Data Sharing: vollständiger Leitfaden zum sicheren Datenaustausch über Organisationsgrenzen

Data Sharing ist die Praxis, Daten über den ursprünglichen Erzeuger hinaus zugänglich zu machen, ob zwischen Teams innerhalb eines Unternehmens, zwischen Geschäftsbereichen eines Konzerns oder zwischen vollständig getrennten Organisationen über Branchen- und Cloud-Grenzen hinweg. Gut gemacht vervielfacht Data Sharing den Wert von Datenbeständen, weil jeder Datensatz mehr Anwendungsfälle, mehr Nutzer und mehr Entscheidungen bedienen kann, als der ursprüngliche Erzeuger allein abdecken könnte. Schlecht gemacht erzeugt es Angriffsfläche, Verstöße gegen die Compliance und jene Probleme der Datenqualität, die aus unkontrolliert wuchernden Kopien entstehen.

Was ist Data Sharing?

Data Sharing umfasst eine große Bandbreite an Fällen: ein Team aus dem Data Engineering, das einen zertifizierten Datensatz für die unternehmensweite Nutzung in einem Datenkatalog veröffentlicht; ein Einzelhändler, der Kassendaten unter einer kommerziellen Vereinbarung mit einem Konsumgüterhersteller teilt; eine Behörde, die offene Daten zur öffentlichen Nutzung freigibt; oder ein Klinikverbund, der anonymisierte Patientendaten mit einem Forschungsverbund teilt.

All diesen Fällen ist gemeinsam, dass Daten von einem Anbieter (der Partei, der die Daten gehören oder die sie erzeugt) zu einem oder mehreren Abnehmern fließen (den Parteien, die darauf zugreifen und sie nutzen). Die Aufgabe der Governance ist, diesen Fluss zu steuern: dafür zu sorgen, dass die richtigen Daten die richtigen Abnehmer zu den richtigen Zwecken erreichen, mit angemessenen Zusagen zur Qualität, mit Zugriffskontrolle und mit Prüfspuren.

Data Sharing ist ein Fundament moderner Datenarchitekturen. Das Konzept des Data Mesh, also Daten als Data Products zu ordnen, die Fachdomänen verantworten, ist im Kern ein Rahmenwerk für gesteuertes internes Data Sharing im großen Maßstab. Data Governance und ein Datenkatalog sind Voraussetzungen für sicheres, wirksames Data Sharing in jedem Maßstab.

Intern gegen extern

Internes Data Sharing findet innerhalb der Grenzen einer Organisation statt: ein Finanzteam, das Umsatzdaten mit einem Team für Produktanalyse teilt, oder ein zentrales Datenplattformteam, das zertifizierte Datensätze für Fachanalysen im ganzen Unternehmen veröffentlicht. Internes Teilen unterliegt den eigenen Richtlinien der Data Governance, also Zugriffskontrolle, Anforderungen an die Klassifizierung und Qualitätsmaßstäben, bringt aber nicht die rechtliche und vertragliche Vielschichtigkeit des externen Teilens mit.

Die Schwierigkeit beim internen Data Sharing im großen Maßstab ist organisatorisch: Ohne einen gesteuerten Mechanismus legen Teams Kopien nebenher an, verschicken Dateien per E-Mail oder bauen doppelte Pipelines. Diese informellen Muster erzeugen Datensilos, uneinheitliche Qualität und jene Undurchsichtigkeit der Lineage, die es unmöglich macht, Kennzahlen bis zu ihrer Quelle zurückzuverfolgen. Eine gut entworfene Plattform für internes Teilen, gebaut auf einem Datenkatalog mit zertifizierten Datensätzen, klarer Verantwortung und Abläufen für Zugriffsanträge, ersetzt dieses Durcheinander durch gesteuerten, auffindbaren und vertrauenswürdigen Austausch.

Externes Data Sharing überschreitet Organisationsgrenzen. Es verlangt rechtliche Vereinbarungen (Verträge über das Teilen und die Nutzung von Daten, kommerzielle Austauschverträge), eine Prüfung der regulatorischen Compliance (Angemessenheit nach DSGVO, Vereinbarungen zur Auftragsverarbeitung nach HIPAA, Einschätzung des Geltungsbereichs von PCI DSS), technische Sicherheitsmaßnahmen und Mechanismen der Governance, die über Organisationsgrenzen hinweg wirken, wo der Anbieter die Infrastruktur des Abnehmers nicht kontrolliert. Beim externen Teilen zahlt sich die Investition in Data Governance am stärksten aus: Ohne sie ist externes Teilen entweder rechtlich nicht haltbar oder betrieblich chaotisch.

Modelle des Teilens

Data Sharing lässt sich über mehrere technische Modelle umsetzen, jedes mit anderen Abwägungen bei Sicherheit, Aktualität und betrieblichem Aufwand.

File-basiertes Teilen

Das einfachste und älteste Modell: Der Anbieter exportiert Daten in ein File (CSV, Parquet, JSON) und liefert es per E-Mail, SFTP oder Cloud-Speicher an den Abnehmer. Das ist überall anschlussfähig, erzeugt aber sofort Probleme der Governance: Der Abnehmer erhält eine starre Kopie, die im Moment der Lieferung zu veralten beginnt, der Anbieter verliert den Einblick in die Nutzung, und mehrere Abnehmer mit je eigenen Kopien erzeugen eine Zersplitterung der Stände. Für jede fortlaufende Beziehung im Data Sharing ist das File-basierte Teilen ein Anti-Muster.

Teilen über eine API

Der Anbieter stellt Daten über eine REST- oder GraphQL-API bereit, die Abnehmer in Echtzeit abfragen. Das liefert Aktualität (Abnehmer greifen stets auf aktuelle Daten zu) und Zugriffskontrolle (die API-Schicht setzt Authentifizierung und Berechtigungen durch). Die Grenze ist der betriebliche Aufwand: Eine belastbare Daten-API zu bauen und zu pflegen kostet erheblichen Entwicklungsaufwand, und die Leistung einer API genügt nicht immer den Anforderungen großer analytischer Abfragen.

Protokolle für Live-Data-Sharing

Moderne Datenplattformen haben offene Protokolle entwickelt, um Daten mit Abnehmern zu teilen, die eigene Rechenumgebungen haben, ohne dass Kopien nötig wären. Delta Sharing (Databricks) ist ein offenes Protokoll, mit dem ein Anbieter Tabellen im Delta Lake mit Abnehmern teilt, die sie mit Spark, pandas oder anderen Werkzeugen gegen den Speicher des Anbieters abfragen. Der Abnehmer sieht bei jeder Abfrage aktuelle Daten, der Anbieter steuert den Zugriff über Freigabedefinitionen und Token. Apache Iceberg unterstützt ähnliches kontenübergreifendes Teilen über Katalogföderation und REST-Katalogprotokolle.

Diese Protokolle für Live-Zugriff sind zunehmend das bevorzugte Modell für Data Sharing im Unternehmensmaßstab, weil sie das Problem der Kopien beseitigen und zugleich leistungsfähigen analytischen Zugriff bieten. Die Abfrage des Abnehmers läuft unmittelbar gegen die Daten des Anbieters, was Aktualität sichert und den Aufwand für Abgleiche vermeidet.

Wichtige Plattformen

Data Sharing und Marketplace bei Snowflake

Die Funktion Secure Data Sharing von Snowflake erlaubt es Snowflake-Konten, Live-Daten unmittelbar zwischen Konten zu teilen, ohne Daten zu kopieren. Der Anbieter erzeugt ein Freigabeobjekt, das bestimmte Tabellen, Sichten oder dynamische Tabellen enthält, und gewährt einem oder mehreren abnehmenden Konten Zugriff. Abnehmer sehen die Daten in Echtzeit und nutzen dafür ihre eigenen Rechenressourcen in Snowflake. Der Snowflake Data Marketplace erweitert das zum kommerziellen Austausch: Anbieter listen Datensätze, die jeder Kunde von Snowflake abonnieren kann, was einen Marktplatz für Data Products auf Basis geteilter Live-Daten ergibt.

Delta Sharing

Delta Sharing ist ein offenes Protokoll, das Databricks entwickelt und an die Linux Foundation übergeben hat. Anders als das plattformeigene Teilen bei Snowflake ist Delta Sharing für den plattformübergreifenden Fall gebaut: Ein Anbieter auf Databricks kann Daten mit einem Abnehmer teilen, der pandas, Spark oder ein BI-Werkzeug nutzt, über eine REST API gegen den Delta-Lake-Speicher des Anbieters. Das macht es für externes Teilen geeignet, bei dem Anbieter und Abnehmer verschiedene Datenplattformen verwenden.

Data Exchange bei AWS und Google Cloud

AWS Data Exchange erlaubt Anbietern, Data Products zu veröffentlichen, die Kunden von AWS abonnieren und unmittelbar in ihrer AWS-Umgebung nutzen können. Google Analytics Hub bietet Vergleichbares in der Google Cloud und erlaubt, Datensätze aus BigQuery für die Analyse über einen gesteuerten Austausch zu listen und zu teilen, der die Zugriffskontrolle über Organisationsgrenzen hinweg erhält.

Herausforderungen der Governance

Data Sharing verstärkt die Herausforderungen der Governance im Verhältnis zur Zahl der Abnehmer und zur Empfindlichkeit der Daten. Die zentralen Fragen für jedes Vorhaben im Data Sharing lauten:

• Welche Daten dürfen geteilt werden? Nicht alle Daten sind teilbar. Personenbezogene Daten verlangen nach der DSGVO eine Rechtsgrundlage für das Teilen und müssen vor der Weitergabe an Dritte oft pseudonymisiert oder anonymisiert werden. Geschäftsgeheimnisse, dem Anwaltsgeheimnis unterliegende Unterlagen und Daten unter Vertraulichkeitsvereinbarungen dürfen ohne ausdrückliche Befugnis nicht geteilt werden.
• Mit wem? Vor der Freigabe müssen die Identität des Abnehmers geprüft, die Zweckbindung beachtet und das Prinzip der Erforderlichkeit angewandt werden. Wer der Abnehmer ist, zu welchem Zweck er die Daten nutzen wird und ob dieser Zweck mit dem ursprünglichen Erhebungszweck vereinbar ist, sind allesamt Fragen der Governance.
• Wie lange? Vereinbarungen über das Teilen sollten Anforderungen an Aufbewahrung und Löschung festlegen. Abnehmer geteilter Daten müssen vertraglich verpflichtet sein, sie zu löschen, wenn die Vereinbarung endet oder der Zweck erfüllt ist.
• Mit welchen Zusagen zur Qualität? Veraltete oder schlechte Daten zu teilen schadet dem Abnehmer und dem Ruf des Anbieters. Zum Data Sharing gehören SLA zu Aktualität und Qualität, zu deren Einhaltung sich der Anbieter vertraglich verpflichtet.

Data Contracts festlegen

Data Contracts halten die Vereinbarung zwischen Anbieter und Abnehmer fest. Ein gut entworfener Data Contract legt das Schema fest (Spaltennamen, Typen, Einschränkungen), das SLA zur Aktualität (wie häufig Daten aktualisiert werden und wie lange die jüngste Aktualisierung zurückliegt), Zusagen zur Qualität (Mindestwerte für Vollständigkeit, Eindeutigkeit und Genauigkeit), Zweckbindungen (was der Abnehmer mit den Daten tun darf), Zugriffsbedingungen (wer wie lange und von wo zugreifen darf) und die Kontaktdaten des Data Owner. Siehe auch: Data Contracts.

Data Contracts erfüllen zugleich eine Aufgabe der Governance und eine betriebliche. Betrieblich erlauben sie den Pipelines des Abnehmers zu prüfen, ob eingegangene Daten dem festgelegten Schema und den Qualitätsmaßstäben genügen, und früh abzubrechen, wenn der Vertrag verletzt ist, statt schlechte Daten weiterzureichen. Für die Governance liefern sie den Nachweis, dass Anbieter und Abnehmer innerhalb der vereinbarten Bedingungen arbeiten, was für die Compliance in Branchen unerlässlich ist, in denen die Verarbeitung von Daten dokumentiert und begründet werden muss.

Zugriffskontrolle

Die Zugriffskontrolle beim Data Sharing muss auf mehreren Ebenen wirken. Auf Ebene des Datensatzes steuern Zugriffslisten, welche Abnehmer auf welche Datensätze zugreifen dürfen. Auf Ebene der Spalte können sensible Spalten maskiert, ausgeschlossen oder auf Abnehmer mit entsprechender Befugnis begrenzt werden. Auf Ebene der Zeile kann eine Sicherheit auf Zeilenebene Abnehmer auf die Daten beschränken, die für ihre Region, ihren Geschäftsbereich oder ihre Kundenbeziehung einschlägig sind.

Moderne Datenplattformen setzen das über attributbasierte Zugriffskontrolle (ABAC) um, deren Richtlinien zur Abfragezeit sowohl die Identitätsmerkmale des Abnehmers (Rolle, Organisation, Zertifizierungsstand) als auch die Klassifizierungsmerkmale der Daten (Empfindlichkeit, Domäne, regulatorischer Geltungsbereich) auswerten. Dieser richtlinienbasierte Ansatz skaliert besser als von Hand gepflegte Zugriffslisten, wenn die Zahl der Datensätze und Abnehmer wächst.

Ein Prüfprotokoll ist ein nicht verhandelbarer Bestandteil jedes gesteuerten Vorhabens im Data Sharing. Jeder Zugriff auf geteilte Daten sollte protokolliert werden, mit Angabe dazu, wer wann von wo zugegriffen hat und welche Zeilen oder Spalten abgerufen wurden. Diese Protokolle sind unerlässlich, um Verletzungen zu erkennen, die Compliance nachzuweisen und Streitfälle über Missbrauch zu klären.

Datenmonetarisierung und Dawiso

Datenmonetarisierung, also Erlöse aus Datenbeständen zu erzielen, indem man sie an Dritte verkauft oder lizenziert, ist die kommerzielle Erweiterung des Data Sharing. Bevor Daten monetarisiert werden können, müssen sie gesteuert sein: gut dokumentiert, in ihrer Qualität gesichert, nach Empfindlichkeit klassifiziert, von passenden Nutzungsbedingungen gedeckt und über einen Mechanismus veröffentlicht, der Zugriffskontrolle und Prüfspuren bietet. Unternehmen, die starke Fähigkeiten für internes Data Sharing aufbauen, sind gut aufgestellt, um sie auf kommerzielle Vorhaben auszuweiten, denn die nötige Infrastruktur der Governance ist dieselbe.

Data Products sind der Mechanismus, um teilbare und monetarisierbare Daten zu verpacken: Sie bündeln Datenbestände mit den Metadaten, Qualitätszusagen, Zugriffskontrolleen und Nutzungsbedingungen, die sie sicher zu teilen und wertvoll zu nutzen machen.

Dawiso liefert die Infrastruktur der Governance, die Data Sharing sicher und skalierbar macht. Der Datenkatalog dient als Verzeichnis der teilbaren Datenbestände, mit Qualitätswerten, Kennzeichen der Klassifizierung, Angaben zur Verantwortung und dokumentierter Lineage, die Anbieter wie Abnehmer brauchen. Verantwortliche für Daten können Vereinbarungen über das Teilen und Data Contracts unmittelbar in Dawiso dokumentieren, neben den technischen Metadaten der geteilten Datensätze. Die Verfolgung der Lineage stellt sicher, dass Klassifizierungen nach Empfindlichkeit an nachgelagerte Ableitungen weitergereicht werden, und verhindert das verbreitete Fehlermuster, bei dem sensible Daten an der Quelle sauber gesteuert, in einer geteilten Sicht oder umgeformten Kopie aber versehentlich offengelegt werden.

Die Fähigkeiten von Dawiso zur Governance des Zugriffs erlauben es Unternehmen festzulegen und durchzusetzen, welche Datenbestände zum Teilen freigegeben sind, mit wem und unter welchen Bedingungen. Das ist die Schicht der Governance über den technischen Protokollen, die dafür sorgt, dass jede Freigabe befugt, dokumentiert und mit den geltenden Vorschriften und vertraglichen Pflichten vereinbar ist.