Episode 1. Datenarchitektur von Grund auf neu aufbauen: Cloud, Data Mesh und die praktischen Abwägungen
•
Kris Peeters & Thorsten Foltz - Das Data Playbook Podcast
Cloud vs On-Prem, US-Technologierisiken, Datenmesh, Teamdynamik und die verborgenen Kosten hinter „modernen“ Datenplattformen – harte Wahrheiten für Datenverantwortliche.
Was benötigt man wirklich, um eine moderne Datenarchitektur von Grund auf zu erstellen?
In unserer allerersten Episode von The Data Playbook setzt sich der Gastgeber Kris Peeters, Gründer und CEO von Dataminded, mit Thorsten Foltz, erfahrenem Datenarchitekten und -ingenieur, zusammen, um zu erörtern, was funktioniert (und was nicht) beim Entwerfen von skalierbaren, zukunftssicheren Datenplattformen.
Mit einem Fokus auf reale Kompromisse untersucht diese Episode:
Cloud vs On-Prem vs Hybrid: wie man die richtige Infrastruktur auswählt
Der Aufstieg von Data Mesh und wann es tatsächlich Sinn macht
Warum Fake News nicht nur ein Medienproblem ist – es ist auch ein Datenproblem innerhalb von Unternehmen
Anbieterbindung, Cloud-Souveränität und die wachsende Relevanz europäischer Alternativen
Das Gleichgewicht zwischen Open Source und verwalteten Diensten: Kosten, Kontrolle und Komplexität
Warum Teamkultur und Kommunikation oft entscheidend für deine Datenstrategie sind
Was Ingenieure wirklich von LLMs im Daten-Stack erwarten können (Spoiler: sie ersetzen das Datenmodellieren in naher Zukunft nicht)
Egal, ob du Dateningenieur, Architekt, Analyst oder Technikleiter bist, dieses Gespräch geht weit über Modeworte hinaus. Du wirst praktische Lektionen, hart erarbeitete Einsichten und ein paar unangenehme Wahrheiten darüber hören, wie Unternehmen Daten heute tatsächlich verwalten – und wie sie es für morgen überdenken sollten.
Latest
The Data Challenge behind the Einstein Telescope
Tjonnie Li explains gravitational waves, the Einstein Telescope, and why the future of science depends on data engineering.
Scaling Data in Aviation: Inside Brussels Airlines’ Data Strategy
How Brussels Airlines transformed a broken data setup into scalable data products, enabling self-service and real business impact.
Machine Learning in Energy: Forecasting, MLOps, and Business Impact
Inside Luminus: how machine learning models move from experimentation to production to forecast electricity demand.
