Was ist ein Semantic Layer?
Stellen Sie sich ihn als Regelwerk für Ihre Daten vor. Er hält fest, was jede Kennzahl bedeutet, wie sie berechnet wird und wie Quellen zusammenpassen. So wenden ein Dashboard, ein Analyst und ein KI-Tool dieselben Regeln an, statt sie jeweils neu zu erfinden.
Ohne ihn baut jedes Team seine eigene Rechenlogik. Ein Analyst berechnet ROAS ohne Retouren, ein anderer mit. Ein Markt nennt eine Kampagne „Summer Sale“, ein anderer „SS_2026_Promo“. Die Daten sind dieselben, die Antworten aber verschieden, und der erste Teil jedes Meetings geht für die Frage drauf, wessen Zahl stimmt.
Ein Semantic Layer löst das auf der Ebene der Definitionen. Die Logik liegt an einer Stelle, und alles andere liest von dort.
Wie funktioniert ein Semantic Layer?
Ein Semantic Layer liegt zwischen dem Ort, an dem Daten gespeichert werden, und dem Ort, an dem sie genutzt werden. Er ersetzt weder das Data Warehouse, noch kopiert er die Daten an einen neuen Ort. Er beschreibt die Daten: welche Tabellen zusammenhängen, was jedes Feld bedeutet und wie jede Kennzahl berechnet wird. Fragt ein Dashboard, ein Analyst oder ein KI-Agent nach einer Zahl, liefert der Semantic Layer die Definition. So ist die Antwort dieselbe, egal wer fragt.
Was ein Semantic Layer definiert
| Bestandteil | Was er umfasst | Beispiel |
|---|---|---|
| Kennzahlendefinitionen | Wie jede KPI berechnet wird | ROAS, CPA, Conversion-Rate, Kosten pro Lead |
| Geschäftsentitäten | Die Einheiten, denen Performance zugeordnet ist | Konto, Kampagne, Anzeigengruppe, Anzeige, Keyword |
| Beziehungen | Wie Daten aus verschiedenen Quellen zusammenpassen | Anzeigenstatistiken, verknüpft mit der zugehörigen Kampagne und dem zugehörigen Konto |
| Kalender | Wie das Unternehmen Zeit zählt | Geschäftsjahreskalender, Aktionskalender |
| Zuordnungen und Taxonomie | Wie Plattform-Bezeichnungen Geschäftskategorien zugeordnet werden | Mediakanal, Funnel-Phase, Kampagnentyp, Region |
Von Rohdaten zu gemeinsamen Antworten
- Quellen anbinden. Performance- und Geschäftsdaten kommen von jeder Plattform herein.
- Beziehungen modellieren. Tabellen werden mit gemeinsamen Entitäten und Kalendern verknüpft, sodass Daten aus verschiedenen Plattformen zusammenpassen.
- Jede Kennzahl einmal definieren. Die KPI-Logik wird einmal festgelegt, für jedes Team, jede Region und jede Währung.
- Jedes Tool versorgen. Dashboards, Ad-hoc-Analysen und KI-Tools lesen alle dieselben Definitionen.
Was ist ein Beispiel für einen Semantic Layer?
Zwei Situationen zeigen, was ein Semantic Layer in der Praxis verändert.
Eine Kennzahl, eine Definition
Das Marketing meldet einen ROAS von 4,1. Finance meldet 3,6. Beide haben „recht“: Das Marketing nutzt den von der Plattform gemeldeten Umsatz, Finance zieht Retouren ab.
Mit einem Semantic Layer definiert das Unternehmen ROAS einmal (zum Beispiel abzüglich Retouren, in einer Währung), und jedes Dashboard, jede Präsentation und jede KI-Antwort nutzt diese Definition. Aus zwei Zahlen wird eine.
Eine Kampagne, fünf Namen
Eine globale Marke führt in fünf Märkten eine Sommeraktion durch, und jeder Markt benennt sie anders: „Summer Sale“, „SS_2026“, „Ete_Promo“ und so weiter.
Ein Semantic Layer ordnet jede Variante einer Geschäftskategorie zu. So sieht das globale Team eine Kampagne mit einer Gesamtsumme statt fünf Fragmenten, die von Hand abgeglichen werden müssen.
Semantic Layer vs. Data Warehouse vs. BI-Tool
Wer einen Semantic Layer einführt, gibt weder das Warehouse noch das BI-Tool auf. Jedes erfüllt eine andere Aufgabe.
| Data Warehouse | Definitionen in einem BI-Tool | Semantic Layer | |
|---|---|---|---|
| Hauptaufgabe | Speichert die Daten | Visualisiert die Daten | Definiert, was die Daten bedeuten |
| Wo die Geschäftslogik liegt | In Abfragen, die Menschen schreiben | In jedem einzelnen Dashboard oder Bericht | An einer gemeinsamen Stelle |
| Wenn sich eine Definition ändert | Jede Abfrage aktualisieren | Jede Ansicht neu bauen | Einmal aktualisieren |
| Konsistenz über Tools hinweg | Hängt davon ab, wer die Abfrage geschrieben hat | Auf dieses Tool beschränkt | Jedes angebundene Tool nutzt dieselbe Logik |
| Nutzung durch KI und Agenten | Jemand muss die Tabellen erklären | Im Tool eingeschlossen | Gibt der KI dieselben Definitionen, die auch Menschen nutzen |
Warum ist ein Semantic Layer für Marketing und KI wichtig?
Marketingdaten stammen aus ungewöhnlich vielen Quellen und Formaten. Jede Werbeplattform definiert Kennzahlen auf ihre Weise, und jeder Markt benennt Dinge anders. Ohne gemeinsame Definitionen wird kanal- und marktübergreifendes Reporting zum Abgleich, und Führungskräfte verlieren das Vertrauen in die Zahlen.
- Schnellere Entscheidungen. Wenn alle den Zahlen vertrauen, geht es in Meetings direkt um die nächsten Schritte.
- Weniger Abweichungen im Reporting. Gemeinsame Logik bedeutet, dass die Berichte verschiedener Teams übereinstimmen.
- Faire Vergleiche. Kanäle, Regionen und Marken werden am selben Maßstab gemessen.
- Bessere KI-Antworten. Wenn ein KI-Assistent und ein Dashboard dieselben Definitionen lesen, muss niemand entscheiden, wem man glaubt.
Wie setzt Alli das um?
Der Semantic Layer von Alli by PMG ist ein Semantic Layer für das Marketing. Er definiert KPIs einmal, modelliert, wie Performance-Daten mit Kampagnen, Anzeigen, Konten und Kalendern zusammenhängen, und enthält Categorizations, das Plattform-Benennungen ohne manuelles Tagging in eine verständliche Taxonomie überführt.
Jedes Dashboard, jede Data-Explorer-Ansicht, jede Antwort von Ask Alli, jeder Alert und jedes Planungstool in Alli liest dieselben Definitionen. So stimmen die Zahlen über Teams, Regionen und Währungen hinweg überein.
Alli Semantic Layer entdeckenFAQ zum Semantic Layer
Ist ein Semantic Layer dasselbe wie ein Metrics Layer?
Weitgehend. Mit Metrics Layer ist meist der Teil eines Semantic Layers gemeint, der KPIs und ihre Berechnung definiert. Ein Semantic Layer umfasst in der Regel mehr: Geschäftsentitäten, die Beziehungen zwischen Datenquellen, Kalender und die Zuordnung von Plattform-Bezeichnungen zu Geschäftskategorien.
Was ist der Unterschied zwischen einem Semantic Layer und einem Data Warehouse?
Ein Data Warehouse speichert Daten. Ein Semantic Layer legt fest, was diese Daten bedeuten und wie daraus Kennzahlen berechnet werden. Die meisten Teams nutzen beides: Das Warehouse hält die Daten, und der Semantic Layer sorgt dafür, dass jedes Tool sie gleich liest.
Brauche ich einen Semantic Layer, wenn wir bereits Namenskonventionen haben?
Namenskonventionen helfen, setzen aber voraus, dass sich alle daran halten. Sie greifen nicht mehr, wenn Märkte schnell agieren oder Plattformen Felder ändern. Ein Semantic Layer wendet die Regeln an einer Stelle an, sodass Daten auch dann einheitlich zugeordnet werden, wenn die eingehenden Namen es nicht sind.
Wie hilft ein Semantic Layer KI-Tools?
KI-Tools antworten auf Basis der Definitionen, die sie erhalten. Unterscheiden sich diese Definitionen von Tool zu Tool, gilt das auch für die KI-Antworten. Ein Semantic Layer gibt der KI dieselben kontrollierten Definitionen, die auch Menschen nutzen, sodass die Antwort eines KI-Assistenten mit dem Dashboard übereinstimmt.
Wer ist üblicherweise für einen Semantic Layer verantwortlich?
Meist pflegen ihn Daten- und Analytics-Teams, mit Input aus Marketing und Finance dazu, wie jede KPI definiert werden soll. Entscheidend ist, dass eine Definition einmal abgestimmt und nur bewusst geändert wird, statt in jeder Tabelle neu zu entstehen.
Zuletzt aktualisiert am Zurück zum Glossar