Die „Governance unstrukturierter Daten" wird als eine einzelne Disziplin mit einem universellen Playbook verkauft. Das ist ein Irrtum. Der Begriff deckt mindestens vier Probleme ab, die sich fast ausschließlich im Dateiformat gleichen. Jedes Problem hat einen anderen Verantwortlichen, unterschiedliche wirtschaftliche Auswirkungen und erfordert ein anderes Tool — und diese Tools lassen sich nicht sauber integrieren. Der teuerste Fehler in diesem Bereich ist der Kauf einer Softwarekategorie mit der Erwartung, damit alle anderen Probleme zu lösen.
Sie kennen bereits das Grundgerüst der strukturierten Governance: Inventar, Verantwortlichkeit, Metadaten, Zugriff, Aufbewahrung. Die Übertragung auf Dateien ist notwendig, aber nicht die schwierige Seite. Die Schwierigkeit liegt darin, dass unstrukturierte Daten drei Annahmen durchbrechen, auf die das Grundgerüst stillschweigend angewiesen ist.
Was unterscheidet es von der Governance strukturierter Daten?
Klassifizierung ist probabilistisch und kostet echtes Geld. Jede Datei, die Sie als sensibel, als Datensatz oder als löschbar kennzeichnen möchten, erfordert entweder einen Modell-Aufruf oder ein menschliches Urteil — und die Genauigkeit ist nie kostenlos. Daher ist eine gleichmäßige Sorgfalt über Petabytes hinweg kein Konzept, sondern eine Budgetposition, die sich nie schließt.
Regieren Sie den Bereich, der Risiko oder Wert trägt, als würde Ihr Job davon abhängen. Legen Sie über den Rest eine allgemeine Richtlinie und lassen Sie sie auslaufen.
Die Disziplin heißt Triage. Programme, die alles nach demselben Standard klassifizieren möchten, scheitern am mathematischen Aufwand, jedes Mal.
Unstrukturierte Daten haben auch keinen natürlichen Verantwortlichen. Strukturierte Daten erhalten einen Besitzer von dem System, das sie produziert. Ein gemeinsamer Laufwerk wird von allen produziert und von niemandem besessen — „einen Besitzer zuweisen" ist daher leichtfertig, bis Sie die Zuweisungsregel korrigieren. Zwei Regeln halten stand: Besitzen Sie die Daten anhand des Geschäftsprozesses, der sie generiert, oder besitzen Sie sie anhand der Masterkonstituente, die sie beschreibt. Was beide Regeln übersehen, ist verwaist und verwaiste Daten sollten standardmäßig gelöscht und nicht unbegrenzt aufbewahrt werden.
Dann gibt es noch die Metadaten, die zum Zeitpunkt der Erstellung selten existieren. Die eigentliche Frage ist, wer dafür bezahlt, sie zu produzieren, und es gibt drei Antworten mit sehr unterschiedlichen Kostenprofilen:
- Extraktion. Kostengünstig und unmittelbar, mit einer Genauigkeit, die je nach Inhaltstyp schwankt. Ausreichend für Triage, nicht für eine rechtliche Blockierung.
- Vererbung aus dem Kontext. Eine Datei übernimmt ihre Metadaten von dem Datensatz oder Prozess, an den sie angehängt ist. Kostengünstig und präzise, aber nur dort, wo die Verknüpfung besteht.
- Manuelles Tagging. Präzise und teuer, daher sollten Sie es nur für den wertvollen Bereich reservieren.
Vererbung ist die unterschätzte Variante und zeigt, warum die Bindung unstrukturierter Assets an strukturierte Datensätze sich weit über die Suche hinaus lohnt.
Problem 1: Cold-Storage-Proliferation
Dateien landen auf dem primären Speicher und verlassen ihn nie. Die meisten werden innerhalb eines Jahres zu Cold Data und verbrauchen trotzdem weiterhin Flash- und Sicherungskapazität. Die Kosten hier sind die Speicherrechnung und ihr Sicherungsmultiplikator, nicht die Compliance. Governance bedeutet ROT-Löschung, Tiering nach letztem Zugriff und Aufbewahrung, die sich selbst auslöst. Dies ist eine Aufgabe für Speicheranalysen und Lifecycle-Tiering. Eine MDM-Plattform oder ein Katalog hilft hier nicht.
Problem 2: Unkontrollierte Exposition
Sensible Inhalte sitzen in Dateien, die niemand verfolgt, und diese Dateien speisen nun AI-Tools. Das hörte auf, ein Ordnungsproblem zu sein, als RAG-Pipelines und Employee-Chatbots begannen, unkontrollierte Dateien in Modell-Kontext und -Ausgabe zu ziehen. Die IBM-Zahlen von 2026 machen die Verschiebung konkret. Shadow AI taucht jetzt in 43% der Sicherheitsvorfälle auf, ungefähr doppelt so viel wie im Jahr zuvor, und mehr als zwei Drittel der betroffenen Organisationen hatten überhaupt keine Richtlinie zur Regulierung der AI-Nutzung. IBM finanziert diese Forschung und verkauft die Kontrollen, die es empfiehlt — betrachten Sie die Zahlen entsprechend. Die Richtung ist jedoch unumstritten.
Klassifizierung muss stattfinden, bevor Inhalte das Modell erreichen. Eine Policy Engine kann einen Kundendatensatz nicht von einem nicht genehmigten Chatbot blockieren, wenn ihn niemand je als Kundendatensatz gekennzeichnet hat.
Governance hier bedeutet Discovery, Sensitivitätsklassifizierung und Durchsetzung an der Stelle, wo Inhalte zu einem AI-Tool oder einen externen Kanal gehen. Dies ist eine Aufgabe für Data Security Posture Management und Data Loss Prevention. Es ist auch nicht MDM.
Problem 3: AI-Auffindbarkeit und Vertrauenswürdigkeit
Auch wenn Dateien sicher zu verwenden sind, ist ein RAG-System nur so gut wie das Korpus, das es abruft. Doppelte Versionen, veraltete Dokumente und fehlende Lineage führen zu selbstsicheren falschen Antworten — und selbstsichere falsche Antworten sind schlimmer als keine. Die Aufgabe ist Kuration: Dedupe, die autoritative Version kennzeichnen, Lineage anhängen und als Pipeline ausführen statt als einmalige Bereinigung, die eine Woche nach Abschluss verfällt. Dies ist eine Aufgabe für Kataloge, Indexierung und Kurations-Tools mit echten Überschneidungen sowohl mit Speicheranalysen als auch mit Master Data, je nachdem, wo die autoritative Version tatsächlich lebt.
Problem 4: Abweichung vom Masterdatensatz
Dies ist das operative Problem, und es ist das, wofür die meisten Data Teams bewertet werden. Unstrukturierte Assets, die kontrollierte Geschäftsentitäten beschreiben, geraten mit dem strukturierten Datensatz aus dem Gleichgewicht. Ein Produktdatenblatt, seine Bilder und sein Spezifikations-PDF beschreiben ein Teil, das auch im ERP und im PIM lebt. Das Teil ändert sich, die Assets nicht — und falsche Informationen werden in Kanäle versendet. In einer regulierten Kategorie ist das ein Compliance-Ereignis, keine Unannehmlichkeit.
Die Kosten entstehen durch Überarbeit und Fehler und treten jedes Mal auf, wenn sich der Masterdatensatz ändert. Governance bedeutet, jedes Asset an seine Master-Entity zu binden, damit das Asset Identität, Versionierung, Zugriffssregeln und Aufbewahrung vom Datensatz übernimmt, dem es angehört. Dies ist eine Aufgabe für MDM und DAM.
Tools den Problemen zuordnen
Kein Produkt deckt alle vier ab. Die Zuordnung ist ungefähr:
- Cold-Storage-Proliferation: Speicheranalysen und Tiering, zum Beispiel Komprise und speichernative Lifecycle-Tools.
- Unkontrollierte Exposition: DSPM und DLP, mit Klassifizierung an der Ausgangsstelle.
- AI-Auffindbarkeit und Vertrauenswürdigkeit: Kataloge, Indexierung und Kurations-Pipelines.
- Abweichung vom Masterdatensatz: MDM- und DAM-Plattformen.
AtroCore sitzt in der letzten Reihe und nur dort. Als Open-Source-Datenverwaltungs- und DAM-Plattform passt es dort, wo unstrukturierte Assets konsistent mit strukturierten Masterdatensätzen, Produktinhalten, Lieferantendokumenten oder Verträgen bleiben müssen, die an eine Vendor-Entity gebunden sind — weil sein konfigurierbares Datenmodell einem Asset ermöglicht, Identität und Regeln vom beschriebenen Datensatz zu erben. Diese Vererbung ist der Metadaten-Vorteil von früher, operationalisiert.
Es ist das falsche Tool für die anderen drei. Es wird keine kalten Dateien im Petabyte-Maßstab finden und durchstufen, es ist keine Posture- oder DLP-Schicht für Shadow-AI-Exposition und nicht der Abrufindex für ein RAG-Korpus. Ein Team, dessen echtes Problem Speicherkosten oder AI-Datenleck ist, sollte es nicht in die engere Auswahl nehmen — und jeder Anbieter, der Ihnen das Gegenteil sagt, verkauft an Ihrem Problem vorbei.
Wo man anfängt
Benennen Sie Ihr tatsächliches Problem, bevor Sie ein Tool benennen. Die meisten Teams haben alle vier, aber spüren dieses Quartal nur eines akut. Wählen Sie dieses aus, ordnen Sie es seiner Kategorie zu und regieren Sie den wertvollen Bereich hart, während eine allgemeine Richtlinie den Rest trägt.
Bauen Sie die Verknüpfung zu Masterdatensätzen früh auf, unabhängig davon, welches Problem drückt. Es ist die einzelne Investition, die sich über alle vier auswirkt, weil es die Quelle der Auffindbarkeit, Konsistenz und geerbten Metadaten auf einmal ist.