Wer ist im Unternehmen für ERP-Datenqualität verantwortlich?

Verantwortlich für ERP-Datenqualität ist der Fachbereich, dem die Daten gehören: Vertrieb für Kunden, Einkauf für Lieferanten, Produktmanagement für Artikel, Finanzen für Konten. Die IT stellt Werkzeuge und Regelprüfungen, besitzt aber keine Inhalte. Damit das trägt, braucht jedes Datenobjekt eine benannte verantwortliche Person und die Geschäftsführung muss diese Zuordnung sichtbar decken.

Warum funktioniert „die IT kümmert sich“ nicht?

Die IT kann prüfen, ob ein Feld gefüllt ist, aber nicht, ob es stimmt. Ob eine Lieferzeit realistisch, eine Zahlungsbedingung aktuell oder ein Kunde eine Dublette ist, weiß nur das Geschäft. Wo die Datenpflege bei der IT abgeladen wird, entsteht formale Qualität: Felder sind gefüllt, aber niemand traut den Inhalten.

Das Ergebnis kennt jeder Monatsabschluss: Auswertungen, die erst diskutiert werden müssen, bevor man ihnen glaubt. Der Schaden entsteht schleichend und wird fast immer dem System zugeschrieben, obwohl er eine Organisationslücke ist.

Die IT kann Struktur, Pflichtfelder und Prüfregeln bereitstellen. Was sie nicht kann, ist beurteilen, ob ein Kundenstamm inhaltlich richtig ist oder welche von zwei Dubletten die gültige ist. Diese Entscheidung liegt fachlich und lässt sich nicht delegieren.

Deshalb scheitert die Zuweisung an die IT nicht an Kompetenz, sondern an Zuständigkeit. Sie erzeugt die Illusion, das Thema sei vergeben, und genau diese Illusion verhindert, dass jemand es wirklich übernimmt.

Welche Rollen braucht ein Mittelständler wirklich?

Keine Data-Governance-Bürokratie, sondern drei klare Rollen in schlanker Form: einen Daten-Verantwortlichen je Objekt aus dem Fachbereich, der Regeln und Freigaben besitzt. Daten-Pfleger, die anlegen und ändern, mit klaren Workflows. Und einen Kümmerer für das Ganze, oft im Controlling oder in der Organisation angesiedelt, der Kennzahlen und Regelwerk zusammenhält.

• Datenverantwortlicher je Objekt: entscheidet Regeln, Pflichttiefe und Streitfälle
• Datenpfleger: legt an und ändert nach Workflow, keine Wildwest-Anlage
• Koordinator: hält Kennzahlen, Regelwerk und Bereinigungszyklen zusammen
• Geschäftsführung: macht die Zuordnung sichtbar und entscheidet Eskalationen

Wichtig ist die Größe des Modells: Ein Mittelständler braucht keine Data-Governance-Organisation, sondern benannte Personen. Zwei bis vier Data Owner für die wesentlichen Objekte reichen, wenn sie Entscheidungsrecht und ein paar Stunden im Monat haben.

Wie wird Datenqualität messbar statt gefühlt?

Mit wenigen, dauerhaft erhobenen Kennzahlen je Datenobjekt: Dublettenquote, Anteil vollständiger Pflichtfelder, Anteil inaktiver Sätze, Alter der letzten Pflege. Vier Zahlen pro Quartal reichen, um Verfall früh zu sehen, lange bevor er im Abschluss oder beim Kunden ankommt.

Wichtig ist der feste Rhythmus: Datenqualität ist kein Projekt, das endet, sondern eine Betriebsgröße wie Liquidität. In Business Central lassen sich diese Prüfungen weitgehend automatisieren, inklusive Anlage-Workflows mit Pflichtfeldern, die schlechte Daten gar nicht erst entstehen lassen.

Wichtig ist weniger die absolute Höhe als der Verlauf. Wer dieselben vier Kennzahlen monatlich erhebt, sieht Verschlechterung früh und kann gegensteuern, bevor sie in einer Auswertung oder einer Migration auffällt.

Und die Messung sollte automatisiert laufen. Eine Kennzahl, die jemand manuell zusammenstellt, wird nach drei Monaten nicht mehr erhoben, und dann ist die Datenqualität wieder Gefühlssache.

Was ändert KI an der Verantwortungsfrage?

KI verschärft sie. KI-Agenten in Business Central arbeiten direkt auf den Stammdaten: Sie erfassen Aufträge, ordnen Rechnungen zu, schlagen Buchungen vor. Jede Schwäche in der Datenbasis skaliert damit von einem manuellen Einzelfehler zu einem automatisierten Serienfehler.

Deshalb ist die Verantwortungsfrage die eigentliche KI-Readiness-Frage: Bevor ein Agent Entscheidungen vorbereitet, muss klar sein, wer die Daten verantwortet, auf denen er arbeitet, und wer eingreift, wenn seine Vorschläge auf schlechten Daten beruhen. KI arbeitet auf der Datenbasis, nicht an ihrer Stelle.

KI verschärft die Frage, sie verändert die Antwort nicht. Ein Agent arbeitet auf Ihren Stammdaten und unterscheidet nicht zwischen einem gepflegten und einem gewachsenen Datensatz. Er wendet seine Regel auf beide gleich an und macht damit die Datenqualität schnell wirksam, im Guten wie im Schlechten.

Wie besetzt man die Rolle ganz konkret?

Die Rolle gehört in den Fachbereich, nicht in die IT, und sie braucht drei Dinge, sonst bleibt sie ein Titel auf einer Folie: einen festen Zeitanteil, ein echtes Entscheidungsrecht und eine Kennzahl, an der die Person gemessen wird.

Beim Zeitanteil sind zehn bis zwanzig Prozent der Arbeitszeit realistisch, in der Bereinigungsphase mehr. „Macht der nebenbei“ funktioniert nicht, weil Datenpflege immer hinter dem Tagesgeschäft landet. Das Entscheidungsrecht muss schriftlich sein: Diese Person entscheidet über Anlageregeln, Pflichtfelder und Streitfälle in ihrem Objekt, ohne jedes Mal zu eskalieren.

Wen wählt man aus? Es gibt in jedem Unternehmen bereits eine Person, die gefragt wird, wenn ein Stammsatz unklar ist. Diese informelle Autorität ist die beste Kandidatin, denn sie hat die Kompetenz schon, ihr fehlt nur das Mandat. Formalisieren Sie, was ohnehin passiert.

Was tun, wenn niemand die Verantwortung übernehmen will?

Der häufigste Fall in der Praxis, und meist ein Führungsthema, kein Datenthema. Die Gründe sind fast immer dieselben drei: keine Zeit, keine Befugnis, kein sichtbarer Nutzen. Alle drei sind lösbar, aber nur durch Entscheidungen der Geschäftsführung.

• Keine Zeit: Zeitanteil in die Zielvereinbarung und in den Kalender, nicht in den guten Willen.
• Keine Befugnis: Entscheidungsrecht schriftlich, sichtbar für alle Beteiligten.
• Kein Nutzen: Die Qualitätskennzahl in das Bereichsziel aufnehmen, damit gute Daten sichtbar zum Ergebnis beitragen.

Wenn die Geschäftsführung diese drei Punkte nicht zusagt, ist die ehrliche Konsequenz: Datenqualität ist in diesem Unternehmen kein Ziel, sondern ein Wunsch. Dann sollte man auch keine Automatisierung und keine KI-Agenten darauf aufbauen, denn beide verstärken nur, was in den Daten steht.

Diese Klarheit ist unangenehm und nützlich. Sie verhindert, dass ein Datenqualitäts-Vorhaben startet, das niemand tragen kann, und sie stellt die Frage dort, wo sie hingehört: auf die Führungsebene und nicht in die IT.