Gute Daten kommen nicht von selbst

Kein neues Thema – aber eines, das viele unterschätzen

Data Governance ist kein neues Konzept. Und dennoch begegnen wir in Projekten regelmäßig denselben Problemen: Datensilo-Strukturen, die über Jahre gewachsen sind. Berichte, die je nach Quelle unterschiedliche Zahlen ausweisen. Fachbereiche, die ihre eigenen Datendefinitionen pflegen – ohne dass irgendjemand den Überblick hat. Und eine IT, die Datenqualität als ihre alleinige Aufgabe betrachtet, während die eigentliche Verantwortung ungeklärt bleibt.

Das Resultat: Entscheidungen werden auf Basis von Daten getroffen, denen man nicht wirklich vertraut. Oder schlimmer: Man vertraut ihnen, ohne zu wissen, dass man es nicht sollte.

Data Governance ist mehr als Datenqualität

Ein verbreitetes Missverständnis ist, Data Governance mit Datenqualitäts-Management gleichzusetzen. Datenqualität ist wichtig – aber sie ist nur ein Teilaspekt. Data Governance geht weiter: Sie definiert Rollen und Verantwortlichkeiten, schafft verbindliche Prozesse und Richtlinien für den Umgang mit Daten und verankert das Thema organisatorisch so, dass es nicht vom Engagement einzelner Personen abhängt. Der entscheidende Unterschied: Datenqualitäts-Management behebt Symptome. Data Governance adressiert die Ursachen.

Warum das Thema gerade jetzt an Dringlichkeit gewinnt

Zwei Entwicklungen erhöhen den Handlungsdruck spürbar. Erstens: die zunehmende Bedeutung von KI und Advanced Analytics. Wer Algorithmen mit schlechten oder schlecht verstandenen Daten füttert, bekommt schlechte Ergebnisse – mit dem Unterschied, dass diese Ergebnisse nun automatisiert und in großem Maßstab produziert werden. Datenqualität und klare Dateneigentümerschaft sind deshalb keine netten Extras mehr, sondern Voraussetzung für jede ernsthafte KI-Initiative.

Zweitens: Wachstum. Je größer und internationaler ein Unternehmen wird, desto schwieriger wird es, Datenkonsistenz ohne strukturierte Governance aufrechtzuerhalten. Was in einem kleinen Unternehmen noch durch persönliche Absprachen funktioniert, wird in einem globalen Umfeld zur echten Schwachstelle.

Wie man anfängt – und warum der Start entscheidend ist

In der Praxis scheitert Data Governance selten an der Technologie, sondern an der Organisation. Die größten Hürden sind fehlende Rollenklarheit, mangelndes Sponsorship und eine Kommunikation, die das „Warum“ nicht ausreichend transportiert. Wer Data Governance still und leise im Hintergrund entwickelt, ohne Stakeholder frühzeitig einzubinden, wird es schwer haben, die nötige Akzeptanz zu gewinnen.

Unser Rat aus der Beratungspraxis: Starten Sie Data Governance als sichtbares Projekt – mit klarer Verantwortung, einem strukturierten Vorgehen und frühen, kommunizierten Erfolgen. Nicht jede Hausaufgabe muss gleichzeitig erledigt werden. Wichtiger ist, dass Momentum entsteht und das Thema im Unternehmen verankert wird.

Ein Praxisbeispiel: Loacker

Wie dieser Weg konkret aussehen kann, zeigt das Beispiel des Südtiroler Waffel- und Schokoladenherstellers Loacker. Das Unternehmen verkauft seine Produkte in über 100 Ländern und steht damit vor genau den Herausforderungen, die viele mittelständische Unternehmen kennen: gewachsene Strukturen, Datensilos und die Frage, wo man bei einem so komplexen Thema überhaupt anfängt.

Im Performance Manager Podcast berichtet Lisa Burger, Corporate Data Governance & Quality Management Manager bei Loacker, wie das Unternehmen diesen Weg strukturiert hat – von der ersten Stakeholder-Analyse über den Aufbau eines Vorgehensmodells bis hin zu den Erkenntnissen, die sie anderen Unternehmen mitgeben würde.

Eine Empfehlung für alle, die das Thema Data Governance nicht nur theoretisch verstehen, sondern an einem konkreten Praxisbeispiel nachvollziehen möchten.