Klären, wer über Daten entscheidet und woran eine funktionierende Integration erkennbar ist

Data Governance und Datenintegration: Verantwortung und Datenflüsse verbinden

Widersprüchliche Kennzahlen und unklare Datenherkunft lassen sich nicht allein durch eine neue Schnittstelle lösen.

  • 01Datenverwendung, fachliche Bedeutung und verantwortliche Rollen festlegen
  • 02Quellen, Transformationen und Zielsysteme mit prüfbaren Regeln beschreiben
  • 03Qualität, Fehlerbearbeitung und Änderungskontrolle an einem Pilot abnehmen
11+Jahre Erfahrung
120+Mitarbeitende
540+Projekte
ISO 27001zertifiziert

Was Governance und Integration jeweils klären müssen

Data Governance legt fest, wer Datenverwendung, Definitionen, Qualitätsanforderungen und Ausnahmen entscheiden darf. Datenintegration setzt den vereinbarten Datenfluss um: Welche Quelle liefert welche Information, wie wird sie verändert und wie gelangt sie zum Ziel? Beides muss für den betrachteten Geschäftszweck zusammenpassen.

Ein Kundenumsatz kann etwa wegen unterschiedlicher Währungen, Buchungszeiträume oder Kundenzuordnungen abweichen, obwohl alle Schnittstellen technisch erfolgreich laufen. Der Einstieg ist deshalb ein konkreter Bericht, Prozess oder Datenservice mit bekannten Nutzern. Aus seiner Verwendung werden fachliche Regeln, Zuständigkeiten und technische Prüfungen abgeleitet. Eine bestehende Plattform kann dafür ausreichen; notwendige Werkzeuge werden anhand der Aufgabe bewertet.

Ein Auftrag kann Rollen- und Regelwerk, fachlich-technische Integrationsbeschreibung, einen umgesetzten Pilot sowie Qualitäts- und Übergabeprüfungen umfassen. Vereinbart werden Datenbereiche, Quellen, Zielsysteme, Verarbeitungsrhythmus und gewünschte Ergebnisse. Ihre Organisation benennt fachliche Entscheider, stellt zulässigen Datenzugang bereit und bestätigt Definitionen und Abnahmekriterien. Plattformlizenzen, umfassende Migration, Datenbereinigung und dauerhafter Betrieb erhalten einen ausdrücklich festgelegten Umfang.

Technischen Erfolg fachlich prüfen: Ein erfolgreicher Datenlauf zeigt zunächst, dass ein Ablauf beendet wurde. Ob die gelieferten Daten für ihren Zweck vollständig, richtig eingeordnet und rechtzeitig verfügbar sind, muss anhand der vereinbarten fachlichen Kriterien geprüft werden.

3 Leistungsbausteine

Datenverantwortung klären, Integration spezifizieren und Qualität abnehmen

01

Data Governance für den gewählten Datenbereich

Wir beschreiben Nutzung, fachliche Definitionen, Entscheidungsrechte und Ausnahmen. Das Ergebnis ordnet wesentliche Regeln und offene Fragen verantwortlichen Rollen zu und legt fest, wann Änderungen erneut abgestimmt werden müssen.

  • Datenverwendung und fachliche Begriffe mit den Nutzern abstimmen
  • Data Owner, operative Bearbeitung und technische Verantwortung zuordnen
  • Freigabe, Änderung und Ausnahme mit nachvollziehbarem Entscheidungsweg beschreiben
02

Datenintegration mit nachvollziehbaren Übergaben

Für die ausgewählten Quellen und Ziele wird der Datenfluss fachlich und technisch spezifiziert und im vereinbarten Umfang umgesetzt. Zur Übergabe gehören Transformationen, Berechtigungen, Betriebsabhängigkeiten und die Behandlung fehlgeschlagener Läufe.

  • Quellen, Zielstrukturen, Zuordnung und Verarbeitungsrhythmus erfassen
  • Transformationen und fachliche Annahmen dokumentieren
  • Wiederholung, Fehlererkennung und verantwortliche Bearbeitung testen
03

Datenqualität und Abnahme des Anwendungsfalls

Qualitätsregeln werden aus der tatsächlichen Verwendung abgeleitet und anhand geeigneter Fälle geprüft. Die Ergebnisse unterscheiden bestätigte Eignung, offene Datenprobleme und bewusst akzeptierte Einschränkungen.

  • Prüfpopulation, Messzeitpunkt und erwartetes Ergebnis je Regel bestimmen
  • Referenzen, Mengen und fachliche Summen passend zum Zweck abgleichen
  • Abweichungen einer zuständigen Rolle und einer Abschlussprüfung zuordnen

Beispiel: Drei Regeln für einen monatlichen Umsatzbericht

Die eigene illustrative Vorlage zeigt, wie fachliche Verwendung, Datenintegration und Verantwortung zusammenkommen. Daten, Organisation und Entscheidungen sind fiktiv; konkrete Grenzwerte und Freigaben werden für den tatsächlichen Bericht festgelegt.

Ausgefüllte Vorlage für Datenfluss und Abnahme. Auf kleinen Bildschirmen lässt sich die Tabelle horizontal verschieben.
Fachliche VerwendungRegel und DatenflussVerantwortliche EntscheidungPrüffallAbschlusskriterium
Umsatz des bestätigten Berichtsmonats darstellenDie gewählte Buchungsperiode wird aus der freigegebenen ERP-Definition übernommen; Stichtag und Zeitzone werden festgelegtFinanzverantwortung bestätigt Periodendefinition und Behandlung nachträglicher BuchungenBuchungen vor, am und nach dem vereinbarten Stichtag prüfenZuordnung und dokumentierte Ausnahmen entsprechen den bestätigten Regeln
Umsätze unterschiedlicher Währungen zusammenführenBetrag und Währung bleiben zugeordnet; eine Umrechnung verwendet die abgestimmte Kursquelle und den festgelegten ZeitpunktFachliche Verantwortung entscheidet über Währung, Kurs und RundungEin Fall je Währung sowie fehlender Kurs und Rundungsgrenze werden geprüftSummen sind fachlich erklärbar; ein fehlender Kurs erzeugt die vereinbarte Fehlerbearbeitung
Umsatz einer Kundengruppe zuordnenQuellschlüssel werden anhand der bestätigten Zuordnung zum Ziel geführt; Mehrfachzuordnungen werden sichtbarDatenverantwortung bestätigt Kundenzuordnung und Behandlung ungeklärter SchlüsselEin eindeutiger, ein unbekannter und ein mehrfach zugeordneter Schlüssel werden getestetKeine unerklärte Vervielfachung im Bericht; offene Zuordnungen erhalten eine verantwortliche Entscheidung

5 Phasen

Vom widersprüchlichen Bericht zum geprüften Datenfluss

Ein abgegrenzter Anwendungsfall macht sichtbar, ob Definitionen, Zuständigkeiten und technische Umsetzung zusammenpassen. Erst danach wird eine breitere Einführung geplant.

  1. Verwendung eingrenzen

    Nutzer, Entscheidung, heutige Datenprobleme und betrachteten Datenbereich erfassen.

    abgestimmter Anwendungsfall.

  2. Regeln und Rollen klären

    Begriffe, erlaubte Nutzung, Qualitätsmaßstäbe und Entscheidung über Ausnahmen festlegen.

    fachliches Regel- und Verantwortungsmodell.

  3. Integration beschreiben und umsetzen

    Quellen, Transformationen, Ziel, Zugriff und Betriebsablauf ausarbeiten.

    vereinbarter Datenfluss im Pilot.

  4. Abnahme durchführen

    Fachliche und technische Prüffälle einschließlich Fehlerbearbeitung auswerten.

    nachvollziehbare Befunde und offene Einschränkungen.

  5. Übergeben und weiterentwickeln

    Betrieb, Änderungen und regelmäßige Qualitätsprüfung verantwortlichen Teams zuordnen.

    Übergabe mit dokumentierten Folgeentscheidungen.

Asan Stefanski

Ansprechpartner

Asan Stefanski

Head of Digital Transformation

11+ Jahre Erfahrung, Studium Angewandte Informatik, Strategische Planung und Leitung von KI-Projekten, Cyber Security, Secure Software Development, AI

Effektive Data Governance ist keine einmalige Initiative, sondern ein kontinuierlicher Prozess. Die Schlüssel zum Erfolg sind klare Prozesse, definierte Verantwortlichkeiten und die richtige Balance zwischen Kontrolle und Flexibilität.
Expertenmeinung von ADVISORI

11 FRAGEN, KURZ BEANTWORTET

Häufig gestellte Fragen zu Data Governance & Data Integration

Was ist Data Governance?

Data Governance legt Entscheidungsrechte, Verantwortung und Regeln für den Umgang mit Daten fest. Für einen konkreten Datenbereich muss erkennbar sein, wer Definitionen, erlaubte Nutzung, Qualität und Ausnahmen bestätigt. Der Nutzen entsteht, wenn diese Entscheidungen im tatsächlichen Datenprozess ankommen. Ein Rollenverzeichnis oder ein Katalog allein verändert weder die Daten noch die Bearbeitung eines Problems.

Wie entwickelt man ein passendes Data-Governance-Framework?

Beginnen Sie mit einem abgegrenzten Geschäftszweck und den dafür benötigten Daten. Erfassen Sie Probleme, vorhandene Regeln und beteiligte Rollen. Legen Sie dann Entscheidungsrechte, Begriffe, Qualitätsanforderungen und Ausnahmewege fest. Erproben Sie das Modell an einem tatsächlichen Datenfluss und passen Sie es anhand der Befunde an, bevor Sie weitere Bereiche einbeziehen.

Was unterscheidet Data Governance von Datenmanagement?

Governance bestimmt, welche Entscheidungen nötig sind und wer sie treffen darf. Datenmanagement setzt die vereinbarten Regeln in Erfassung, Speicherung, Verarbeitung, Qualität und Nutzung um. Die Aufgaben greifen ineinander. Eine technische Änderung kann eine fachliche Freigabe benötigen; umgekehrt muss eine Governance-Regel durchführbar sein und in den betroffenen Systemen und Arbeitsabläufen berücksichtigt werden.

Wie werden heterogene Datenquellen integriert?

Klären Sie zuerst Bedeutung, Verwendung und benötigte Aktualität der Daten. Beschreiben Sie Zuordnung, Transformationen, Schnittstellen, Zugriff und Fehlerbearbeitung. Wählen Sie ETL, ELT, API- oder ereignisbezogene Verarbeitung passend zu Aufgabe und Umgebung; keine dieser Bezeichnungen garantiert eine bestimmte Aktualität. Prüfen Sie das fachliche Ergebnis zusätzlich zum technischen Lauf, besonders bei unterschiedlichen Schlüsseln, Perioden und Einheiten.

Welche Rollen sind erforderlich?

Wesentliche Aufgaben sind die fachliche Verantwortung für Definition und Nutzung, die operative Bearbeitung von Datenfragen und die technische Verantwortung für Systeme und Datenflüsse. Bezeichnungen wie Data Owner oder Data Steward helfen nur mit klaren Befugnissen und erreichbaren Ansprechpartnern. Eine Person kann mehrere Aufgaben übernehmen; Entscheidung, Bearbeitung und Überprüfung müssen trotzdem nachvollziehbar bleiben.

Wie wird der Erfolg gemessen?

Leiten Sie die Messung aus dem gewählten Geschäftszweck ab. Geeignet sind etwa eine erklärte Abweichung im Bericht, verlässlich bearbeitete Datenfehler oder eine nachweisbar passende Aktualität. Dokumentieren Sie Population, Messzeitpunkt und Ausgangslage. Reine Mengen wie Katalogeinträge oder ernannte Rollen zeigen zunächst Aktivität, nicht automatisch bessere Entscheidungen oder eine erfüllte rechtliche Anforderung.

Wovon hängen Kosten und Dauer ab?

Aufwandstreiber sind Datenbereiche, beteiligte Systeme, vorhandene Definitionen, Datenprobleme, Integrationsaufwand und verfügbare Entscheider. Ein fachliches Zielmodell ist ein anderer Auftrag als technische Umsetzung oder dauerhafte Datenbereinigung. Vereinbaren Sie Ergebnisse, Mitwirkung und Abnahmekriterien. Lizenz- und Betriebskosten werden passend zum gewählten Modell zusätzlich betrachtet; eine feste Laufzeit folgt nicht aus der Beispielvorlage.

Welche Informationen werden vor dem Auftrag benötigt?

Beschreiben Sie den Geschäftszweck, betroffene Nutzer, Quell- und Zielsysteme sowie bekannte Probleme. Benennen Sie Personen, die fachliche Definitionen und das gewünschte Ergebnis beurteilen können. Für eine erste Einordnung reichen Beschreibungen und geeignete Beispiele ohne vertrauliche Originaldaten. Erforderliche Zugriffe und Datenverwendung werden anschließend ausdrücklich abgestimmt.

Was sollte die Abnahme eines Datenflusses prüfen?

Prüfen Sie das vereinbarte fachliche Ergebnis, die technische Verarbeitung und den Umgang mit Fehlern. Dazu können Stichtage, Einheiten, Schlüsselzuordnung, Vollständigkeit und Wiederholung eines Laufs gehören. Definieren Sie erwartete Ergebnisse vorab und dokumentieren Sie Abweichungen. Die Beispielmatrix verbindet solche Fälle mit einer zuständigen Entscheidung und einem überprüfbaren Abschluss.

Was leisten Data Lineage und eine Auswirkungsanalyse?

Data Lineage beschreibt, aus welcher Quelle Daten stammen und über welche Verarbeitungsschritte sie in ein Ergebnis gelangen. Eine Auswirkungsanalyse nutzt diese Beziehungen, um etwa betroffene Berichte vor einer Änderung zu erkennen. Automatische Erfassung kann technische Beziehungen liefern; fachliche Bedeutung, nicht erfasste Übergaben und manuelle Bearbeitung müssen zusätzlich geprüft werden. Ein Katalogeintrag beweist allein weder die Richtigkeit eines Berichts noch die Vollständigkeit seiner Herkunft.

Erfüllt ein Governance-Werkzeug bereits Datenschutz- oder Bankenanforderungen?

Ein Werkzeug kann Zuständigkeiten, Metadaten und Kontrollen unterstützen. Ob eine konkrete Verarbeitung zulässig ist und welche Aufsichtsanforderungen gelten, muss für die Organisation und den Anwendungsfall geprüft werden. Banken und andere regulierte Unternehmen benötigen geeignete Belege für die jeweils geltenden Vorgaben. Ein Katalog oder ein Datenflussdiagramm allein bestätigt keine vollständige regulatorische Erfüllung.