Die Veröffentlichung der DIN EN ISO 9001:2015 steht unmittelbar bevor. Trotz fortschreitender Digitalisierung nimmt die neue Norm keinen Bezug darauf, wie Unternehmen mit Daten umgehen sollen. Das ist eine gravierende Lücke.
Digitales Formularmanagement steigert die Effizienz - Voraussetzung für die Verbesserung ist einwandfreie Datenqualität
Ein Großteil von Formularen wird noch immer auf Papier ausgedruckt und per Hand ausgefüllt, anschließend wieder eingescannt und bestenfalls in einem Dokumentenmanagementsystem abgelegt und verschlagwortet. Digitales Formularmanagement bietet die Möglichkeit, diesen Prozess erheblich effizienter und damit wirtschaftlicher zu gestalten.
Eine provokante Ausgangsthese: Wert entsteht nicht durch Technologie, sondern durch strukturierte Datenarbeit
Die zentrale These lautet: Unternehmen schöpfen den Wert ihrer Daten nicht aus technischen Gründen unzureichend aus, sondern aufgrund eines strukturellen Fehlers in ihrer Wertschöpfungslogik. Erst eine konsequente Neuausrichtung durch Data Governance und die Industrialisierung der Datenarbeit kehrt das geltende 80-zu-20-Verhältnis von Aufwand zu Wertbeitrag in ein Modell, in dem Daten als strategischer Produktionsfaktor wirken und KI ihr Potenzial zuverlässig entfalten kann. Diese These fordert die verbreitete Annahme heraus, dass neue Plattformen oder zusätzliche Analysten den Engpass lösen könnten. Tatsächlich entsteht Fortschritt dort, wo Unternehmen bereit sind, den unsichtbaren Aufwand vor der Analyse systematisch zu eliminieren.
Durch die stark wachsende Anzahl datengetriebener Geschäftsmodelle gibt es keinen Ausweg für das Qualitätsmanagement, sich verstärkt mit dem Thema Datenqualität zu beschäftigen. Datenqualität als Risikofaktor ist schon etwas länger bekannt. Negative Auswirkungen schlechter Datenqualität auf das gesamte System einer Organisation werden zukünftig durchschlagender sein.
DIW revidierte die Zahl der Kinderarmut von 16 auf 10 Prozent
Kurz vor der Bundestagswahl 2009 veröffentlichte die OECD in Ihrem Bericht „Doing Better for Families“, das die Kinderarmut in Deutschland bei 16,3 Prozent im Jahr 2005 lag und damit weit über dem OECD Durchschnitt. Diese Zahl hatte die OECD wie üblich vom Deutschen Institut für Wirtschaftsforschung (DIW) erhalten. Aufgrund dieser Zahl entbrannte eine heftigen Diskussion in der Politik und führte nach der Bundestagswahl zu der Entscheidung, das Kindergeld um 20 Euro zu erhöhen. Die Anhebung kostet den Staat jährlich 4 Mrd. Euro.
Beschäftige Dich intensiv mit Deiner Datenqualität und erkenne die wahren Hebel zur Operational Excellence!
Das Zitat „Wer sich mit Datenqualität intensiv beschäftigt, lernt sehr viel über die Stärken und Schwächen seiner Geschäftsprozesse und erkennt die wahren Hebel zur Operational Excellence!“ fasst prägnant zusammen, wie wichtig Datenqualität für den Erfolg eines Unternehmens ist. Daten und Prozesse sind eng miteinander verbunden. Nur durch die gezielte Auseinandersetzung mit der Qualität der eigenen Daten können Unternehmen die Mechanismen erkennen, die ihre Effizienz, Produktivität und Flexibilität bestimmen. In einer datengetriebenen Welt ist es unerlässlich, nicht nur auf die Daten selbst zu achten, sondern sie auch als Spiegel der eigenen Geschäftsprozesse zu betrachten.
Die Zahl, die alles neu ordnet
448 Milliarden US-Dollar. So viel investieren Microsoft, Amazon, Alphabet, Meta und Oracle gemeinsam im Kalenderjahr 2025 in physische Infrastruktur: Rechenzentren, Grafikprozessoren, Kühlsysteme, Energieversorgung, Grundstücke.¹ Die Schätzungen für 2026 liegen bereits oberhalb von 600 Milliarden. Goldman Sachs erwartet kumuliert über 1,15 Billionen Dollar für die Periode 2025 bis 2027.²
Wer diese Zahlen als Marktkapitalisierungsarithmetik beiseitelegt, verpasst das eigentliche Argument. Wenn fünf Unternehmen mehr Kapital deployieren als die gesamte globale Telekommunikationsindustrie, dann ist KI keine Softwarekategorie mehr. Sie ist industrielle Infrastruktur in einem Tempo, das historisch nur bei der Elektrifizierung des frühen zwanzigsten Jahrhunderts und beim Eisenbahnbau des neunzehnten zu finden ist. Die marginalen Kosten von Intelligenz bestehen nicht aus Code allein, sondern aus dem Zusammenspiel von Software, Megawatt, Beton und Kupfer. Konvergenz im wörtlichsten Sinne.
Mit den effektiven Denkprozessen aus der TOC (Theory of Constraints) Durchbruchslösungen im Datenqualitätsmanagement schaffen
Ein Bewusstsein dafür, dass ein dringender Handlungsbedarf besteht ein übergreifendes und nachhaltiges DQM einzuführen, ist in vielen Organisationen noch gering ausgeprägt.
Wenn sich um das Thema Datenqualität gekümmert wird, dann meist auf lokale Einheiten beschränkt und situativ bedingt. Je nach Handlungsdruck werden immer wieder Einzelmaßnahmen durchgeführt. In der Regel stört schlechte Datenqualität den Flow von Prozessen und es erfordert immer wieder Nachbearbeitungsschleifen im laufenden Betrieb, bis ein Prozess effektiv abgeschlossen werden kann. Zusätzlich stören immer wieder die ad hoc initiierten Datenkorrekturmaßnahmen den Regelbetrieb.
Gute Datenqualität sichert den Erfolg von Omni-Channel-Strategien
Omni-Channel, das nächste große Ding im Retailing. Im Gegensatz zum Multi-Channel, wo Kunden die verschiedenen Vertriebskanäle hintereinander nutzen, bietet Omni-Channel die Möglichkeit die Vertriebskanäle parallel zu nutzen.
Wer Datenqualität und Prozessqualität als eine Einheit betrachtet, hat gute Zukunftsaussichten
Das Forschungsprojekt „World Management Survey“ beschäftigt sich mit der Einführung und Anwendung von Managementpraktiken in über 12.000 Unternehmen aus 34 Ländern. Es wurde gemessen, wie gut eine Organisation die wesentlichen Führungsmethoden in vier Bereichen beherrscht: Produktionsmanagement, Performance-Monitoring, Zielvorgaben und Talentmanagement.
Die Auswertung der Daten zeigt zwei wesentliche Erkenntnisse.
Prozessgedanke entscheidend für Erfolg
Je mehr Daten ein Unternehmen erzeugt, desto wichtiger ist es, dass es sich auf diese auch verlassen kann. Eine Entscheidung, die auf fehlerhaften Daten basiert, kann fatale Folgen haben. Verhindern lassen sich diese Probleme, wenn die Datenqualität direkt an die Geschäftsprozesse gekoppelt wird.
SEPA-Verfahren für alle ab 01. Februar 2014 bindend
Überweisungen und Lastschriften müssen lt. der europäischen SEPA-Verordnung ab dem 1. Februar 2014 einheitlichen rechtlichen und technischen Anforderungen im EU-Zahlungsraum genügen. Die nationalen Verfahren sind in der bekannten Form so nicht mehr gültig und werden entsprechend ersetzt.
Schwächen in der Datenqualität bereitet Schwierigkeiten bei der Umdeutung bestehender Lastschriften
Seit dem 09. Juli 2012 ist es möglich bestehende Lastschriften in eine SEPA Lastschrift umzudeuten.
Für eine SEPA-konforme Umdeutung müssen folgende Voraussetzungen erfüllt werden.
Gastbeitrag von Ingo Lenzen, Leiter InfoZoom Academy
Wer hat Schuld an schlechten Daten im neuen System?
Jedes Migrationsprojekt, bei dem bestehende Daten in neue Systeme übertragen werden, hat Hürden zu überwinden. Das gilt für den Adressimport genauso wie für den Artikelimport. Dabei sind häufig Stammdaten-Plausibilisierungen für die Folgearbeiten sehr wichtig. Sind erst Doubletten oder falsche Daten im System, kommen Fehler und Probleme nach und nach zum Vorschein. Aber wie kann ich tausende Datensätze auf einmal prüfen? Wie bringe ich einen Kunden dazu, in vorgelagerte Bereinigungen zu investieren? Intelligente Tools zeigen Lösungen auf.
Von Data Quality über Context Quality zu Business Decision Quality: Das neue Paradigma für das KI-Zeitalter
Die unbequeme Wahrheit zuerst: Die meisten Unternehmen investieren Millionen in KI-Initiativen, während sie ein fundamentales Problem ignorieren – nicht die Qualität ihrer Daten ist der Engpass, sondern die Qualität des Kontexts, den sie ihren Systemen zur Verfügung stellen. Wer heute noch glaubt, saubere Datenbanken allein seien das Fundament intelligenter Entscheidungen, denkt in Kategorien des vergangenen Jahrzehnts.
Data Cleansing vs. Data Observability
Datenbereinigung ist keine Lösung, sondern ein Symptom einer mangelhaft aufgestellten Datenstrategie sowie ineffizienter, nicht gut funktionierender Prozesse. Viele Unternehmen investieren erhebliche Ressourcen in kontinuierliche Bereinigungsmaßnahmen – ohne die eigentlichen Ursachen der schlechten Datenqualität nachhaltig zu beseitigen. Doch wer ständig nur putzt, ohne das Leck in der Leitung zu schließen, wird nie trocken arbeiten können.
Ein Qualitätsmanagement-System (QMS) ist nur dann nachhaltig und zukunftsgerichtet, wenn Unternehmen ein Datenqualitätsmanagement (DQM) in das QMS integrieren. Denn ein solches Managementsystem ist entscheidend für die erfolgreiche Umsetzung der Digitalen Transformation.
Seit Jahren investieren Unternehmen in Qualitätsmanagementsysteme, um ihre Prozesse an den Kundenwünschen auszurichten. Trotz aller Erfahrungen und Weiterentwicklungen auf diesem Gebiet wurde die Qualität der Daten bisher nahezu vernachlässigt. Das soll sich mit einer überarbeiteten Version der Norm DIN EN ISO 9001, die 2015 veröffentlicht wird, ändern. Diese berücksichtigt verstärkt den risikobasierten Ansatz. Der Ansatz zielt darauf ab, frühzeitig unternehmensgefährdende Risiken zu berücksichtigen, zu bewerten und zu vermeiden. Dabei gibt es erste Anzeichen in Richtung Daten- und Informationsqualität.
Am Donnerstagnachmittag, den 06.05.2010, mussten Händler an der Wall Street fassungslos mit ansehen, wie das Börsenbarometer binnen 5 Minuten um knapp 1000 Zähler abstürzte – der nach Punkten größte Tageseinbruch der Geschichte.
Zu diesem Zeitpunkt sind allein beim Dow Jones Werte von 350 Milliarden Dollar vernichtet worden.
Doch was war der Auslöser?
Ein eigener Erfahrungsbericht mit einem Datenprovider
Vor einigen Wochen meldete sich telefonisch die Vertrieblerin eines Datenproviders bei mir mit der Frage, ob es für die ACT Gruppe interessant wäre für die Kundenakquise detaillierte Kontaktdaten von Unternehmen zu bekommen, die unsere Webseite besucht haben.
Grundsätzlich war ich interessiert und wollte wissen,
a) wie dies im Zusammenhang mit der ACT Webseite technisch gelöst wird und
b) welche Daten mit welcher Qualität angeboten werden.
Zusätzlich zu den qualifizierten Adressen könne man uns auch entsprechende Ansprechpartner zur Verfügung stellen.
Datenqualitätsmanagement nach der "Friday Afternoon Measurement" Methode
Entscheidungsträger, Führungskräfte, Datenwissenschaftler und Manager müssen oft schnell beurteilen, ob sie einem Datensatz vertrauen können, ob sie ihn in eine Analyse einbeziehen oder ob eine neue Richtung einschlagen werden muss. Es gibt viele Möglichkeiten, aber die grundlegende Frage ist, "habe ich ein Problem mit der Datenqualität?"
Mit der Methode "Friday Afternoon Measurement (FAM)" von Thomas C. Redman, kann diese Frage schnell beantwortet werden. Die Methode richtet sich an Manager auf jeder Ebene, deren Entscheidungsfähigkeit stark von Daten abhängig ist. Mit der fortschreitenden Digitalisierung von Geschäftsprozessen steigt zunehmend das Risiko fehlerhafter Entscheidungen sowie einer verzögerten Erfüllung von Prozesszielen aufgrund schlechter Datenqualität. Die FAM-Methode hilft, das aktuelle Niveau der Datenqualität zu messen, die möglichen Auswirkungen gut einzuschätzen und entsprechende Handlungsoptionen abzuleiten. Die Methode ist unabhängig von Branche, Unternehmen, Prozesse und Daten einsetzbar.
