Stammdaten pflegen: Kunden, Artikel, Preise an einem Ort

Warum unsaubere Stammdaten in jedem Ablauf Fehler machen

Ein Kunde ist umgezogen. Im Buchhaltungsprogramm steht die neue Adresse, im CRM die alte, und in der Tabelle des Außendienstes eine dritte. Die Rechnung geht an die falsche Anschrift, die Mahnung ebenfalls, und am Ende ruft der Kunde verärgert an. Beim Preis passiert dasselbe: Die Preisliste wurde im Januar erhöht, die Angebotsvorlage nicht.

Solche Fehler wirken klein, sie sind aber teuer, weil sie sich wiederholen. Ein falscher Eintrag in einem Angebot betrifft ein Angebot. Ein falscher Stammsatz betrifft jedes Angebot, jede Lieferung und jede Rechnung, die auf ihn zugreift, bis jemand ihn bemerkt. Mit der E-Rechnung, die Daten ohne menschliche Kontrolle weiterreicht, wird das noch sichtbarer.

Dieser Beitrag beantwortet eine Frage: Wie sorgt ein kleiner Betrieb dafür, dass Kunden, Artikel und Preise an einem Ort richtig gepflegt sind und alle Abläufe auf dieselben Daten zugreifen? Dafür klären wir zuerst die Begriffe, stellen dann ein Denkmodell zur Datenqualität vor, prüfen Befunde aus Fallstudien, wägen zentrale und verteilte Pflege ab und beschreiben am Ende eine Satzung für Stammdaten.

Ein Fehler im Angebot betrifft einen Kunden. Ein Fehler im Stammsatz betrifft jeden Vorgang, der danach kommt.

Was sind Stammdaten, und was ist ein führendes System?

Stammdaten sind Grunddaten, die sich selten ändern und von vielen Abläufen gemeinsam genutzt werden: Kunden mit Adresse und Ansprechpartnern, Lieferanten, Artikel und Leistungen, Preise und Konditionen. Bewegungsdaten entstehen dagegen bei jedem Vorgang neu, etwa ein Angebot, ein Auftrag oder eine Rechnung. Bewegungsdaten greifen auf Stammdaten zu. Deshalb wirken Fehler in Stammdaten wie ein Kopierfehler, der in jedem neuen Vorgang wieder auftaucht.

Das führende System ist der eine Ort, an dem eine Datenart gepflegt wird und der im Zweifel gilt. Alle anderen Programme lesen dort nach oder bekommen die Daten von dort. Diese Regel entspricht dem Grundsatz „eine Information, ein Ort“ aus dem Beitrag Werkzeug-Wildwuchs reduzieren.

Ein altes Sprichwort sagt: Wer eine Uhr hat, weiß, wie spät es ist. Wer zwei hat, ist sich nie sicher. Mit Stammdaten verhält es sich genauso. Zwei Kundenlisten sind nicht doppelt so gut wie eine, sondern schlechter als eine, weil niemand mehr weiß, welche gilt.

Das Denkmodell: Datenqualität aus Sicht der Nutzer

Die Forscher Richard Wang und Diane Strong haben 1996 untersucht, was Datenqualität für die Menschen bedeutet, die mit Daten arbeiten. Ihr Ausgangspunkt war die Beobachtung, dass Verbesserungen in Unternehmen sich meist eng auf die Richtigkeit konzentrieren. Über eine zweistufige Befragung und eine Sortierstudie entwickelten sie ein Gerüst mit vier Kategorien. Ihr Kernbefund: Datennutzer haben ein deutlich breiteres Verständnis von Qualität als die Fachleute, die die Systeme betreuen (Wang und Strong 1996).

Das Modell erklärt, warum Stammdaten oft als schlecht gelten, obwohl jeder einzelne Eintrag stimmt. Eine richtige Adresse ohne Ansprechpartner für Rechnungen ist für die Buchhaltung unbrauchbar. Ein richtiger Preis, den der Außendienst nicht abrufen kann, wird durch eine eigene Liste ersetzt, und schon gibt es zwei Uhren. Für Vertriebsdaten im CRM nennt der Beitrag Datenqualität im CRM vier Eigenschaften: vollständig, aktuell, eindeutig und ehrlich. Sie lassen sich in dieses Gerüst einordnen. Für Stammdaten kommen Darstellung und Zugänglichkeit hinzu, weil viele verschiedene Abläufe dieselben Daten lesen.

Was Fallstudien über Datenpflege zeigen

Walsh, McAvoy und Sammon (2025) haben 20 veröffentlichte Fallstudien über Programme zur Datensteuerung in Unternehmen ausgewertet, im Fachbegriff Data Governance, also die Regeln dafür, wer welche Daten wie pflegen und nutzen darf. Sie verdichteten die Erfahrungen zu 17 Einsichten, geordnet nach Vorbereitung, Start und Verstetigung. Das deutlichste Ergebnis: Über den Erfolg entschieden vor allem die Menschen und ihr Umgang mit Daten, weniger die Theorie oder die Technik. Die Modelle aus der Forschung spielten für die Praktiker kaum eine Rolle.

Mehrere Einsichten lassen sich direkt auf kleine Betriebe übertragen. Erfolgreiche Programme legten von Beginn an klare Rollen und Zuständigkeiten fest und schrieben sie auf. Sie behandelten die Datenpflege nicht als Aufgabe der IT allein, sondern als gemeinsame Aufgabe der Bereiche, die die Daten erzeugen und nutzen. Und sie schulten die Nutzer in ihren Pflichten, weil auch ein gutes System schlechte Daten liefert, wenn die Menschen nicht wissen, wie sie eintragen sollen. Die Autoren zitieren außerdem eine Schätzung, nach der fehlendes Vertrauen in Daten bis zur Hälfte der Arbeitszeit von Wissensarbeitern in die Suche nach verlässlichen Daten lenken kann. Das ist eine grobe Schätzung und keine Messung, sie zeigt aber die Größenordnung des Problems.

Haug, Staskiewicz und Hvam (2023) begleiteten über längere Zeit ein großes internationales Unternehmen bei der Einführung einer zentralen Stammdatenpflege. Sie zeigen, dass weder die zentrale noch die verteilte Pflege alle Probleme löst. Jede bringt eigene Vor- und Nachteile, und die Autoren leiten daraus vier unterschiedliche Strategien ab. Die Studie macht deutlich, dass die Organisation der Pflege eine bewusste Entscheidung ist.

Zentral oder verteilt pflegen? Zwei Sichtweisen

Die erste Sichtweise sagt: Stammdaten pflegt eine Person. Nur so bleiben Schreibweisen einheitlich, Dubletten selten und Preise konsistent. Wer einen neuen Kunden braucht, meldet ihn an, und die zuständige Person legt ihn an.

Die zweite Sichtweise sagt: Daten pflegt am besten, wer sie zuerst erfährt. Der Verkäufer kennt die neue Adresse, die Einkäuferin den neuen Lieferantenpreis. Jeder Umweg über eine zentrale Stelle verzögert die Änderung, und in der Zwischenzeit entstehen Schattenlisten.

Die Befunde von Haug und Kollegen sprechen dafür, dass keine Form allein trägt. Ich halte für kleine Betriebe eine Mischform für richtig: Die Verantwortung für jede Datenart liegt bei genau einer Person, die Erfassung dagegen dort, wo die Information entsteht, nach festen Regeln. Die verantwortliche Person prüft regelmäßig und bereinigt, sie tippt aber nicht alles selbst. Das entspricht dem Grundsatz der RACI-Matrix: Viele dürfen durchführen, aber nur eine Person verantwortet.

Die Stammdaten-Satzung: fünf Festlegungen auf einer Seite

Die Stammdaten-Satzung ist das Werkzeug dieses Beitrags. Sie hält für jede Datenart fünf Festlegungen fest. Ähnlich wie die Ablage-Satzung aus dem Beitrag Digitale Ablage passt sie auf eine Seite und wird dort aufbewahrt, wo alle sie finden.

Drei Punkte verdienen besondere Aufmerksamkeit. Erstens: wenige Pflichtfelder. Jedes zusätzliche Pflichtfeld erhöht die Wahrscheinlichkeit, dass jemand es mit einem Platzhalter füllt. Zweitens: ein Änderungsweg für heikle Daten. Eine geänderte Bankverbindung eines Lieferanten wird nur nach Rückruf unter der bekannten Telefonnummer übernommen, weil gefälschte Änderungsmitteilungen eine verbreitete Betrugsmasche sind. Drittens: Archivieren statt löschen. Ein Kunde, der seit Jahren nicht bestellt hat, wird als inaktiv markiert, damit alte Rechnungen nachvollziehbar bleiben.

Wie du einen verwilderten Bestand in vier Wochen bereinigst

1. Woche 1: führendes System festlegen

   Entscheide für jede Datenart, welches System gilt. Alle anderen Listen werden ab sofort nicht mehr gepflegt, sondern nur noch gelesen.

2. Woche 1: Stichprobe ziehen

   Prüfe 50 Kundendatensätze und 50 Artikel nach den vier Kategorien. Zähle, welche Fehler am häufigsten vorkommen.

3. Woche 2: Dubletten zusammenführen

   Sortiere nach Name, Postleitzahl und Telefonnummer. Führe doppelte Einträge zusammen und archiviere die überzähligen.

4. Woche 3: Lücken schließen

   Ergänze die Pflichtfelder für die aktiven Kunden und Artikel. Inaktive werden markiert, nicht nachgepflegt.

5. Woche 4: Satzung einführen

   Stelle die Satzung im Team vor, schule kurz, wer was erfasst, und trage die erste monatliche Stichprobe in den Kalender ein.

Das Beispiel zeigt ein typisches Muster, das das Modell von Wang und Strong erwarten lässt: Die meisten Fehler sind keine falschen Einträge, sondern fehlende oder veraltete. Gerade die fehlende Rechnungs-E-Mail wird wichtig, wenn die E-Rechnung ab 2027 oder 2028 auch im Versand Pflicht wird, wie der Beitrag E-Rechnungspflicht beschreibt. Saubere Stammdaten sind zugleich die erste Schicht jeder Digitalisierung, wie der Beitrag Digitalisierung in der richtigen Reihenfolge zeigt.

Fazit: Wie bleiben Stammdaten an einem Ort richtig?

Offen war zu Beginn, wie ein kleiner Betrieb Kunden, Artikel und Preise an einem Ort richtig pflegt. Die Antwort hat drei Teile. Erstens gibt es für jede Datenart genau ein führendes System, und alle anderen Listen werden aufgegeben. Zweitens bemisst sich Qualität nach Wang und Strong an der Brauchbarkeit für die Nutzer, also auch an Vollständigkeit, einheitlicher Darstellung und Zugang, nicht nur an Richtigkeit. Drittens entscheiden nach den ausgewerteten Fallstudien vor allem Menschen und klare Rollen. Für kleine Betriebe heißt das: Verantwortung bei einer Person je Datenart, Erfassung dort, wo die Information entsteht, und eine kurze Prüfung im Monat. Stammdaten werden nicht durch eine einmalige Aufräumaktion gut, sondern durch eine Regel, die nach der Aufräumaktion gilt.

Der nächste Schritt

• Für Kunden, Lieferanten, Artikel und Preise je ein führendes System festlegen.
• Für jede Datenart eine verantwortliche Person benennen.
• Die Pflichtfelder auf das beschränken, was Angebot, Rechnung und Lieferung wirklich brauchen.
• Eine Stichprobe von 50 Kundendatensätzen ziehen und die Fehler zählen.
• Einen Änderungsweg für Bankverbindungen mit Rückruf festlegen.

Die Stichprobe dauert kaum eine Stunde und zeigt fast immer, wo die meisten Fehler in Angeboten und Rechnungen ihren Ursprung haben.