Master Data Management: Grundprinzipien des Stammdatenmanagements

MDM wird schwierig, wenn die Systeme eines Unternehmens zu einem Netzwerk ohne logische Struktur zusammengewachsen sind. Derselbe Kunde oder Artikel liegt an mehreren Stellen, eine Abteilung hält ihre Kopie aktuell, eine andere nicht, und nach einer Weile weiß niemand mehr, welcher Version man glauben soll. Einkauf, Vertrieb und Reporting lassen sich nicht auf Informationen betreiben, denen Sie nicht vertrauen. Deshalb zeigt sich das Problem an vielen Stellen zugleich: Eine Rechnung geht an eine alte Adresse, der Bestand passt nicht zur Artikelkarte, und zwei Abteilungen berechnen dieselbe Kennzahl unterschiedlich. Dieser Leitfaden erklärt, was MDM ist, stellt vier Prinzipien vor, die die tägliche Arbeit überschaubarer machen, beschreibt die vier Säulen eines MDM-Programms und zeigt, wie sich MDM von PIM unterscheidet. Nur zur Abkürzung selbst lesen Sie, wofür MDM steht.

Was ist Master Data Management (MDM)?

Master Data Management (MDM), auf Deutsch Stammdatenmanagement, ist die Disziplin, samt den Werkzeugen dafür, die kritischen Datensätze einer Organisation einmal verbindlich festzulegen und sie so zu halten. Es verbindet Menschen, Prozesse und Technologie, um eine maßgebliche Quelle zu schaffen und zu pflegen, oft Golden Record genannt, für Daten wie Kunden, Produkte, Lieferanten und Standorte. In der Praxis heißt das: eine abgestimmte Version jedes Kunden, Produkts oder Lieferanten, auf die jedes andere System verweisen kann, statt dass jedes System seine eigene Kopie führt und korrigiert. Ziel sind Konsistenz, Genauigkeit und Zugänglichkeit über alle Systeme hinweg.

Formeller ausgedrückt ist Master Data Management die Gesamtheit der Prozesse, mit denen diese Daten erfasst, zusammengeführt, abgeglichen, konsolidiert, qualitätsgesichert, gespeichert und verteilt werden, damit die Organisation ein gemeinsames Verständnis davon hat und die Integration jedes System auf eine Referenz ausrichten kann. Jeder dieser Schritte löst ein anderes Problem: Der Abgleich findet die Datensätze, die dasselbe beschreiben, die Konsolidierung entscheidet, welche Werte bestehen bleiben, und die Verteilung sorgt dafür, dass das Ergebnis die Systeme erreicht, die es brauchen. Der gepflegte Bestand kann Referenzdaten (die zulässigen Werte, etwa Ländercodes oder Maßeinheiten) und die analytischen Daten für Entscheidungen umfassen.

Ein MDM-Tool unterstützt diese Arbeit. Es entfernt Dubletten, standardisiert Werte in der Massenpflege und blockiert fehlerhafte Daten über Regeln, sodass das Ergebnis als maßgebliche Quelle gelten kann. Meist sitzt es als Middleware-Schicht zwischen den Systemen, die Daten erzeugen, und den Systemen, die sie nutzen. Was korrekt ist, entscheidet das Tool allerdings nicht. Menschen vereinbaren die Regeln und die Abgleichkriterien, und das Tool wendet sie konsequent auf jeden Datensatz an, der es durchläuft.

ERP

Name

Zinkschrauben 20 * 30

Gewicht

0,012 kg

Lieferant

SUP-1047

Tabelle

Name

Zinkschraube 20x30

Gewicht

12 g

Lieferant

Lieferant 1047

Lieferantenportal

Name

Schraube, Zink, 20*30

Gewicht

12 gr

Lieferant

1047

Abgleichen und zusammenführen

★Golden Record Beispiel

Name

Zinkschrauben 20 * 30Eine Erfassungsstelle

Gewicht

12 gEine vereinbarte Einheit

Lieferant

Lieferant 1047Verknüpfter Datensatz

Jedes System liest daraus

• ERP & Finanzen
• CRM & Vertrieb
• PIM & Onlineshop
• WMS & Logistik
• BI & Reporting

Warum Datensätze auseinanderlaufen

MDM gibt es, weil kritische Datensätze mit der Zeit auseinanderlaufen. Produkt-, Anlagen-, Kunden- und Standortdaten, die am Tag einer Migration übereinstimmten, tun es ein Jahr später nicht mehr, weil jedes System von anderen Menschen für andere Zwecke gepflegt wird. Unternehmen, die grenzüberschreitend arbeiten, betreiben viele Anwendungen, darunter ERP, CRM und PDM, und nach einigen Übernahmen oft mehrere von jeder Art. Daten, die eine Abteilungsgrenze überschreiten, werden ins nächste System kopiert und dann liegen gelassen, sodass eine einfache Kennzahl wie der Umsatz je Kunde zum Streit darüber wird, wessen Auszug aktuell ist.

Die übliche Ursache ist Segmentierung. Derselbe Kunde wird von mehreren Geschäftsbereichen und Produktlinien betreut, und jeder davon erfasst den Kunden (die Partei in der Kundenrolle) und das Konto erneut. Ein Großhändler, der an denselben Installateur über seinen Onlineshop, seine Filialtheke und ein Key-Account-Team verkauft, hat schnell drei Kundendatensätze, jeweils mit leicht abweichendem Namen, eigener Adresse und eigenen Zahlungsbedingungen. Die Kopien vervielfachen sich vom Front Office bis ins Back Office, genau dort, wo eine maßgebliche Quelle gebraucht wurde.

Konsistente Stammdaten zahlen sich bei Entscheidungen, im Betrieb und bei der Compliance aus. Reporting und Analysen werden besser, weil sie eine verlässliche Quelle lesen statt eines zusammengeführten Exports, den jemand von Hand korrigiert hat. Abläufe werden einfacher, weil Prozesse keine Kopien mehr abgleichen müssen, etwa wenn ein Auftrag gesperrt wird, weil die USt-IdNr. des Kunden im CRM und im ERP voneinander abweicht. Regulatorische Compliance beruht auf korrekten, gesteuerten Daten, und ein Prüfer akzeptiert diese Daten nur, wenn Sie zeigen können, woher jeder Wert stammt und wer ihn geändert hat.

Was sind Stammdaten (und was nicht)?

Stammdaten sind die Geschäftsobjekte, die die abgestimmten und in der Organisation geteilten Informationen enthalten. Sie geben Transaktionen ihren Kontext: wer, was, wann und wie, dazu die Kategorien, Gruppen und Hierarchien, mit denen Sie diese Transaktionen auswerten. Typische Inhalte sind Kunden-, Produkt-, Mitarbeiter-, Material- und Lieferantendatensätze, und auch relativ statische Referenzdaten können dazugehören. Eine Auftragszeile allein sagt wenig. Aussagekräftig wird sie erst, wenn sie auf einen Kunden mit Segment, ein Produkt mit Kategorie und einen Standort mit Region verweist.

Organisationen behandeln Stammdaten in der Regel als nicht-transaktional, aber die Grenze ist unscharf. In seltenen Fällen existieren die Informationen nur in Aufträgen und Belegen, ohne separaten Speicher, und die Organisation behandelt die transaktionale Kopie als Stammdaten. Als Behelf kann das funktionieren. Es bedeutet aber, dass jede Korrektur in historischen Belegen erfolgen muss und jeder Bericht den Wert aus Transaktionen herausholen muss. Deshalb sollte es die Ausnahme bleiben.

Vier weitere Begriffe tauchen in denselben Gesprächen auf, und wer sie verwechselt, macht den Umfang eines MDM-Programms unklar. Jeder beschreibt eine andere Art von Daten, mit eigenen Verantwortlichen und eigenem Volumen:

• Transaktionsdaten beschreiben Geschäftsereignisse wie Aufträge, Rechnungen und Lieferungen. Sie bilden das größte Datenvolumen im Unternehmen und liegen in CRM, ERP, SCM und ähnlichen Systemen.
• Protokolldaten erfassen Ereignisse oder Momentaufnahmen eines Prozesszustands: Sensordaten, Maschinendaten, Daten zu Zustandsänderungen. Betrieb und vorbeugende Wartung hängen davon ab.
• Metadaten sind Daten, die andere Daten beschreiben, etwa wer einen Datensatz wann angelegt hat. Stammdaten, Referenzdaten und Protokolldaten haben jeweils eigene Metadaten.
• Big Data mischt nach der Definition von Doug Laney von Gartner (Volumen, Vielfalt und Geschwindigkeit) Protokolldaten, Transaktionsdaten, Referenzdaten und Stammdaten. Es ist keine eigene Art von Geschäftsobjekt.

Die Unterscheidung zählt, wenn Sie den Umfang der Arbeit festlegen. Stammdaten sind der Teil, den Sie Datensatz für Datensatz steuern, weil eine falsche Bankverbindung eines Lieferanten oder ein falsches Artikelgewicht in jedem Prozess Schaden anrichtet, der sie nutzt. Transaktions- und Protokolldaten werden vor allem über die Prozesse gesteuert, die sie erzeugen, und Metadaten machen das Ganze nachvollziehbar.

Produktstammdaten

Produktstammdaten, auch Artikelstammdaten oder im ERP Materialstamm genannt, sind die Produktdomäne des MDM. Sie enthalten, was jedes System braucht, um einen Artikel einzukaufen, zu lagern, zu verkaufen und zu versenden: Identifikatoren, Beschreibungen, Einheiten, Maße, Gewichte, Klassifikationen und Lieferantenverknüpfungen.

Was als Stammdaten zählt, hängt vom Prozess ab. Ein Logistikprozess läuft mit Volumen, Maßen und Gewicht: Die Maße bestimmen, wie viel Lagerplatz ein Artikel belegt, und das Gewicht bestimmt, wie er verpackt und gehandhabt wird. Diese Eigenschaften erfassen Sie einmal je Artikel, oft zusammen mit Farbe, Barcode und Verpackung, und stellen sie im WMS oder ERP bereit, damit niemand denselben Karton im Wareneingang, im Lager und im Versand erneut vermisst. Die Buchhaltung braucht andere Objekte, etwa Einstandspreise und Sachkonten, und ein klinischer Prozess wieder andere. Benennen Sie die kritischen Felder für Ihren Prozess, bevor Sie einen Datensatz als „Stammdaten“ bezeichnen.

Die verkaufsfertige Version des Produkts ist etwas anderes. Marketingtexte, Kanalattribute, Übersetzungen und Bilder gehören in ein PIM, das den Stammdatensatz liest und anreichert. Eine typische Aufteilung: Das ERP hält Artikelnummer, Gewicht und Einkaufseinheit, das PIM den Produktnamen für den Onlineshop, die Verkaufsargumente, die Übersetzungen und die Verknüpfung zum Hauptbild. ERP-Migrationen sind oft der Moment, in dem Produktstammdaten bereinigt werden; dieser Beitrag zu S/4HANA-Programmen erklärt, warum diese Arbeit nicht beim ERP aufhören sollte.

Die vier Prinzipien des Master Data Managements

Die Säulen weiter unten in diesem Leitfaden beschreiben ein vollständiges Programm. Die vier Prinzipien hier sind kleiner und praktischer: Sie sind das, was ein Datenmanager oder ein Key User jede Woche prüft. Sie gelten unabhängig davon, welches System den Stammdatensatz führt, ob ein ERP, ein eigener MDM-Hub oder, für die Produktdomäne, ein PIM.

Prinzip 1: Klare Herkunft

Dasselbe Datenfeld muss oft an mehreren Stellen im Informationsnetzwerk gleichzeitig existieren. Das Gewicht eines Artikels steht vielleicht im ERP, im WMS, im Onlineshop und im Versandsystem eines Spediteurs. Ändert es sich an einer Stelle, müssen die anderen folgen, sonst laufen sie auseinander, und jedes System gibt eine andere Antwort.

Halten Sie die Zahl der Kopien so klein wie möglich. Löschen können Sie ein Feld nicht immer, weil Anwendungen einen Wert von einer festen Stelle lesen und die meisten Felder nur für eine einzige Anwendung existieren. Eine Kopie ist deshalb manchmal der Preis dafür, dass diese Anwendung weiterläuft. Was Sie tun können: jede Kopie sichtbar machen und ihr eine bekannte Quelle geben.

Gutes MDM beginnt damit, diese Landkarte zu zeichnen: Welche Systeme und Dateien halten welche Felder? Legen Sie dann das Routing fest, also welches Feld in welchem System oder in welcher Datei zuerst befüllt wird und welche Felder daraus folgen. Am besten läuft das Routing automatisch über eine Integration, sodass niemand Werte von Hand kopiert. Prüfen Sie, ob das zentrale System die Daten halten kann, die die anderen Anwendungen nutzen, damit die Pflege an einer Stelle stattfindet. Ist das schwierig, markieren Sie die Felder, die aus der ersten Datei stammen, wenn sie in der nächsten Anwendung auftauchen, damit Nutzer wissen, dass sie sie dort nicht bearbeiten sollen. Graue Bereiche auf der Landkarte bedeuten meist, dass die Daten aus einem anderen System gekommen sind, und genau dort sollten Sie zuerst hinschauen. Das ist das Architekturprinzip hinter MDM: ein Eingabeort je Feld, und jedes andere System liest entweder daraus oder ist klar als Kopie gekennzeichnet.

Steht das Routing, benennen Sie, wer die Felder befüllt. Das ist meist ein Key User, der weiß, wie sich die Felder in seiner Domäne verhalten: Ein Key User im Einkauf weiß, welche Lieferantenfelder befüllt sein müssen, bevor eine Bestellung rausgehen kann, und ein Key User in der Logistik weiß, was schiefgeht, wenn eine Palettenhöhe fehlt. Excel ist ein praktisches Hilfsmittel für diese Prüfung. Ein Export der Schlüsselfelder und der davon abhängigen Felder zeigt schnell, welche Datensätze unvollständig sind und welche Werte falsch aussehen.

Prinzip 2: Eindeutigkeit

Beschreibungen und Codes müssen konsistent sein. Eine Suche nach einem Wort funktioniert nur, wenn das Wort immer gleich geschrieben wird: „Zinkschrauben 20 * 30“, nicht zusätzlich „Eisenschraube 40“. Dasselbe gilt für Codes und Einheiten. Gibt ein Einkäufer eine Länge in Millimetern ein und ein anderer in Zentimetern, oder schreibt einer „verz.“ und ein anderer „verzinkt“, dann teilen Filter und Berichte eine Produktgruppe in mehrere auf, und ein Kunde, der im Onlineshop sucht, findet nur einen Teil des Sortiments.

Bei Integrationen und Migrationen geht das kaputt, weil zwei Namenskonventionen aufeinandertreffen und niemand beauftragt ist, sie zusammenzuführen. Bringen Sie es sofort wieder in Ordnung, solange die Menschen, die beide Konventionen kennen, noch beteiligt sind. Jeder Monat, in dem die Mischung bestehen bleibt, bringt neue Datensätze in beiden Stilen hinzu, und die Bereinigung wächst mit. Ein kurzer Benennungsleitfaden je Produktgruppe, mit den vereinbarten Abkürzungen und Einheiten, verhindert den größten Teil des Problems.

Prinzip 3: Vollständigkeit

Jedes Feld, das befüllt sein sollte, ist befüllt. Das klingt selbstverständlich, aber in den meisten Artikeldateien bleiben die Lücken unsichtbar, bis etwas schiefgeht: Ein Auftrag kann nicht versendet werden, weil das Gewicht leer ist, oder ein Produkt fehlt in einem Filter des Onlineshops, weil ein Attribut nie erfasst wurde. Welche Felder Pflicht sind, hängt vom Datensatztyp und vom Prozess ab. Definieren Sie Vollständigkeit deshalb je Produktgruppe oder Kundentyp. Eine einzige Pflichtfeldliste für die ganze Datei ist entweder zu streng für einfache Artikel oder zu locker für komplexe. Machen Sie dann deutlich und schnell sichtbar, wo Daten noch ergänzt oder korrigiert werden müssen, etwa mit einem Vollständigkeitswert je Datensatz oder einer wöchentlichen Ausnahmeliste für den zuständigen Key User.

Prinzip 4: Regelmäßige Pflege

Stammdaten veralten. Lieferanten ändern ihre Verpackung, Kunden ziehen um, Artikel werden durch Nachfolger ersetzt, und ein Datensatz, der letztes Jahr korrekt war, wird still und leise falsch. Deshalb braucht die Pflege einen festen Rhythmus statt eines Bereinigungsprojekts alle paar Jahre. Richten Sie eine Arbeitsgruppe ein, die jede Woche die Pflege übernimmt, geleitet von einem Logistikleiter oder einem Finanzverantwortlichen, denn das sind die Menschen, die die Folgen schlechter Daten zuerst spüren. Der Datenmanager erhält oder vergibt die Arbeit über diese Gruppe. So bleiben die Prioritäten klar, und das Datenteam korrigiert keine Datensätze, nach denen niemand gefragt hat.

Die vier Säulen einer MDM-Strategie

Die Prinzipien beschreiben die tägliche Arbeit. Eine MDM-Strategie, also das Programm, das sie dauerhaft sichert, ruht auf vier Säulen: Data Governance, Datenqualitätsmanagement, Datenintegration und Lebenszyklusmanagement für Stammdaten. Jede Säule kostet mehr Zeit und Personal, als Teams erwarten. Bewerten Sie deshalb Ihre aktuellen Systeme und Daten, bevor Sie sich festlegen. Diese Bewertung zeigt auch, wo Sie anfangen sollten, denn die meisten Organisationen sind bei einer Säule deutlich weiter als bei den anderen.

Säule 1: Data Governance

Governance ist die Struktur, mit der das Datenmanagement beaufsichtigt wird: Wem gehören welche Daten, welche Regeln gelten, und wie wird die Compliance eingehalten? Sie ist am wichtigsten bei mehreren Datendomänen und komplexer Regulierung, und Organisationen überschätzen oft, wie bereit sie dafür sind.

Governance beginnt mit Verantwortung. Ernennen Sie Data Stewards aus den Geschäftsbereichen statt nur aus der IT, weil sie die Feinheiten ihrer eigenen Domäne kennen: Das Marketing kann für die Genauigkeit der Kundendaten verantwortlich sein, die Finanzabteilung für die Integrität der Transaktionsdaten und der Einkauf für die Lieferantendatensätze. Stewards, die sich regelmäßig treffen, um die Ergebnisse von Audits zu besprechen, machen aus Befunden Korrekturen. Ein Steward, der benannt ist, aber nie mitwirkt, bewirkt wenig.

Verantwortung braucht schriftliche Richtlinien und Standards, an denen sie sich ausrichtet. Dokumentieren Sie, wie Daten erhoben, gespeichert, abgerufen und geteilt werden, legen Sie Kennzahlen zur Datenqualität fest, um zu prüfen, ob die Richtlinien eingehalten werden, und stimmen Sie Zugriffsrechte auf Ihre Sicherheitsprotokolle ab. Wer zum Beispiel die Bankverbindung eines Lieferanten ändern darf, sollte eine kleine, bekannte Gruppe sein.

Compliance ist der dritte Teil. Wissen Sie, wie sich Vorschriften wie DSGVO oder CCPA auf den Umgang mit Stammdaten auswirken, etwa wie lange Sie den Datensatz eines ehemaligen Kunden aufbewahren dürfen, und auditieren Sie regelmäßig anhand von Checklisten für Ihre Branche. Bauen Sie Compliance vom ersten Tag an in das Rahmenwerk ein, denn sie später zu ergänzen bedeutet, jeden bereits eingerichteten Prozess erneut anzufassen.

Mehr dazu, warum das wichtig ist, in die 5 wichtigsten Gründe für Data Governance.

Säule 2: Datenqualitätsmanagement

Datenqualitätsmanagement hält Stammdaten über alle Domänen hinweg korrekt, konsistent und verlässlich. Organisationen unterschätzen oft die Zeit und das Fachwissen, die Validierung und Bereinigung erfordern.

Die tägliche Arbeit besteht aus Validierung und Bereinigung: automatisiertes Profiling, um Muster und Ausreißer zu finden, Dublettenbereinigung und Anreicherung unvollständiger Datensätze. Ein E-Commerce-Unternehmen kann eingehende Kundendaten mit bestehenden Datensätzen abgleichen, um Dubletten und unvollständige Einträge zu erkennen, bevor ein zweites Konto entsteht. Eingebaute Validierung stoppt fehlerhafte Einträge, bevor sie die Datenbank erreichen, und das kostet weit weniger, als sie Monate später in einem Bericht zu finden. KI wird zunehmend für Mustererkennung und Anomalieerkennung eingesetzt, etwa um ein Artikelgewicht zu markieren, das weit von vergleichbaren Artikeln abweicht.

Um zu wissen, ob sich die Qualität verbessert, brauchen Sie Kennzahlen. Genauigkeit ist der Anteil korrekter Einträge im Vergleich zu einer vertrauenswürdigen Quelle. Vollständigkeit ist der Anteil befüllter Pflichtfelder. Konsistenz zeigt, wie weit Daten über Systeme hinweg übereinstimmen. Überprüfen Sie die Kennzahlen nach festem Plan, denn das Geschäft verändert sich: Ein Feld, das letztes Jahr optional war, kann dieses Jahr durch einen neuen Marktplatz oder eine neue Vorschrift Pflicht sein.

Qualität braucht auch einen Rückweg. Über Feedbackschleifen können Endnutzer Abweichungen zurück ins System melden, sodass ein Außendienstmitarbeiter, der eine falsche Adresse sieht, oder ein Lagermitarbeiter, der eine andere Kartongröße misst, das dort markieren kann, wo der Steward es sieht. Neue Tools allein beheben keine unklaren Prozesse und keine fehlende Schulung, planen Sie also Zeit für beides ein.

Siehe auch was Datenqualität ist.

Säule 3: Datenintegration

Integration schafft eine einheitliche Sicht auf die Daten über alle Systeme hinweg. Sie wird komplex, wenn Altsysteme beteiligt sind, und wer sie unterschätzt, bekommt längere Projektlaufzeiten und Budgetüberschreitungen.

Die meisten Programme beginnen mit Konsolidierung. ETL-Prozesse (Extract, Transform, Load) führen getrennte Quellen zusammen, etwa Verkaufsdaten aus mehreren Kassensystemen in eine zentrale Datenbank, und meist werden hier die Dubletten und widersprüchlichen Werte zum ersten Mal sichtbar. Konsolidierung im Batch reicht nicht, wenn Prozesse von aktuellen Daten abhängen. Tools wie Apache Kafka oder MuleSoft halten Plattformen in Echtzeit im Gleichschritt, sodass eine Transaktion sofort im CRM erscheint und eine geänderte Kundenadresse das ERP erreicht, bevor die nächste Rechnung rausgeht.

Altsysteme sind der schwierigste Teil. Veraltete Technologie und unterschiedliche Datenformate brauchen passende Middleware und einen Plan für das Datenmapping, der festlegt, welches Feld im alten System welchem Feld im neuen entspricht und wie Werte unterwegs umgewandelt werden. Ohne beides bleiben Integrationen unvollständig, und die Stammdaten verlieren ihre Integrität, weil manche Systeme weiterhin alte oder unvollständige Werte erhalten.

Automatisierte Tools brauchen trotzdem menschliche Aufsicht, und Integration braucht klare Kommunikation zwischen IT und Fachbereichen. Die IT kann die Verbindung bauen, aber nur der Fachbereich kann sagen, welcher von zwei widersprüchlichen Werten korrekt ist.

Säule 4: Lebenszyklusmanagement für Stammdaten

Stammdaten durchlaufen Anlage, Pflege und Stilllegung. Ein Finanzinstitut legt bei der Kontoeröffnung ein Kundenprofil an, aktualisiert es mit der Transaktionshistorie und archiviert oder löscht die Profile inaktiver Kunden. Wird eine Phase übersprungen, füllt sich der Datenbestand mit veralteten oder falschen Datensätzen: Profile von Kunden, die längst weg sind, oder Artikel, die nicht mehr verkauft werden, aber weiterhin in Suchen und Berichten auftauchen.

Metadaten halten Herkunft, Struktur und Verwendung jedes Datensatzes fest, sodass Sie nachvollziehen können, wie er sich verändert; Teams, die sie in ihrer MDM-Architektur weglassen, verlieren diese Transparenz. Validieren Sie in jeder Phase, nicht nur bei der Anlage. Ein Händler kann seine Produktinformationen jedes Quartal prüfen, um veraltete Angaben zu finden, etwa einen Verweis auf einen Nachfolger, der selbst schon ausgelaufen ist, oder eine Verpackungsänderung, die der Lieferant nie gemeldet hat.

So starten Sie ein MDM-Programm

Eine einmalige Bereinigung lässt die Daten für ein paar Monate gut aussehen, danach bringen die alten Gewohnheiten die Probleme zurück. MDM funktioniert als dauerhafte Aufgabe, mit einem Sponsor im Topmanagement, der Streitigkeiten zwischen Abteilungen entscheiden kann, Information Stewards in der IT oder im Büro des CDO, die sich um Systeme und Regeln kümmern, und Data Stewards in den Fachbereichen, die für die Inhalte verantwortlich sind. Die folgenden Schritte geben eine praktische Reihenfolge für den Start.

1. Die Herkunft jedes Felds kartieren

   Zeichnen Sie die Systeme und Dateien, die Ihre kritischen Datensätze enthalten, und markieren Sie, welches davon jedes Feld zuerst befüllt. Nehmen Sie die Tabellen und lokalen Datenbanken mit auf, denn sie enthalten oft die Felder, die sonst niemand pflegt.

2. Verantwortliche und Stewards benennen

   Ernennen Sie den Sponsor und die Stewards, und benennen Sie den Key User, der jedes Feld befüllt. Sorgen Sie dafür, dass jeder von ihnen Zeit für diese Rolle eingeplant hat.

3. Standards und Qualitätskennzahlen festlegen

   Vereinbaren Sie Beschreibungen, Codes und Pflichtfelder, und messen Sie dann Genauigkeit, Vollständigkeit und Konsistenz, damit Sie eine Ausgangsbasis haben, an der Sie den Fortschritt messen.

4. Mit neuen Quellen und Anwendungen beginnen

   Sie müssen nicht zuerst jedes Altsystem reparieren. Wenden Sie MDM auf neue Quellen und Anwendungen an und weiten Sie es dann auf die bereits vorhandenen Datensätze aus.

5. Pflegen und auditieren

   Pflegen Sie jede Woche und auditieren Sie regelmäßig auf Vollständigkeit, Genauigkeit, Relevanz und Aktualität.

Das Tool kommt nach dieser Grundlagenarbeit. Wie Sie die richtige MDM-Lösung auswählen beschreibt die Auswahl ausgehend von den Geschäftsanforderungen.

PIM vs. MDM

Viele verwenden PIM und MDM als Namen für dasselbe System, auch weil Anbieter in beiden Kategorien Produktdaten verarbeiten. Beim Produkt überschneiden sie sich, aber die Aufgabe ist eine andere. MDM hält die kritischen Datensätze der Organisation intern und über Domänen wie Kunde, Lieferant und Produkt hinweg konsistent. PIM bringt Produktinformationen zu den Kunden, und zwar auf jedem Kanal in derselben Form.

MDM, PIM, ERP und DAM: wofür jedes System zuständig ist

System	Wofür es zuständig ist	Wer damit arbeitet	Die Frage, die es beantwortet
MDMMaster Data ManagementSie sind hier	Golden Records über Domänen hinweg: Kunden, Lieferanten, Standorte und Produkte, abgeglichen und gesteuert.	Data Governance, Data Stewards und IT.	Welche Version dieses Datensatzes ist die richtige, in jedem System?
PIMProduct Information ManagementLeitfaden zu PIM	Verkaufsfähige Produktinhalte: Attribute, Beschreibungen, Asset-Verknüpfungen, Übersetzungen und Kanalversionen.	E-Commerce, Marketing, Category Management und Produktcontent-Teams.	Ist dieses Produkt vollständig und bereit für den Verkauf in diesem Kanal?
ERPEnterprise Resource PlanningLeitfaden zu ERP	Transaktionen und Betrieb: Aufträge, Bestand, Einkauf, Preise und Finanzen.	Finanzen, Supply Chain, Einkauf und Vertriebsinnendienst.	Was haben wir eingekauft, hergestellt, verkauft, versandt und fakturiert?
DAMDigital Asset ManagementLeitfaden zu DAM	Dateien und Medien: Bilder, Videos, Dokumente, Varianten und Nutzungsrechte.	Marken-, Kreativ- und Marketingteams.	Wo liegt die freigegebene Datei, und wo dürfen wir sie verwenden?

Was MDM leistet

MDM umfasst die kritischen Datensätze einer Organisation über alle Domänen: Kunden-, Produkt-, Lieferanten-, Mitarbeiter-, Standort- und Finanzdaten. Die Nutzer sind intern: IT, Data-Governance-Teams und Geschäftsbereiche, die ein gemeinsames operatives Bild brauchen. Ein großer Teil des Nutzens liegt in den Verbindungen zwischen den Datenarten. Verknüpfen Sie Kunden- und Produktdaten, sehen Sie Verhalten, Vorlieben und Kaufmuster statt zweier widersprüchlicher Listen. MDM investiert seinen Aufwand in diese Verbindungen und in Hierarchien, etwa welche Tochtergesellschaften zu welcher Muttergesellschaft gehören.

Was PIM leistet

Product Information Management bleibt in der Produktdomäne und ist nach außen gerichtet. Die Aufgabe ist, Produktinformationen auf jedem Kanal konsistent an die Kunden zu vermitteln: im Onlineshop, auf Marktplätzen wie Amazon oder eBay und im Print. Die Nutzer sind Marketing-, Vertriebs- und Commerce-Teams.

Für das Marketing gehören Fotos und Videos dazu, oft aus einem DAM (Digital Asset Management) neben dem PIM. Varianten sind ein Kernthema: In der Mode wird ein Produkt (eine Beschreibung, ein Preis) in mehreren Farben und Größen verkauft. Beziehungen sind das andere: Alternativen, Zubehör und Ersatzteile. Ein PIM kann außerdem Kategorievorlagen erzeugen, die Branchenklassifikationen einer zentralen Stelle wie GS1 folgen, sodass ein Produkt in der Struktur geliefert wird, die ein Händler oder ein Datenpool erwartet.

Die Unterschiede, auf die es ankommt

Die beiden Systeme unterscheiden sich in mehr Punkten als nur der Richtung, in die sie blicken. Die folgende Liste dient als Checkliste, wenn ein Anbieter oder ein Kollege sie gleichsetzt:

• Umfang. MDM umfasst Stammdaten über alle Domänen: Kunde, Lieferant, Produkt, Mitarbeiter, Standort, Finanzen. PIM umfasst Produktinformationen: Attribute, Beschreibungen, Spezifikationen, Bilder, Preise.
• Richtung. MDM blickt auf interne Quellen und ihre Beziehungen zueinander. PIM blickt auf externe Kanäle und Kataloge.
• Ziel. MDM sichert eine Single Source of Truth für die kritischen Datensätze der Organisation. PIM sichert eine verlässliche Version des Produkts für den Kunden.
• Datenmodell. MDM hat meist ein strengeres Modell, gebaut für Konsistenz über Entitäten hinweg. PIM hat meist ein flexibles Entity-Attribute-Value-Modell (EAV), gebaut für viele Produkttypen und wechselnde Attribute.
• Governance. MDM bringt Qualitätsmanagement, Standards, Stewardship und Richtlinien für die gesamte Organisation. PIM bringt Governance-Funktionen, die Produktattributen und deren Ausspielung dienen.
• Nutzer. MDM: IT, Data-Governance-Teams, Geschäftsbereiche. PIM: Marketing, Vertrieb, E-Commerce.
• Zeit bis zum Go-live. MDM dauert oft länger, wegen der Arbeit an Bereinigung und Governance. PIM geht meist schneller, je nach Katalogumfang und Integrationen.

Das Datenmodell ist ein echter Zielkonflikt. EAV ermöglicht es einem PIM, ein breites Spektrum an Produkttypen mit häufig wechselnden Attributen abzubilden, was zu E-Commerce mit vielfältigen Katalogen passt: Ein Händler, der eine Produktkategorie mit eigenen Attributen ergänzt, kann das meist per Konfiguration tun. Das strengere Modell des MDM schränkt diese Flexibilität ein, und dieselbe Änderung braucht dort womöglich eine Änderung am Datenmodell und einen Testzyklus. Im Gegenzug schützt es die Datenintegrität über Entitäten hinweg.

Was Sie brauchen

Der einfachste Test ist der Blick auf das Problem, das Sie lösen wollen. Widersprechen sich interne Datensätze, sodass Finanzen, Einkauf und Vertrieb jeweils mit einer anderen Version des Kunden oder Lieferanten arbeiten, ist das ein MDM-Problem. Ist die Produktdarstellung auf den Kanälen unvollständig, uneinheitlich oder wird sie nur langsam aktualisiert, ist das ein PIM-Problem. Viele Unternehmen haben beide Probleme und brauchen deshalb beide Systeme. Sie treffen sich in der Produktdomäne, wo das MDM oder das ERP den operativen Produktdatensatz hält und das PIM darauf die verkaufsfertige Version aufbaut. Diese gemeinsame Domäne macht das eine aber nicht zum Ersatz für das andere.

Ein verbreiteter Irrtum ist, dass ein PIM allein alle Anforderungen an das Datenmanagement abdeckt. Ein PIM deckt Produktinhalte gut ab, aber für Kunden-, Lieferanten- oder regulatorische Stammdaten ersetzt es kein MDM, und wer diese Lücke offen lässt, zersplittert die Daten über Abteilungen hinweg. Auch das Umgekehrte kommt vor: MDM allein löst nicht jedes Datenproblem, und die Integration mit bestehenden Systemen ist komplexer, als Teams erwarten.

Unternehmensgröße und Branche verschieben die Antwort. Kleine Unternehmen beginnen meist mit PIM, weil es schnell live geht und flexible Produktdaten verarbeitet: Ein kleiner Onlinehändler kann eine Saisonkollektion laden und in kurzer Zeit an seinen Onlineshop und an Marktplätze ausspielen. Das deckt den unmittelbaren Bedarf, aber langfristige Governance von Kunden- und Lieferantendaten deckt PIM nicht ab, und die wird mit wachsendem Geschäft zum Thema.

Mittelständische Unternehmen unter regulatorischem Druck brauchen oft MDM, etwa ein Hersteller, der Produktspezifikationen mit Lieferantendaten synchron halten und gleichzeitig Branchenvorschriften erfüllen muss. Großunternehmen mit vielfältigen Produktlinien brauchen meist beides. Ein globaler Elektronikhersteller, der ein Smartphone auf den Markt bringt, hält Spezifikationen, Marketingmaterial und Preise je Markt im PIM und Kundenprofile sowie Lieferantenverträge im MDM. Regulierte Branchen wie Pharma und Finanzen setzen eher zuerst auf MDM, Handel und E-Commerce beginnen häufiger mit PIM, weil der erste Druck bei ihnen von den Vertriebskanälen kommt.

Beides zu betreiben erfordert Planung. Datensynchronisation, Governance-Richtlinien und Schulung der Nutzer sind die Stellen, an denen Projekte ins Stocken geraten, und ohne Plan schaffen Sie neue Silos zwischen den beiden Systemen. PIM hat meist die geringeren Anfangskosten und geht früher live. MDM bringt Lizenz-, Integrations- und Wartungskosten mit, die Teams bei den Gesamtbetriebskosten (TCO) oft vergessen. Stellen Sie deshalb beide in dieselbe mehrjährige Betrachtung, bevor Sie sie vergleichen.

Zur Abgrenzung zum ERP lesen Sie, wo das ERP aufhört und das PIM beginnt.

Halten Sie es einfach

Machen Sie das Master Data Management nicht komplizierter, als die Datei es erfordert. R.A. Jonker, F.T. Kooistra, D. Cepariu, J. van Etten und S. Swartjes beschreiben die wichtigsten Dos and Don'ts im MDM in Compact.

Die meisten Stammdatenprobleme brauchen kein großes Programm, bevor sie sich bessern. Sie brauchen jemanden, der für die Datei verantwortlich ist, und einen festen Termin jede Woche, um daran zu arbeiten. Die vier Prinzipien sind das Arbeitswerkzeug: eine übersichtliche Datei, in der die Herkunft jedes Felds bekannt ist, eindeutige Texte und Codes, die sich durchsuchen lassen, keine leeren Felder, die auf Befüllung warten, und wöchentliche Pflege mit den Fachleuten, die die Felder kennen. Ergänzen Sie Werkzeuge und ein formelles Programm, wenn der Umfang der Daten es verlangt, und halten Sie beides so einfach, wie die Daten es zulassen.

Wie es weitergeht

Beide Tools sind kostenlos und unabhängig von jedem Anbieter.

Unsicher, ob Sie schon ein PIM brauchen?

Ein kurzer Check, der zeigt, ob ein eigenes PIM-System Ihrem Katalog hilft oder ob Tabellen und ERP noch ausreichen.

Prüfen, ob ein PIM passt

Bereit, Anbieter zu vergleichen?

Beantworten Sie Fragen zu Größe, Branche und Muss-Kriterien und erhalten Sie eine gerankte Shortlist.

Meine Anbieter-Shortlist erstellen