Ein Newsletter geht an dieselbe Kundin dreimal, weil sie im CRM unter drei Schreibweisen steht. Eine Lieferung kommt zurück, weil die Postleitzahl fehlt. Ein Umsatzbericht zeigt andere Zahlen als die Buchhaltung. Solche Pannen haben selten mit Software zu tun, sondern mit der Qualität der Daten. Und sie werden teurer, je mehr ein Unternehmen automatisiert.
Was versteht man unter Datenqualität?
Datenqualität beschreibt, wie gut Daten für ihren Zweck geeignet sind. Ein Datensatz ist dann hochwertig, wenn er korrekt, vollständig und aktuell genug ist, um darauf eine Entscheidung oder einen Prozess aufzubauen. Die Messlatte hängt also vom Anwendungsfall ab. Für eine grobe Marktanalyse reichen ungefähre Adressen. Für den Versand einer Rechnung muss jede Angabe stimmen.
Im Englischen spricht man von Data Quality. Eng verwandt ist der Begriff Informationsqualität, der stärker auf die Nutzung durch Menschen abzielt.
Warum ist Datenqualität wichtig?
Schlechte Datenqualität kostet Zeit und Geld. Mitarbeiter suchen fehlende Angaben zusammen, gleichen Listen von Hand ab oder korrigieren Fehler, die ein anderes System verursacht hat. Marketingkampagnen erreichen die falschen Leute, Lagerbestände stimmen nicht, Berichte widersprechen sich. Am schwersten wiegt der Vertrauensverlust: Wer den Zahlen im Dashboard nicht glaubt, führt wieder eigene Excel-Listen.
Datenqualität als Grundlage für Automatisierung und KI
Solange Menschen Daten verarbeiten, fallen viele Fehler unterwegs auf. Die Sachbearbeiterin merkt, dass die Bestellmenge von 1.000 statt 10 Stück wohl ein Tippfehler ist. Ein automatisierter Workflow merkt das nicht. Er verarbeitet den Fehler zuverlässig weiter, in Sekunden und in alle angebundenen Systeme.
Für KI gilt das noch stärker. Ein KI-Agent, der Kundenanfragen beantwortet, greift auf Stammdaten, Produktinformationen und Verträge zu. Sind diese widersprüchlich, gibt er falsche Auskünfte, und zwar in überzeugendem Ton. Ein Modell, das mit fehlerhaften Daten trainiert oder gefüttert wird, liefert fehlerhafte Ergebnisse. Deshalb steht Datenqualität am Anfang jedes Projekts zur Prozessautomatisierung oder zu KI-Agenten, nicht am Ende.
Dimensionen und Kriterien der Datenqualität
Um Datenqualität bewerten zu können, zerlegt man sie in Dimensionen. Je nach Quelle werden unterschiedlich viele genannt. Die folgenden fünf tauchen fast überall auf.
Vollständigkeit, Genauigkeit, Konsistenz, Aktualität, Eindeutigkeit
| Dimension | Frage | Beispiel für einen Mangel |
|---|---|---|
| Vollständigkeit | Sind alle nötigen Felder gefüllt? | Kundendatensatz ohne E-Mail-Adresse |
| Genauigkeit | Stimmen die Werte mit der Wirklichkeit überein? | falsche Hausnummer, vertauschte Ziffern in der IBAN |
| Konsistenz | Passen die Daten in verschiedenen Systemen zusammen? | Kunde ist im CRM aktiv, im ERP gesperrt |
| Aktualität | Sind die Daten auf dem neuesten Stand? | Ansprechpartner hat das Unternehmen vor einem Jahr verlassen |
| Eindeutigkeit | Gibt es jedes Objekt nur einmal? | Dubletten durch unterschiedliche Schreibweisen |
Häufig kommen weitere Kriterien hinzu, etwa Validität (entspricht ein Wert dem erwarteten Format?), Relevanz und Datenintegrität, also korrekte Beziehungen zwischen Tabellen.
Datenqualität messen: Kennzahlen und KPIs
Was man nicht misst, verbessert man selten. Für jede Dimension lassen sich einfache Metriken festlegen:
- Füllgrad: Anteil der Datensätze, in denen ein Pflichtfeld gefüllt ist
- Dublettenquote: Anteil mehrfach vorhandener Kunden oder Artikel
- Fehlerquote bei Validierung: Anteil der Werte, die gegen Formatregeln verstoßen, etwa ungültige Postleitzahlen
- Abweichungsquote: Anteil der Datensätze, die zwischen zwei Systemen nicht übereinstimmen
- Alter: Zeit seit der letzten Prüfung oder Aktualisierung eines Datensatzes
- Folgekennzahlen: Rücksendungen wegen falscher Adressen, unzustellbare E-Mails, manuelle Korrekturen pro Woche
Sinnvoll ist, diese KPIs regelmäßig automatisch zu berechnen und in einem Dashboard sichtbar zu machen. Dann erkennt man Trends, statt nur einmalig eine Momentaufnahme zu haben.
Ursachen schlechter Datenqualität
Fehlerhafte Daten entstehen selten durch einen einzelnen großen Fehler. Meist sammeln sich viele kleine Ursachen über Jahre an.
Manuelle Eingabe, Dubletten, inkonsistente Systeme
Manuelle Eingabe: Tippfehler, Abkürzungen, freie Textfelder statt Auswahllisten. Der eine schreibt „Str.“, die andere „Straße“, ein Dritter lässt das Feld leer.
Dubletten: Ein Kunde meldet sich im Shop neu an, statt sein altes Konto zu nutzen. Der Vertrieb legt ihn zusätzlich im CRM an. Schon gibt es drei Datensätze für eine Person.
Inkonsistente Systeme: Wenn CRM, ERP und Shop jeweils eigene Stammdaten führen und nicht sauber synchronisiert werden, driften die Bestände auseinander. Besonders heikel sind Daten aus verschiedenen Quellen, die ohne einheitliche Regeln zusammengeführt werden.
Dazu kommen fehlende Verantwortlichkeiten. Wenn niemand für Kundendaten zuständig ist, fühlt sich auch niemand für Fehler verantwortlich.
Datenqualität verbessern in 5 Schritten
Analyse, Bereinigung, Regeln, Verantwortlichkeiten, laufende Kontrolle
- Analyse: Mit Datenprofiling verschaffen Sie sich einen Überblick. Wie viele Felder sind leer, welche Werte kommen vor, wo gibt es Ausreißer? Das Ergebnis ist eine priorisierte Fehlerliste: Welche Probleme stören Prozesse und Berichte am meisten?
- Bereinigung: Dubletten zusammenführen, Formate standardisieren, veraltete Datensätze archivieren. Bei großen Datenmengen hilft Software, die ähnliche Einträge erkennt und Vorschläge macht. Die endgültige Entscheidung sollte bei Zweifelsfällen ein Mensch treffen.
- Qualitätsregeln: Fehler an der Quelle verhindern. Pflichtfelder, Auswahllisten statt Freitext, Formatprüfung bei der Datenerfassung, automatische Adressvalidierung. Jede Regel, die bei der Eingabe greift, spart spätere Bereinigung.
- Verantwortlichkeiten: Für jedes wichtige Datenobjekt, etwa Kunden, Artikel oder Lieferanten, gibt es eine fachlich verantwortliche Person. Sie legt fest, was „korrekt“ bedeutet, und entscheidet bei Konflikten.
- Laufende Kontrolle: Die KPIs werden kontinuierlich überwacht. Monitoring meldet, wenn die Dublettenquote steigt oder ein Datenfluss plötzlich leere Felder liefert. Dazu gehört ein klarer Ablauf, wie ein gemeldeter Fehler priorisiert, behoben und dokumentiert wird.
Viele dieser Prüfungen lassen sich in bestehende Workflows einbauen. Eine Datenpipeline kann Datensätze vor dem Import validieren und fehlerhafte Einträge in eine Prüfliste umleiten, statt sie ungefiltert weiterzugeben.
Data Governance und Datenqualitätsmanagement
Datenqualitätsmanagement umfasst alle Maßnahmen, mit denen ein Unternehmen die Qualität seiner Daten plant, prüft und verbessert. Data Governance ist der Rahmen darüber: Sie regelt, wem welche Daten gehören, wer sie ändern darf, welche Standards gelten und wie Konflikte gelöst werden.
In der Praxis bedeutet das vor allem klare Rollen. Ein Data Owner verantwortet einen Datenbereich fachlich. Data Stewards kümmern sich im Alltag um Pflege und Regeln. Die IT stellt die Werkzeuge bereit. Eine gemeinsame Begriffsdefinition gehört ebenfalls dazu: Was genau ist ein „aktiver Kunde“? Ohne diese Einigung zeigen zwei Berichte zwangsläufig unterschiedliche Zahlen.
Auch die Herkunft der Daten spielt eine Rolle. Data Lineage dokumentiert, aus welchem Quellsystem ein Wert stammt und welche Verarbeitungsschritte er durchlaufen hat. Bei Fehlern lässt sich so schnell nachvollziehen, wo sie entstanden sind.
Tools für Datenqualität
Für den Anfang reichen oft Bordmittel. CRM- und ERP-Systeme bieten meist eigene Dublettenprüfungen und Pflichtfelder. Mit Tabellenkalkulation oder einfachen Skripten lassen sich erste Auswertungen erstellen.
Bei größeren Datenbeständen kommen spezialisierte Werkzeuge ins Spiel. Dazu gehören Lösungen für Datenprofiling und Datenbereinigung, Plattformen für Stammdatenmanagement (MDM), Data-Observability-Tools, die Datenflüsse überwachen, sowie Datenkataloge mit Lineage-Funktionen. Große Anbieter wie IBM, SAP oder Informatica haben entsprechende Produkte, daneben gibt es Open-Source-Werkzeuge wie Great Expectations für automatisierte Datentests.
Auch Automatisierungstools helfen. Ein Workflow kann neue Leads vor der Übernahme ins CRM prüfen, Adressen gegen einen Validierungsdienst abgleichen oder Abweichungen zwischen Systemen täglich melden. Wie solche Abläufe aufgebaut werden, zeigt der Beitrag zur Workflow-Automatisierung.
Datenqualität langfristig sichern
Eine einmalige Bereinigung hält selten lange. Ohne Regeln an der Quelle sind nach einem Jahr wieder dieselben Probleme da. Langfristig tragfähig ist Datenqualität erst dann, wenn sie Teil der täglichen Arbeit wird: Prüfungen laufen automatisch mit, Verantwortliche sehen ihre Kennzahlen, und neue Systeme werden erst angebunden, wenn klar ist, wie ihre Daten zu den vorhandenen passen.
Hilfreich ist, mit einem konkreten Anwendungsfall zu beginnen, etwa mit den Kundendaten für den Versand. Dort sind Nutzen und Aufwand gut messbar. Erfolge in einem Bereich machen es leichter, das Vorgehen auf weitere Datenbestände auszudehnen.
Häufige Fragen zur Datenqualität
Welche 5 Dimensionen der Datenqualität gibt es?
Am häufigsten genannt werden Vollständigkeit, Genauigkeit, Konsistenz, Aktualität und Eindeutigkeit. Manche Modelle ergänzen Validität, Relevanz oder Integrität.
Wie wird Datenqualität gemessen?
Über Kennzahlen je Dimension, etwa Füllgrad von Pflichtfeldern, Dublettenquote oder Anteil fehlerhafter Formate. Diese Werte werden regelmäßig berechnet und über die Zeit verglichen.
Wann gilt ein Datensatz als veraltet?
Das hängt vom Zweck ab. Lagerbestände können nach Stunden veraltet sein, Stammdaten eines Lieferanten nach einem Jahr ohne Prüfung. Legen Sie für jeden Datenbereich ein Prüfintervall fest.
Warum ist Datenqualität für KI wichtig?
KI-Systeme übernehmen Fehler aus ihren Daten und geben sie in scheinbar verlässlicher Form weiter. Je selbstständiger ein System handelt, desto weniger fallen solche Fehler unterwegs auf.
Wer ist für die Datenqualität verantwortlich?
Fachlich die Abteilung, die die Daten nutzt und pflegt, technisch die IT. Bewährt hat sich, für jeden wichtigen Datenbereich eine namentlich benannte verantwortliche Person festzulegen.