Semantische Modelle in Datenprodukten

Letzte Aktualisierung: 2026-11-03

Ein semantisches Modell ist ein Modell innerhalb eines Datenprodukts, das definiert, wie Daten strukturiert und verstanden werden. Semantische Modelle helfen dabei, den geschäftlichen Kontext Ihrer Daten zu beschreiben – sie ermöglichen es Ihnen, den Tabellen im Datenprodukt Beziehungen, Measures und Dimensionen hinzuzufügen.

Semantische Modelle ermöglichen es Ihnen, wiederverwendbare Datenstrukturen zu erstellen, die Analytics-Entwickler in Analytics-Anwendungen verwenden können. Indem Sie Beziehungen, Kennzahlen und Dimensionen einmalig in einem Datenprodukt definieren, stellen Sie konsistente Geschäftsmetriken und Datenmodelle in Ihrer gesamten Organisation sicher.

Was ist ein semantisches Modell?

Ein semantisches Modell ist eine strukturierte Darstellung von Daten, die Folgendes umfasst:

• Tabellen: Die Datentabellen im Datenprodukt.
• Beziehungen: Definierte Verbindungen zwischen Tabellen basierend auf übereinstimmenden Feldern, die eine assoziative Analyse ermöglichen.
• Dimensionen: Felder, die zum Gruppieren und Kategorisieren von Daten verwendet werden, wie z. B. Kundenname oder Produktkategorie.
• Kennzahlen: Berechnete Metriken mithilfe von Ausdrücken, wie z. B. Umsatzsumme oder durchschnittlicher Bestellwert.

Semantische Modelle werden innerhalb von Datenprodukten erstellt, auf die sowohl über Analysen als auch über Datenintegration zugegriffen werden kann. Semantische Modelle werden in Analyseanwendungen verwendet.

Warum semantische Modelle verwenden?

Semantische Modelle bieten mehrere Vorteile für Data-Governance- und Analytics-Anwendungsfälle:

• Wiederverwendbarkeit: Definieren Sie Datenstrukturen, Beziehungen und Geschäftskennzahlen einmal und verwenden Sie sie über mehrere Anwendungen hinweg wieder.
• Konsistenz: Stellen Sie sicher, dass alle Anwendungen dieselben Berechnungen und Definitionen für wichtige Geschäftskennzahlen verwenden.
• Beschleunigte Entwicklung: Analytics-Entwickler können Anwendungen schneller erstellen, indem sie vorgefertigte Datenmodelle erben, anstatt sie von Grund auf neu zu erstellen.
• Governance: Zentralisieren Sie die Steuerung von Geschäftslogik und Datenstrukturen in verwalteten Datenprodukten.
• Weniger Fehler: Minimieren Sie das Risiko von Berechnungsfehlern durch die Verwendung validierter Ausdrücke aus dem semantischen Modell.
• Kontrollierte Aktualisierungen: Wenn sich das semantische Modell ändert, werden die Änderungen beim erneuten Laden der konsumierenden Anwendung widergespiegelt. Sie können auswählen, ob die Anwendung neue Daten und Master-Elemente automatisch erbt oder nicht.

• Kontext für KI: Kennzahlen und Dimensionen werden als Master-Elemente mit Verknüpfungen zu entsprechenden Begriffen des Business-Glossars übernommen, wobei ihre Beschreibungen und Ausdrücke beibehalten werden, die in das semantische Verständnis für Qlik Answers einfließen.

Komponenten eines semantischen Modells

Tabellen

Tabellen enthalten die Rohdaten, die das semantische Modell beschreibt. Jede Tabelle stellt eine Sammlung zusammenhängender Daten dar, wie beispielsweise Verkaufstransaktionen oder Kundendatensätze. Sie können mehrere Tabellen aus verschiedenen Datensätzen einbinden, um ein umfassendes Datenmodell zu erstellen.

Beziehungen

Beziehungen verbinden Tabellen anhand übereinstimmender Felder, wie beispielsweise die Verknüpfung einer Verkaufstabelle mit einer Kundentabelle mithilfe eines Kunden-ID-Felds. Beziehungen ermöglichen assoziative Abfragen über Tabellen hinweg und stellen sicher, dass Daten in Analyseanwendungen ordnungsgemäß miteinander verknüpft sind.

Dimensionen

Dimensionen sind Felder, die zum Kategorisieren und Gruppieren von Daten verwendet werden, wie z. B. Kundenname, Produktkategorie oder Region. Wie Kennzahlen erscheinen Dimensionen in konsumierenden Anwendungen als Master-Elemente.

Dimensionen können auch mit Begriffen aus dem Business-Glossar verknüpft werden, was ein einfaches Verständnis von Konzepten und Definitionen im Zusammenhang mit dem geschäftlichen Anwendungsfall ermöglicht.

Kennzahlen

Measures sind berechnete Metriken, die mithilfe von Ausdrücken wie Sum(Amount) oder Avg(Value) definiert werden. Kennzahlen erscheinen als Master-Elemente in Anwendungen, die das semantische Modell nutzen, sodass Entwickler sie direkt in Visualisierungen verwenden können.

Kennzahlen können auch mit Begriffen aus dem Business-Glossar verknüpft werden, was ein einfaches Verständnis von Konzepten und Definitionen im Zusammenhang mit dem geschäftlichen Anwendungsfall ermöglicht.

Workflow-Übersicht

Der Workflow des semantischen Modells besteht aus den folgenden Phasen:

1. Definieren: Erstellen Sie in Datenintegration oder Analysen ein Datenprodukt mit Datensätzen und definieren Sie dann ein semantisches Modell, indem Sie Beziehungen, Measures und Dimensionen definieren.
2. Aktivieren: Aktivieren Sie das Datenprodukt, damit es im Data Marketplace für Analytics-Entwickler verfügbar wird. Beachten Sie, dass das Datenprodukt nicht aktiviert werden muss, um konsumierbar zu sein – die Aktivierung hilft jedoch anzuzeigen, dass es für produktive Anwendungsfälle bereit ist.
3. Nutzen: In Analysen verwenden Sie den Datenkatalog, um semantische Modelle zu durchsuchen, die benötigten Tabellen und Elemente auszuwählen und das generierte Skript in Ihre Anwendung einzufügen. Nach dem Neuladen erscheinen Kennzahlen und Dimensionen aus dem semantischen Modell automatisch als Master-Elemente.

Voraussetzungen

Um mit semantischen Modellen zu arbeiten, benötigen Sie die folgenden Voraussetzungen.

Abonnement

Ihr Abonnement muss den Zugriff auf Datenprodukte zulassen. Eine Liste der kompatiblen Abonnements finden Sie unter Arbeiten mit Datenprodukten.

Berechtigungen

Um mit semantischen Modellen zu arbeiten, benötigen Sie Berechtigungen zum Erstellen und Verwalten von Datenprodukten. Weitere Einzelheiten finden Sie unter Rollen und Berechtigungen für Datenprodukte.

Für die Nutzung semantischer Modelle sind die folgenden Berechtigungen erforderlich:

• Vom Administrator zugewiesene Berechtigungen: Sie benötigen bestimmte Berechtigungen, die Ihnen von einem Administrator zugewiesen werden müssen, um Datenprodukte zu erstellen und zu verwalten. Siehe Standardberechtigungen und benutzerdefinierte Rollen.
• Bereichsberechtigungen: Um das semantische Modell von Datenprodukten in freigegebenen, verwalteten und Datenbereichen zu nutzen, benötigen Sie die Berechtigung Kann Daten nutzen oder Kann anzeigen in dem Bereich, der das Datenprodukt enthält.

Zugriffssteuerung

Die Zugriffskontrolle für die im semantischen Modell gespeicherten Daten wird durch die Zugriffskontrollregeln des Datenprodukts geregelt. Dies umfasst Verweise auf Metadaten und Daten anderer Ressourcen. Beispielsweise unterliegt der Inhalt von Ausdrücken im semantischen Modell der Zugriffssteuerung des Datenprodukts und nicht der des Datasets, in dem sich diese Ressourcen befinden.

Nächste Schritte

Erste Schritte mit semantischen Modellen:

• Data Product Manager: Siehe Verwalten von semantischen Modellen in Datenprodukten, um zu erfahren, wie Sie semantische Modelle erstellen und konfigurieren.
• Analytics-Entwickler: Unter Verwenden von Datenprodukten in Anwendungen erfahren Sie, wie Sie semantische Modelle in Ihren Anwendungen verwenden.