4–8 Wochen
Analytics-Fundament
Zentrale Datenquellen in einem Warehouse, mit ersten Dashboards.
Data Engineering: ETL-Pipelines, Data Warehouses, Echtzeit-Analytics und moderne Datenplattformen. Erfahrenes Team im Kosovo, Angebot in 24 Stunden.

Wir schaffen das Datenfundament, auf dem Ihr Reporting und Ihre KI aufbauen: zuverlässige ETL/ELT-Pipelines, Cloud-Data-Warehouses, Echtzeit-Streams und saubere Datenmodelle. So vertrauen Teams den Zahlen, und Analysten müssen keine Tabellen mehr reparieren.
4–8 Wochen
Zentrale Datenquellen in einem Warehouse, mit ersten Dashboards.
3–5 Monate
Event-Streaming und Analytics mit geringer Latenz.
3–6 Wochen
Fragile oder fehlerhafte Pipelines reparieren und um Tests und Monitoring ergänzen.
Wir beginnen bei den Zahlen, über die in Meetings gestritten wird, nicht bei der Wahl der Tools. Jeder Schritt hinterlässt etwas Lauffähiges in Ihrem Cloud-Konto, das Sie selbst abfragen können.
01
Wir listen die Berichte und Entscheidungen auf, auf die es ankommt, die Kennzahlen dahinter und jedes System, das sie speist: Produktdatenbank, CRM, Abrechnung, Werbeplattformen, Tabellen. Jede Kennzahl erhält eine schriftliche Definition und eine verantwortliche Person. Sie bekommen eine Quellenkarte und ein Kennzahlen-Glossar und wählen, welcher Geschäftsbereich zuerst an die Reihe kommt.
02
Konnektoren oder Python-Loader ziehen Daten inkrementell, per Change Data Capture oder über Updated-at-Cursor statt vollständiger Neuladungen, in Rohtabellen, die nie von Hand bearbeitet werden. Zugangsdaten liegen in Ihrem Secrets Manager. Am Ende kommen die ersten Quellen planmäßig an, und für jeden Ladevorgang werden Zeilenzahl und Ankunftszeit protokolliert.
03
Rohtabellen werden zu bereinigten Staging-Modellen und dann zu Fakten und Dimensionen geformt, die dem Glossar folgen. Tests prüfen Eindeutigkeit, Nullwerte, zulässige Werte und Geschäftsregeln, etwa ob der Umsatz mit der Abrechnung übereinstimmt. Ihre Analysten prüfen die Modelle mit uns und geben die Definitionen frei, bevor ein Dashboard darauf aufbaut.
04
Die ersten Dashboards entstehen in Ihrem BI-Tool neu auf den modellierten Tabellen, daneben dokumentierte Datensätze, die Analysten ohne Rückfrage an einen Engineer abfragen können. Alte Tabellenberichte vergleichen wir Zahl für Zahl mit den neuen, bis jede Abweichung erklärt ist. Im 4–8-wöchigen Analytics-Fundament entsteht genau hier das Vertrauen.
05
Ein fehlgeschlagener oder verspäteter Ladevorgang löst einen Alarm in einem benannten Kanal aus, und jede Pipeline hat ein Runbook. Die Infrastruktur ist in Terraform beschrieben, Warehouse-Kosten sind pro Workload getaggt, und Ihr Team lernt, eine Quelle oder ein Modell hinzuzufügen, ohne die abhängigen Berichte zu beschädigen.
Datenarbeit rechnen wir mit 45–65 € pro Engineer-Stunde ab oder setzen den Aufbau einer Plattform mit einem festen Squad ab 15.000 € im Monat um. Wenn bestehende Pipelines immer wieder ausfallen, kann unser Software-Audit zum Festpreis am Anfang stehen. Den Umfang bestimmen die folgenden Faktoren.
Datenplattformen versagen meist leise: Eine Zahl verschiebt sich, ein Ladevorgang bleibt aus, und eine Woche lang merkt es niemand. Klären Sie diese Punkte mit jedem Data-Engineering-Anbieter, den Sie in Betracht ziehen, uns eingeschlossen.
Die Fragen Ihrer Rechts-, Sicherheits- und Finanzabteilung, beantwortet vor der ersten Codezeile.
Wir arbeiten mit BigQuery, Snowflake, Redshift und PostgreSQL. Statt einer Standardlösung empfehlen wir eines, das zu Ihrer Cloud, Ihrem Datenvolumen und den Kompetenzen Ihres Teams passt.
Ja. Wir binden Tools wie Looker, Power BI, Metabase oder Tableau an und modellieren die Daten so, dass Dashboards schnell und konsistent sind.
Jede Pipeline erhält automatisierte Tests auf Aktualität, Volumen und Geschäftsregeln – mit Alerts, bevor fehlerhafte Daten ein Dashboard erreichen.
Für einige Berichte zu einem kleinen Produkt kann ein Lesereplikat Ihrer PostgreSQL-Datenbank genügen. Sobald Sie mehrere Quellen kombinieren, Historie brauchen, die die Anwendung nicht aufbewahrt, oder Abfragen der Analysten das Produkt verlangsamen, rechnet sich ein separates Warehouse. Wir empfehlen das kleinste Setup, das die heutigen Fragen beantwortet und mitwachsen kann.
Monitoring, Korrekturen bei Änderungen an einer Quelle, neue Quellen und Modelle, wenn neue Fragen aufkommen, sowie Kostenoptimierung im Warehouse. Das läuft weiter zu 45–65 € pro Engineer-Stunde, oft in Teilzeit, oder innerhalb eines Squads, wenn Daten ein Strang eines größeren Produkts sind. Alternativ dokumentieren wir alles und übergeben es an Ihr eigenes Team.
Ja. Modelle brauchen, was Berichte brauchen, nur mit strengeren Regeln: konsistente Historie, zeitpunktgenaue Features und nachvollziehbare Herkunft. Wir bauen Feature-Tabellen und Dokumentenextrakte aus dem Warehouse, sodass Trainingsdaten und Produktionseingaben aus derselben Quelle stammen und die KI-Arbeit auf Daten beginnt, denen Ihre Teams bereits vertrauen.
Sagen Sie uns, was Sie entwickeln oder skalieren möchten. Sie erhalten innerhalb von 24 Stunden ein Angebot mit Aufwandsschätzung.