Data Governance hat ein Image-Problem
Die meisten denken bei Data Governance an Richtlinien-Committees, endlose Dokumentation und PowerPoint-Schlachten ohne Ergebnis. Das Resultat: Niemand will anfangen. Dabei geht es im Kern um eine simple Frage — wer ist für welche Daten verantwortlich?
Wenn Sie Data Governance einführen wollen, stehen Sie vor einer Grundsatzentscheidung: den akademischen Weg mit Framework-Analyse, Reifegradmodellen und zwölfmonatigem Programm. Oder den pragmatischen Weg, der in vier Wochen erste Ergebnisse liefert. Im Mittelstand funktioniert fast ausschließlich der zweite Weg.
Warum? Weil Mittelständler keine Governance-Abteilung haben. Keine Chief Data Officers mit eigenem Budget. Die Verantwortung für Datenqualität liegt irgendwo zwischen IT, Controlling und Fachabteilungen — also nirgends. Genau das zu ändern ist der Kern von Data Governance. Nicht mehr, nicht weniger.
Der 4-Wochen-Plan: Data Governance einführen ohne Bürokratie
Woche 1: Dateninventar erstellen
Was haben wir? Wo liegt es? Wer nutzt es? Keine perfekte Dokumentation — eine ehrliche Bestandsaufnahme reicht. Konzentrieren Sie sich auf die kritischen Datendomänen: Kundendaten, Finanzdaten, Produktdaten und Mitarbeiterdaten.
Konkret bedeutet das:
- Datenquellen auflisten — ERP, CRM, Finanzbuchhaltung, Excel-Listen, SharePoint-Ordner, lokale Datenbanken
- Datenflüsse skizzieren — Welche Daten fließen wohin? Wer gibt ein, wer liest aus?
- Qualitätsprobleme dokumentieren — Wo klagen Mitarbeiter regelmäßig über falsche oder fehlende Daten?
- Kritikalität bewerten — Welche Daten sind geschäftskritisch? Welche unterliegen regulatorischen Anforderungen?
Das Ergebnis ist kein 200-seitiges Dokument, sondern eine übersichtliche Tabelle mit 30-50 Einträgen. Mehr brauchen Sie zum Start nicht.
Woche 2: Rollen und Verantwortlichkeiten definieren
Für jede kritische Datendomäne wird ein Data Owner definiert. Nicht der CTO, nicht die IT-Leitung — die Person, die die Daten tatsächlich kennt und geschäftlich verantwortet. Der Vertriebsleiter für Kundendaten, der Produktionsleiter für Fertigungsdaten, der CFO für Finanzdaten.
Die drei zentralen Rollen in einer pragmatischen Governance-Struktur:
- Data Owner — Fachliche Verantwortung für eine Datendomäne. Entscheidet über Zugriffsrechte, definiert Qualitätsanforderungen und priorisiert Verbesserungen. Typischerweise eine Führungskraft aus dem Fachbereich.
- Data Steward — Operative Umsetzung der Governance-Regeln. Überwacht die Datenqualität, koordiniert Bereinigungen und ist Ansprechpartner für Fragen zur Datennutzung. Oft eine fachlich versierte Person aus dem Tagesgeschäft.
- Data Consumer — Alle Mitarbeiter, die Daten nutzen. Sie halten sich an die definierten Spielregeln und melden Qualitätsprobleme an den zuständigen Steward.
Im Mittelstand sind Data Owner und Data Steward häufig dieselbe Person. Das ist in Ordnung. Entscheidend ist, dass die Verantwortung klar zugeordnet ist — nicht dass ein Organigramm drei Hierarchieebenen abbildet.
Woche 3: Spielregeln festlegen
Drei bis fünf Regeln, die jeder versteht. Keine 80-seitige Policy, die niemand liest. Regeln müssen konkret, prüfbar und durchsetzbar sein.
Beispiele für wirksame Data-Governance-Regeln:
- Kundendaten werden ausschließlich über das CRM geändert, nie direkt in der Datenbank
- Jeder Report hat eine definierte Datenquelle — keine manuellen Korrekturen in Endberichten
- Neue Datenfelder werden nur nach Abstimmung mit dem Data Owner angelegt
- Zugriffsrechte werden quartalsweise überprüft und bereinigt
- Datenqualitätsprobleme werden innerhalb von 48 Stunden bearbeitet
Diese Regeln werden nicht in einem Wiki vergraben, sondern aktiv kommuniziert. Am besten in einem kurzen Team-Meeting, in dem die Gründe für jede Regel erklärt werden. Regeln ohne Kontext erzeugen Widerstand.
Woche 4: Quick Wins sichtbar machen
Die gefährlichste Phase bei jeder Governance-Initiative ist der Moment, in dem der Alltag zurückkehrt. Deshalb müssen in Woche 4 erste sichtbare Verbesserungen stehen:
- Ein bereinigter Report, der vorher widersprüchliche Zahlen zeigte
- Ein automatisierter Datenqualitätscheck, der täglich läuft
- Ein Dashboard, das endlich stimmt, weil die Quelldaten sauber sind
- Eine dokumentierte Schnittstelle, die vorher nur im Kopf eines Mitarbeiters existierte
Quick Wins sind keine Kosmetik. Sie sind der Beweis, dass Data Governance einführen einen konkreten Nutzen hat — und damit die Grundlage für alles, was danach kommt.
Frameworks: DAMA-DMBOK als Orientierung
Das DAMA-DMBOK (Data Management Body of Knowledge) ist das Standardwerk für Data Management. Es beschreibt elf Wissensbereiche von Data Quality über Metadata Management bis hin zu Data Security. Für den Mittelstand ist DAMA-DMBOK kein Implementierungsplan, sondern eine Landkarte.
Nutzen Sie es, um Lücken zu identifizieren und Prioritäten zu setzen — nicht, um jede Empfehlung 1:1 umzusetzen. Ein mittelständisches Unternehmen braucht keine Enterprise-Data-Architecture. Es braucht saubere Stammdaten und klare Verantwortlichkeiten. Die Reihenfolge: erst die Grundlagen, dann die Verfeinerung.
Weitere relevante Frameworks:
- DCAM (Data Management Capability Assessment Model) — hilfreich für Reifegradmessungen
- ISO 8000 — Standard für Datenqualität, relevant für Unternehmen mit Lieferketten-Anforderungen
- EDM Council — branchenspezifische Best Practices, vor allem für Finanzdienstleister
DSGVO und EU Data Act: Regulatorischer Druck wächst
Wer Data Governance einführen will, hat seit 2025 einen starken Verbündeten: die Regulierung. Der EU Data Act verpflichtet Unternehmen, Daten zugänglich, interoperabel und sicher zu verwalten. Ohne Governance-Strukturen ist das schlicht nicht möglich.
Konkrete Anforderungen, die Data Governance direkt betreffen:
- Verzeichnis der Verarbeitungstätigkeiten (Art. 30 DSGVO) — erfordert ein aktuelles Dateninventar
- Recht auf Auskunft und Löschung (Art. 15, 17 DSGVO) — erfordert Wissen, wo personenbezogene Daten gespeichert sind
- Datenportabilität (EU Data Act) — erfordert dokumentierte Datenformate und Schnittstellen
- Datensicherheit (Art. 32 DSGVO) — erfordert definierte Zugriffsrechte und Kontrollen
Unternehmen, die jetzt mit Data Governance starten, sind in sechs Monaten compliant. Unternehmen, die warten, zahlen Berater und im schlimmsten Fall Bußgelder. Die DSGVO-Bußgelder lagen 2025 in Deutschland im Durchschnitt bei 120.000 EUR pro Verstoß — Tendenz steigend.
Kulturwandel: Die eigentliche Herausforderung
Technik und Prozesse sind der einfache Teil. Die eigentliche Herausforderung beim Data Governance einführen ist der Kulturwandel. Daten werden in vielen Unternehmen als Nebenprodukt des Tagesgeschäfts betrachtet, nicht als strategische Ressource.
Typische Widerstände und wie Sie damit umgehen:
- Das haben wir schon immer so gemacht — Zeigen Sie konkret, welche Probleme die aktuelle Arbeitsweise verursacht. Nicht abstrakt, sondern anhand des letzten falschen Monatsberichts.
- Noch mehr Bürokratie — Governance soll Arbeit reduzieren, nicht erzeugen. Wenn Regeln mehr Aufwand verursachen als sie sparen, sind es die falschen Regeln.
- Das ist Aufgabe der IT — Datenqualität ist eine geschäftliche Verantwortung. Die IT stellt die Werkzeuge bereit, aber die Fachbereiche definieren, was korrekte Daten sind.
- Wir haben keine Zeit dafür — Fragen Sie, wie viel Zeit aktuell für die Suche nach korrekten Daten, die Bereinigung von Reports und die Klärung widersprüchlicher Zahlen aufgewendet wird. Das ist die Zeit, die Governance freisetzt.
Messbar machen: KPIs für Data Governance
Was nicht gemessen wird, wird nicht verbessert. Definieren Sie von Anfang an einfache Metriken, die den Fortschritt sichtbar machen:
- Datenqualitäts-Score — Anteil der Datensätze, die definierten Qualitätsregeln entsprechen (Ziel: >95%)
- Time-to-Insight — Wie lange dauert es, eine geschäftliche Frage mit Daten zu beantworten?
- Anzahl der Data-Governance-Regeln — Weniger ist mehr. Starten Sie mit 5, nicht mit 50.
- Vorfälle durch Datenprobleme — Wie oft führen schlechte Daten zu Fehlentscheidungen oder Nacharbeit?
- Adoption Rate — Wie viel Prozent der definierten Datenquellen werden tatsächlich als Single Source of Truth genutzt?
Messen Sie quartalsweise und kommunizieren Sie die Ergebnisse. Fortschritt motiviert — vor allem, wenn er in Zahlen sichtbar wird.
Fazit: Data Governance ist eine Gewohnheit
Data Governance einführen ist kein Einmalprojekt mit Start- und Enddatum. Es ist eine Gewohnheit, die im Unternehmen verankert werden muss. Der 4-Wochen-Plan liefert den Start. Danach folgt die kontinuierliche Verbesserung — Quartal für Quartal, Regel für Regel, Datendomäne für Datendomäne.
Der pragmatische Weg beginnt immer mit derselben Frage: Welches Datenproblem verursacht gerade den größten Schmerz? Lösen Sie dieses Problem sauber, dokumentieren Sie den Weg, und machen Sie den Erfolg sichtbar. Alles andere ergibt sich.
