Data Governance: Praxisleitfaden für den Mittelstand

Was ist Data Governance?

Data Governance ist das Regelwerk eines Unternehmens für den Umgang mit Daten: Sie legt fest, wem welche Daten gehören, wer sie pflegen und nutzen darf, welche Qualitäts- und Sicherheitsstandards gelten und wie diese Regeln durchgesetzt werden. Kurz: Data Governance definiert Verantwortlichkeiten, Richtlinien und Prozesse – damit Daten unternehmensweit verlässlich, sicher und nutzbar sind.

Wichtig ist die Abgrenzung nach zwei Seiten. Data Governance ist nicht dasselbe wie Datenschutz: Der Datenschutz regelt den Umgang mit personenbezogenen Daten gegenüber Betroffenen und Behörden; Governance umfasst alle Unternehmensdaten – auch Artikel, Maschinen- und Finanzdaten – und verfolgt neben Compliance vor allem ein wirtschaftliches Ziel: bessere Entscheidungen auf verlässlichen Daten. Und sie ist nicht die Technik selbst – dazu gleich mehr.

Data Governance vs. Datenmanagement: Was ist der Unterschied?

Die kürzeste brauchbare Antwort: Governance entscheidet, Management setzt um. Data Governance definiert die Regeln – wer verantwortet Kundendaten, welche Pflichtfelder gelten, wann wird gelöscht. Das Datenmanagement führt diese Regeln technisch aus: mit führenden Systemen, Schnittstellen und Qualitätssicherung, wie wir es im Beitrag zum Datenmanagementsystem beschrieben haben.

Beide brauchen einander. Regeln ohne technische Umsetzung bleiben Papier; Technik ohne Regeln verbindet nur das Chaos schneller. In der Praxis scheitern Datenprojekte selten an der Technik – sie scheitern daran, dass niemand entschieden hat, wessen Daten „die richtigen" sind. Genau diese Entscheidung ist Governance.

Warum das Thema gerade jetzt auf den Tisch gehört

Drei Entwicklungen machen Data Governance vom Kür- zum Pflichtthema. Erstens KI: Jedes KI-Vorhaben – vom Reporting-Assistenten bis zur Prozessautomatisierung – ist nur so gut wie die Daten darunter, und mit dem EU AI Act kommen für viele Anwendungen ausdrückliche Anforderungen an Daten-Governance und Datenqualität hinzu [1]. Zweitens Nachweispflichten: DSGVO-Auskünfte, Löschkonzepte und Audits setzen voraus, dass man weiß, welche Daten wo liegen und wer sie verantwortet. Drittens Vertrauen ins eigene Reporting: Wenn zwei Abteilungen mit unterschiedlichen Zahlen ins selbe Meeting kommen, fehlt keine BI-Software – es fehlt Governance. Deshalb steht das Thema am Anfang jeder tragfähigen Datenstrategie: Ohne geklärte Verantwortung bleibt jede Strategie ein Foliensatz.

Wo steht Ihr Unternehmen? Wir übersetzen Data Governance in ein Regelwerk, das zu Ihrer Größe passt – ohne Konzern-Bürokratie, mit klaren Rollen und messbarer Datenqualität. Der Einstieg läuft über unsere Leistung Daten bereinigen & strukturieren. Am schnellsten geht es im direkten Gespräch: 30-Minuten-Kennenlernen buchen.

Die Bausteine einer Data Governance

Ein tragfähiges Governance-Rahmenwerk besteht aus fünf Bausteinen – unabhängig davon, ob es in einem Konzern oder einem 80-Personen-Betrieb lebt:

1. Richtlinien und Standards: Was ist ein vollständiger Kundenstammsatz? Welche Namenskonventionen gelten? Welche Daten dürfen exportiert, geteilt, in KI-Werkzeuge gegeben werden? Wenige, durchgesetzte Regeln schlagen ein dickes Handbuch, das niemand liest.
2. Rollen und Verantwortlichkeiten: Ohne benannte Zuständigkeit verfällt jede Regel – dazu unten mehr.
3. Prozesse: Wie entsteht ein neuer Datensatz (Freigabe-Workflow), wie werden Fehler gemeldet und behoben, wann und wie wird gelöscht? Der Lebenszyklus der Daten braucht definierte Wege – von der Anlage bis zur Löschung.
4. Transparenz über den Datenbestand: Ein Verzeichnis, welche Daten in welchen Systemen liegen und was die Begriffe bedeuten. In großen Organisationen heißt das Datenkatalog mit Metadaten und Business-Glossar; im Mittelstand genügt zu Beginn eine gepflegte Übersicht – Hauptsache, sie existiert und wird genutzt.
5. Messbare Datenqualität: Kennzahlen wie Vollständigkeit, Dublettenquote und Konsistenz machen Governance steuerbar – wie das konkret aussieht, zeigt unser Beitrag zum Stammdatenmanagement, der Disziplin mit dem größten Qualitätshebel. Welche Kriterien zählen und mit welchen Maßnahmen Sie die Werte verbessern, beschreibt unser Leitfaden Datenqualität verbessern.

Quer über allen Bausteinen liegen Zugriff und Sicherheit: Berechtigungen nach dem Need-to-know-Prinzip, protokollierte Zugriffe auf sensible Daten und klare Regeln für Dienstleister. Hier berühren sich Governance und Datenschutz – etwa bei Beschäftigtendaten, wie wir es im Beitrag zum Datenschutz in der Personalabteilung beschrieben haben.

Data Owner, Data Steward & Co.: Wer macht was?

Rollen sind das Herz jeder Data Governance – und der Punkt, an dem Konzern-Frameworks den Mittelstand überfordern. Es geht schlanker:

Zwei Dinge entscheiden über Erfolg oder Scheitern dieser Rollen. Erstens: Ownership gehört in den Fachbereich, nicht in die IT. Die IT betreibt Systeme – aber ob „Müller GmbH" und „Mueller GmbH & Co. KG" derselbe Kunde sind, kann nur der Vertrieb entscheiden. Zweitens: Die Rollen müssen im Alltag vorkommen. Ein Data Steward, der nie Zeit für Datenpflege bekommt, ist ein Eintrag im Organigramm, keine Governance. Kultur entsteht nicht durch Schulungsfolien, sondern dadurch, dass saubere Daten sichtbar Arbeit ersparen.

Leichtgewichtig starten: Data Governance in 90 Tagen

Der häufigste Fehler ist der Versuch, mit dem vollständigen Framework zu starten – Gremien, Handbücher, Toolauswahl. Der Weg, der in unseren Projekten trägt, ist kleiner und schneller:

Wochen 1–4 – eine Domäne, ein Bild: Die wichtigste Datenart wählen (fast immer Kundenstammdaten), Qualität messen (Vollständigkeit, Dubletten, Konsistenz zwischen den Systemen), Pflegewege dokumentieren. Wochen 5–8 – Regeln und Rollen: Data Owner und Steward benennen, fünf bis zehn Kernregeln festlegen (Pflichtfelder, Namenskonventionen, Freigabe von Neuanlagen, Löschfristen), die Regeln direkt in die Systeme bringen – als Pflichtfelder und Workflows, nicht als PDF. Wochen 9–12 – bereinigen und verankern: Bestand einmal sauber ziehen, Kennzahlen erneut messen, Ergebnis der Geschäftsführung zeigen. Der sichtbare Vorher-nachher-Effekt ist das beste Argument, die nächste Domäne anzugehen.

Dieses Vorgehen ersetzt kein mehrjähriges Governance-Programm eines Konzerns – aber es bringt einem mittelständischen Unternehmen in einem Quartal mehr verlässliche Daten als jedes Rahmenwerk, das an seiner eigenen Größe scheitert.

Braucht Data Governance eigene Tools?

Am Anfang: nein. Die ersten 90 Tage brauchen Entscheidungen, keine Software – die Regeln leben in den vorhandenen Systemen (Pflichtfelder, Berechtigungen, Workflows) und die Übersicht in einem gepflegten Dokument. Dedizierte Werkzeuge – Datenkataloge, Lineage-Tools, Qualitäts-Monitoring – lohnen sich, wenn die Systemlandschaft wächst oder Nachweispflichten zunehmen; dann automatisieren sie, was vorher manuell definiert wurde. Die Reihenfolge ist dieselbe wie überall im Datenmanagement: erst Regeln und Zuständigkeiten, dann Automatisierung.

Häufige Fragen zur Data Governance

Was ist Data Governance in einem Satz? Data Governance ist das unternehmensweite Regelwerk, das festlegt, wer für welche Daten verantwortlich ist, welche Standards gelten und wie deren Einhaltung sichergestellt wird.

Was ist der Unterschied zwischen Data Governance und Data Management? Governance definiert Regeln, Rollen und Standards („Was muss gelten?"); Datenmanagement setzt sie technisch und organisatorisch um („Wie wird es ausgeführt?"). Governance ohne Management bleibt Papier, Management ohne Governance automatisiert das Chaos. Für die Qualität der Daten übernimmt diese Umsetzung das Datenqualitätsmanagement.

Ist Data Governance gesetzlich vorgeschrieben? Nicht als eigenes Gesetz. Aber DSGVO-Pflichten (Verarbeitungsverzeichnis, Löschkonzepte, Auskunftsrechte) und zunehmend der EU AI Act setzen faktisch voraus, was gute Governance ohnehin leistet: zu wissen, welche Daten es gibt, wer sie verantwortet und wie ihre Qualität gesichert wird.

Welche Rollen gehören zu einer Data Governance? Im Kern drei: Data Owner (entscheidet je Datendomäne), Data Steward (pflegt und prüft im Alltag) und eine koordinierende Instanz. Im Mittelstand sind das benannte Teile bestehender Stellen, keine neuen Positionen.

Fazit

Data Governance ist kein Bürokratieprojekt, sondern die Antwort auf eine einfache Frage: Wem gehören unsere Daten – und wer sorgt dafür, dass sie stimmen? Wer diese Frage je Datendomäne beantwortet, wenige Regeln in die Systeme bringt und die Qualität misst, hat den Kern längst umgesetzt – ganz ohne Rahmenwerk-Poster. Der Rest ist Ausbau: mehr Domänen, mehr Automatisierung, bei Bedarf Werkzeuge. Und weil KI-Vorhaben, Nachweispflichten und das eigene Reporting alle auf derselben Grundlage stehen, ist der beste Zeitpunkt für den Anfang selten „später".

References

1. (EU AI Act – Verordnung (EU) 2024/1689, Art. 10 „Daten und Daten-Governance")
2. (Wikipedia – Data Governance)