Standardization of BI – semantic layers to harmonize the definition of KPI’s, simplify governance, data comparison and tool migrations. Presentation will provide a technical overview on how to use existing standardization projects and will be based on practical demonstrations.

Target Audience: BI, AI, Product Owners, Governance
Prerequisites: BI AND /OR AI backround
Level: Expert

Extended Abstract:

Der Vortrag bespricht die Interaktion zwischen Business Intelligence-Tools, semantischen Layers, mit Fokus auf der Notwendigkeit der Standardisierung der BI – Landschaft hinsichtlich von Governance und KPI – Definitionen. Über KI wird auch gesprochen

Kernaussage:
Alle BI-Tools basieren auf proprietären semantischen Schichten, die besser oder schlechter mit KI funktionieren. Durch Standardisierung der Semantischen Layer würden Vendor Unabhängigkeit, Datenvergleichbarkeit und Governance erheblich vereinfacht werden.

Konkurrierende Standards:
SML (Semantic Modeling Language) von AtScale bietet eine leistungsstarke Logik für Enterprise BI-Schichten. Es ist gut dokumentiert auf GitHub, feature-reich mit Unterstützung für Aggregationstabellen und Multi-Layer-Orchestrierung, und verfügt über bestehende MCP-Server für mehrere BI-Tools. OSI (Open Semantic Interchange) wird von einer breiten Koalition von Tool-Anbietern (außer AtScale) unterstützt, mit dbt als Basis, wobei die Standards noch nicht vollständig (24.01.2026) veröffentlicht sind.

Technische Architektur:
Die Präsentation beschreibt einen dreischichtigen Ansatz: eine Generierungs-/Definitionsschicht für YML-Strukturen, eine Transformationsschicht zum Laden von KPIs in SML und Import in Tools, sowie eine Aktionsschicht für KPI-Entwicklung und Datenkonsum.

Metadata-Management-Herausforderungen:
Organisationen stehen vor erheblichen Hürden: der Mix an erforderlichen Technologien (BI-Tools, Python, semantische Modellierung, SDKs, REST APIs, LLMs), last but not least der bestehende Wildwuchs in den einzelnen BI -Tools.

Praxis nah:
Die Vorgehensweise und die Herausforderungen werden konzeptionell vorgestellt und an praktischen Beispielen gezeigt.

Fazit:
Offene semantische Modelle ermöglichen das Teilen und breite Verwendung von BI-Logik. Die Nutzung von MCP-Servern und AI-Agenten vereinfachen die Implementierung. Wissen, Methodik und Code können über Communities geteilt und ausgetauscht werden
Der Erfolg erfordert technische Repository-Analyse, gemischte Teams aus AI- und BI-Experten, und die Bereitschaft neue Wege zu gehen