Stammdatenqualität nachhaltig verbessern: Warum Data Governance und klare Verantwortlichkeiten entscheidend sind

Jessica Gatterer, Master Data Management Lead bei Mayr-Melnhof Karton Aktiengesellschaft / MM Group, über Datenqualität, Stammdaten-Governance, SAP-Prozesse und die Zusammenarbeit zwischen Fachbereichen.

Doppelte Materialstammsätze, unterschiedliche Kundendefinitionen oder unklare Zuständigkeiten: Viele Probleme mit der Stammdatenqualität entstehen nicht erst im System, sondern bereits dort, wo unterschiedliche Fachbereiche mit denselben Daten arbeiten. Was für den einen Bereich richtig und vollständig ist, kann für den nächsten Prozessschritt bereits zu Problemen führen.

Wie können Unternehmen solche Fehler vermeiden und eine nachhaltige Datenqualität sicherstellen? Entscheidend sind ein gemeinsames Verständnis von Daten, klar geregelte Verantwortlichkeiten und Prozesse, die fachliche Anforderungen und technische Systeme miteinander verbinden.

Im Interview berichtet Jessica Gatterer von ihren Erfahrungen im konzernweiten Master Data Management. Sie erklärt, wo typische Schwachstellen in Stammdatenprozessen entstehen, wie Unternehmen Data Governance im Arbeitsalltag verankern und warum nachhaltige Datenqualität bereits bei der Neuanlage beginnt.

 

Über die MM Group und Jessica Gatterer

Die Mayr-Melnhof Karton Aktiengesellschaft (MM Group) ist ein international tätiges Unternehmen der Karton- und Verpackungsindustrie. Mit den Geschäftsbereichen Board & Paper und Packaging ist die Unternehmensgruppe international aufgestellt. Die standortübergreifende Zusammenarbeit und einheitliche Datenstrukturen stellen dabei wichtige Anforderungen an ein funktionierendes Stammdatenmanagement.

Jessica Gatterer verantwortet als Master Data Management Lead bei Mayr-Melnhof Board & Paper die Themen Master Data Management, Data Governance und Data Quality. Ihre Erfahrung umfasst das gesamte Datenmanagement – von IT-Transformation und Beratung bis hin zur Datenanalyse. Heute baut sie konzernweit tragfähige Governance-Strukturen auf und harmonisiert Stammdatenprozesse über fünf Länder hinweg. Ihr Ziel sind eine hohe Datenqualität und effiziente Abläufe. Darüber hinaus engagiert sie sich als Mitglied von WOMENinICT für mehr Frauen in der Tech-Branche.

 

 

Das Interview

Was braucht es für dauerhaft hohe Stammdatenqualität?

Vor allem ein gemeinsames Verständnis davon, was ein Datensatz bedeutet. Wann ist ein Kunde neu und wann gibt es ihn schon? Bei Materialien ist es dasselbe, etwa bei einem Ersatzteil, das in einem anderen Werk längst angelegt ist. Solange das nicht verbindlich geklärt ist, pflegt jeder Bereich nach seiner eigenen Logik, oft ganz korrekt aus seiner Sicht.

Wird dasselbe Ersatzteil mehrfach angelegt, fällt das häufig erst Monate später auf, etwa wenn ein Teil neu bestellt wird, obwohl es an einem anderen Standort vorhanden wäre. Dann wird aus einem Stammdatenproblem schnell ein handfestes Geschäftsproblem. Datenqualität sollte deshalb nicht erst bei der Bereinigung beginnen, sondern bereits bei der Neuanlage.

 

Woher kommen fehlerhafte Stammdaten?

Häufig entstehen Probleme an Übergaben. Der Vertrieb legt einen Kunden so an, wie er ihn für den Auftrag braucht, das Controlling benötigt ihn für die Regionalauswertung, Finance für Steuer und Mahnwesen. Jede dieser Perspektiven ist für sich berechtigt.

Das zeigt sich zum Beispiel bei der Frage, was überhaupt ein „aktiver Kunde“ ist. Gemeint sein kann ein Kunde mit Bestellungen in einem bestimmten Zeitraum oder ein Kunde mit offenen Posten. Beide Definitionen sind sinnvoll. Problematisch wird es erst, wenn nicht transparent ist, welche gerade verwendet wird.

Deshalb reicht es nicht, einzelne Datensätze zu korrigieren. Dauerhaft hilft nur, Definitionen, Anlageprozess und Verantwortung zu klären.

 

Was ist bei SAP-Stammdatenprozessen besonders wichtig?

Für mich ist das Wichtigste, Business, Prozess und System zusammenzudenken. Das erlebe ich gerade, weil wir ein SAP-Template entwickeln, das schrittweise in den anderen Werken eingeführt wird.

Beim Materialstamm sieht man das besonders gut. Jede Sicht, ob Einkauf, Disposition, Vertrieb oder Buchhaltung, braucht jemanden aus dem Fachbereich, der weiß, wofür die Informationen gebraucht werden. Welche Felder es gibt, steht schnell fest. Die richtigen Ansprechpartner für jede Sicht zu finden, dauert manchmal länger als die eigentliche Fachfrage.

Denn ein vollständig befülltes Pflichtfeld ist noch kein Beleg dafür, dass der Inhalt fachlich richtig und für den nächsten Prozess nutzbar ist. Am Ende müssen die Daten nicht nur korrekt aussehen, sondern im operativen Geschäft funktionieren.

 

Wie verbessert man die Zusammenarbeit?

Von mir als Master Data Management Lead wird oft erwartet, dass ich jedes Feld im Detail kenne. Ehrlich gesagt sehe ich meine Rolle woanders: die richtigen Leute an einen Tisch zu holen und so zu fragen, dass am Ende eine Entscheidung steht. Die fachliche Tiefe liegt in den Bereichen, und da gehört sie auch hin.

Bei kritischen oder bereichsübergreifenden Feldern stelle ich gerne dieselben vier Fragen: Wer kennt die Information? Wer braucht sie im nächsten Prozessschritt? Wer prüft sie? Und wer entscheidet, wenn die Bereiche unterschiedliche Anforderungen haben? Erfahrungsgemäß ist die letzte Frage die schwierigste, weil sie am häufigsten offenbleibt.

 

Wie wird Datenverantwortung tatsächlich gelebt?

Besonders herausfordernd ist es bei Querschnittsthemen, wie beispielsweise Warennummern, also Commodity Codes: Einkauf, Zoll und Außenhandel, Logistik und Finance brauchen sie gleichermaßen. Jeder hat ein Interesse daran, dass sie stimmen, aber wer sie am Ende verantwortet, ist längst nicht immer klar.

Wichtig ist dabei, fachliche Verantwortung nicht mit der Dateneingabe zu verwechseln. Wer einen Wert im System einträgt, muss nicht automatisch derjenige sein, der fachlich darüber entscheidet. Im Alltag funktioniert das aber nur, wenn die fachliche Freigabe fest im Anlage- und Änderungsprozess eingebaut ist, zum Beispiel als eigener Prüfschritt im Workflow.

 

Wie schafft man funktionierende Governance?

Gute Governance muss sich im Alltag bemerkbar machen. Bei der Anlage bedeutet sie zunächst etwas mehr Sorgfalt, dafür muss später weniger gesucht, nachgefragt und korrigiert werden. Die Herausforderung ist, dass der Aufwand oft an einer anderen Stelle entsteht als der Nutzen.

Deshalb muss transparent sein, was mit den Daten im nächsten Prozessschritt passiert und warum bestimmte Regeln notwendig sind. Wer Daten erfasst, sollte verstehen, wer damit weiterarbeitet und welche Auswirkungen es hat, wenn Informationen fehlen oder unterschiedlich gepflegt werden. Sonst wird Governance schnell als zusätzliche Bürokratie wahrgenommen. Und genau das wollen wir nicht.

 

Warum müssen Datenqualität, Prozesse, Zusammenarbeit und Governance gemeinsam betrachtet werden?

Weil sie unmittelbar voneinander abhängen. Klare Regeln nützen nichts, wenn der Prozess sie nicht unterstützt, und ein sauberer Prozess hat Lücken, wenn Verantwortlichkeiten fehlen.

In unserer Fachwerkstatt arbeiten wir mit einem Fall, den viele kennen: Zwei Bereiche berichten unterschiedliche Umsatz- oder Kundenzahlen aus demselben System. Das Reporting ist dabei nur der Ort, an dem das Problem sichtbar wird, nicht der Ort, an dem es gelöst werden kann. Gemeinsam gehen wir den Weg zurück: von der Entstehung der Daten über die Übergaben bis zu der Frage, an welcher Stelle das Problem hätte verhindert werden können.

 

Was sollten Unternehmen zuerst angehen?

Ich würde mit den Daten beginnen, die für die wichtigsten Geschäftsprozesse und Kennzahlen benötigt werden, und für diese die Standards standortübergreifend klären, bevor man weiter ausrollt. Denn ohne einen stabilen Prozess nach dem Go-live beginnt die nächste Datenbereinigung bereits mit der ersten Neuanlage.

 

Kurzer Abschluss

„Gute Stammdatenqualität bedeutet für mich …“

… dass wir bei denselben Daten auch dasselbe meinen.

Jessica Gatterer beim Stammdaten Forum 2026: Fachwerkstatt zur Datenqualität

Wie können Unternehmen ihre Stammdatenqualität nachhaltig verbessern? Welche Voraussetzungen braucht es für stabile SAP-Stammdatenprozesse? Und wie lassen sich Datenverantwortung, Zusammenarbeit und moderne Data Governance wirksam miteinander verbinden?

Diesen Fragen widmet sich Jessica Gatterer gemeinsam mit Karen Gärtner, Initiatorin von Data Friends, in der Fachwerkstatt „Datenqualität stärken: Drei Perspektiven, ein gemeinsamer Raum“ beim Stammdaten Forum 2026.

Im Mittelpunkt stehen drei Perspektiven auf ein gemeinsames Ziel: ein leistungsfähiges und nachhaltiges Stammdatenmanagement.

• SAP-Stammdatenprozesse wirksam gestalten: Erfolgsfaktoren für stabile, qualitativ hochwertige Stammdaten sowie das Zusammenspiel von Prozessen, Rollen und Systemen verstehen.

• An Schnittstellen zusammenwirken: Die Zusammenarbeit zwischen Fachbereichen, Datenverantwortlichen und operativen Teams stärken, um Reibungsverluste zu reduzieren und gemeinsame Lösungen zu entwickeln.

• Moderne Stammdaten-Governance verankern: Orientierung durch klare Verantwortlichkeiten, Leitprinzipien und Zukunftsbilder schaffen, um ein robustes und nachhaltiges Stammdaten-Ökosystem aufzubauen.

Die Fachwerkstatt verbindet unterschiedliche Erfahrungen und Perspektiven und schafft Raum für den gemeinsamen Austausch über konkrete Herausforderungen und Lösungsansätze aus der Praxis.

Das Stammdaten Forum bringt Fach- und Führungskräfte, Verantwortliche und Praktiker aus dem Stammdatenmanagement, der Data Governance, Digitalisierung und dem Datenmanagement zusammen. Zwei Kongresstage bieten aktuelle Impulse, Praxiswissen und die Möglichkeit, Erfahrungen innerhalb der Stammdaten-Community auszutauschen.

 

Stammdaten Forum 2026

25.–26. November 2026 | Düsseldorf

Der Kongress für Stammdaten, Digitale Transformation und Data Governance.

Erleben Sie zwei Tage voller Praxiswissen, Impulse und Austausch rund um Stammdatenmanagement, Datenqualität, Data Governance und Digitalisierung.

Informieren Sie sich jetzt über das Programm und sichern Sie sich Ihre Teilnahme: https://www.deutsche-kongress.de/veranstaltung/stammdaten-forum/