Commerce- und Produktdaten-Teams
ERP, PIM, Shop und Marktplätze sprechen eine Sprache, pro Kanal und pro Sprache.
Ein verwaltetes Datenmodell über ERP, PIM und Shop hinweg, Ihre Pipelines, in der EU gehostet, kein Lock-in.
Angebot anfordernData Engineering
Daten, denen Ihre Systeme und Ihre KI wirklich vertrauen können
Pipelines, Warehouse-Modelle und Produktdaten-Flüsse, gebaut für den Tag, an dem das Format wechselt und sich die Monatsend-Last verdoppelt.
Jede KI-Ambition und jedes BI-Dashboard steht auf demselben Fundament: Daten, die vollständig, pünktlich und erklärt ankommen. Wir bauen dieses Fundament: ELT-Pipelines, Warehouse-Modelle, PIM- und ERP-Datenflüsse, mit Monitoring, das Drift fängt, bevor Ihre Kunden es tun.
Warehouse
Der Anruf, den wir meistens bekommen
Die Dashboard-Zahlen stimmen nicht mit dem ERP überein. Der nächtliche Import brach an einer Lieferantendatei, und der Shop hat Artikel verkauft, die es nicht gibt. Das neue KI-Projekt stockt, weil die Trainingsdaten sechs Exporte tief inkonsistent sind. Alle spüren, dass die Daten das Problem sind; niemand besitzt die Pipeline.
Wann Sie Data Engineering brauchen
Die meisten Datenprobleme sind keine Dashboards, sie sind Vertrauen. Die Zahlen stimmen zwischen den Systemen nicht überein, der nächtliche Import bricht an einer Lieferantendatei ab, und das neue KI-Projekt stockt, weil die Trainingsdaten sechs Exporte tief in Inkonsistenz stecken. Data Engineering ist die richtige Entscheidung, wenn mehr als ein System die Wahrheit hält, wenn das Reporting abgleichen statt annähern muss, und wenn Teams verwaltete, dokumentierte Pipelines brauchen statt einmaliger Exporte. Wir bauen die Schicht, die jede nachgelagerte Zahl belastbar macht, für das Dashboard und für das Modell.
- Mehrere Systeme halten jeweils einen Teil der Wahrheit
- Das Reporting muss abgleichen, nicht annähern
- KI und Analytik brauchen verwaltete, wiederholbare Eingaben
- Manuelle Exporte und Tabellen sind zur Pipeline geworden
Wie Ihre Daten fließen
Quellen & Systeme
Ingestion
Transformation & Modellierung
Warehouse / Lakehouse
BI, ML & Aktivierung
Von verstreuten Quellen zu einem modellierten, verlässlichen Warehouse: aufgenommen, transformiert, getestet und bereit für Reporting, ML und Aktivierung.
Wo Teams das einsetzen
Konkrete Situationen, für die das gebaut ist, über verschiedene Teams und Phasen hinweg.
Finanzen und Controlling
Zwei Systeme melden für denselben Monat unterschiedlichen Umsatz und niemand kann sagen, welches richtig ist.
Wir modellieren eine abgeglichene Quelle der Wahrheit mit der niedergeschriebenen Definition jeder Kennzahl, sodass der Monatsabschluss aufhört, ein Streit zu sein, und die Zahl für den Vorstand belastbar ist.
B2B-Distribution
Produktdaten sind über das ERP, das PIM und den Shop verstreut, und der nächtliche Sync bricht an einer Lieferantendatei ab, die niemand kontrolliert.
Wir bauen Pipelines mit Schema-Verträgen, die bei einer fehlerhaften Datei laut scheitern, statt den Katalog zu vergiften, sodass Ihre Produkte überall konsistent bleiben, wo sie erscheinen.
Analytics- und BI-Verantwortliche
Dashboards existieren bereits, aber jedes Diagramm braucht eine Fußnote und Analysten verbringen ihre Woche damit, Exporte von Hand zu bereinigen.
Wir verlagern die Bereinigung und die Kennzahlenlogik in versionierte, getestete Transformationen weiter oben, sodass das BI-Tool verwaltete Zahlen liest und Ihre Analysten modellieren statt aufräumen.
KI- und Produktteams
Ein KI-Feature stockt, weil die Trainings- und Retrieval-Daten sechs inkonsistente Exporte tief liegen.
Wir bauen die Datenschicht, die das Modell tatsächlich braucht: verwaltete, dokumentierte, wiederholbare Eingaben mit Aktualität und Lineage, sodass das KI-Projekt auf Daten weiterläuft, denen es trauen kann.
Mittelstand ohne Datenteam
Das ganze Unternehmen berichtet aus einer heroischen Tabelle, die nur eine Person vollständig versteht.
Wir verwandeln sie in ein echtes Warehouse und Pipelines, die Ihr Team betreibt, oft auf langweiligem, exzellentem PostgreSQL, sodass das Wissen im System lebt statt in einem Kopf.
Agenturen und Beratungen
Sie haben ein Datenprojekt gewonnen, aber es fehlt die Senior-Data-Engineering-Kapazität, die Pipelines und das Warehouse zu liefern.
Wir liefern es als abgegrenztes Arbeitspaket unter NDA, gebaut unter Ihrer Marke, wobei das geistige Eigentum durch Sie hindurch zum Endkunden geht, sodass Sie die Beziehung behalten und wir das Ergebnis tragen.
Für wen das ist
Commerce- und Analytics-Teams
BI- und Analytics-Verantwortliche
Warehouse-Modelle, in denen die Zahlen abstimmbar sind und die Definitionen aufgeschrieben.
Abgestimmte Warehouse-Modelle mit dokumentierten Definitionen, Ihr Code und Ihre Daten.
Regulierte und souveräne Datenbesitzer
Wo Ihre Produkt-, Kunden- und Analysedaten liegen, ist nicht verhandelbar.
Pipelines und Speicherung standardmäßig in der EU-Region Frankfurt, oder bereitgestellt in Ihrer eigenen Cloud und Region, sodass Ihnen die Infrastruktur gehört. Dokumentierte Datenflüsse, AVV und TOM bereit, DSGVO-konform by design. Keine erfundenen Zertifizierungen und kein Rechenzentrum im Land.
Datenresidenz und Vertrauen ansehenKI- und Gründerinitiativen
KI-Initiativen
Retrieval-Korpora und Trainingsdaten aus verwalteten Pipelines statt Einmal-Exporten.
Retrieval- und Trainingsdaten aus verwalteten, prüfbaren Pipelines, DSGVO-konform, Sie besitzen sie.
Pilot anfragenWas wir bauen
Pipelines und Plattformen, für Vertrauen konstruiert, nicht nur für Durchsatz.
Quell-Integration
Connectoren für ERP, PIM, Shop und SaaS, mit Schema-Verträgen, die bei einer fehlerhaften Datei laut scheitern, statt nachgelagert still zu korrumpieren.
Transformationsschicht
Versionierte, getestete Transformationen (dbt-Stil), sodass jede Kennzahl eine einzige Definition hat, die Sie lesen, prüfen und der Sie trauen können.
Warehouse-Modellierung
Modelle in Snowflake, BigQuery oder langweiligem, exzellentem Postgres, die über Systeme hinweg abgleichen und mit dem Abfragevolumen skalieren.
Orchestrierung
Geplante und ereignisgesteuerte Läufe mit Retries, Backfills und Alerting, sodass sich ein fehlgeschlagener Ladevorgang selbst behebt oder meldet, statt still zu veralten.
Serving und KI-bereite Daten
Saubere APIs und verwaltete BI-Modelle, sodass Analysten, Apps und Ihre KI alle dieselben dokumentierten Zahlen lesen.
Datenqualität und Lineage
Tests, Aktualitätsprüfungen und Lineage, sodass eine fehlerhafte vorgelagerte Datei erkannt und nachverfolgt wird, bevor sie ein Dashboard oder ein Modell erreicht.
Wie wir es bauen
ELT-Pipelines
Ingestion und Transformation, die sich gefahrlos wiederholen und sich selbst erklären.
- Idempotente Wiederholungsläufe
- Dry-Run-Vorschau vor dem Schreiben
- Schema-Änderungserkennung mit Alerts
Warehouse- und Lakehouse-Modelle
Vom Quell-Chaos zu modellierten Schichten, denen Analysten vertrauen.
- Dokumentierte Definitionen pro Kennzahl
- Tests auf den Daten, nicht nur auf dem Code
- Inkrementelle Loads, die skalieren
Produktdaten-Flüsse
Die Pimcore- und ERP-zu-Kanal-Pipelines hinter unserer Commerce-Arbeit.
- Kanal-spezifisches Mapping und Validierung
- Marktplatz-Feed-Generierung
- Monitoring pro Feed, nicht pro Server
Datenqualität und Observability
Wissen, dass die Daten gebrochen sind, bevor das Geschäft es merkt.
- Freshness-, Volumen- und Verteilungs-Checks
- Lineage, die Sie einem Auditor zeigen können
- Alerts mit dem fehlerhaften Datensatz im Anhang
So läuft Daten-Arbeit
Daten-Arbeit beginnt an den Quellsystemen und endet bei einem Konsumenten, der dem Ergebnis vertraut; alles dazwischen shippt als reviewter, getesteter Code.
So bauen wir es
- 1Quell- und Schnittstellen-Mapping: was existiert, was ändert sich, was bricht heute
- 2Pipelines inkrementell gebaut; alt und neu laufen nebeneinander, bis sie übereinstimmen
- 3Übergabe mit Lineage-Dokumentation, Tests und Alerting, das Ihr Team besitzt
Was Sie bekommen
- Pipelines als getesteter Code in Ihren Repositories
- Ein Abstimmungsbericht, der beweist, dass alt und neu übereinstimmen
- Monitoring, das den gebrochenen Feed und den fehlerhaften Datensatz benennt
Diagramm wird geladen...
Referenzarchitektur: ERP, Ingestion, PIM, Shop, Transform + Tests, Warehouse, BI / Analytics, AI / Retrieval, Quality monitors
Wie wir arbeiten
Vom ersten Gespräch bis zum System im Produktivbetrieb, und danach betreut.
01
Discovery und Planung
Wir kartieren den Prozess, die Rahmenbedingungen und die Menschen, die ihn nutzen, und legen Umfang und Form des Systems fest, bevor eine Zeile Code entsteht.
02
Architektur und Design
Wir entwerfen das Domänenmodell, die Daten und die Schnittstellen und halten die Entscheidungen schriftlich fest, damit das System verständlich bleibt, während es wächst.
03
Entwicklung, geprüft und getestet
Wir bauen in kleinen, geprüften Schritten, typsicher und durch Tests abgedeckt, die bei jeder Änderung laufen, damit Regressionen auffallen, bevor Sie sie sehen.
04
Infrastruktur und Release
Wir deployen in Ihre Cloud und Ihre Konten über eine automatisierte Pipeline, mit Releases, die Sie wiederholen und zurückrollen können, ohne Drama.
05
Beobachten und Überwachen
Wir liefern Logging, Metriken und Alerts ab Tag eins, sodass wir Probleme früh sehen, oft bevor Ihre Nutzer sie melden.
06
Support und Weiterentwicklung
Nach dem Launch beheben, erweitern und härten wir in einem Takt, der zu Ihnen passt, mit vollständiger Übergabe, damit Sie nie von uns abhängig sind.
Wie wir das Projekt steuern
Agile Sprints
Wenn der Umfang sich entwickeln wird: Wir liefern in kurzen Schritten und Sie steuern die Prioritäten, während das Produkt Form annimmt.
Festes Werkpaket
Wenn der Umfang definiert ist und Sie einen festen Preis brauchen: ein Vertrag mit Ergebnisverantwortung und festem Liefergegenstand.
Laufende Partnerschaft
Wenn das System live ist und wächst: ein Retainer für Änderungen, Support und neue Funktionen, mit Kündigungsfrist, die Sie bestimmen.
White-Label-Arbeitspaket
Wenn Sie die Lieferung unter Ihrer eigenen Marke verkaufen: Wir arbeiten unter NDA, in Ihren Repositories und mit Ihren Werkzeugen, geben das IP an Ihren Endkunden weiter, halten uns aus der Kommunikation mit Ihrem Kunden heraus, solange Sie uns nicht unter Ihrer Führung hinzuziehen, und bestätigen anhand von Abnahmekriterien, die vor der Umsetzung festgelegt wurden.
Vom Commit bis zum Betrieb in Ihrer Cloud
Ein einziger Lieferweg, den Sie von Anfang bis Ende nachvollziehen können: Jede Änderung durchläuft dieselben Kontrollpunkte, und derselbe Weg läuft rückwärts, wenn etwas zurückgenommen werden muss.
Commit
CI-Gates
Artefakt
Staging
Produktion
Observability
Staging, Produktion und Observability laufen in Ihren Cloud-Konten
Rollback-Pfad:ObservabilityArtefakt oder Produktion
Wo Verfügbarkeit wichtig ist, vereinbaren wir sie als SLA-Ziel, nicht als gemessenes Versprechen.
Wo liegen Ihre Daten eigentlich?
Ein BI-Tool zeichnet Diagramme. Eine Tabelle kopiert Zahlen. Keines besitzt die Schicht darunter. Hier sehen Sie, was jeder Ansatz Ihnen geben kann und was nicht, damit Sie in den Teil investieren, der den Rest trägt.
Zum Vergleichen scrollen
| Tabellen + Exporte | Nur BI-Tool | Konstruierte Datenplattform | |
|---|---|---|---|
| Eine Quelle der Wahrheit über alle Systeme hinweg | |||
| Datenqualitätsprüfungen, bevor sich Zahlen verbreiten | |||
| Pipelines, die von selbst neu laufen, wiederholen und nachfüllen | |||
| Governance: Definitionen, Lineage und Zugriff, die Sie auditieren können | |||
| KI-bereite Eingaben, auf denen Ihr Modell ohne Bereinigung trainieren kann | |||
| Am schnellsten, um jemandem einen Bericht vorzulegen | |||
| Sie besitzen die Modelle, den Code und das Warehouse |
Wenn ein verwalteter Connector oder Ihr bestehendes Warehouse einen Fluss bereits abdeckt, sagen wir das und binden uns daran an, statt ihn neu zu bauen.
Warum Oronts
Warum Teams ihre Datenschicht mit uns bauen
Wir sind nicht der größte Anbieter, den Sie engagieren können. Hier ist, warum Inhaber und Datenverantwortliche uns trotzdem wählen.
Ihnen gehört alles
Die Pipelines, die Warehouse-Modelle, der Transformationscode und die Daten gehören Ihnen, übertragen bei Lieferung. Keine proprietäre Blackbox, kein Anbieter, den Sie nicht verlassen können, keine Obergrenze pro Sitz auf Ihre eigenen Zahlen.
Senior und gründergeführt
Die Engineers, die Ihre Datenflüsse abbilden, bauen die Pipelines. Senior Data Engineering durchgehend, keine Übergabe an Junioren, sobald das Warehouse-Design schwierig wird.
KI-nativ, schnell ohne Abstriche
Ein kleines Senior-Team mit einem KI-gestützten Workflow liefert Pipelines schnell und hält sie getestet, versionskontrolliert und observierbar, sodass Geschwindigkeit Sie nie Datenqualität kostet.
Ein Festpreis-Einstieg
Unser 90-Tage-Produktionspilot bringt einen ersten echten Fluss in festen Umfang und Preis: eine Quelle abgeglichen, eine Pipeline mit Qualitätsprüfungen laufend, sodass Sie uns an Daten messen, denen Sie trauen können, bevor Sie weiter zusagen.
Sources
Extract
Transform
Load
Insights
Der Stack, auf dem wir bauen
Für den Einkauf gemacht
Die Antworten, die ein Einkaufsgremium prüft, bevor Sie fragen müssen.
- Code-Eigentum
- Ihre Repositories und Ihr IP, bei Übergabe per Work-for-Hire-Vereinbarung übertragen.
- Hosting
- Ihre Cloud, Ihre Region, Ihr Mandant. Wir deployen in Ihre Konten, nicht in unsere.
- Daten
- Kundendaten bleiben in der mit Ihnen vereinbarten Infrastruktur, und wir nutzen sie nicht zum Modelltraining.
- Dokumentation
- Architecture Decision Records, Runbooks und eine Übergabe, mit der Ihr Team arbeiten kann.
- Support
- Ein optionaler Retainer nach dem Launch. Sie sind nie darauf angewiesen, um weiterzulaufen.
- Kontinuität
- Volles Eigentum und Dokumentation bedeuten, dass jedes Senior-Team die Arbeit fortführen kann.
- Auftragsverarbeitung
- Ein AVV nach Art. 28 DSGVO mit TOM-Dokument, unterschriftsreif, bevor wir Produktivdaten berühren.
- Unterauftragnehmer
- Eine dokumentierte Liste der Subunternehmer; Sie genehmigen jeden Verarbeiter, bevor er eingesetzt wird.
- Sicherheitsprüfung
- Wir füllen Ihren Sicherheitsfragebogen aus und liefern die Sicherheitsnachweise, die Ihr Einkauf benötigt, etwa Versicherungsnachweis oder eine BSI-CyberRisikoCheck-Bestätigung, sofern erforderlich.
- Abnahme
- Definierte Abnahmekriterien je Meilenstein, sodass die Freigabe gegen einen schriftlichen Standard erfolgt, nicht gegen eine Meinung.
Wer verantwortet was
Ob Sie Oronts direkt beauftragen oder mit uns unter einem Generalunternehmer oder MSP arbeiten: Jedes Glied in der Lieferkette hat einen klaren Verantwortlichen.
| Verantwortung | Oronts | Generalunternehmer / MSP | Sie | Cloud- / Modellanbieter |
|---|---|---|---|---|
| Umsetzungs- und Ergebnisverantwortung | Oronts verantwortet Umsetzungs- und Ergebnisverantwortung | |||
| Code- und IP-Eigentum | Sie verantwortet Code- und IP-Eigentum | |||
| Hosting & Infrastruktur | Sie verantwortet Hosting & Infrastruktur | Cloud- / Modellanbieter verantwortet Hosting & Infrastruktur | ||
| Datenverarbeitung (AVV / TOM) | Oronts verantwortet Datenverarbeitung (AVV / TOM) | Sie verantwortet Datenverarbeitung (AVV / TOM) | ||
| Sicherheitsfragebogen / Nachweis | Oronts verantwortet Sicherheitsfragebogen / Nachweis | Generalunternehmer / MSP verantwortet Sicherheitsfragebogen / Nachweis | ||
| Abnahmebestätigung | Sie verantwortet Abnahmebestätigung | |||
| Incident Response (vereinbarte SLA) | Oronts verantwortet Incident Response (vereinbarte SLA) | Generalunternehmer / MSP verantwortet Incident Response (vereinbarte SLA) |
Wann wir nicht die Richtigen sind
- Der Kauf eines Dashboard-Tools; wir bauen, was es speist
- Einmalige Datenbereinigungen ohne Pipeline, die sie sauber hält
- Big-Data-Theater; die meisten Mittelstandsdaten passen in langweiliges, exzellentes PostgreSQL
Engagement-Stufen
Oronts arbeitet mit ernsthaften Teams, die Senior-Delivery brauchen, kein Billig-Outsourcing.
- Production Pilot
- ab 25k EUR
- Individualsoftware- und KI-Projekte
- ab 50k EUR
- Laufende technische Retainer
- ab 15k EUR/Monat
Der genaue Preis hängt von Umfang, Verantwortung, Liefergeschwindigkeit, Teamgröße, Integrationen, Support-Erwartungen und Produktionsrisiko ab.
Häufig gestellte Fragen
ETL transformiert Daten vor dem Laden. ELT lädt Rohdaten zuerst, transformiert dann im Warehouse. Wir empfehlen ELT für Cloud-Warehouses.
Eine fokussierte Pipeline umfasst die Datenaufnahme aus zwei bis drei Quellen, die Transformationslogik und ein einzelnes BI-Dashboard und beginnt ab unserer veröffentlichten Projektbandbreite. Vollständige Datenplattformen mit Echtzeit-Streaming, mehreren Datenquellen, komplexen Transformationsschichten und Self-Service-BI-Dashboards skalieren von dort aus, abhängig von Umfang und Komplexität. Infrastrukturkosten für Dienste wie Snowflake, BigQuery oder Managed-Kafka-Cluster sind separat und skalieren mit dem Datenvolumen und der Abfragehäufigkeit. Wir helfen Ihnen, diese Kosten von Beginn an zu optimieren, durch Techniken wie Partition Pruning, materialisierte Views und intelligentes Daten-Tiering zwischen Hot- und Cold-Storage. Jedes Engagement beginnt mit einem Scoping-Workshop, in dem wir Ihre Datenquellen kartieren, die Transformationsanforderungen definieren und eine transparente Kostenaufstellung liefern, die sowohl die Entwicklung als auch die prognostizierten Infrastrukturausgaben abdeckt. Wir entwerfen außerdem für einen inkrementellen Ausbau, sodass Sie mit einem fokussierten MVP starten und die Plattform mit wachsenden Datenanforderungen erweitern können, ohne sie neu zu architektieren.
Ja. Wir integrieren mit bestehenden Datenbanken, APIs und Dateisystemen.
Automatisierte Qualitätsprüfungen auf jeder Stufe: Schema-Validierung, Aktualitätsmonitoring und Anomalieerkennung.
Ja, Datenschutz und Compliance sind von Tag eins fester Bestandteil unserer Pipeline-Architektur und werden nicht erst nachträglich aufgesetzt. Wir setzen DSGVO-bewusste Datenverarbeitung mit automatisierter PII-Erkennung um, die eingehende Daten auf personenbezogene Merkmale wie Namen, E-Mail-Adressen, Telefonnummern und IP-Adressen prüft. Sensible Felder behandeln wir je nach Ihren Compliance-Anforderungen und nachgelagerten Anwendungsfällen über Datenmaskierung, Pseudonymisierung oder Verschlüsselung. Aufbewahrungsrichtlinien bauen wir direkt in die Pipeline-Logik ein, sodass Daten nach Ablauf der definierten Aufbewahrungsfrist automatisch gelöscht oder anonymisiert werden. Jeder Datenzugriff und jede Transformation wird in Audit-Trails protokolliert, die dokumentieren, wer wann und zu welchem Zweck auf welche Daten zugegriffen hat. Das ist entscheidend für die Compliance mit Artikel 30 DSGVO. Außerdem implementieren wir rollenbasierte Zugriffskontrollen auf Warehouse-Ebene, damit Analysten nur die Daten sehen, für die sie berechtigt sind. Über die DSGVO hinaus entwerfen wir nach dem Data-Governance-Framework, das Ihr Projekt erfordert.
Die meisten Unternehmen brauchen Batch für 80% der Anwendungsfälle und Echtzeit für spezifische Szenarien.
Zeigen Sie uns die Pipeline, die wehtut
Bringen Sie einen gebrochenen Import mit. Das erste Gespräch produziert Findings.