Viele Schweizer KMU investieren viel Zeit und Geld in neue Systeme, moderne Prozesse und digitale Werkzeuge. Doch ein Thema bleibt oft im Hintergrund, obwohl es die Grundlage für alles ist, was später funktionieren soll: Die Datenqualität. Sie entscheidet darüber, ob ein ERP sauber läuft, ob eine Supply Chain stabil bleibt, ob ein Reporting stimmt und ob Automatisierung überhaupt möglich ist. Trotzdem wird sie selten aktiv angegangen, meist sogar erst dann, wenn Fehler sichtbar werden.
Ordnung im Archiv – was analog selbstverständlich ist, ist digital oft eine Herausforderung (Symbolbild von Ro Ma via Pixabay)
Warum Datenqualität so oft unterschätzt wird
In vielen Unternehmen entstehen Daten einfach nebenbei. Sie werden angelegt, angepasst oder ergänzt, während man eigentlich etwas anderes tut: Bestellen, produzieren, verkaufen oder planen, zum Beispiel.
Das führt zu den typischen Mustern:
- Artikelstammdaten, die über Jahre gewachsen sind
- Kundenadressen, die nie vollständig geprüft wurden
- Lieferantenstämme mit veralteten Informationen
- Stücklisten, die nicht konsistent gepflegt sind
- Preise, die in verschiedenen Systemen unterschiedlich hinterlegt wurden
- Excel‑Dateien, die als «Zwischenlösung» entstanden und dann geblieben sind
Solche Probleme sind nicht spektakulär, aber sie kosten Zeit, Geld und Nerven – und das jeden Tag.
Die Folgen zeigen sich überall im Betrieb
Schlechte Datenqualität zeigt sich nicht deutlich wie ein gravierender Fehler, sie wirkt vielmehr wie ein feines, kaum merkbares, aber doch störendes Rauschen im Hintergrund. Man bemerkt es erst, wenn man genauer hinschaut:
Bestellungen werden zum Beispiel falsch ausgelöst, weil Artikelnummern doppelt existieren. Oder Produktionsaufträge verzögern sich, weil Stücklisten nicht stimmen. Ab und zu werden vielleicht Liefertermine verpasst, weil die Stammdaten unvollständig sind. Auch steigt unter Umständen seit einer Weile die Anzahl der Retouren, weil die Kundenadressen nicht korrekt gepflegt wurden. Und Mitarbeitende arbeiten ständig mit unterschiedlichen Zahlen, weil jeder seine eigene Excel‑Version der Daten hat.
Das sind definitiv keine IT‑Probleme, sondern mangelhafte Prozesse, die sich durch den ganzen Betrieb ziehen.
Warum KMU oft Mühe haben, ihre Datenqualität zu verbessern
Die Gründe sind meist organisatorisch:
- Es gibt niemanden, der verantwortlich ist
- Datenpflege wird als unwichtige und unrentable Nebenaufgabe betrachtet
- Standards fehlen oder sind nicht dokumentiert
- Berechtigungen sind historisch gewachsen
- Zeit für saubere Pflege fehlt im Tagesgeschäft
- Aktuelle Projekte haben klar Priorität, die Grundlagen eher nicht
Datenqualität ist eben nie wirklich «dringend», aber sie ist eben immer wichtig. Oder wäre es wenigstens.
Ein pragmatischer Fahrplan für bessere Datenqualität
Datenqualität lässt sich verbessern und zwar ohne teure Beratungsprojekte und ohne neue Systeme. Entscheidend ist ein klarer, realistischer Ansatz:
1. Zuständigkeiten festlegen
Jede Datenart braucht eine verantwortliche Stelle. Nicht «alle machen ein bisschen», sondern ganz klar definiert:
- Wer legt Daten an?
- Wer prüft sie?
- Wer gibt Änderungen frei?
Ohne Verantwortlichkeiten bleibt alles zufällig und niemand schaut genauer hin.
2. Standards definieren
Einheitliche Regeln verhindern von vornherein grundlegende Fehler:
- Namenskonventionen
- Pflichtfelder
- Formatvorgaben
- Klassifikationen
- Adressstandards
Diese Standards müssen alle dokumentiert und allen bekannt sein. Sie müssen auch klar eingefordert werden, um den Pflegeaufwand zu minimieren.
3. Berechtigungen bereinigen
Viele Fehler entstehen, weil zu viele Personen zu viele Dinge ändern können und es natürlich auch tun. Eine Bereinigung der Berechtigungen schafft Klarheit.
4. Datenbereinigung als Projekt durchführen
Nicht alles auf einmal bereinigen wollen, sondern Schritt für Schritt vorgehen:
- Artikelstamm
- Kundenstamm
- Lieferantenstamm
- Stücklisten
- Preise
Jeder Bereich wird einmal sauber durchgearbeitet, das braucht etwas Fleissarbeit. Danach bleibt nur noch die regelmässige Pflege, die erledigt sich dann (fast) von selbst.
5. Datenpflege in Prozesse integrieren
Echte Datenqualität entsteht durch saubere Abläufe im ganzen Betrieb. Das gilt
- bei der Anlage neuer Artikel
- bei der Einführung neuer Produkte
- bei der Bestellung
- bei der Produktion
- bei der Lieferantenanlage
Datenpflege muss Teil des normalen Arbeitens werden, voll integriert in den Prozess. Eine Selbstverständlichkeit, die quasi automatisch läuft.
6. Datenqualität messen
Was man misst, verbessert sich:
- Vollständigkeit der Daten
- Aktualität
- Dubletten
- Fehlerquote
- Durchlaufzeiten
Schon einfache Kennzahlen zeigen schnell, wo es hakt und wo man ansetzen muss.
Warum gute Datenqualität die Basis für die Zukunft ist
Ob ERP‑Modernisierung, Automatisierung, KI‑Anwendungen oder digitale Supply Chains – all diese und weitere Themen funktionieren nur, wenn die Daten stimmen. Gute Datenqualität ist keine Strafaufgabe, sie ist die Voraussetzung dafür, dass moderne (und oft auch teure) Systeme ihren Nutzen auch wirklich entfalten können.
Fazit
Datenqualität ist ein zentraler Erfolgsfaktor für jeden Betrieb, auch wenn man sie nicht unbedingt auf dem Radar hat. Doch sie kostet wenig, bringt sehr viel und verhindert teure Fehler, bevor sie entstehen. Wer sie aktiv angeht, schafft eine Grundlage, auf der Digitalisierung, Automatisierung und moderne Prozesslandschaften wirklich funktionieren können.
Der Autor
Alain Zanolari ist Redaktor bei topsoft, der Schweizer Plattform für Digitales Business
Weiterführendes Webinar:
Welche Anforderungen Stammdaten für die KI‑Nutzung erfüllen müssen
8. April 2027 11 - 11:45 Uhr
Erfahren Sie live, wie Sie Stammdaten gezielt für moderne Anwendungen aufbereiten und welche Qualitätskriterien dabei entscheidend sind.
Weitere Informationen und kostenlose Anmeldung