| Ort: | Köln, 25hours Hotel The Circle |
| Datum: | Donnerstag, 1. Oktober 2026 |
| Zeit: | Donnerstag – 9:00 bis ca. 17:15 Uhr |
| Kosten: | Teilnehmerpreis: 120,- € für Mitglieder und 140,- € für Nicht-Mitglieder mit den 17.9.2026 gilt der Late Bird von 140,- € für Mitglieder und 160,- € für Nicht-Mitglieder |
Agenda:
Donnerstag, 1. Oktober 2026:
| Uhrzeit | Titel |
|---|---|
| 08:30 – 9:00 | Kaffee – Get together |
| 09:00 – 9:15 | Begrüssung Vorstand der DDVUG |
| 09:15 – 10:15 | N.N. |
| 10:15 – 10:30 | Kafeepause |
| 10:30 – 11:30 | Die Zukunft der Data Vault Automatisierung Wenn wir von Data Warehouse Automatisierung sprechen, ist meist Data Vault Automatisierung gemeint. Sie nimmt uns heute viel Handarbeit ab, hört aber genau dort auf, wo Data-Vault-Expertise gefragt ist: beim Data-Vault-Modell und der Business-Logik für den Business Vault. Der Vortrag möchte zur Diskussion anregen und zeigen, wie sich diese Lücke schließen lässt, indem man die Arbeit eine Ebene höher, in den Conceptual Layer, legt. Es geht darum, warum die deterministische Ableitung des Data Vaults aus dem Conceptual Layer entscheidend ist und welche Rolle KI dabei spielt. Reinhard Mense, conflux9 |
| 11:30 – 12:30 | KI-unterstützte, metadaten getriebene Data Vault Automatisierung Tim Kirschke, Scalefree |
| 12:30 – 13:30 | Gemeinsames Mittagessen |
| 13:30 – 14:30 | Das gemeinsame Verständnis über die eigenen Daten Im Spannungsfeld von metadatengetriebener Generierung und KI-generierten Datenmodellen. müssen wir da noch modellieren? Datenmodellierung wurde geschaffen, um Einigkeit über die dem Unternehmen zu Grunde liegenden Daten zu schaffen. Und es ist nach mehr als 40 Jahren immer noch ein Thema. Immer wieder wird mangelnde Güte der Daten, der Datenmodelle als Problem beschrieben. Ein Data Warehouse ist abhängig vom Datenverständnis. Was muss ein Datenmodell vermitteln? Was kann man generieren? Und wann ist es zuviel? Und wie kann man über Datenmodelle reden ohne ein ‚universe of discourse‘ heraufzubeschwören? Denn man kann über alles reden, aber nicht länger als 2 Workshops. In diesem Sinne bewegen wir uns im Laufe des Workshops vom generellen Problem zu spezifischen und pragmatischen Lösungen für ein mehr an gemeinsamen Datenverständnis. Michael Müller, m2data |
| 14:30 – 14:45 | Kaffeepause |
| 14:45 – 15:45 | Agentic Engineering, Loop Engineering oder Graph Engineering? Ein Deep Dive ins Engineering mit Coding Agents 2025 stand im Zeichen von Vibe Coding. Im Frühjahr 2026 haben Tools wie Claude Code und Methoden wie Spec-Driven Development die Regeln der Softwareentwicklung neu geschrieben. Tools, Methoden und Frameworks entwickeln sich weiterhin rasant. Seit dem Sommer ist eine Diskussion über Loop- und Graph-Engineering entbrannt. Der Vortrag ordnet Agentic Engineering, Spec-Driven Development sowie Loop- und Graph-Engineering ein und zeigt, wie Teams damit nachhaltig und effizient Software entwickeln. Marco Nätlitz, Exasol |
| 15:45 – 16:00 | Kaffeepause |
| 16:00 – 17:00 | Data Engine Thinking and AI – in Englisch Truly understanding data takes time. It requires gathering deep insights about how data is used, defining data models, and iteratively improving them to accurately represent what is happening (or should be happening) with the data. This work constantly changes both the design and the implementation: the physical data model, the mappings, and the data logistics processes that move, interpret, and transform the data. Data Engine Thinking treats this as a design problem. By capturing the design as structured, version-controlled metadata and recognising the recurring patterns in how data is integrated, the implementation can be automated. Deterministic templates turn metadata into code, documentation, and deployment artefacts. The design becomes the durable asset, and the generated output stays predictable and repeatable. AI is a form of automation too, which raises the obvious question: where does it fit when it comes to data logistics? Generating code is easy these days, so can it take over the traditional, often laborious work of data integration, and how far can it go? This session offers a practical, in-depth look at automating data solutions based on the Data Engine Thinking mindset, together with a grounded view of where AI genuinely helps, where it should be kept away, and how to draw that line with confidence. You will leave with patterns and principles you can apply directly to your own data solutions. Roelant Vos, Agnostic Data Labs |
| ca. 17:00 | Wrap-up Herbsttagung |
Anmeldung:
Tagungsort:
25hours Hotel The Circle
Im Klapperhof 22-24
50670 Köln