Inhaltsverzeichnis
Das Wichtigste in Kürze
Stammdaten unterscheiden sich von Transaktionsdaten dadurch, dass sie sich selten ändern und trotzdem überall gebraucht werden: der Name eines Lieferanten etwa, nicht die einzelne Bestellung bei ihm. Master Data Management bündelt diese Daten in einer führenden Quelle, dem sogenannten Golden Record, und verteilt sie an alle angeschlossenen Systeme.Was zählt zu Stammdaten?
Zu den klassischen Stammdaten-Domänen zählen Kundendaten, Lieferantendaten, Mitarbeiterdaten, Standortdaten und Produktdaten. Sie unterscheiden sich von Transaktionsdaten wie Bestellungen oder Rechnungen dadurch, dass sie den stabilen Bezugsrahmen bilden, auf den sich diese Transaktionen beziehen. Eine Bestellung verweist auf einen Kunden; ändert sich die Adresse dieses Kunden nur im CRM, nicht aber im ERP, entstehen Widersprüche, die sich erst bei der nächsten Lieferung oder Rechnung zeigen. Je mehr Systeme im Einsatz sind, desto mehr solcher Bezugspunkte gibt es. Jede Abweichung wird dadurch teurer, weil sie sich über mehrere Abteilungen fortpflanzt, bevor sie auffällt.Wie funktioniert Stammdatenpflege in der Praxis?
MDM-Systeme konsolidieren Daten aus verschiedenen Quellen, erkennen doppelte Datensätze über Abgleichsregeln und führen widersprüchliche Datensätze zu einem Golden Record zusammen. Governance-Regeln legen fest, welches System bei einem Konflikt federführend ist, etwa dass Adressänderungen künftig ausschließlich im CRM gepflegt und von dort verteilt werden. Sie regeln auch, wer einen Datensatz über seinen gesamten Lebenszyklus verantwortet, vom Anlegen bis zur Archivierung. Wie eine solche Konsolidierung im Detail abläuft, beschreibt der Beitrag zum Golden Record.
Welche Vorteile bietet ein MDM-System?
Der unmittelbare Nutzen zeigt sich meist zuerst im Reporting: Wenn Kundendaten aus CRM, ERP und Support-System nicht mehr manuell abgeglichen werden müssen, werden Auswertungen verlässlicher und schneller verfügbar. Fundierte Entscheidungen beruhen dann auf einer Datenbasis, die im gesamten Unternehmen gleich ist. Ein zweiter Effekt betrifft Compliance: Bei Audits oder regulatorischen Meldungen lässt sich nachweisen, welche Daten wann und von wem geändert wurden. Der Artikel zu Data Governance beschreibt, wie diese Nachvollziehbarkeit organisatorisch abgesichert wird. Ein dritter, oft unterschätzter Effekt betrifft Fusionen und Übernahmen. Wenn zwei Unternehmen mit eigenen Kunden- und Lieferantenstämmen zusammengehen, entscheidet der Stammdatenabgleich mit darüber, wie schnell die neue Organisation wirklich als ein Unternehmen arbeitet.Single-Domain oder Multi-Domain MDM?
Single-Domain-MDM konzentriert sich auf eine Datenart, meist Kunden- oder Produktdaten, und lässt sich vergleichsweise schnell einführen. Multi-Domain-MDM verwaltet mehrere Domänen gleichzeitig, etwa Kunden, Lieferanten und Standorte, über ein gemeinsames Datenmodell. Der Vorteil liegt in konsistenten Beziehungen zwischen den Domänen, zum Beispiel wenn ein Lieferant gleichzeitig als Kunde auftritt. Der Nachteil: Multi-Domain-Projekte sind komplexer in der Einführung und brauchen von Anfang an eine klare Priorisierung, welche Domäne zuerst produktiv geht.Single-Domain vs. Multi-Domain im Vergleich
| Kriterium | Single-Domain MDM | Multi-Domain MDM |
|---|---|---|
| Umfang | Eine Datenart, meist Kunden oder Produkte | Mehrere Domänen über ein gemeinsames Modell |
| Einführungsdauer | Kürzer, oft drei bis sechs Monate | Länger, abhängig von Anzahl der Domänen |
| Stärke | Schneller erster Nutzen, geringeres Risiko | Konsistente Beziehungen zwischen Domänen |
| Typische Falle | Löst nur einen Teil des Problems | Alle Domänen gleichzeitig starten, statt zu priorisieren |
Vier Implementierungsstile: Wo die Stammdaten tatsächlich gepflegt werden
Ob Master Data Management im Alltag funktioniert, hängt weniger vom Werkzeug ab als von einer Architekturentscheidung. Wo wird ein Datensatz angelegt und geändert, und wohin fließt er danach? In Fachliteratur und Analystenberichten haben sich dafür vier Stile etabliert. Sie unterscheiden sich vor allem darin, wie stark das MDM in die Pflegeprozesse der Quellsysteme eingreift.
| Stil | Wo gepflegt wird | Rolle des MDM | Typischer Einsatz |
|---|---|---|---|
| Registry | In den Quellsystemen | Verknüpft Dubletten über einen zentralen Index, kein Rückfluss | Schneller Überblick, wenn Quellsysteme unverändert bleiben sollen |
| Konsolidierung | In den Quellsystemen | Hält eine bereinigte Kopie für Auswertungen | Reporting und BI, oft der erste Ausbauschritt |
| Koexistenz | Verteilt auf MDM und Quellsysteme | Hält den Golden Record und verteilt ihn zurück | Gewachsene Landschaften, in denen mehrere Systeme weiter pflegen |
| Zentral | Nur im MDM | System of Record, Quellsysteme erhalten die Daten | Hoher Governance-Anspruch, etwa in regulierten Branchen |
Viele Unternehmen beginnen mit der Konsolidierung. Sie lässt die Quellsysteme unangetastet und liefert trotzdem saubere Auswertungen. Den operativen Nutzen, also weniger Dubletten schon beim Anlegen neuer Kunden oder Lieferanten, bringt sie allerdings nicht. Der entsteht erst mit Koexistenz oder zentraler Pflege. Deshalb lohnt es sich, den Zielstil vor dem Projektstart festzulegen: Ein Konsolidierungsansatz lässt sich später zur Koexistenz ausbauen, sofern das Datenmodell von Anfang an auf Rückverteilung ausgelegt ist.
Datenqualität messen statt nur behaupten
Ohne Kennzahlen bleibt der Nutzen von MDM abstrakt. In der Praxis bewähren sich wenige, aber regelmäßig gemessene Werte: die Dublettenquote vor und nach der Konsolidierung, die Matching-Quote bei automatischen Abgleichsregeln, der Anteil vollständig gepflegter Pflichtfelder je Domäne, und die Zeit zwischen einer Datenänderung und ihrer Verteilung an alle angeschlossenen Systeme. Diese Werte lassen sich vor dem Projektstart als Baseline erheben und danach vierteljährlich gegenprüfen, statt sich auf ein einmaliges Erfolgsprojekt zu verlassen. Am Ende steht ein Ziel: eine Single Source of Truth, auf die sich jedes angebundene System verlassen kann.Wer Stammdaten mit Lieferanten oder Kunden austauscht, findet in ISO 8000-110:2021 einen belastbaren Rahmen. Die Norm legt fest, wie ausgetauschte Stammdaten gegen eine vereinbarte Datenspezifikation geprüft werden. Qualität wird damit überprüfbar, statt Verhandlungssache zu sein. Welche Kennzahlen sich über MDM hinaus für die gesamte Datenlandschaft eignen, zeigt der Beitrag zur Datenqualität im Unternehmen.
Reifegrad: Wo steht Ihr Unternehmen beim Master Data Management?
Gartner beschreibt die Entwicklung des Master Data Management in fünf Stufen, von der ersten Problemerkennung bis zur laufenden Optimierung. Nach Einschätzung der Analysten befinden sich die meisten großen Organisationen auf Stufe 2 und arbeiten auf Stufe 3 hin (Gartner zu Master Data Management). In der Praxis heißt das meist: Einzelne Domänen laufen bereits über ein MDM, doch Verantwortliche und führende Systeme sind noch nicht für alle Datenarten festgelegt.
Für eine erste Standortbestimmung reichen vier Fragen:
- Ist für jede Stammdaten-Domäne schriftlich festgelegt, welches System führend ist?
- Gibt es je Domäne eine benannte Person, die Konflikte entscheidet?
- Werden Dublettenquote und Vollständigkeit regelmäßig gemessen oder nur zum Projektstart?
- Werden neue Datensätze schon beim Anlegen gegen den Bestand geprüft?
Lautet die Antwort auf die ersten beiden Fragen Nein, sollte die Arbeit bei der Organisation beginnen und nicht bei der Softwareauswahl. Einen methodischen Rahmen dafür bietet das DAMA-DMBOK, das Referenz- und Stammdaten als eigenes Wissensgebiet des Datenmanagements behandelt.
Auswahlkriterien und typische Kosten
Bei der Auswahl einer MDM-Lösung zählt weniger die Feature-Liste als die Frage, wie gut sich die Software in die bestehende Landschaft aus ERP-Systemen, CRM und PIM einfügt. Wichtige Kriterien: Unterstützt das System Matching-Regeln, die sich ohne Programmieraufwand anpassen lassen? Wie transparent sind Änderungsprotokolle für Audits? Und wie flexibel lässt sich das Datenmodell erweitern, wenn eine neue Domäne hinzukommt? Und falls künstliche Intelligenz Matching-Vorschläge macht: Lassen sich diese nachvollziehen und von Menschen freigeben? Ein oft übersehener Punkt ist die Frage, wer im Unternehmen die Governance-Regeln pflegt, nachdem das Projektteam abgezogen ist. Ein System, das jede Regeländerung zu einem IT-Ticket macht, wird in der Praxis selten aktuell gehalten. MDM-Plattformen, mit denen Fachabteilungen einfache Regeln selbst anpassen können, senken diese Hürde spürbar.Was kostet ein MDM-Projekt?
Die Bandbreite ist groß, weil Aufwand und Datenqualität stärker streuen als bei anderen Systemklassen. Kleinere Single-Domain-Projekte mit einer sauberen Datenbasis sind oft in drei bis sechs Monaten produktiv. Multi-Domain-Projekte in gewachsenen Konzernstrukturen mit vielen Altsystemen dauern erfahrungsgemäß deutlich länger, vor allem wegen der organisatorischen Abstimmung zwischen Fachbereichen.Typische Fehler bei der Einführung
Der häufigste Fehler ist, MDM allein den IT-Abteilungen zu überlassen. Ohne klar definierte Entscheidung, welche Abteilung bei widersprüchlichen Daten das letzte Wort hat, bleiben Governance-Regeln Theorie. Ein zweiter Fehler ist der Versuch, alle Domänen gleichzeitig einzuführen, statt mit der Domäne zu starten, die den größten Schmerz verursacht. Drittens wird die Pflege nach dem Go-live oft unterschätzt: Ohne festen Data Steward, der neue Konflikte laufend auflöst, verschlechtert sich die Datenqualität erneut, wie im Beitrag zu Data Steward: Rolle, Aufgaben und Skills beschrieben.MDM im Verhältnis zu PIM
MDM und PIM überschneiden sich bei Produktdaten, decken aber unterschiedliche Bedürfnisse ab. Ein PIM-System ist auf die Vermarktung von Produktdaten spezialisiert: mehrsprachig, mit Marketingtexten und Kanal-Exporten. MDM deckt zusätzlich Kunden-, Lieferanten- und Standortdaten ab und legt den Schwerpunkt auf Konsistenz statt auf Vermarktung. Viele Unternehmen setzen beide Systeme kombiniert ein: PIM für die Vermarktung, MDM als übergeordnete Konsolidierungsebene. Die genauen Abgrenzungen und wann welches System zuerst kommt, erklärt der Beitrag PIM vs. MDM: Die wichtigsten Unterschiede.Praxisbeispiel: Handelsunternehmen nach einer Fusion
Nach einer Fusion zweier Handelsunternehmen laufen häufig zwei CRM- und zwei ERP-Systeme parallel weiter, weil eine sofortige technische Zusammenlegung zu riskant wäre. In dieser Phase führt ein MDM-System beide Kundendatenbestände zusammen, erkennt Dubletten anhand von Namen, Adressen und Steuernummern, und stellt sicher, dass Vertrieb und Buchhaltung mit derselben Kundenliste arbeiten. Ohne diesen Zwischenschritt drohen doppelte Rechnungen an denselben Kunden über zwei verschiedene Rechtsträger, was Reklamationen und Nacharbeit verursacht. Der größte Effekt zeigt sich erfahrungsgemäß erst später. Er kommt, wenn die Governance-Regeln greifen und das System neue Datensätze schon beim Anlegen abgleicht, sodass keine Dubletten mehr entstehen.Fazit: Mit einer Domäne starten und die Regeln zuerst klären
Master Data Management lohnt sich, sobald mehrere Systeme dieselben Stammdaten pflegen und Widersprüche nicht mehr von Hand aufzulösen sind. Den größten Hebel haben dabei selten die Matching-Algorithmen. Entscheidend sind die Festlegungen davor: welcher Implementierungsstil, welches führende System und wer im Konfliktfall entscheidet. Ein guter Einstieg ist die Domäne, die im Alltag die meisten Reibungsverluste verursacht, zusammen mit einer Baseline für die wichtigsten Kennzahlen.
Wie eine Master Data Management Software Kunden-, Lieferanten- und Produktdaten in einem gemeinsamen Modell zusammenführt, zeigt VIA/MDM. Wie Analysten den Markt einordnen, fasst der Beitrag zum Gartner Magic Quadrant zusammen.
Häufige Fragen zu Master Data Management
Master Data Management bezeichnet die zentrale Verwaltung geschäftskritischer Stammdaten wie Kunden-, Lieferanten-, Standort- und Produktdaten über alle Systeme eines Unternehmens hinweg.
Stammdaten wie ein Kundenname ändern sich selten und bilden den stabilen Bezugsrahmen. Transaktionsdaten wie eine Bestellung dokumentieren einzelne Geschäftsvorfälle und verweisen auf diese Stammdaten.
Der Golden Record ist der als korrekt geltende, konsolidierte Datensatz, der entsteht, wenn widersprüchliche Informationen aus mehreren Quellsystemen nach festen Regeln zusammengeführt werden.
Üblich sind vier Stile: Registry, Konsolidierung, Koexistenz und zentrale Pflege. Sie unterscheiden sich darin, wo Stammdaten gepflegt werden und ob das MDM den Golden Record an die Quellsysteme zurückverteilt.
Reicht die Konsistenz der Produktdaten für Marketing und Vertrieb aus, genügt oft PIM. Sobald zusätzlich Kunden-, Lieferanten- oder Standortdaten über mehrere Systeme hinweg konsistent gehalten werden müssen, kommt MDM als übergeordnete Ebene hinzu.
Ein fokussiertes Single-Domain-Projekt mit sauberer Datenbasis ist oft in drei bis sechs Monaten produktiv. Multi-Domain-Projekte in komplexen Systemlandschaften dauern in der Regel deutlich länger.
