Die meisten MDM-Initiativen scheitern nicht an der falschen Technologie. Sie scheitern an mangelhafter Planung. Teams kaufen eine Plattform, migrieren einige Daten und denken, die Aufgabe sei erledigt. Dann verbringen sie die nächsten zwei Jahre damit, Inkonsistenzen zu beheben, die ein ordentlicher Plan vor dem Go-Live hätte erkennen können.
Ein Master Data Management Plan ist genau das Dokument und der Prozess, der das verhindert. Er definiert, welche Daten Sie verwalten, wer dafür verantwortlich ist, wie sie bereinigt und strukturiert werden, und wie das Ergebnis aussieht. Als MDM-Implementierungsplan liegt er vor jeder Plattform-Entscheidung: beim Governance-Design, beim Datenmodell, bei der Integrationsarchitektur und beim Weg zur einzigen Quelle der Wahrheit. Dieser Leitfaden behandelt jede Phase sequenziell – von der anfänglichen Datenprüfung bis zur Erstellung eines vertrauenswürdigen Golden Record.
Warum der Plan vor der Plattform kommt
Der Instinkt in vielen Organisationen ist, erst ein MDM-Tool auszuwählen und die Governance später zu klären. Diese Reihenfolge schafft Probleme. Das Tool prägt Datenmodelle, Integrationsmuster und Stewardship-Workflows. Wenn diese nicht von vornherein definiert sind, dient die Implementierung am Ende der Software statt dem Business.
Gartner-Forschung besagt, dass schlechte Datenqualität Organisationen durchschnittlich 12,9 Millionen Dollar pro Jahr kostet. Ein aktueller IBM Institute for Business Value Report zeigt, dass 43 % der Chief Operations Officers Datenqualitätsprobleme als ihre höchste Datenprioritäten ansehen, wobei mehr als ein Viertel der Organisationen pro Jahr über 5 Millionen Dollar verliert. Diese Verluste entstehen nicht durch die falsche Software. Sie entstehen dadurch, dass Datenverwaltung als technisches statt organisatorisches Problem behandelt wird. Ein Plan, der beide Aspekte adressiert, ist das, was MDM nachhaltig verankert.
Phase 1: Datenprüfung
Die Audit zeigt Ihnen, was Sie tatsächlich haben, nicht das, was Sie zu haben glauben.
Beginnen Sie damit, jedes System zu erfassen, das Stammdaten enthält: ERP, CRM, PIM, PLM, E-Commerce-Plattformen, Lieferantenportale, Tabellenkalkulationen auf freigegebenen Laufwerken. Dokumentieren Sie jede Quelle, welche Entitätstypen sie enthält (Produkte, Kunden, Lieferanten, Standorte), die Datenmenge, den Eigentümer und die Aktualisierungshäufigkeit. Das ist oft das erste Mal, dass jemand ein Gesamtbild der Datenlandschaft hat – und es sieht normalerweise nicht schmeichelhaft aus. Datensilos sind meist zahlreicher als erwartet.
Sobald die Quellen erfasst sind, beginnt die Datenprofilierung. Das bedeutet, Genauigkeit, Vollständigkeit, Konsistenz und Eindeutigkeit über alle Felder hinweg zu messen. Sie suchen nach doppelten Datensätzen, fehlenden erforderlichen Attributen, inkonsistenten Formaten (ein Produktgewicht als „2,5 kg" in einem System und „2500" in einem anderen gespeichert) und Werten, die technisch vorhanden, aber semantisch falsch sind. Etwa ein Produkt, das unter der falschen Kategoriehierarchie klassifiziert ist.
In Projekten mit Herstellern hatten die gleichen physischen Produkte oft drei oder vier verschiedene SKUs über Systeme hinweg, jede mit leicht unterschiedlichen Spezifikationen. Das bricht Beschaffungs-Workflows, verfälscht die Bestandsausgaben und erzeugt falsche Ergebnisse in nachgelagerten Analysen.
Das Audit-Ergebnis sollte eine Datenqualitäts-Baseline sein: eine bewertete Analyse jeder Domäne (Produkt, Kunde, Lieferant) über die wichtigsten Qualitätsdimensionen. Sie zeigt, wo Sanierungen priorisiert werden müssen, und liefert einen Vorher-Nachher-Vergleich bei der Ausführung des MDM-Plans.
Phase 2: Umfang und Master Data Domains definieren
Nicht alles in einem Unternehmen ist Stammdaten. Transaktionsdatensätze, Log-Dateien und abgeleitete Analytics-Ausgaben sind nicht das, was MDM verwaltet. Stammdaten sind die Referenzinformationen, die die wichtigsten Geschäftsentitäten beschreiben: Produkte, Kunden, Lieferanten, Standorte, Materialien. Andere Systeme konsumieren sie, um zu funktionieren.
Umfangsbestimmung bedeutet zu entscheiden, welche Domänen der Master Data Management Plan behandelt, in welcher Reihenfolge und mit welcher Tiefe. Produktdaten und Lieferantendaten sind häufige Startpunkte für Hersteller und Vertriebsunternehmen, da die operativen Abhängigkeiten direkt sind und die Kosten von Fehlern unmittelbar sind. Eine sinnvolle Priorisierungsmethode ist, Domänen nach drei Faktoren zu bewerten: der Anzahl der betroffenen Datensätze, der bei der Audit gefundenen Fehlerrate und der Anzahl der nachgelagerten Systeme, die die Daten dieser Domäne konsumieren. Die Domäne mit hohen Werten bei allen drei Faktoren wird zuerst bearbeitet.
Definieren Sie den Umfang mit Business-Stakeholdern, nicht nur mit IT. Beginnen Sie mit operativen Fehlern: falsche Produktspezifikationen auf der Produktionslinie, inkorrekte Lieferantendatensätze, die Lieferungen verzögern, doppelte Kundenkonten, die Bestellhistorie zerstören. Das Gespräch holt schneller die richtigen Menschen ins Boot als jeder Systemsinventar.
Phase 3: Data Governance Struktur
Master Data Governance definiert die menschliche Ebene von MDM: wer jede Datendomäne besitzt, wer für ihre Qualität verantwortlich ist, und wie Unstimmigkeiten gelöst werden, wenn sich Systeme nicht einig sind.
Eine funktionsfähige Governance-Struktur benötigt mindestens:
- Data Owners: Business-seitige Führungskräfte, die für die Genauigkeit und Eignung einer Domäne verantwortlich sind
- Data Stewards: operatives Personal, das Datenerstellung, Korrektur und Anreicherung nach definierten Standards ausführt
- Ein Data Governance Council: eine funktionsübergreifende Gruppe, die Richtlinien überprüft, Eskalationen entscheidet und Änderungen an Datenstandards genehmigt
Data Governance ist, wo die meisten MDM-Pläne unterspecifiziert sind. Organisationen weisen Tools und Prozesse zu, lassen aber die Verantwortlichkeit mehrdeutig. Wenn zwei Systeme sich über eine Kundenadresse uneinig sind, weiß niemand, welche Version siegt. Der Plan muss Survivorship-Regeln explizit definieren: die Logik, die bestimmt, welche Quelldatensatz Vorrang hat, wenn Konflikte während Matching und Merging auftreten. Ohne das verbringen Data Stewards ihre Zeit damit, Unstimmigkeiten zu lösen, die der Plan hätte vorwegnehmen sollen.
Phase 4: Datenmodell und Standards-Definition
Bevor Daten bewegt werden, muss sich auf das Ziel-Datenmodell geeinigt werden. Das ist die Spezifikation für das Aussehen eines vollständigen, gültigen Master Record: welche Attribute erforderlich sind, welche Validierungsregeln gelten, welche Referenzdaten (Klassifizierungscodes, Maßeinheiten, Ländercodes) verwendet werden, und wie Datensätze zueinander in Beziehung stehen. Datenintegrität hängt davon ab, dass diese Definition vor dem Datenfluss ins MDM-System existiert.
Für Produktstammdaten bedeutet das Entscheidungen über Attributhierarchie, Variantenstruktur, Klassifizierungsstandards (ETIM, UNSPSC oder benutzerdefinierte Taxonomien) und Lokalisierungsanforderungen. Ein Hersteller, der auf mehreren Märkten verkauft, muss definieren, ob lokalisierte Beschreibungen als Attribute im Produktdatensatz oder als separate, mit einem Parent verknüpfte Locale-spezifische Datensätze existieren.
Standards müssen schriftlich festgehalten und versionskontrolliert sein. Mündliche Absprachen über Datenstruktur überstehen keine Personalwechsel oder Systemmigrationen.
Phase 5: Datenbereinigung und Anreicherung
Bereinigungsarbeit läuft parallel zur Integrationsdesign, sollte aber dem ersten Datenladen ins MDM-System vorausgehen.
Bereinigung behandelt Deduplizierung (mehrere Datensätze zusammenfassen, die die gleiche Entität darstellen), Standardisierung (Werte reformatieren, um zum Zielmodell zu passen) und Validierung (Datensätze kennzeichnen, die Qualitätsregeln nicht erfüllen). Anreicherung fügt fehlende Daten hinzu: Attribute ausfüllen, die in Quellsystemen fehlen, Klassifizierungscodes anhängen oder Lieferanten-bereitgestellte Spezifikationen hinzupullen.
Die Audit-Baseline von Phase 1 bestimmt den Sanierungsrückstand. Felder mit niedrigen Vollständigkeitsquoten bekommen Anreicherungs-Workflows. Hohe Duplizierungsraten triggern Matching-und-Merging-Logik. Das ist systematische Arbeit, nicht ad hoc Reparatur.
Die 10x-Regel in Datenqualität besagt, dass Fehler etwa zehnmal mehr kosten, nachdem sie ein nachgelagertes System betreten, als an ihrem Ursprungsort. Ein falsche Produktklassifikation zu fangen, bevor sie sich in einem Produktkatalog, einer Pricing-Engine und einem Logistiksystem ausbreitet, kostet einen Bruchteil dessen, sie über alle drei hinweg zu korrigieren.
Phase 6: Integrationsarchitektur
Der MDM-Plan muss spezifizieren, wie Stammdaten zwischen dem zentralen Hub und den Systemen, die sie konsumieren, fließen. Es gibt vier hauptsächliche Muster in Multi-Domain MDM Bereitstellungen.
Registry: Der MDM Hub indexiert, wo Master Records existieren, ohne eine Kopie zu speichern. Jedes Quellsystem behält seine eigenen Daten, der Hub stellt Cross-Reference IDs bereit. Geringer Aufwand, aber kein einziger autorisierter Datensatz.
Consolidation: Quelldatensätze werden in den Hub gezogen, gematched und gemerged, um einen Golden Record für Analytics zu erzeugen. Der Hub ist schreibgeschützt; Quellsysteme bleiben das System of Record.
Centralized (Hub-and-Spoke): Der MDM Hub ist das autoritative System of Record. Alle Erstellungen und Updates laufen über ihn, nachgelagerte Systeme erhalten bereinigte Daten via APIs oder Feeds.
Coexistence: Quellsysteme verwalten weiterhin ihre Daten selbst, aber der MDM Hub verwaltet einen synchronisierten Master Record und pusht Updates zurück in diese Systeme. Häufig, wenn autonome Business Units sich weigern, die lokale Datenverwaltung aufzugeben, die Organisation aber trotzdem eine governed Master View benötigt.
Die meisten Hersteller und Vertriebsunternehmen mit komplexen Multi-System-Umgebungen bewegen sich im Laufe der Zeit zu einem centralisierten oder Coexistence-Modell. Die MDM Roadmap sollte die Zielarchitektur, die Integrationspunkte und wie Konflikte zwischen eingehenden Datensätzen gelöst werden, bevor sie die Produktion erreichen, spezifizieren.
Phase 7: Golden Record Produktion
Der Golden Record ist der Endzustand. Er ist der einzige, autoritative, deduplizierte, angereicherte und validierte Master Record für jede Entität: die Version eines Produkts, Kunden oder Lieferanten, der alle Systeme vertrauen und konsumieren.
Ein Golden Record zu produzieren ist kein einmaliges Ereignis. Es ist ein laufender Prozess, der von Survivorship-Regeln, Stewardship-Workflows und Qualitätsüberwachung, die in früheren Phasen definiert wurden, geleitet wird. Wenn ein neuer Lieferantendatensatz von einem Portal ankommt und sich teilweise mit einem existierenden Datensatz im ERP überlappt, wendet das MDM-System Matching-Logik an, um zu bestimmen, ob es ein Duplikat, eine verwandte Entität oder ein neuer Datensatz ist. Wo es ein Match ist, bestimmen Survivorship-Regeln, welche Feldwerte gewinnen. Falls das Vertrauen unter einen festgelegten Schwellenwert fällt, überprüft ein Data Steward es manuell.
Das MDM-System sollte auch tracken, woher jedes Attribut im Golden Record kommt und wann es zuletzt aktualisiert wurde. Dieser Data Lineage Datensatz ist wichtig für Compliance, um Datenqualitätsprobleme zu debuggen und um Organisationsvertrauen in die Masterdaten im Laufe der Zeit aufzubauen.
Qualitätsüberwachung schließt die Schleife. Definieren Sie die Data Quality KPIs: Vollständigkeitsquote pro Domäne, Duplizierungsrate, Zeit-bis-Auflösung für Stewardship-Aufgaben. Messen Sie sie regelmäßig. Ohne Messung hat der Plan keinen Rückmeldungsmechanismus, und Qualitätsdrift bleibt unerkannt, bis sie Fehler nachgelagert verursacht.
In Projekten über Herstellerkunden hinweg reduzierte die Kombination eines gut strukturierten Datenmodells, klarer Survivorship-Regeln und aktiver Stewardship-Workflows die Produktdatenfehlerquoten im ersten Jahr des MDM-Betriebs um mehr als die Hälfte. Die operativen Gewinne (schnellere Time-to-Market für neue Produkte, weniger Bestellfehler, sauberes Lieferanten-Onboarding) folgten direkt aus der aufwendigen Planungsarbeit.
Phasierung des Plans
Kein MDM-Plan wird vollständig auf einmal ausgeführt. Eine realistische MDM Roadmap phasiert die Arbeit: Audit und Governance-Design im ersten Quartal, Datenmodell und Standards im zweiten, Bereinigung und initiale Integration im dritten und Golden Record Produktion mit Überwachung im vierten. Der Umfang expandiert nach Domäne, während frühe Phasen sich stabilisieren.
Die Phasierung ist nicht nur Projektmanagement. Sie lässt Governance-Strukturen Platz haben, bevor die technische Komplexität skaliert, und frühe Releases erzeugen nachweisbare Gewinne: bereinigte Produktdaten für eine Kategorie oder ein dedupliziertes Lieferantenregister. Diese Gewinne unterstützen organisatorisches Commitment durch die längere Arbeit voraus.