Architecting Data

Entscheidungsrahmen für Data Lake vs. Warehouse vs. Lakehouse, Tabellenformate, Mesh-Bereitschaft

von ancoleman · ancoleman/ai-design-components

Getestet · Funktioniert ★ 8.4/10

Architecting Data — Entscheidungsrahmen für Data Lake vs. Warehouse vs. Lakehouse, Tabellenformate, Mesh-Bereitschaft

Was es kann

Beratender Skill, der Entscheidungen zur Datenplattform-Architektur leitet: Speicherparadigma (Lake/Warehouse/Lakehouse), Modellierungsansatz (dimensional/normalisiert/Data Vault/breit), offenes Tabellenformat (Iceberg/Delta/Hudi), Medaillon-Schichtung und ein 6-Faktoren-Data-Mesh-Bereitschaftsscore. Wird ausgelöst beim Entwurf oder der Modernisierung einer Datenplattform, der Wahl zwischen zentralisierten und dezentralisierten Mustern oder der Auswahl von Tabellenformaten und Governance. Reines Wissen plus Referenzdateien und ein dbt-Beispiel; keine externen Tools zur Nutzung erforderlich.

Testbericht

SKILL.md unter skills/architecting-data/SKILL.md abgerufen; Frontmatter wird mit name+description geparst. 3 referenzierte Dateien roh überprüft (references/decision-frameworks.md, references/medallion-pattern.md, examples/dbt-project/stg_customers.sql) – alle HTTP 200; keine Sicherheitsmängel. Für den Ausgabetest schrieb ich sowohl eine Basislinie als auch eine streng dem Skill folgende Antwort auf eine Aufgabe (120-Personen-SaaS, 4-Personen-Datenteam, gemischtes BI+ML auf Postgres, kostensensitiv, Mesh?). Die Basislinie wich aus (Warehouse oder Lakehouse, Mesh „wahrscheinlich verfrüht“); der Skill-Lauf wendete den 6-Faktoren-Mesh-Bereitschaftsscore an (~13/30 → „Zuerst die Grundlage schaffen“), entschied sich über den Entscheidungsbaum und die 50-500-Organisationen-Klammer mit Kostenzahlen eindeutig für Lakehouse+Iceberg und spezifizierte Bronze/Silber/Gold mit dimensionaler vs. breiter Modellierung.

Getestet am: 2026-07-21 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/ancoleman/ai-design-components.git /tmp/architecting-data-src
mkdir -p ~/.claude/skills
cp -R /tmp/architecting-data-src/skills/architecting-data ~/.claude/skills/architecting-data
# No dependencies. Pure-knowledge skill: SKILL.md + references/*.md + examples/dbt-project.
# Repo also ships an interactive ./install.sh (installs all 76 skills) if you want the full set.

Befehle & Beispiel-Prompts

/architecting-dataEntscheidungsrahmen für Data Lake vs. Warehouse vs. Lakehouse, Tabellenformate, Mesh-Bereitschaft

Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):

Should we use a lakehouse or warehouse here
Design a medallion architecture for this data
Choose between Iceberg and Delta Lake for us

Vollständiger Testbericht (Englisch) →