data nutzt beide nicht nur als Austauschformat, sondern als Grundlage f\u00fcr Marketplace und Automatisierung.<\/p>\n\n\n\n

    \"Screen
    Figure 1: Data Contracts in Entropy Data<\/em><\/figcaption><\/figure>\n\n\n\n

    Die zugrunde liegende Semantik wird nicht beliebig vorausgesetzt, sondern kann in Entropy Data Semantics<\/strong> aufgebaut und gepflegt werden. Data Product Owner und Fachexperten modellieren dort unternehmensspezifische Entit\u00e4ten, Eigenschaften, Metriken und Beziehungen \u00fcber die Oberfl\u00e4che oder als YAML. Sie k\u00f6nnen dabei mit einer eigenen Ontologie beginnen oder bestehende Industrieontologien und RDF-\/OWL-Modelle importieren.<\/p>\n\n\n\n

    Auf dieser Grundlage kann ein Datenprodukt auf zwei Arten modelliert werden. Beim Semantic-first-Ansatz<\/strong> w\u00e4hlt der Owner Entit\u00e4ten und Attribute aus der in Entropy Data gepflegten Ontologie. Fachliche Definitionen und Klassifikationen werden in den Contract \u00fcbernommen. Beim Reuse-first-Ansatz<\/strong> greift der Owner auf Tabellen, Felder oder Output Ports vorhandener Data Products zur\u00fcck und verwendet sie als Inputs f\u00fcr ein neues Produkt.<\/p>\n\n\n\n

    \"Screenview
    Figure 2: Semantik in Entropy Data<\/em><\/figcaption><\/figure>\n\n\n\n

    Der Coding Agent arbeitet mit vier Kontextebenen: Ontologie, Data Contract, Skills und Marketplace<\/strong>. Die Ontologie liefert die fachliche Bedeutung, der Contract beschreibt das gew\u00fcnschte Produkt und seine Anforderungen, der kundenspezifische Skill kodifiziert die technischen Umsetzungsvorgaben und der Marketplace stellt vorhandene Data Products und Zugriffsm\u00f6glichkeiten bereit. Auf dieser Grundlage sucht der Agent geeignete Inputs, beantragt Zugriff, erzeugt beispielsweise eine dbt-Transformationslogik und meldet Lineage und Implementierungsinformationen zur\u00fcck.<\/p>\n\n\n\n

    Das fertige Data Product wird ver\u00f6ffentlicht und kann wiederum als Input f\u00fcr weitere Produkte dienen.<\/p>\n\n\n\n

    Kontrolle und Governance<\/h2>\n\n\n\n

    Policies, Data Product Score, Data-Quality-Tests und Drift Detection begleiten den Lebenszyklus. Qualit\u00e4tsregeln werden im Contract festgelegt und beispielsweise \u00fcber die Data Contract CLI in der Zielumgebung ausgef\u00fchrt. Entropy Data aggregiert und visualisiert die Ergebnisse, besitzt aber keinen eigenen Data Profiler. Breaking Changes werden \u00fcber neue Output Ports und eine Migrationsphase behandelt.<\/p>\n\n\n\n

    Interessant ist das zum Patent angemeldete Purpose-Based Access Control<\/strong>. Dabei wird gepr\u00fcft, ob eine Abfrage zum vereinbarten Verwendungszweck und zu den Bedingungen des Contracts passt. Eine KI-basierte Kontrolle kann eine SQL-Abfrage im Ausf\u00fchrungspfad stoppen und soll auch kritische Ergebnisse erkennen, etwa eine m\u00f6gliche Re-Identifikation durch zu kleine Ergebnismengen. Der Ansatz ist innovativ, muss seine Zuverl\u00e4ssigkeit, Auditierbarkeit und Skalierbarkeit im produktiven Einsatz aber noch breiter belegen.<\/p>\n\n\n\n

    Wer sollte sich Entropy Data anschauen?<\/h2>\n\n\n\n

    Der beste Fit sind gr\u00f6\u00dfere Unternehmen mit mehreren Datenplattformen, die einen unabh\u00e4ngigen Marketplace und eine standardisierte Metadatenschicht suchen. Auch kleinere Teams kommen infrage, wenn sie bereits konsequent mit Data Products und Data Contracts arbeiten.<\/p>\n\n\n\n

    Voraussetzung sind benannte und kompetente Data Product Owner, ein etabliertes Produktdenken und die Bereitschaft, Contracts und Semantik kontinuierlich zu pflegen. Entropy Data unterst\u00fctzt die Owner technisch mit standardisierten Modellen, vererbten Definitionen, Policies, Scores, Lineage, Drift Detection und Coding Agents. Das notwendige Operating Model und die fachliche Verantwortung setzt die L\u00f6sung – wie bei vielen anderen L\u00f6sungen – jedoch voraus. Methodisches Enablement und ein breites Netz erfahrener Implementierungspartner sind bislang weniger stark ausgepr\u00e4gt.<\/p>\n\n\n\n

    Meine Einsch\u00e4tzung<\/h2>\n\n\n\n

    Die st\u00e4rkste Seite von Entropy Data ist die konsequente Verbindung von offenen Standards und Plattformunabh\u00e4ngigkeit<\/strong>. ODCS und ODPS dienen nicht nur dem Import und Export, sondern tragen das Produktmodell. Das ist eine \u00fcberzeugende Position zwischen propriet\u00e4ren Datenplattformen und individuell entwickelten L\u00f6sungen, insbesondere f\u00fcr Unternehmen, die Kontrolle \u00fcber ihre Metadaten behalten wollen.<\/p>\n\n\n\n

    Auch die agentische Produkterstellung ist schl\u00fcssig. Ontologie, Contract, Skills und Marketplace spannen einen fachlich und technisch beschriebenen Rahmen auf, in dem der Coding Agent die Implementierungsartefakte erzeugt. Das ist mehr als generische Codegenerierung. Besonders relevant finde ich, dass derselbe Kontext zwei Zielgruppen dient: Menschen erhalten verst\u00e4ndliche und verl\u00e4ssliche Data Products, w\u00e4hrend AI Agents die standardisierten und semantisch angereicherten Informationen maschinell verarbeiten k\u00f6nnen.<\/p>\n\n\n\n

    Der Ansatz steht und f\u00e4llt mit den Data Product Ownern. Entropy Data folgt keinem zentralistischen Governance-Modell, sondern stattet dezentrale Verantwortliche mit standardisierten Contracts, vererbten Definitionen und Klassifikationen, Policies, Scores, Lineage, Drift Detection und Coding Agents aus. Das ist konsequent: Verantwortung bleibt dort, wo das fachliche Wissen sitzt, und die technische Unterst\u00fctzung ist substanziell. Die L\u00f6sung nimmt den Ownern Entscheidungen und Verantwortung jedoch nicht ab. Sie m\u00fcssen Daten, Semantik, Qualit\u00e4tsregeln, \u00c4nderungen und Zugriffe verstehen und die bereitgestellten Funktionen konsequent nutzen. Fehlt diese Kompetenz oder Disziplin, entsteht auch mit guten Oberfl\u00e4chen und AI Agents kein verl\u00e4ssliches Data Product. Die Ontologie ist dabei gr\u00f6\u00dfter Werthebel und m\u00f6glicher Engpass zugleich; KI kann ihre Pflege erleichtern, ersetzt aber weder das Operating Model noch die fachliche Abstimmung.<\/p>\n\n\n\n

    Bei Governance sehe ich noch Entwicklungsbedarf. Viele Kontrollen informieren, bewerten oder benachrichtigen. Policies erzeugen Hinweise und Scores, blockieren aber nicht durchg\u00e4ngig. Mehrstufige Freigaben, verbindliche Gates, Ausnahmen und plattform\u00fcbergreifendes Enforcement sind noch nicht umfassend ausgepr\u00e4gt. F\u00fcr einen jungen Anbieter ist die Konzentration auf Kernfunktionen nachvollziehbar. Wer jedoch \u00fcber viele Data Products skalieren will, muss Kontrolle automatisieren.<\/p>\n\n\n\n

    Entropy Data ist deshalb heute klar ein Data Product Marketplace und noch keine umfassende Control Plane. Der Weg dorthin ist erkennbar. Entscheidend wird sein, ob der Anbieter die Governance st\u00e4rker operationalisiert, weitere Technologiepfade produktisiert und gemeinsam mit Partnern mehr Unterst\u00fctzung beim Aufbau von Semantik und Skills bereitstellt.<\/p>\n\n\n\n

    Mein Fazit: <\/strong>Entropy Data ist besonders f\u00fcr Data-Product-erfahrene Unternehmen einen Blick wert, die offene Standards, Plattformunabh\u00e4ngigkeit und Metadatensouver\u00e4nit\u00e4t priorisieren und \u00fcber Owner verf\u00fcgen, die ihre Verantwortung aktiv wahrnehmen k\u00f6nnen. Die L\u00f6sung unterst\u00fctzt diese Owner mit einer durchdachten Mechanik und einer zukunftsweisenden agentischen Erweiterung, ersetzt aber nicht deren fachliche Kompetenz und Disziplin. Die Vision einer Control Plane ist plausibel. F\u00fcr ihre Einl\u00f6sung braucht es neben starken Ownern noch mehr verbindliches Enforcement und belastbare Kundenevidenz.<\/p>\n","protected":false},"excerpt":{"rendered":"

    Entropy Data im Analystencheck: offene Standards, Plattformunabh\u00e4ngigkeit und agentische Data Products. St\u00e4rken, Governance-L\u00fccken und passende Einsatzfelder.<\/p>\n","protected":false},"author":109,"featured_media":131807,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[48],"tags":[],"plus":[],"content_typ":[209],"layoutvorlage":[],"class_list":["post-158007","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-datenmanagement","content_typ-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/158007","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/109"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=158007"}],"version-history":[{"count":4,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/158007\/revisions"}],"predecessor-version":[{"id":158020,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/158007\/revisions\/158020"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/131807"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=158007"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=158007"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=158007"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=158007"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=158007"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=158007"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}