Datenqualität

Fehlerhafte Stammdaten, widersprüchliche Auswertungen oder unvollständige Produktinformationen können im Unternehmensalltag erhebliche Probleme verursachen. Dabei gibt es längst vielfältige technische Möglichkeiten, Daten zu prüfen, Fehler zu erkennen und die Qualität zu verbessern. Warum kämpfen Unternehmen trotzdem immer wieder mit denselben Problemen?

Dieser Frage geht Dr. Christiana Klingenberg in ihrem Fachbuch „Datenqualität – Der Leitfaden für die Praxis“ nach. Das 2026 im Carl Hanser Verlag erschienene Buch zeigt, wie Unternehmen Datenqualität systematisch verbessern und dauerhaft sicherstellen können. Klingenberg behandelt dabei die fachlichen und technischen Grundlagen ebenso wie die organisatorischen Voraussetzungen. Der Fokus liegt dabei klar auf der Umsetzung im Arbeitsalltag.

Schlechte Daten sind teuer

Dass Datenqualität auch eine wirtschaftliche Frage ist, verdeutlicht Klingenberg unter anderem anhand der 1-10-100-Regel aus dem Qualitätsmanagement:

• 1: Fehler bei der Entstehung verhindern

• 10: Fehler später suchen und korrigieren

• 100: Folgekosten, wenn Prozesse bereits betroffen sind

Ein Fehler, der bei seiner Entstehung verhindert wird, kostet wenig. Muss er später gesucht und korrigiert werden, steigt der Aufwand deutlich. Hat er bereits Geschäftsprozesse beeinträchtigt, können die Folgekosten ein Vielfaches betragen. Die Zahlen stehen dabei für ein beispielhaftes Verhältnis, nicht für feste Multiplikatoren. Sie machen aber anschaulich, warum es sich lohnt, Daten schon bei ihrer Entstehung zu prüfen, statt sie nachträglich zu bereinigen. Ergänzend stellt die Autorin weitere Ansätze vor, mit denen sich die wirtschaftlichen Folgen schlechter Daten abschätzen lassen.

Was gute Daten sind, entscheidet der Zweck

Ein Schwerpunkt des Buches liegt auf der Verbindung von Datenqualität und Data Governance. Klingenberg knüpft dabei an den gemeinsam mit Prof. Dr. Kristin Weber verfassten Band „Data Governance – Der Leitfaden für die Praxis“ an. Sie erläutert bestehende Konzepte und stellt ein ganzheitliches Rahmenwerk für das Datenqualitätsmanagement vor, das strategische, fachliche und technische Aufgaben miteinander verbindet.

Im Mittelpunkt steht der Verwendungszweck der Daten (Fit for Purpose). Denn ob Daten gut genug sind, hängt davon ab, wofür sie gebraucht werden. Aus diesem Zweck leiten sich konkrete Prüfregeln, Zuständigkeiten und Verbesserungsmaßnahmen ab.

Wie das aussehen kann, zeigt Klingenberg an einem Beispiel aus dem Onlinehandel. Ein Unternehmen möchte seine Produkte über einen Onlineshop verkaufen. Bei der Prüfung von rund 500 Produktdatensätzen fehlen für 87 Artikel die Bilder und für 23 Artikel die Preise. Beide Fehler betreffen die Vollständigkeit der Daten, wiegen für den Verkauf aber unterschiedlich schwer: Ohne Preis lässt sich ein Artikel gar nicht verkaufen, ohne Bild nur schlechter. Der fehlende Preis ist also seltener, geschäftlich aber gravierender. An solchen Fällen wird greifbar, wie geschäftliche Ziele, fachliche Anforderungen und technische Maßnahmen zusammenhängen.

Werkzeuge für den Datenalltag

Klingenberg beschreibt nicht nur, welche Methoden und Instrumente es gibt, sondern auch, wann und wie sie eingesetzt werden. Ausführlich behandelt sie etwa die Messung der Datenqualität, von der Vorbereitung über die Prüfung und Bewertung der Daten bis zur anschließenden Verbesserung. Dabei geht es auch um die Zusammenarbeit zwischen Fachbereichen und IT, um die Ursachen fehlerhafter Daten und um die Frage, wie sich der Erfolg von Verbesserungsmaßnahmen überprüfen lässt.

Der Werkzeugkasten, den die Autorin bereitstellt, ist umfangreich:

• Data Profiling zur Untersuchung von Datenbeständen

• Qualitätsregeln und Regelbäume zur systematischen Prüfung

• Dashboards, die Messergebnisse sichtbar machen

• Methoden zur Ursachenanalyse

• Vereinbarungen über die benötigte Datenqualität

Die Anwendungsbeispiele zeigen, dass Datenqualitätsmanagement nicht mit einem großen Unternehmensprogramm beginnen muss. Auch einzelne Probleme lassen sich strukturiert untersuchen und lösen.

Darüber hinaus widmet sich das Buch neueren Fragestellungen, insbesondere der Qualität von Metadaten und den Anforderungen durch künstliche Intelligenz. Klingenberg unterscheidet dabei unter anderem zwischen Trainings- und Testdaten, Eingabedaten und KI-Ergebnissen und benennt offene Fragen, für die es teils noch keine etablierten Verfahren gibt.

Für wen ist das Buch gedacht?

„Datenqualität – Der Leitfaden für die Praxis“ richtet sich vor allem an:

• Data Quality Manager und Data Stewards

• Verantwortliche für Data Governance

• Fachleute aus Datenmanagement und IT

• Projektverantwortliche für Datenmigrationen, Systemintegrationen oder neue Datenanwendungen

Für Führungskräfte ist vor allem die Verbindung von wirtschaftlichem Nutzen, organisatorischen Verantwortlichkeiten und praktischer Umsetzung interessant.

Klingenbergs Leitfaden eignet sich sehr gut, um sich dem Thema Datenqualität zu nähern und die typischen Fallstricke zu verstehen, ohne dafür gleich ein vollständiges Data-Governance-System aufbauen zu müssen. Seine größte Stärke ist der hohe praktische Nutzen: Die Methoden sind nachvollziehbar erklärt und lassen sich auf eigene Datenbestände und Prozesse übertragen. Empfehlenswert ist das Buch daher nicht nur für Datenverantwortliche, sondern für alle, die beruflich mit Daten arbeiten. Schon um ein Gespür dafür zu entwickeln, was gute Daten ausmacht und warum sie sich auszahlen, ist die Lektüre ein Gewinn.

Redaktioneller Hinweis: Der Carl Hanser Verlag hat ein Rezensionsexemplar zur Verfügung gestellt.

Buchempfehlung: Datenqualität

Der Leitfaden für die Praxis

von Christiana Klingenberg, Carl Hanser Verlag GmbH & Co KG, 2026, ISBN 978-3446485310