Überlässt dbt es weiterhin Ihnen, die Daten selbst zu landen?

dbt, inzwischen gemeinsam mit Fivetran unter einem Dach, ist ausdrücklich ein Transformationstool. Es extrahiert nicht, und es lädt nicht von außerhalb des Warehouse. Das ist eine saubere Designentscheidung, und sie hinterlässt jedem Team ein zweites Produkt, das beschafft, konfiguriert und bezahlt werden muss, bevor das erste Modell läuft.

Warum die Lücke mehr kostet, als es aussieht

• Zwei Produkte, zwei Rechnungen. Ingestion wird zu eigenen Bedingungen bepreist, nach Zeilen oder nach Connector, und Transformation zu ihren eigenen, nach Seats oder nach Nutzung. Keines weiß vom anderen.
• Zwei Schemata. Das Ingestion-Tool landet die Daten in seiner Struktur. Die Staging-Schicht von dbt verbringt dann ihre ersten Modelle damit, diese Struktur in eine zu übersetzen, die das Projekt nutzen kann.
• Eine Übergabe, alle Vorfälle. Eine Schemaänderung auf der Landing-Seite wird als gescheiterter dbt-Lauf entdeckt. Wer den Fix verantwortet, ist eine Diskussion, bevor es ein Ticket ist.
• Selbst eine Fusion heilt die Architekturprobleme nicht. Seit dem 01.06.2026 sind Fivetran und dbt Labs ein Unternehmen, und weiterhin zwei Produkte mit getrennter Preisgestaltung. Das Landing Schema ist weiterhin nicht das Modell.

Wo Ingestion hingehört

• Direkt an das Modell. Das Tool, das die Business-Keys und die Historienregeln kennt, ist das Tool, das die Quelle am besten so laden kann, wie das Modell sie braucht.
• Bepreist mit dem Warehouse, nicht pro Zeile. Laden über die Plattform läuft auf Compute, das Ihnen bereits gehört, ohne zweite Messung.
• Verantwortung in einer Hand. Eine Pipeline ohne Übergabe hat keinen Streit darüber, welche Seite kaputt gegangen ist.

Was sich mit Datavault Builder ändert

Datavault Builder lädt und modelliert in derselben Plattform: Batch, Delta und CDC Loads aus Datenbanken, Dateien, REST-APIs, NoSQL und Python-Quellen, mit Streams wie Kafka, die als Micro Batches ankommen, direkt in Hubs, Links und Satelliten gemappt.

• Kein zweites Produkt für den Datenimport. Quellen verbinden sich mit der Plattform, die das Warehouse generiert. Ein Vertrag, ein Tool, ein Ort, an dem man nachsieht, wenn etwas scheitert.
• Keine Form, die rückgängig zu machen wäre. Die Landing-Tabelle wird so, wie sie ankommt, auf das Modell gemappt. Es gibt kein Zwischenschema, das eine Staging-Schicht umkehren muss.
• Schemaänderungen werden dort behandelt, wo sie landen. Eine neue Spalte ist ein Mapping Update, kein gescheiterter Lauf am nächsten Morgen.
• Die Auslieferungsschicht folgt im selben Tool. Marts und Datenprodukte werden per Drag and Drop auf der semantischen Schicht gebaut, mit versionierten Geschäftsregeln. Teams, die den Betrieb in dbt behalten, bekommen die dbt-Modelle aus demselben Modell generiert.
• Der Long-Tail kann bleiben. Ein Managed-Connector ist weiterhin eine gute Wahl für kleine SaaS-Quellen. Dem Vault ist egal, welchen Weg eine Tabelle genommen hat.

Was zu entscheiden ist

Listen Sie die Quellen auf, bei denen das Schema des Ingestion-Tools und das dbt-Staging Modell, das es rückgängig macht, von zwei verschiedenen Personen gepflegt werden. Das sind die Quellen, die zuerst über die Plattform gelandet werden sollten.