Änderungsprotokoll – Release 2026.11¶

Release 2026.11 steht im Zeichen von drei großen Neuerungen:

digna Data Reconciliation (Beta): prüft, ob Daten konsistent bleiben, während sie zwischen Systemen übertragen werden
digna Agentic (Beta): öffnet digna über den digna MCP Server für KI-Agenten
digna Engine: profiliert Daten optional innerhalb von digna und ermöglicht Prüfungen der referenziellen Integrität zwischen unterschiedlichen Datenbanktechnologien

Neue Funktionen¶

digna Data Reconciliation (Beta) – Konsistenz von der Quelle bis zum Ziel¶

Daten durchlaufen oft mehrere Systeme, bevor sie in einem Bericht ankommen. digna Data Reconciliation (Beta) vergleicht eine Ziel-Datenquelle mit den Quellen, aus denen sie erstellt wurde, und alarmiert, sobald diese nicht mehr übereinstimmen.

Konfiguriert als benannte Regeln auf dem neuen Tab Data Reconciliation der Ziel-Datenquelle
Jede Datenquelle des Projekts mit eingeschalteter Data Reconciliation kann als Quelle dienen
Zu den Anwendungsfällen gehören standardisierte Abstimmungsverfahren und die Validierung der Ergebnisse von ETL-Prozessen
Zwei Regeltypen: Exakt und KI

Exakt-Regeln – Abgleich als Datenqualitätsregel: Sie legen genau fest, was zwischen einer Quelle und einem Ziel übereinstimmen muss, wie bei einer Datenqualitätsregel.

Eine Quell-Datenquelle mit einer Ziel-Datenquelle vergleichen
Eine Zielprüfung anhand von Statistik und Attribut mit einer Quellprüfung koppeln, z. B. Zeilenanzahl oder die Summe einer Betragsspalte
Eine Abweichung mit einer Toleranz vom Typ Absolut (z. B. ± 10) oder Relativ (z. B. ± 0,5 % der Quelle) zulassen
Die Zeitleiste zeigt die Differenz jedes Tages im Verhältnis zur Toleranz

KI-Regeln – Abgleich als Data Observability: digna lernt, wie ein Ziel seinen Quellen folgt – so wie digna Daten in anderen Modulen beobachtet – und alarmiert, wenn diese Beziehung bricht.

Prüfungen mehrerer Quell-Datenquellen mit den Prüfungen eines Ziels kombinieren
Die Logik dazwischen (Joins, Filter, Aggregationen) müssen Sie weder kennen noch aufschreiben
Ein Modell lernt aus der Historie, wie das Ziel seinen Quellen am selben Tag folgt
Jede Zielprüfung wird aus den Quellwerten des Tages vorhergesagt, und digna alarmiert, wenn das Ziel das Band der bisherigen Fehler dieser Regel verlässt
Jede Regel hat eigene Modelleinstellungen: Empfindlichkeit, Gedächtnis und Modellkomplexität

Abgleichsprüfungen erscheinen auf dem Dashboard mit einer Zeitleiste pro Regel. Sie fließen in den Gesamtstatus der Inspektion ein und lösen Benachrichtigungen aus.

Auswirkung: Deckt beide Seiten des Datenabgleichs ab. Exakt-Regeln setzen bekannte Kontrollen zwischen Quelle und Ziel durch, und KI-Regeln überwachen komplexe Datenflüsse wie ETL-Prozesse. So werden unterwegs verlorene oder veränderte Daten erkannt, ohne handgeschriebenes Abgleichs-SQL.

digna Agentic (Beta) – digna für KI-Agenten¶

Die erste Version von digna Agentic (Beta). KI-Agenten können jetzt mit digna arbeiten, Geschäftsfragen zu Ihren Daten beantworten und Ihnen helfen, Ihre Konfiguration zu verbessern.

digna MCP Server: Ermöglicht Claude und anderen KI-Agenten, über das Model Context Protocol mit digna zu arbeiten.

Projekte, Datenquellen, Regeln, Inspektionszeitpläne und Subscriptions verwalten
Inspektionsstatus bis hinunter zur einzelnen Prüfung lesen, um Alarme zu untersuchen

Beschreibungen für Datenquellen und Attribute: Beschreiben Sie in einfacher Sprache, was eine Datenquelle oder ein Attribut enthält.

KI-Agenten nutzen die Beschreibungen, um Ihre Daten zu interpretieren
Stellen Sie Geschäftsfragen zu Ihren Daten, und KI-Agenten beantworten sie auf Basis dessen, was digna überwacht
Kann die aktuelle Konfiguration von digna eine Frage nicht beantworten, schlägt der KI-Agent nach Möglichkeit Änderungen an der Datenquelle und ihren Attributen vor, z. B. ein neues Datenset

Auswirkung: Sie können Geschäftsfragen zu Ihren Daten in einfacher Sprache stellen, und KI-Agenten helfen dabei, digna zu konfigurieren und Datenqualitätsprobleme zu untersuchen.

digna Engine – Profiling dort, wo Sie es wählen¶

Standardmäßig profiliert digna Daten dort, wo sie liegen: in der Quelldatenbank. Die digna Engine bietet eine zusätzliche Option: digna exportiert die Daten aus der Quelle und profiliert sie innerhalb der digna Engine.

Optional, nicht verpflichtend: Das Profiling in der Quelldatenbank bleibt verfügbar
Pro Datenbankverbindung als Profiling-Ort wählbar: Quelldatenbank oder digna Engine
Für jede unterstützte Quelltechnologie verfügbar

Verbindungsübergreifende referenzielle Integrität: Manche Prüfungen erfordern einen Export der Daten. Die digna Engine erweitert digna Data Validation für diese Fälle.

Prüfungen der referenziellen Integrität zwischen Datenquellen auf unterschiedlichen Datenbankverbindungen, auch über verschiedene Datenbanktechnologien hinweg (z. B. Oracle und PostgreSQL)
Funktioniert mit beiden Profiling-Orten: Bei der Quelldatenbank werden nur die Schlüsselspalten in die digna Engine exportiert
Das Dashboard zeigt an, wenn eine Prüfung über zwei Verbindungen läuft

Auswirkung: Sie wählen, wo Daten profiliert werden, und setzen Beziehungen zwischen Systemen durch, die auf unterschiedlichen Datenbanktechnologien laufen.

Profiling-Verbesserungen¶

Dieses Release gibt Nutzern außerdem mehr Kontrolle darüber, was und wie profiliert wird.

Query-Attribute – Benutzerdefinierte Spalten¶

Künstliche Spalten definieren: ein SQL-Ausdruck über eine oder mehrere Spalten der Datenquelle
Jedes Query-Attribut hat einen eigenen Namen
Wird wie jedes andere Attribut profiliert und geprüft

Spaltenkategorie DATE¶

Neue Kategorie Datum für Attribute
Metriken relativ zum inspizierten Datum

Profiling auf Abruf¶

Beliebige Attribute gegen den vollständigen Snapshot eines Datums profilieren, ohne eine Inspektion auszuführen
Hilft beim Festlegen des Spaltentyps eines Attributs: Numerisch, Kategorisch, Datum oder Unspezifiziert

Wer profitiert von dieser Version¶

Data Engineers: Validierung von ETL-Ergebnissen mit digna Data Reconciliation (Beta)
Finanz-, Risiko- & Controlling-Teams: Standardisierte Abstimmungsverfahren als Exakt-Regeln in digna Data Reconciliation (Beta)
Data-Quality- & Governance-Teams: Referenzielle Integrität über Datenbanktechnologien hinweg mit der digna Engine
Fachanwender: Geschäftsfragen zu Daten, beantwortet von KI-Agenten mit digna Agentic (Beta)
KI- & Automatisierungsteams: KI-Agenten, die über digna Agentic (Beta) mit digna arbeiten

CLI-Aktualisierungen¶

Keine Änderungen