.webp)
“Daten in Echtzeit und jederzeit.”
Die Aachener Grundvermögen setzt auf dem Weg hin zu einem datengetriebenen Unternehmen auf einen hochmodernen Tech Stack, der auf dem Cloud Data Warehouse Snowflake und dem Transformations-Tool dbt basiert. Durch die Einführung von Data Vault als Modellierungsansatz sind zudem Skalierbarkeit und Flexibilität sichergestellt. Als Chapter Lead Data & Analytics verantwortet Vanessa Kremer den Data- und Analytics-Bereich der Immobilien Investmentgesellschaft. Im Gespräch mit taod erzählt sie, warum die alte IT-Infrastruktur durch einen Modern Data Stack abgelöst wurde.
Vanessa, wie hat sich eure Datenanalyse durch den Modern Data Stack verändert?
Ein Modern Data Stack ist für uns als Immobilien-KVG der Schlüssel zur datengetriebenen Transformation. Entscheidungen basieren heute auf faktenbasierten Prognosen statt auf Intuition oder Erfahrung. Dafür brauchen wir Daten – in Echtzeit und jederzeit. Mit dem neuen Stack haben wir granulare und rohe Daten jederzeit verfügbar.
Was hat sich konkret verbessert?
Die Geschwindigkeit hat sich deutlich erhöht, weil unsere Pipelines automatisiert über Airflow laufen und Transformationen mit dbt schnell und reproduzierbar sind. Snowflake bietet uns eine hohe Skalierbarkeit, unabhängig vom Datenvolumen oder der Nutzeranzahl. Die Flexibilität hat zugenommen, weil Datenmodellierung, Visualisierung und Reporting voneinander entkoppelt sind und separat weiterentwickelt werden können. Dank der modularen Architektur lassen sich neue Tools und Datenquellen problemlos integrieren, ohne die Gesamtstruktur zu gefährden.
War der Aufbau strategisch geplant oder hat sich das eher zufällig ergeben?
Der Aufbau war eine bewusste strategische Entscheidung. Wir wollten ein zukunftssicheres, skalierbares und modulares Setup schaffen. Dabei haben wir ganz bewusst auf anbieterunabhängige Komponenten gesetzt, damit jede einzelne austauschbar bleibt. So können wir jederzeit optimieren und uns weiterentwickeln.
“Entscheidungen basieren heute auf faktenbasierten Prognosen statt auf Intuition oder Erfahrung.”
Was war euch dabei besonders wichtig?
Alle eingesetzten Tools sollten sich flexibel an unsere Anforderungen anpassen lassen. Wir haben bewusst keine starre All-in-One-Lösung gewählt, sondern ein offenes, erweiterbares Ökosystem aufgebaut.
Warum habt ihr euch für Snowflake und dbt entschieden?
Beide Tools erfüllen unseren Cloud-first-Ansatz: Das erhöht die Sicherheit, reduziert den internen Wartungsaufwand und ermöglicht uns, uns auf Business-Cases zu konzentrieren statt auf Infrastruktur. Snowflake ist ein performantes, wartungsfreies Cloud-DWH mit einfacher Anbindung externer Datenquellen. Das Tool dbt erlaubt es uns, modulare SQL-Transformationen direkt im Warehouse umzusetzen – inklusive Versionierung, Testing und Dokumentation. Beide unterstützen einen Engineering-orientierten Workflow und ermöglichen CI/CD für Datenmodelle.
“Unser Ziel war ein einheitliches und holistisches Datenmodell als stabile Basis für konsistente Analysen.”
Welche Eigenschaften eures Setups sind für euch besonders wichtig?
Datensicherheit und Zugriffskontrolle stehen bei uns an erster Stelle. Jede Freigabe ist bewusst steuerbar. Unser Ziel war ein einheitliches und holistisches Datenmodell als stabile Basis für konsistente Analysen. Die Daten sollen fachübergreifend genutzt werden können, sodass alle Abteilungen mit denselben validierten Werten arbeiten. Außerdem sind Skalierbarkeit und Performance für wachsende Datenmengen ebenso wichtig wie Automatisierung und Nachvollziehbarkeit durch dokumentierte Prozesse.
Welche Herausforderungen gab es bei der Einführung, zum Beispiel beim Data Vault?
Der initiale Aufbau des Data Vault Modells war komplex. Eine der größten Herausforderungen war es, ein einheitliches Verständnis über zentrale Geschäftslogiken hinweg zu etablieren.
Wie hat sich die Zusammenarbeit zwischen Data Team und Fachabteilungen entwickelt?
Die Zusammenarbeit ist enger geworden. Fachabteilungen sind inzwischen aktiv in die Datenmodellierung und Validierung eingebunden. Mit einer gemeinsamen Datenbasis können heute bereichsübergreifende Analysen durchgeführt werden. Unser Ziel ist es, die Fachbereiche so zu befähigen, dass sie sich selbstständig mit kuratierten Daten versorgen können.
Welche Lessons Learned würdet ihr Unternehmen mitgeben, die gerade erst starten?
Was wir definitiv wieder so machen würden: Wir haben uns zwei Jahre Zeit für eine Testphase genommen, um genau herauszufinden, was fachlich und technisch zu uns passt. Eine frühe Einigung auf einheitliche Begriffe und KPIs ist entscheidend. Der kulturelle Wandel ist mindestens so wichtig wie die Technologie. Und: kleine, iterative Erfolge zu feiern, hilft enorm bei der Akzeptanz.
Wie sieht die Zukunft eures Modern Data Stack aus?
Wir wollen die Automatisierung weiter vorantreiben und mehr Self-Service-Möglichkeiten schaffen. Zusätzlich planen wir den Ausbau von Predictive- und Prescriptive-Analytics. Auch KI und LLMs sollen stärker integriert werden, um als Assistenzsysteme bei der Datenanalyse und Entscheidungsfindung zu unterstützen. Unser Ziel ist, Daten als aktiven Treiber der strategischen Unternehmensentwicklung zu etablieren, mit niedrigschwelliger Nutzung, beispielsweise über einen Chatbot.
Dieses Interview stammt aus unserem Whitepaper “Modern Data Stack – Modulare Architektur für maßgeschneiderte Datenlösungen”. Jetzt lesen!
Du benötigst Unterstützung beim Aufbau deines Modern Data Stacks?
Über Vanessa Kremer
Vanessa Kremer leitet seit über drei Jahren den Bereich Data & Analytics bei dem Immobilien-Investmentunternehmen Aachener Grundvermögen. Dort verantwortet sie die datengetriebene Strategieentwicklung sowie die Umsetzung innovativer Lösungen. In ihrer Rolle betreut sie sämtliche Datenprojekte – von der Anforderungskoordination mit internen Teams und externen Partnern bis hin zur technischen Umsetzung mit SQL und Python. Zudem verantwortet sie die Weiterentwicklung des Technologie-Stacks, erkundet innovative Softwarelösungen und fördert eine datengestützte Unternehmenskultur. Dabei setzt sie nicht nur auf Technologie, sondern vor allem auf die gemeinsame Innovationskraft im Team. Ihr Ziel ist es, bestehende Methoden in der Immobilienbranche kritisch zu hinterfragen und durch unternehmerisches Denken sowie kreative Ansätze einen nachhaltigen Wandel voranzutreiben.
.webp)
