Konferenz: Reporting Summit 2025

Datum: 16. Oktober 2025 - Uhrzeit: 19:00
Ort: metafinanz, München, Germany

Vortrag: Datenmodellierung mit Data Vault - Special für Interessierte rund um Datenmodellierung
Speaker: Dirk Lerner

Data Vault ist ein modernes Modellierungsverfahren für Data Solutions, das Skalierbarkeit, Flexibilität und Nachvollziehbarkeit ermöglicht. Diese Session vermittelt die Grundlagen von Data Vault. Perfekt für Einsteiger, die datengetriebene Lösungen zukunftssicher gestalten und das Potenzial ihrer Daten optimal nutzen möchten.

Konferenz: data2day

Datum: 4. November 2025 - Uhrzeit: 11:15
Ort: IHK Karlsruhe, Germany

Vortrag: Data Engine Thinking: Zukunftssichere Datenlösungen
Speaker: Dirk Lerner

Daten erzählen Geschichten – wenn man sie im richtigen Kontext versteht. Oft bleiben sie jedoch nur "Krempel", den wir nicht sinnvoll nutzen können. Data Engine Thinking will das ändern: Es geht darum, Datenlösungen zu entwickeln, die flexibel, robust und anpassungsfähig sind – genau wie die Anforderungen, die Unternehmen täglich herausfordern.

Konferenz: DOAG 2025

Datum: 19. November 2025 - Uhrzeit: 10:00
Ort: Nürnberg Convention Center (NCC), Germany

Vortrag: Bitemporalität als Grundprinzip: Der Data Engine Thinking-Ansatz
Speaker: Dirk Lerner

Temporale Daten sind essentiell für moderne Datenlösungen. Diese Session zeigt, wie Data Engine Thinking die Implementierung bitemporaler Daten erleichtert - nicht nur als technisches Feature, sondern als integraler Bestandteil des Data Engine Ansatzes.

Konferenz: DDVUG Herbsttagung 2025

Datum: 27. November 2025 - Uhrzeit: 11:00
Ort: Novotel Hannover, Germany

Vortrag: Data Vault End-Dating Satellites am Link: Varianten, Optionen und Data Engine Thinking
Speaker: Dirk Lerner

Data Vault End-Dating Satellites am Link stellen eine besondere Herausforderung in der Datenmodellierung dar. Dieser Vortrag präsentiert verschiedene Varianten und Optionen für die physische Implementierung solcher Strukturen und zeigt anhand konkreter Beispiele, wie die Komplexität beim Beladen deutlich reduziert werden kann.

Konferenz: TDWI München 2025

Datum: 24./25. Juni 2025 - Uhrzeit: tbd
Ort: MOC München, Germany

Vortrag: Datenmodellierung und Kettlebell - eine Analogie
Speaker: Dirk Lerner

Datenmodellierung trifft Kettlebell-Training: Was haben Präzision, Stärke und Fokus gemeinsam? Mehr, als du denkst! Eine humorvolle Analogie zwischen Sport und Daten, die zum Nachdenken anregt.

Konferenz: TDWI München 2025

Datum: 25. Juni 2025 - Uhrzeit: tbd
Ort: MOC München, Germany

Vortrag: Bitemporalität als Grundprinzip: Der Data Engine Thinking-Ansatz
Speaker: Dirk Lerner

Temporale Daten sind essentiell für moderne Datenlösungen. Diese Session zeigt, wie Data Engine Thinking die Implementierung bitemporaler Daten erleichtert - nicht nur als technisches Feature, sondern als integraler Bestandteil des Data Engine Ansatzes.

Konferenz: TDWI München 2025

Datum: 25. Juni 2025 - Uhrzeit: tbd
Ort: MOC München, Germany

Vortrag: Grundlagen erfolgreicher Datenhistorisierung: Voraussetzungen und Mehrwert bitemporaler Konzepte
Speaker: Dirk Lerner

Bitemporale Daten erfordern spezifische Grundlagen. Diese Session beleuchtet die notwendigen Voraussetzungen zur erfolgreichen Implementierung bitemporaler Konzepte und demonstriert anhand praxisnaher Beispiele deren Vorteile für datengetriebene Unternehmen.

Konferenz: Global Data Summit 2025

Datum: 23. Juni 2025 - Uhrzeit: 10:20 - 10:40 Uhr
Ort: Harpa Concert Hall and Conference Centre - Reykjavík, Iceland

Vortrag: Data Engine Thinking: Zukunftssichere Datenlösungen
Speaker: Dirk Lerner

Daten erzählen Geschichten – wenn man sie im richtigen Kontext versteht. Oft bleiben sie jedoch nur „Krempel“, den wir nicht sinnvoll nutzen können. Data Engine Thinking will das ändern: Es geht darum, Datenlösungen zu entwickeln, die flexibel, robust und anpassungsfähig sind.

Veranstaltung: 27. TDWI Roundtable Hannover

Datum: 27. Mai 2025 - Uhrzeit: 15:00 -19:00 Uhr
Ort: Hochschule Hannover, Fakultät IV, 1H.0.01, Germany

Vortrag: Data Engine Thinking: Wertschöpfung aus Daten
Speaker: Dirk Lerner

Wie werden aus Daten echte Werte? Mit Data Engine Thinking schaffen Sie flexible Lösungen, die Veränderungen und neue Erkenntnisse meistern. Anhand praktischer Beispiele zeigen wir, wie Datenlösungen wirklich zukunftssicher werden.

FastChangeCo’s journey to Data Vault

FastChangeCo ist ein fiktives Unternehmen, das Anfang des 20. Jahrhunderts gegründet wurde.

FastChangeCo kämpfte mit den sich immer schneller ändernden Geschäftsanforderungen und mit immer mehr Änderungen in den Quellsystemen - und versuchte wiederholt, das Data Warehouse mit modernsten Technologien zu erweitern, um all diese Änderungen zu bewältigen. Letztendlich war man jedoch nicht in der Lage, mit den ehrgeizigen Zielen Schritt zu halten und alle Anforderungen zu erfüllen.

Um all diesen Anforderungen gerecht zu werden, beschloss FastChangeCo, eine übergeordnete Vision zu entwickeln - ein Ziel, an dem sie alle Entscheidungen im kommenden Projekt überprüfen werden. Ihre Vision ist es, bei allen anstehenden Entscheidungen, Aufgaben und Implementierungen flexibler, agiler, schneller und weniger komplex zu sein.

Shownotes: Dirk Lerner - Der Experte für Datenmodellierung und Datenarchitektur

In dieser spannenden Podcast-Folge haben wir einen besonderen Gast: Dirk Lerner. Er ist ein unabhängiger und erfahrener Berater und Coach mit mehr als zwei Jahrzehnten Erfahrung in BI-Projekten. Dirk ist ein ausgewiesener Experte für BI-Architekturen, Datenmodellierung und temporale Daten. Doch wer ist Dirk Lerner wirklich?

In dieser Podcast-Folge werden wir mit Dirk Lerner die faszinierende Welt der Datenmodellierung und Datenarchitektur erkunden. Erfahren Sie mehr über seine Expertise, wie er Unternehmen dabei unterstützt, ihre Daten effektiv zu nutzen, und wie die TEDAMOH Academy Bildungsmöglichkeiten für Datenprofis bietet.

Erwartungen und Realität

Wie können immer wiederkehrende Aufgaben vereinfacht werden? Die Frage nach der Automatisierung von Datenlogistikprozessen in einem Data Warehouse beschäftigt heute die Projektteams. Der Wunsch nach einem umfassenden Automatisierungsprodukt ist dann meist sehr schnell da. Die Erwartungen sind hoch, die Enttäuschung (nach der Produktauswahl) nicht selten.In dieser Session gibt Dirk Lerner einen Einblick in die Erwartungen der Projektteams, die Abläufe der Produktauswahl und die Realität.

Erwartungen und Realität

Heutzutage denken nicht wenige Data-Warehouse (Data Solution)-Projektteams über die Automatisierung ihrer Datenlogistik-Prozessen nach. Wie kann man die immer gleichen Aufgaben vereinfachen, diese Prozesse einem Automatismus überlassen und dabei möglichst wenig sich wiederholendend Aufwand in die Entwicklung stecken? Der Wunsch nach einem allumfassenden Automation Produkt für die Data Solution, ist dann meist sehr schnell vorhanden.

Was sind genau temporale Daten? In dieser Session gibt Dirk Lerner einen Einblick was temporale Daten sind und warum Daten für bestimmte geschäftlichen Szenarien eine Frage der Zeit sind.

Mit einfachen Beispielen visualisiert Dirk anhand dieser geschäftlichen Szenarien die Unterschiede in den temporalen Vorgehensweisen zur Historisierung von Daten und deren Auswirkungen.

Schließlich stellt Dirk Lerner die heute verfügbaren Technologien vor, die eine (bitemporale) Historisierung von Daten implementiert haben.

Viele Data Warehouse-Projektteams denken heute über die Automatisierung der Prozesse nach. Wie kann man die immer gleichen Aufgaben vereinfachen, diese einem Automatismus überlassen und möglichst wenig dauerhaften Aufwand in die Entwicklung stecken? Das Verlangen nach einer Lösung, einem Automatisierungswerkzeug ist dann meist sehr schnell vorhanden.

In dieser Session gibt Dirk Lerner einen Einblick in die Anwendungsfälle bitemporaler Daten und warum diese für die heutigen Geschäftsanforderungen wichtig und grundlegend sind. Anschließend visualisiert er anhand eines einfachen Beispiels die Vorgehensweise bei der bitemporalen Historisierung von Daten. Schließlich stellt Dirk die verfügbaren Technologien vor, die bereits eine (bitemporale) Historisierung von Daten implementiert haben.