Stammdatenmanagement im Mittelstand entscheidet darüber, ob ERP, CRM, Warenwirtschaft und Buchhaltung mit denselben Informationen arbeiten oder ob jedes System seine eigene Wahrheit pflegt. Kundennummern, Artikelbezeichnungen, Lieferantenbankdaten und Preislisten werden in vielen Betrieben an mehreren Stellen geführt, von mehreren Personen geändert und nur gelegentlich abgeglichen. Das funktioniert, solange das Unternehmen klein ist und alle Beteiligten die Eigenheiten der Datenlage kennen.
Mit wachsender Zahl an Systemen, Standorten und Mitarbeitenden verschlechtert sich diese Lage meist schleichend. Dubletten entstehen, Rechnungen gehen an veraltete Adressen, Artikel erscheinen mit abweichenden Einheiten, und Auswertungen liefern je nach Quelle unterschiedliche Ergebnisse. Der Aufwand für manuelle Korrekturen steigt, ohne dass er in einer Kostenstelle sichtbar würde.
Stammdaten sind die Grunddaten, auf denen nahezu jeder Geschäftsprozess aufbaut. Ihre Pflege ist deshalb keine Verwaltungsaufgabe am Rand, sondern Voraussetzung für Automatisierung, aussagekräftiges Controlling und eine reibungslose Systemintegration. Wer Prozesse digitalisieren oder Software ablösen will, stößt früher oder später auf diese Frage.
Dieser Beitrag beschreibt, was Stammdaten ausmacht, wie ein tragfähiges Datenmodell und klare Verantwortlichkeiten aussehen, welche Qualitätsregeln sich bewährt haben und wie Geschäftsführung und Fachverantwortliche das Thema in fünf Schritten angehen. Die Beispiele sind allgemein gehalten und lassen sich auf unterschiedliche Branchen und Systemlandschaften übertragen.
Titelbild: Foto von Compagnons auf Unsplash.
Was Stammdaten sind und wo sie sich von Bewegungsdaten unterscheiden
Stammdaten beschreiben Objekte, die über einen längeren Zeitraum unverändert oder nur selten verändert verwendet werden. Dazu zählen Kunden, Lieferanten, Artikel, Stücklisten, Mitarbeitende, Kostenstellen, Konten und Standorte. Sie bilden den Rahmen, in dem einzelne Geschäftsvorfälle stattfinden.
Bewegungsdaten entstehen dagegen bei jedem Vorgang neu: eine Bestellung, eine Lieferung, eine Rechnung, eine Zahlung. Sie verweisen auf Stammdaten, etwa mit der Kundennummer oder der Artikelnummer. Ist der Verweis falsch oder mehrdeutig, wirkt sich der Fehler auf jeden einzelnen Vorgang aus, der darauf zugreift.
Zwischen beiden Gruppen liegen die sogenannten Referenzdaten, beispielsweise Länderschlüssel, Währungen, Steuerkennzeichen, Zahlungsbedingungen oder Warengruppen. Sie ändern sich selten, werden aber von vielen Systemen gleichzeitig genutzt und sollten deshalb ebenfalls zentral geführt werden.
- Kundenstammdaten: Firmierung, Rechnungs- und Lieferadressen, Ansprechpartner, Steuernummern, Zahlungsbedingungen
- Lieferantenstammdaten: Kontaktdaten, Bankverbindung, Konditionen, Zertifikate, Freigabestatus
- Artikelstammdaten: Bezeichnung, Einheit, Gewicht, Maße, Warengruppe, Verkaufs- und Einkaufspreise, Lagerparameter
- Strukturdaten: Stücklisten, Arbeitspläne, Kostenstellen, Organisationseinheiten
Warum schlechte Stammdaten teuer werden
Die Kosten schlechter Stammdaten fallen verteilt an und werden selten einer Ursache zugeordnet. Eine falsche Lieferadresse verursacht eine Retoure, eine doppelte Kundennummer verfälscht die Umsatzauswertung, ein fehlendes Gewicht im Artikelstamm führt zu falschen Frachtkosten. Jeder dieser Fälle ist für sich klein, in der Summe binden sie Arbeitszeit in Vertrieb, Einkauf, Logistik und Buchhaltung.
Hinzu kommen indirekte Folgen. Automatisierungsprojekte scheitern häufig nicht an der Technik, sondern an uneinheitlichen Eingangsdaten. Ein Software-Roboter, der Rechnungen abgleichen soll, erkennt Lieferanten nur dann zuverlässig, wenn jeder Lieferant genau einmal und mit konsistenten Angaben geführt wird. Dasselbe gilt für die Anbindung eines Online-Shops oder eines Kundenportals.
Auch aus Sicht der Compliance entstehen Risiken. Personenbezogene Daten in Kunden- und Mitarbeiterstammdaten unterliegen den Grundsätzen der Datenrichtigkeit und der Speicherbegrenzung nach Art. 5 DSGVO. Wer veraltete Datensätze unkontrolliert vorhält oder Auskunftsersuchen nicht schnell bearbeiten kann, weil Daten in mehreren Systemen verstreut sind, trägt ein vermeidbares Risiko.
Ein System ist nur so gut wie die Daten, die es verarbeitet. Die Qualität der Stammdaten ist deshalb keine Frage der Software, sondern der Organisation.
Typische Ursachen der Datenprobleme im Mittelstand
Die Ursachen sind selten technischer Natur. In der Praxis lassen sich meist vier Muster erkennen, die einzeln oder gemeinsam auftreten und die man vor der Auswahl eines Werkzeugs verstehen sollte.
Fehlende Zuständigkeit
Wenn jeder Daten anlegen und ändern darf, fühlt sich niemand verantwortlich. Neue Artikel werden im Vertrieb angelegt, Lieferanten im Einkauf, Kunden in der Buchhaltung, jeweils nach eigenen Gewohnheiten. Ohne benannte Verantwortliche gibt es weder eine Instanz für Regeln noch eine für die Klärung von Konflikten.
Mehrfache Erfassung in getrennten Systemen
Gewachsene Systemlandschaften enthalten oft mehrere Datenbestände für dieselben Objekte. Das CRM kennt den Kunden anders als das ERP, die Tabellenkalkulation der Disposition anders als das Lagerverwaltungssystem. Ohne definierte Datenhoheit werden Änderungen nur in einem System nachgeführt.
Unklare Erfassungsregeln
Schreibweisen, Abkürzungen, Pflichtfelder und Einheiten sind nicht festgelegt. Ob „GmbH“ ausgeschrieben wird, ob die Straße mit „str.“ oder „straße“ endet und ob ein Gewicht in Gramm oder Kilogramm geführt wird, entscheidet dann die jeweilige Person. Daraus entstehen Dubletten, die sich maschinell nur schwer erkennen lassen.
Fehlende Löschung und Archivierung
Datensätze werden angelegt, aber nie bereinigt. Inaktive Kunden, ausgelaufene Artikel und gesperrte Lieferanten bleiben im Bestand und erschweren die Suche. Eine Regel für den Lebenszyklus eines Datensatzes fehlt in den meisten Betrieben.
Das Datenmodell: Was wird wo und mit welcher Hoheit geführt
Am Anfang steht die Frage, welche Objekte im Unternehmen überhaupt als Stammdaten geführt werden und in welchem System die Datenhoheit liegt. Datenhoheit bedeutet, dass ein System als führend gilt und alle anderen die Daten von dort beziehen, statt sie selbst zu pflegen. Ohne diese Festlegung lässt sich keine dauerhafte Konsistenz erreichen.
Ein pragmatisches Vorgehen ist die Erstellung einer Matrix, die für jedes Stammdatenobjekt festhält, welches System führend ist, welche Systeme die Daten lesen und welche sie ergänzen dürfen. Die folgende Tabelle zeigt ein vereinfachtes Beispiel für einen Produktionsbetrieb.
| Objekt | Führendes System | Lesende Systeme | Verantwortlich |
|---|---|---|---|
| Kunde | ERP | CRM, Online-Shop, Buchhaltung | Vertriebsinnendienst |
| Lieferant | ERP | Einkauf, Buchhaltung, Qualitätssicherung | Einkauf |
| Artikel | ERP oder PIM | Shop, Lager, Produktion | Produktmanagement |
| Stückliste | PDM oder ERP | Produktion, Einkauf, Kalkulation | Konstruktion |
| Kostenstelle | Finanzbuchhaltung | ERP, Controlling | Controlling |
Wichtig ist, dass die Matrix nicht nur dokumentiert, sondern technisch umgesetzt wird. Das kann über Schnittstellen, über eine zentrale Datendrehscheibe oder durch Schreibschutz in den nachgelagerten Systemen geschehen. Eine Regel, die nur auf Papier existiert, wird im Tagesgeschäft umgangen.
Verantwortlichkeiten und Rollen festlegen
Stammdatenqualität ist eine Führungsaufgabe, weil sie Bereichsgrenzen überschreitet. Bewährt hat sich ein Rollenmodell mit drei Ebenen, das auch in einem Betrieb mit begrenzten Ressourcen umsetzbar ist.
- Datenverantwortlicher (Data Owner): Eine Führungskraft je Stammdatenobjekt, die über Regeln, Zugriffsrechte und Qualitätsziele entscheidet.
- Datenpfleger (Data Steward): Eine fachlich geschulte Person, die Datensätze prüft, freigibt, bereinigt und Rückfragen klärt.
- Datennutzer: Alle übrigen Mitarbeitenden, die Daten lesen oder Änderungsanträge stellen, aber nicht selbst Stammdaten anlegen.
In kleineren Unternehmen übernehmen oft dieselben Personen mehrere Rollen. Entscheidend ist, dass die Zuständigkeit schriftlich festgelegt ist und dass die Datenpflege als Teil der Stellenbeschreibung und nicht als Nebenaufgabe behandelt wird. Für die Vertretung bei Urlaub und Krankheit sollte eine zweite Person geschult sein.
Die Anlage neuer Datensätze sollte über einen Freigabeprozess laufen. Ein Mitarbeiter im Vertrieb stellt einen Antrag, der Datenpfleger prüft auf Dubletten und Vollständigkeit und gibt den Datensatz frei. Der Zeitaufwand ist gering, der Nutzen für die Datenqualität dagegen erheblich, weil Fehler an der Quelle verhindert werden, statt später aufwendig korrigiert zu werden.
Qualitätsregeln, Kennzahlen und Pflegeprozesse
Datenqualität lässt sich nur steuern, wenn sie messbar ist. Dazu werden Qualitätsdimensionen definiert und für jedes Stammdatenobjekt konkretisiert. Die gängigen Dimensionen sind Vollständigkeit, Eindeutigkeit, Aktualität, Konsistenz und Gültigkeit.
- Vollständigkeit: Alle Pflichtfelder sind befüllt, etwa Umsatzsteuer-Identifikationsnummer und Zahlungsbedingung beim Kunden.
- Eindeutigkeit: Jedes reale Objekt existiert genau einmal, Dubletten werden erkannt und zusammengeführt.
- Aktualität: Änderungen wie Umzüge, Firmierungen oder Preisanpassungen werden zeitnah übernommen.
- Konsistenz: Einheiten, Schreibweisen und Schlüssel stimmen systemübergreifend überein.
- Gültigkeit: Werte entsprechen dem vorgesehenen Format, zum Beispiel eine IBAN mit korrekter Prüfziffer.
Aus diesen Dimensionen lassen sich einfache Kennzahlen ableiten, etwa der Anteil unvollständiger Datensätze, die Zahl vermuteter Dubletten oder die Quote zurückgelaufener Sendungen aufgrund falscher Adressen. Wenige Kennzahlen, die regelmäßig berichtet werden, wirken besser als ein umfangreiches Dashboard, das niemand pflegt.
Für die laufende Pflege empfiehlt sich ein fester Rhythmus. Dazu gehören eine jährliche Bereinigung inaktiver Datensätze, eine regelmäßige Dublettenprüfung und die Kontrolle kritischer Felder wie Bankverbindungen mit dem Vier-Augen-Prinzip. Gerade Änderungen an Bankdaten von Lieferanten sind ein bekanntes Einfallstor für Betrug und sollten nie ohne Rückbestätigung über einen bekannten Kontaktweg erfolgen.
Aufbewahrung, Löschung und rechtliche Rahmenbedingungen
Stammdaten sind nicht frei löschbar. Handels- und steuerrechtliche Aufbewahrungsfristen verlangen, dass Unterlagen, die auf Stammdaten beruhen, über Jahre nachvollziehbar bleiben. Die Fristen sind in § 257 HGB und § 147 AO geregelt, der Wortlaut des Handelsgesetzbuchs ist auf gesetze-im-internet.de einsehbar. Ein Kunde, zu dem noch aufbewahrungspflichtige Rechnungen existieren, kann daher nicht einfach aus dem System entfernt werden.
Gleichzeitig verlangt die DSGVO, personenbezogene Daten zu löschen, sobald der Zweck entfällt und keine Aufbewahrungspflicht mehr besteht. In der Praxis löst man diesen Zielkonflikt mit einem abgestuften Verfahren: Der Datensatz wird nach Ende der Geschäftsbeziehung gesperrt, für Neuvorgänge deaktiviert und erst nach Ablauf der Aufbewahrungsfrist endgültig gelöscht oder anonymisiert.
Dieses Lebenszyklusmodell gehört in das Löschkonzept des Unternehmens und sollte im Verzeichnis von Verarbeitungstätigkeiten dokumentiert sein. Es macht zugleich die Bearbeitung von Auskunfts- und Löschersuchen planbar, weil klar ist, wo welche Daten liegen und wer sie freigibt.
Werkzeuge: Von der Tabelle bis zur Stammdatenplattform
Die Frage nach dem Werkzeug stellt sich sinnvollerweise erst nach der Klärung von Modell, Rollen und Regeln. Viele Betriebe kommen mit den Bordmitteln ihres ERP-Systems aus, wenn Pflichtfelder, Berechtigungen und Freigabe-Workflows sauber konfiguriert sind. Das ist in der Regel der wirtschaftlichste Einstieg.
Spezialisierte Lösungen kommen in Betracht, wenn mehrere Systeme gleichzeitig dieselben Objekte nutzen, wenn viele Produktvarianten oder Sprachversionen zu pflegen sind oder wenn Daten für Marktplätze und Handelspartner aufbereitet werden müssen. Dann bieten sich Systeme für Produktinformationsmanagement oder Master-Data-Management an. Für die Artikelidentifikation im Handel spielen zudem standardisierte Nummernsysteme eine Rolle, wie sie GS1 Germany beschreibt.
Vor einer Beschaffung sollten die Anforderungen in einem Pflichtenheft festgehalten werden. Zu klären sind unter anderem Schnittstellen zu den bestehenden Systemen, Rollen- und Rechtekonzept, Protokollierung von Änderungen, Dublettenerkennung, Importfunktionen und der Aufwand für die Erstbefüllung. Die Migration der Bestandsdaten ist erfahrungsgemäß der aufwendigste Teil und sollte nicht unterschätzt werden.
Einführung in fünf Schritten
Ein Stammdatenprojekt muss nicht das gesamte Unternehmen auf einmal erfassen. Sinnvoll ist ein gestaffeltes Vorgehen, das mit dem Objekt beginnt, dessen Probleme am teuersten sind. Häufig ist das der Artikel- oder der Lieferantenstamm.
- Bestandsaufnahme: Welche Stammdatenobjekte gibt es, in welchen Systemen liegen sie, wer pflegt sie und welche Probleme treten auf? Eine Stichprobe von einigen hundert Datensätzen liefert meist ein belastbares Bild.
- Zielbild und Datenhoheit: Das führende System je Objekt festlegen, Pflichtfelder und Schreibweisen definieren, Qualitätsziele benennen.
- Rollen und Prozesse: Data Owner und Data Steward benennen, den Anlage- und Änderungsprozess mit Freigabe beschreiben und in den Systemen abbilden.
- Bereinigung und Migration: Dubletten zusammenführen, fehlende Pflichtangaben ergänzen, inaktive Datensätze sperren und die bereinigten Daten in das führende System überführen.
- Betrieb und Kontrolle: Kennzahlen regelmäßig auswerten, Verstöße gegen die Regeln besprechen, Regeln bei Bedarf anpassen und neue Mitarbeitende schulen.
Der häufigste Fehler besteht darin, die Bereinigung ohne den Prozess zu starten. Dann ist der Datenbestand nach einem Jahr wieder in demselben Zustand wie zuvor. Erst die Kombination aus einmaliger Bereinigung und dauerhafter Regelung führt zu einem stabilen Ergebnis.
Checkliste für Geschäftsführung und Fachverantwortliche
- Ist für jedes Stammdatenobjekt ein verantwortlicher Data Owner benannt?
- Ist festgelegt, welches System bei Kunden, Lieferanten und Artikeln führend ist?
- Gibt es verbindliche Erfassungsregeln mit Pflichtfeldern und einheitlichen Schreibweisen?
- Läuft die Neuanlage über einen dokumentierten Freigabeprozess mit Dublettenprüfung?
- Werden Änderungen an Bankverbindungen nach dem Vier-Augen-Prinzip und mit Rückbestätigung geprüft?
- Existiert ein Lebenszyklusmodell mit Sperrung, Aufbewahrung und Löschung?
- Werden mindestens drei Qualitätskennzahlen regelmäßig erhoben und besprochen?
- Ist die Datenpflege in Stellenbeschreibungen und Vertretungsregelungen verankert?
Lassen sich mehrere dieser Fragen nicht mit Ja beantworten, ist ein kleines, gut begrenztes Pilotprojekt der naheliegende Einstieg. Es liefert innerhalb weniger Wochen sichtbare Ergebnisse und schafft die Akzeptanz, die für eine Ausweitung auf weitere Datenbereiche erforderlich ist.
FAQ
Was ist der Unterschied zwischen Stammdaten und Bewegungsdaten?
Stammdaten beschreiben dauerhaft genutzte Objekte wie Kunden, Lieferanten und Artikel. Bewegungsdaten entstehen bei einzelnen Vorgängen wie Bestellungen, Lieferungen oder Rechnungen und verweisen auf die Stammdaten.
Ab welcher Unternehmensgröße lohnt sich ein eigenes Stammdatenmanagement?
Die Größe ist weniger entscheidend als die Zahl der Systeme und der beteiligten Personen. Sobald mehrere Systeme dieselben Objekte nutzen oder mehrere Abteilungen Daten anlegen, lohnt sich eine feste Regelung, oft schon bei wenigen Dutzend Beschäftigten.
Braucht ein Mittelständler zwingend eine spezielle Master-Data-Management-Software?
Nein. Häufig genügen die Funktionen des vorhandenen ERP-Systems, wenn Pflichtfelder, Rechte und Freigabeprozesse konsequent eingerichtet sind. Spezialsoftware lohnt vor allem bei vielen Systemen, vielen Varianten oder externen Datenkanälen.
Wer sollte im Unternehmen für die Stammdaten verantwortlich sein?
Verantwortlich ist je Objekt eine Führungskraft aus dem Fachbereich, der die Daten am stärksten nutzt. Die tägliche Pflege übernimmt eine geschulte Person als Datenpfleger. Die IT stellt die technischen Voraussetzungen bereit, trägt aber nicht die fachliche Verantwortung.
Wie geht man mit Dubletten im Bestand um?
Zunächst werden vermutete Dubletten über Vergleichsregeln wie Name, Adresse und Steuernummer ermittelt und fachlich geprüft. Danach werden sie zusammengeführt, wobei Verweise in offenen Vorgängen und Historien erhalten bleiben müssen. Zur Vorbeugung dient die Dublettenprüfung bei der Neuanlage.
Wie lässt sich Stammdatenqualität messen?
Über einfache Kennzahlen wie den Anteil unvollständiger Datensätze, die Zahl vermuteter Dubletten, die Quote zurückgelaufener Post- oder Lieferungen und die Zeit bis zur Freigabe neuer Datensätze. Entscheidend ist die regelmäßige Auswertung.









