Baustein Sichtbarkeit: zwei Betriebsmodelle für denselben Bedarf
Tableau Server und Amazon QuickSight können beide Daten für Fachbereiche und Führungskräfte zugänglich machen, folgen dabei aber unterschiedlichen Betriebsmodellen. Die Entscheidung sollte deshalb nicht an einzelnen Funktionen hängen. Wichtiger sind die vorhandene Infrastruktur, Sicherheitsanforderungen, Kompetenzen im Haus und die Frage, wer die Lösung später betreiben soll.
Tableau Server läuft im eigenen Rechenzentrum oder in einer eigenen Cloud-Infrastruktur unter Windows oder Linux. Bei Bedarf verteilt sich der Betrieb auf mehrere Systeme für mehr Verfügbarkeit. Das Modell passt gut, wenn Datenquellen nur im internen Netz erreichbar sind, wenn bestehende Sicherheitskonzepte weitergenutzt werden sollen, oder wenn die Organisation ihre BI-Plattform lieber selbst administriert. Tableau vergibt dafür gestufte Lizenzrollen: Creator für Personen, die Daten anbinden und Inhalte entwickeln. Explorer für Personen, die bestehende Inhalte bearbeiten und eigene Analysen ergänzen. Viewer für Personen, die veröffentlichte Inhalte nur ansehen. So passt das Lizenzmodell zu den tatsächlichen Rollen im Fachbereich, statt dass alle dieselbe, teurere Lizenz bekommen.
Amazon QuickSight ist ein vollständig verwalteter BI-Dienst in der AWS-Cloud, ohne eigenen Server. Die Administration bleibt trotzdem nötig für Nutzer, Datenzugriffe, Netzwerkverbindungen und Kostenkontrolle. Das Modell eignet sich, wenn Daten oder Anwendungen bereits in AWS liegen, kein eigener Server aufgebaut oder Dashboards in ein bestehendes Portal eingebunden werden sollen. In der Enterprise-Edition lässt sich QuickSight über eine private Cloud-Verbindung an interne Datenquellen anbinden. Das benötigt passende Netzwerkverbindungen und ist Teil der Sicherheits- und Cloud-Architektur.
Unsere Einordnung: Tableau Server und QuickSight sind keine austauschbaren Produkte. Tableau passt zu einer Organisation, die ihre eigene BI-Infrastruktur betreiben möchte. QuickSight spielt seine Stärken aus, wenn AWS bereits Teil der Zielarchitektur ist oder eine verwaltete Cloud-Lösung gesucht wird. Die Technologie folgt damit dem Betriebsmodell und dem Anwendungsfall, nicht umgekehrt. Ein Budget von bis zu 50.000 Euro sollte nicht für den Versuch verwendet werden, sofort eine organisationsweite BI-Landschaft aufzubauen. Realistischer ist eine belastbare erste Ausbaustufe für einen Fachbereich. Sie zeigt, ob Datenquellen, Rollenmodell, Technik und Arbeitsweise zusammenpassen, bevor weitere Bereiche folgen.
Was innerhalb des Rahmens realistisch entstehen kann
Größenordnung schafft hier mehr Klarheit als Theorie: Lizenzen für ein achtköpfiges Fachbereichsteam über zwei Jahre, eine Basisschulung und ein professionell aufgebautes Dashboard lassen sich in dieser Konstellation innerhalb der 50.000-Euro-Grenze abbilden. Der genaue Zuschnitt hängt immer vom Einzelfall ab — aber die Relation zwischen Ambition und Budget wird damit greifbar. Das ist mehr als ein Prototyp auf Beispieldaten. Es ist aber noch kein vollständiges Datenprogramm für die ganze Behörde.
Vier Dinge sind dabei besonders wichtig:
- Ein nutzbarer Bericht. Am Ende sollte ein Dashboard stehen, das eine echte fachliche Frage beantwortet. Die eigentliche Erfahrung entsteht erst, wenn Beschäftigte mit echten Daten und Berechtigungen arbeiten, nicht mit einem Konzeptpapier.
- Genauso wichtig: eine wiederverwendbare Grundlage. Datenmodell, Berechtigungslogik und Dokumentation sollten so angelegt sein, dass spätere Berichte darauf aufbauen können. Sonst entsteht eine technische Sackgasse.
- Ein Dashboard braucht auch nach der Einführung Pflege, also klare Verantwortlichkeiten. Jemand muss die Kennzahlen fachlich verantworten, die Datenqualität prüfen und über den weiteren Ausbau entscheiden.
- Am wenigsten sichtbar, aber am wichtigsten: befähigte Beschäftigte. Eine Lösung, die dauerhaft von externer Unterstützung abhängt, verfehlt ihren Zweck. Schulung ist deshalb Teil des Projektergebnisses, kein nachträglicher Zusatz.
Woher unsere Einschätzung kommt
M2 begleitet Daten- und Analytics-Projekte über die sichtbare Dashboard-Ebene hinaus – von der fachlichen Konzeption über Architektur und Datenengineering bis hin zu Visual Design und Enablement. Diese Bereiche greifen ineinander: Ein gutes Dashboard braucht verlässliche Daten, eine passende Infrastruktur und Menschen, die es im Alltag souverän nutzen können.
Diese Perspektive stützt sich auf langjährige Erfahrung mit Tableau, AWS-basierten Analyseplattformen und Datenprojekten im öffentlichen Sektor – von einzelnen Dashboards bis zur Modernisierung ganzer BI-Infrastrukturen.
Einen Überblick über unser Portfolio finden Sie unter: M2/enablement
Was als Nächstes sinnvoll ist
Die neue Wertgrenze liefert keine fertige Datenstrategie – aber sie macht den Einstieg leichter, weil das Vorhaben klein genug bleibt, um es tatsächlich zu Ende zu bringen. Statt eines großen Datenstrategie-Projekts reicht ein einziger Bericht, der wirklich genutzt wird, mit einer klaren fachlichen Frage, einem überschaubaren Nutzerkreis und definierten Verantwortlichkeiten.
Genau darin liegt der eigentliche Wert: Wer diesen ersten Baustein – Sichtbarkeit – jetzt setzt, verschafft sich Handlungsspielraum für den nächsten Schritt. Wer wartet, entscheidet später unter Zeitdruck, oft mit weniger Auswahl.
Was zusätzlich möglich wird, wenn das Dashboard nicht mehr auf seine Daten warten muss, zeigt Teil zwei der Reihe: der Baustein Geschwindigkeit mit Exasol.