Master Data Management und Datenverwaltung werden oft als austauschbar behandelt oder unter dem vagen Dach einer „Datenstrategie" zusammengefasst. Beide sind Säulen des Enterprise-Datenmanagements, erfüllen aber unterschiedliche Funktionen, operieren auf verschiedenen Ebenen der Organisation und scheitern auf unterschiedliche Weise, wenn sie nicht aufeinander abgestimmt sind. In Projekten, die wir implementiert haben, fehlte es Organisationen, die am meisten mit Datqualitätsproblemen kämpften, selten an Werkzeugen. Sie vermissten die Verbindung zwischen Politik und Ausführung.
Was Datenverwaltung leistet
Datenverwaltung ist ein Rahmenwerk, um zu entscheiden, wer was mit Daten tun darf und unter welchen Bedingungen. Ein Datenverwaltungs-Rahmenwerk definiert Verantwortlichkeit, Rechenschaftspflicht und die Regeln, nach denen Daten erstellt, geändert, genutzt und archiviert werden. Ein Datenverwaltungsprogramm beantwortet Fragen wie: Wer ist verantwortlich für die Genauigkeit von Kundendatensätzen? Was gilt als eine gültige Produktklassifizierung? Wie lange bewahren wir Finanz-Stammdaten nach Vertragsende auf?
Das Ergebnis eines Verwaltungsprogramms ist eine Politik. Richtlinien umfassen Datenqualitätsschwellwerte, Namenskonventionen, Zugriffsrechte, Steward-Zuordnungen, Klassifizierungsschemata und Compliance-Verpflichtungen. Ohne Verwaltung werden diese Entscheidungen immer noch getroffen, nur uneinheitlich und unsichtbar, von wem immer an dieser Woche eine Tabellenkalkulation bearbeitet.
Verwaltung erstreckt sich auf alle Daten in einer Organisation, nicht nur auf Stammdaten. Sie umfasst Transaktionsdaten, Metadaten, Betriebsdaten und die Beziehungen zwischen ihnen. Die primären Stakeholder sind Geschäftsführer, Dateneigentümer, Compliance-Teams und Legal. In größeren Organisationen koordiniert typischerweise ein Datenverwaltungsrat die Richtlinien über Abteilungen hinweg. IT ist beteiligt, aber Verwaltung ist grundsätzlich eine Geschäftsfunktion.
Was MDM leistet
Master Data Management ist die Gesamtheit der Prozesse und Systeme, mit denen eine Organisation eine einzige, autoritative Version ihrer Kern-Shared-Datenentitäten erstellt und verwaltet: Kunden, Produkte, Lieferanten, Standorte, Mitarbeiter und ähnliche Referenzobjekte, die über mehrere Systeme hinweg erscheinen.
MDM ist primär eine technische und operative Funktion. Sie verwaltet die Datenintegration aus mehreren Quellsystemen, Deduplizierung und Matching, Datenanreicherung, Qualitätsprüfung, Hierarchieverwaltung und Rückverteilung an verbrauchende Systeme. Das Ergebnis eines MDM-Programms ist ein Master-Datensatz, auch Golden Record genannt: eine bereinigt, konsolidierte und vertrauenswürdige Darstellung einer Geschäftsentität, auf die nachgelagerte Systeme vertrauen können. Die MDM-Plattform funktioniert typischerweise als zentrale Drehscheibe und fungiert als Aufzeichnungssystem für Kundendaten, Produktdaten, Lieferantendaten und andere gemeinsame Domänen, wobei konsistente Versionen an alle verbundenen Anwendungen übertragen werden.
Wo Verwaltung die Regeln definiert, führt MDM sie aus. Wenn Verwaltung sagt „ein Produktdatensatz muss eine gültige GTIN enthalten, bevor er veröffentlicht werden kann", ist MDM das System, das auf diese GTIN prüft, fehlende Datensätze kennzeichnet und sie durch einen Steward-Workflow zur Lösung leitet. Das Ergebnis ist, wenn beide Programme abgestimmt sind, eine Single Source of Truth, der jede Abteilung vertrauen kann.
MDM ist spezifisch auf Stammdaten beschränkt. Es verwaltet nicht alle organisatorischen Daten. Seine primären Stakeholder sind Datentechniker, Integrations-Architekten, Datenstewards und die Geschäftsverantwortlichen der verwalteten Domänen.
Wo sie sich überschneiden
Das Verhältnis zwischen Master Data Management und Datenverwaltung ist keine Hierarchie. Keine sitzt über der anderen. Sie sind voneinander abhängig: Verwaltung bietet die Autorität und Politik, die MDM zur Entscheidungsfindung benötigt, und MDM bietet die Ausführungsumgebung, die Verwaltung braucht, um praktisch wirksam zu werden.
Die sichtbarste Schnittschelle ist Datenstewardship. Datenstewards werden typischerweise vom Verwaltungsprogramm definiert, mit klarer Domänenzuweisung, Genehmigungsbefugnis und Eskalationswegen. Aber sie führen ihre tatsächliche Arbeit in MDM-Tools aus: Überprüfung gekennzeichneter Datensätze, Auflösung von Duplikaten, Genehmigung von Änderungen und Freigabe von Anreicherungen. Wenn ein Steward einen Datensatz ablehnt, leitet das MDM-System ihn mit einem Ursachencode durch den Workflow zurück; wenn er ihn genehmigt, wird der Datensatz zum Golden Record befördert und nachgelagert verteilt. Dieser Workflow funktioniert nur, wenn Verwaltung bereits zwei Dinge getan hat: Ein Geschäftsglossar erstellt, das definiert, was jede Datenentität über Abteilungen hinweg bedeutet, und die Dateneigentümerschaft so klar zugeordnet, dass jede Entscheidung jemanden zur Rechenschaft zieht. Wenn das Verwaltungsprogramm diese Arbeit nicht getan hat, stellen MDM-Workflows stecken, weil niemand die Befugnis hat, Konflikte zu lösen.
Datenqualität ist der zweite Hauptbereich, in dem die beiden Programme aufeinandertreffen. Verwaltung legt Qualitätsstandards fest, beispielsweise Mindest-Vollständigkeitsschwellwerte, erforderliche Attribute oder Formatspezifikationen, die Datengenauigkeit und Datenkonsistenz abdecken. MDM misst gegen diese Standards und erzwingt sie auf Dateneingabe- oder Integrationspunkt. Die Kosten dieser Lücke sind nicht abstrakt: Laut einem 2025 IBM Institute for Business Value-Bericht schätzen mehr als ein Viertel der Organisationen jährliche Verluste von über 5 Millionen Dollar aufgrund schlechter Datenqualität, und Gartner beziffert die durchschnittlichen Kosten schlechter Datenqualität auf 12,9 Millionen Dollar pro Jahr.
Eine Verwaltungsrichtlinie, die nur in einem gemeinsamen Dokument existiert, hat keine operative Wirkung. Ein MDM-System, das Qualitätsprüfungen ohne Verwaltungs-definierte Standards ausführt, führt nur willkürliche Regeln aus, denen niemand formell zugestimmt hat.
Regulatorische Compliance ist der Ort, an dem Fehlausrichtung am teuersten wird. Vorschriften wie GDPR, CCPA und die EU-Verordnung zur Produktsicherheit legen spezifische Verpflichtungen fest, wie bestimmte Daten aufgezeichnet, aufbewahrt und verfügbar gemacht werden müssen. Verwaltung definiert, was diese Verpflichtungen für jede Datendomäne bedeuten, einschließlich Datenaufbewahrungsfristen und Zugangskontrollen. MDM operationalisiert sie durch Feldebenenkontrollen, Zugriffsbeschränkungen, Audit-Trails und automatisierte Datenaufbewahrungszeitpläne. Datenherkunft, d. h. die Möglichkeit, zu verfolgen, woher ein Datensatz kam, wie er geändert wurde und von wem, ist oft ebenso eine Compliance-Anforderung wie eine technische Funktion, und sie funktioniert nur, wenn Verwaltung definiert hat, was die Herkunft zeigen muss. Ein Hersteller, der Produktsicherheitsdaten unter GPSR verwaltet, benötigt beispielsweise sowohl eine Verwaltungsrichtlinie, die angibt, welche Produktattribute rechtlich erforderlich sind, als auch ein MDM-System, das Vollständigkeitsprüfungen erzwingt, bevor Datensätze zur Verteilung genehmigt werden.
Die Frage der Reihenfolge
Eine häufige Frage bei Organisationen, die beide Programme gleichzeitig starten, ist, ob Verwaltung zuerst definiert oder das MDM-System zuerst gebaut werden soll. Keines kann vollständig abgeschlossen werden, bevor das andere, aber der richtige Ausgangspunkt hängt davon ab, wo der Schmerz liegt.
Wenn das primäre Problem politisch ist, d. h. niemand stimmt darin überein, wer welche Daten besitzt oder wie die Regeln lauten sollten, muss Verwaltung zuerst kommen. Der Aufbau eines MDM-Systems vor der Klärung der Dateneigentümerschaft führt zu einer technisch funktionsfähigen Plattform, die niemand verwendet, weil jede Entscheidung einen Territorialkonflikt auslöst.
Wenn das primäre Problem technisch ist, macht es Sinn, mit MDM-Infrastruktur zu beginnen. Bei Projekten, die wir für mittelständische Hersteller und Distributoren implementiert haben, führte der Aufbau einer funktionierenden MDM-Pipeline erst oft zu dem konkreten Beweis, dass Verwaltungsgespräche vorangetrieben werden mussten. Menschen werden willens, Eigentümerschaftsregeln zuzustimmen, sobald sie in einem realen System sehen können, wie die Daten tatsächlich aussehen und was bricht, wenn die Regeln unklar sind.
Die meisten Organisationen führen einen parallelen Ansatz durch: Stellen Sie Verwaltung für die höchstpriorisierte Domäne zuerst auf, z. B. Produkt oder Kunde, dann bauen Sie MDM-Prozesse und Werkzeuge für dieselbe Domäne auf, bevor Sie auf andere ausweiten. Das Starten mit einer einzigen Domäne hält beide Programme in echten Datenproblemen verankert, nicht in abstrakter Richtliniengestaltung.
Häufige Fehlermuster
Verwaltung ohne MDM
führt zu Richtlinien, die in Dokumentation existieren, aber nie durchgesetzt werden. Datenqualitätsziele werden gesetzt und nie gemessen. Stewards werden ernannt, haben aber kein System, in dem sie arbeiten. Compliance-Verpflichtungen werden anerkannt, aber nicht operationalisiert. Das Verwaltungsprogramm verliert schließlich an Glaubwürdigkeit, weil sich nichts sichtbar verbessert.
MDM ohne Verwaltung
führt zu einer technisch fähigen Softwareplattform, die auf undokumentierten Annahmen läuft. Die Matching- und Deduplizierungsregeln im MDM-System spiegeln die Vorlieben dessen wider, der sie konfiguriert hat, nicht eine bewusste Organisationsentscheidung. Wenn ein Konflikt zwischen Geschäftseinheiten auftritt, wie ein Kunde klassifiziert werden soll, gibt es keine Autorität, um ihn zu lösen. Das MDM-System wird zum Engpass statt zu einem Beschleuniger.
Fehlausgerichtete Reihenfolge
führt zu einem MDM-System, das nicht mit Verwaltungsrichtlinien kompatibel ist, die danach geschrieben werden. Dies ist häufig bei Organisationen, die MDM-Infrastruktur schnell aufbauen und dann später eine Verwaltungsfunktion einbringen. Das nachträgliche Einpassen von Verwaltung in ein bereits laufendes MDM-Programm erfordert das Neuverhandeln von Regeln, die bereits in Systemlogik eingearbeitet sind, was kostspielig und störend ist.
Plattformauswahl
Bei der Evaluierung von Master Data Management-Software sollten Datenverwaltungsfunktionen von Anfang an Teil der Bewertungskriterien sein. Die Plattform muss konfigurierbare Steward-Workflows unterstützen, Datenqualitätsregeln und Datenpolitiken durchsetzen, die vom Geschäft definiert werden, nicht von IT hartcodiert, und Audit-Trails bereitstellen, die für Compliance-Berichterstattung ausreichend sind. Sie sollte auch Verwaltungsmetadaten für externe Tools wie Datenkatalog oder Herkunfts-Tracker bereitstellen. Zunehmend benötigen Organisationen ihre MDM-Plattform, um bereinigte, verwaltete Stammdaten in Artificial Intelligence-Workflows einzuspeisen. KI-Systeme erben Datenqualitätsprobleme direkt, und ungelöste Duplikate oder fehlende Attribute in Stammdaten führen zu unzuverlässigen Modellausgaben.
Eine Plattform, die Verwaltung als separates Modul behandelt, schafft dieselbe organisatorische Problem in technischer Form: zwei Programme, die manuell synchronisiert werden müssen. Plattformen, die Verwaltungskontrollen direkt in das Datenmodell einbetten, reduzieren diesen Overhead.
Eine MDM-Plattform, die für Produktdomänen gestaltet ist, muss Regulatorische Datenverpflichtungen nativ verarbeiten, nicht durch Workarounds.
Für Hersteller, die Produktdaten verwalten, ist die zusätzliche Überlegung, ob das MDM-System regulatorische Datenverpflichtungen neben operativer Verwaltung verarbeiten kann. Der EU Digital Product Passport beispielsweise erfordert, dass bestimmte Datenattribute strukturiert, versioniert und für Dritte in einem definierten Format zugänglich gemacht werden. Das ist eine Verwaltungspolitik-Frage und eine MDM-Implementierungsfrage gleichzeitig.
AtroCore ist eine Open-Source Master Data Management und Integrations-Plattform mit einem zu 100% konfigurierbaren Datenmodell, was bedeutet, dass Verwaltungskontrollen um die tatsächlichen Datendomänen der Organisation herum aufgebaut sind, nicht um eine vordefinierte Struktur des Anbieters. Sie läuft On-Premise oder in der Cloud unter einer GPLv3-Lizenz ohne Pro-Benutzer-Gebühren. Rollenbasierte Zugriffskontrolle, konfigurierbare Steward-Workflows und Datenqualitätsregeln auf Attributebene sind alle nativ zur Plattform, ebenso wie bidirektionale REST API-Synchronisierung mit ERP-, CRM- und E-Commerce-Systemen. In der Praxis nutzen unsere Kunden im Bereich Industrieausrüstung und Baustoffe sie, um Produktdaten-Vollständigkeitsregeln über Dutzende verbundener Systeme hinweg durchzusetzen, sodass Datensätze, die Verwaltungsprüfungen nicht bestehen, nachgelagerte Kanäle nie erreichen.
Fazit
Die oben beschriebenen Fehlermuster haben eine gemeinsame Wurzel: ein Programm wurde als Abhängigkeit des anderen statt als sein Partner behandelt. Verwaltung, die MDM vorangeht, produziert Richtlinien ohne Durchsetzungspfad. MDM, das Verwaltung vorausgeht, produziert Durchsetzung ohne legitime Autorität. Keines funktioniert allein.
Organisationen, die MDM als ein Technologieprojekt behandeln und Datenverwaltung als eine separate Organisationsinitiative durchführen, enden typischerweise mit sowohl einem System, das nicht die vereinbarte Richtlinie widerspiegelt, als auch einer Richtlinie ohne System zu ihrer Durchsetzung. Das Starten mit einer gemeinsamen Definition der höchstpriorisierten Datendomäne, die Zuweisung von Stewardship vor dem Aufbau von Workflows und die Auswahl einer Plattform, die Verwaltung als native Funktion statt als Add-on behandelt, wird mehr dazu beitragen, diese Lücke zu schließen, als jede nachfolgende Datenqualitäts-Bereinigung.