Inhaltsverzeichnis
Data Governance ist das Rahmenwerk aus Richtlinien, Rollen, Standards und Entscheidungsrechten, das festlegt, wie ein Unternehmen seine Daten erhebt, definiert, sichert und nutzt. Für B2B-Hersteller und -Händler entscheidet sie etwas sehr Konkretes. Entweder sind die Daten, die in jeden Kanal fließen, verlässlich, oder Fehler und Dubletten fressen still an der Marge, während sich im Hintergrund Compliance-Lücken auftürmen. Dieser Beitrag zeigt, was Data Governance wirklich ist, wie sie sich von Data Management und MDM unterscheidet, welche Rollen und Tools dazugehören und wie Sie ein Programm aufbauen, das trägt.
Was ist Data Governance?
Data Governance ist die Disziplin, die Verantwortlichkeit für Daten als Unternehmenswert schafft. Sie legt fest, wer was mit welchen Daten in welchen Situationen und mit welchen Methoden tun darf. Das Ziel ist praktisch, nicht abstrakt: Unternehmensdaten verfügbar, nutzbar, konsistent, sicher und regelkonform halten und Ownership zur Gewohnheit machen, statt sie nachzureichen.
In der Praxis beantwortet sie die Fragen, über die jedes datengetriebene Unternehmen immer wieder stolpert. Wem gehört der Produkt-Stammsatz? Was bedeutet „Kunde“ offiziell? Welche Felder sind Pflicht, bevor ein Produkt live geht, und wer gibt eine Preisänderung frei? Fehlen abgestimmte Antworten, erfindet jedes Team still seine eigenen, und die Daten driften auseinander.
Data Governance vs. Data Management vs. MDM
Diese drei Begriffe werden ständig vermischt, deshalb lohnt es sich, sie sauber zu trennen. Data Management ist der breite Oberbegriff, die gesamte Bandbreite der Disziplinen, die aus Rohdaten Nutzbares machen, von Architektur und Speicherung bis zu Sicherheit, Integration und Qualität. Data Governance sitzt im Zentrum dieses Rades und definiert die Regeln, denen die anderen Disziplinen folgen. Master Data Management, kurz MDM, ist enger gefasst. Es ist die operative Engine, die für die Daten, bei denen sich ein Unternehmen keine Fehler leisten kann, einen einzigen, konsistenten „Golden Record“ erzeugt, typischerweise Kunde, Produkt und Lieferant.
| Die kurze Version: Governance schreibt die Regeln, MDM erledigt die Arbeit. Governance betrifft alle Daten und definiert die Standards. MDM setzt diese Standards für die Kern-Stammdaten um. |
Warum Data Governance für Unternehmen entscheidend ist
Schlechte Datenqualität ist kein kosmetisches Problem. Sie taucht in der Bilanz auf. Gartner beziffert die durchschnittlichen Kosten schlechter Datenqualität auf 12,9 Mio. US-Dollar pro Unternehmen und Jahr. Die MIT Sloan Management Review schätzt, dass die meisten Unternehmen den Gegenwert von 15–25 % ihres Umsatzes dadurch verlieren. Eine vielzitierte IBM-Zahl von 2016, popularisiert von der Harvard Business Review, bezifferte die Kosten für die US-Wirtschaft auf rund 3,1 Billionen Dollar im Jahr. Das sind Schätzungen, und man sollte sie auch so behandeln, doch die Richtung steht außer Frage.
Für Hersteller und Händler sind die Folgen greifbar. Ein falsches technisches Attribut löst eine Fehlbestellung aus. Ein veralteter Preis kostet Marge, ohne dass es jemand merkt. Ein unvollständiger Produktsatz konvertiert im Shop nicht oder wird vom Marktplatz rundheraus abgelehnt. Governance senkt diese Risiken, weil sie Qualität, Ownership und Compliance explizit und wiederholbar macht statt zufällig.
Die sechs Säulen einer Data-Governance-Strategie
Eine tragfähige Strategie ruht auf sechs Säulen, die sich gegenseitig stützen, und genau die fehlende ist meist der Punkt, an dem ein Programm scheitert. Die erste sind klare Richtlinien und Standards: gemeinsame Definitionen, Namenskonventionen und Datenmodelle, die Systeme dieselbe Sprache sprechen lassen. Die zweite sind Rollen und Verantwortung, damit jede kritische Datendomäne einen Namen trägt. Als Drittes kommen Prozesse und Workflows, also wie Daten angelegt, freigegeben, geändert und am Ende stillgelegt werden. Die vierte Säule ist die Datenqualität samt der Metriken, die sie messbar machen, mit klaren Zielwerten für die wichtigsten Assets. Technologie und Tools bilden die fünfte, gemeint sind die Plattformen, die die Regeln im großen Maßstab katalogisieren, überwachen und durchsetzen. Compliance und Sicherheit runden das Bild ab, von Zugriffskontrollen und Audit-Trails bis zur Ausrichtung an der DSGVO.
Wer eine etablierte Referenz dafür sucht, greift meist zum DAMA-DMBOK (Data Management Body of Knowledge) von DAMA International. Es gliedert das Datenmanagement in elf verbundene Wissensgebiete und stellt Data Governance in die Mitte, mit Architektur, Modellierung, Speicherung, Sicherheit, Integration, Content-Management, Referenz- und Stammdaten, Data Warehousing und BI, Metadaten und Qualität ringsherum.
Rollen und Verantwortlichkeiten in der Data Governance
Governance funktioniert nur, wenn Verantwortung eindeutig ist, und einige wenige Rollen kehren in nahezu jedem reifen Programm wieder. An der Spitze steht der Chief Data Officer, der die unternehmensweite Datenstrategie und das Governance-Programm selbst verantwortet. Darunter hat jede Domäne einen Data Owner, eine Führungskraft aus dem Fachbereich, die rechenschaftspflichtig ist, die Policies genehmigt und über Nutzung, Zugriff und Schutz entscheidet. Owner bleiben rechenschaftspflichtig, nicht operativ. Die tägliche Arbeit übernehmen Data Stewards, die business-nahen Personen, die Qualität und Gebrauchstauglichkeit hüten, Metriken definieren, Regeln durchsetzen und Definitionen und Metadaten aktuell halten. Die technische Seite gehört dem Data Custodian, der die Kontrollen für Speicherung, Sicherheit und Zugriff umsetzt und betreibt. Zusammengehalten wird das Ganze vom Data Governance Council, einem cross-funktionalen Gremium aus IT, Finance, Operations und Marketing, das Policies verabschiedet, Qualität im Blick behält und Compliance sicherstellt.
Data-Governance-Tools und Technologie
Moderne Governance-Plattformen teilen meist denselben Kern. Sie katalogisieren Metadaten, verfolgen Data Lineage, sodass nachvollziehbar bleibt, woher ein Wert stammt und wie er sich verändert hat, überwachen die Qualität und setzen Policies und Zugriffsrechte durch, zunehmend mit einer Schicht KI-gestützter Discovery obenauf. Die Namen, die einem am häufigsten begegnen, sind Collibra, Microsoft Purview, Informatica, Alation, Atlan und Ataccama. Welche passt, hängt ganz vom Kontext ab. Collibra und Informatica eignen sich für große, regulierte Unternehmen. Microsoft Purview ist die natürliche Wahl in einer Microsoft-Landschaft. Atlan und Alation punkten bei Usability und Discovery, während sich Ataccama einen Ruf über die Datenqualität aufgebaut hat. Ein Vorbehalt gehört klar gesagt: Ein Tool setzt Governance durch, es schafft sie nicht. Richtlinien, Rollen und Standards müssen zuerst da sein.
Data Governance und Produktdaten: die Rolle von PIM
Produktinformationen sind eine der wertvollsten Stammdaten-Domänen, die ein Hersteller oder Händler besitzt, und eine der am schwersten konsistent zu haltenden. Sie sind zugleich der Punkt, an dem Governance auf das PIM-System trifft. Governance liefert das Regelwerk, also die Standards, die Rollen und die Qualitätsmetriken. Das PIM ist die Plattform, die diese Regeln Tag für Tag auf Produktdaten durchsetzt.
In einem gut geführten PIM greifen Pflichtfelder, Wertelisten, Taxonomie-Regeln und Validierungen automatisch, und jede Änderung bleibt über Stewardship-Rollen und Audit-Trails nachvollziehbar. Mit wachsenden Katalogen über Regionen und Kanäle hält genau diese Disziplin die Produktdatenqualität hoch und die Time-to-Market kurz. Produktdaten sind, schlicht gesagt, eine Stammdaten-Domäne, geregelt nach derselben Logik wie MDM.
Rechtlicher Rahmen: DSGVO, EU Data Act und AI Act
Europäische Regulierung ist ein wesentlicher Grund, warum Data Governance nach oben gerückt ist. Die DSGVO bleibt die Basis für alles, was personenbezogene Daten betrifft. Der EU Data Governance Act, seit 2022 in Kraft und seit September 2023 anwendbar, fördert vertrauenswürdiges Datenteilen und die gemeinsamen europäischen Datenräume. Der EU Data Act, anwendbar seit dem 12. September 2025, regelt den Zugang zu Daten vernetzter Produkte und das Recht auf Cloud-Wechsel, weitere Pflichten folgen 2026 und 2027. Der EU AI Act trat im August 2024 in Kraft, wird ab August 2026 voll anwendbar und nennt Data Governance ausdrücklich als Anforderung für Hochrisiko-KI. Pragmatisch ist es, all das als einen zusammenhängenden Compliance-Aufwand zu behandeln und nicht als vier getrennte Projekte.
In sechs Schritten zur Data Governance
Wer bei null anfängt, hält den Aufwand mit der folgenden Reihenfolge fokussiert. Es ist die eine Stelle in diesem Beitrag, an der eine nummerierte Liste ihren Zweck wirklich erfüllt.
- Management-Rückhalt sichern und klare Geschäftsziele für das Programm definieren.
- Die Rollen zuweisen: Owner, Stewards und ein Governance Council für die kritischen Datendomänen benennen.
- Richtlinien und Standards definieren, von gemeinsamen Definitionen und Pflichtfeldern bis zu Namens- und Qualitätsregeln.
- Die passende Technologie wählen, etwa einen Katalog, Qualitätsüberwachung und, für Produktdaten, ein PIM.
- Messen und berichten, mit Qualitäts-KPIs und Dashboards für die wichtigsten Assets.
- Iterieren: die Metriken regelmäßig prüfen, Lücken schließen und den Scope Domäne für Domäne erweitern.
Häufige Fragen zu Data Governance
Was ist der Unterschied zwischen Data Governance und Data Management?
Data Management ist die Gesamtheit der Disziplinen, die Daten nutzbar machen. Data Governance ist die Funktion darin, die Regeln, Rollen und Standards festlegt, denen die übrigen Disziplinen folgen.
Wer ist für Data Governance verantwortlich?
Die Rechenschaft liegt bei den fachlichen Data Ownern und auf Programmebene bei einem Chief Data Officer. Die tägliche Qualität verantworten Data Stewards, technische Kontrollen die Data Custodians, die Aufsicht ein Governance Council.
Brauchen wir ein Tool, um mit Data Governance zu starten?
Nein. Richtlinien, Rollen und Standards kommen zuerst. Tools wie Datenkataloge, Qualitätsplattformen oder ein PIM setzen Governance im großen Maßstab durch, sobald das Rahmenwerk steht.
Wie hängt Data Governance mit einem PIM-System zusammen?
Ein PIM operationalisiert Governance für Produktdaten. Es erzwingt Pflichtfelder, Validierungsregeln und Freigabe-Workflows und hält Produktinformationen über alle Kanäle konsistent und revisionssicher.
Gut gemacht, wird aus Daten statt eines Risikos etwas, auf das sich das Unternehmen verlassen kann. Der Anfang ist selten ein Tool. Es sind klare Ownership und abgestimmte Standards, durchgesetzt mit der richtigen Technologie, bei Produktdaten einem PIM, und oft genug gemessen, um Probleme zu erwischen, solange sie noch klein sind.
