Data Ownership: Verantwortung in der Data Governance

Jede Organisation hat Daten. Deutlich weniger haben eine klare Antwort auf die Frage: Wer verantwortet sie? Die Datenverantwortung ist die Disziplin der Governance, die Rechenschaft für Datenbestände bestimmten Personen oder Rollen zuweist, damit jeder Datensatz, jeder Bericht und jede Kennzahl jemanden hat, der für Qualität, Sicherheit und angemessene Nutzung einsteht.

Ohne Verantwortung ist Data Governance ein Satz Richtlinien, den niemand durchsetzt. Mit ihr wird Governance zur betrieblichen Wirklichkeit: Entscheidungen fallen, die Qualität steigt, und Teams vertrauen den Daten, mit denen sie arbeiten.

Was ist Data Ownership?

Die Datenverantwortung ist die Zuweisung der Rechenschaft für einen Datenbestand an eine bestimmte Person oder Rolle innerhalb der Organisation. Der Data Owner ist die fachliche Instanz, die entscheidet, wie Daten in seiner Domäne definiert, zugänglich gemacht, gepflegt und genutzt werden.

Bei der Datenverantwortung geht es nicht um Kontrolle im einschränkenden Sinn, sondern um Verantwortung. Ein Data Owner pflegt nicht persönlich jede Zeile einer Datenbank. Er setzt die Standards für Qualität, gibt Zugriffsanfragen frei, klärt Streit über Definitionen und sorgt dafür, dass die Daten ihrem fachlichen Zweck dienen. Denken Sie an Eigentum an einem Haus: Sie bauen es nicht selbst, aber Sie verantworten seinen Zustand und wer es betritt.

Die Verantwortung greift auf Ebene der Domäne, nicht auf Ebene der Tabelle. Eine Vertriebsleitung verantwortet die Datendomäne „Vertrieb“, also alle Daten zur Kundenpipeline, alle Opportunity-Datensätze und alle Umsatzkennzahlen darin. Das hält die Verantwortung handhabbar und richtet sie an der Aufbauorganisation aus.

Warum Data Ownership zählt

Klare Datenverantwortung ist der Mechanismus, der aus Richtlinien der Governance betriebliches Verhalten macht. Ohne sie stehen Richtlinien auf dem Papier, und niemand setzt sie durch.

KI und Analysen hängen an klarer Rechenschaft

Wenn ein KI-Modell ungenaue Vorhersagen liefert, lautet die erste Frage: Wessen Daten haben das Problem verursacht? Ohne Verantwortung hat diese Frage keine Antwort, und das Problem bleibt. Data Owner sorgen dafür, dass Trainingsdaten den Qualitätsstandards genügen, dass Definitionen über die Quellsysteme hinweg einheitlich sind und dass die von Modellen genutzten Daten für ihren Zweck taugen. Gut verantwortete Daten sind das Fundament vertrauenswürdiger KI.

Die regulatorische Compliance verlangt sie

Die DSGVO, der CCPA und der EU AI Act (KI-Verordnung) verlangen alle, dass Organisationen nachweisen, wer für Daten einsteht. Trifft ein Auskunftsersuchen einer betroffenen Person ein, muss jemand für die Antwort verantwortlich sein. Fragt eine prüfende Person „Wer hat diese Daten für die Nutzung in einem KI-Modell freigegeben?“, muss es eine Antwort geben. Die Verantwortung liefert die Kette der Rechenschaft, welche die Compliance verlangt.

Sie löst die Lähmung „Das verantwortet niemand“

Das häufigste Fehlerbild in der Data Governance ist das Problem der verwaisten Daten: ein Bestand, den mehrere Teams nutzen und niemand pflegt. Die Qualität verfällt, Definitionen driften auseinander, und wenn etwas bricht, zeigen die Teams aufeinander, statt das Problem zu beheben. Klare Verantwortung beendet diese Lähmung, indem jeder Datenbestand einen einzigen Punkt der Rechenschaft bekommt.

Data Owner, Data Steward und Data Custodian

Drei verschiedene Rollen bilden die Kette der Rechenschaft für Daten. Sie zu verwechseln gehört zu den häufigsten Fehlern in der Governance, denn jede hat einen anderen Zuschnitt und eine andere Befugnis.

Der Data Owner

Der Data Owner ist eine fachliche Führungskraft, in der Regel eine Bereichs- oder Abteilungsleitung, die formal für eine Datendomäne einsteht. Er pflegt die Daten nicht im Tagesgeschäft. Er setzt die Standards: was Qualität in seiner Domäne bedeutet, wer Zugriff bekommt, wie die fachlichen Definitionen lauten und wie die Daten genutzt werden sollen. Streiten zwei Abteilungen darüber, was „aktiver Kunde“ heißt, entscheidet der Data Owner der Kundendomäne.

Der Data Steward

Der Data Steward ist die Person in der Praxis, welche die Governance im Auftrag des Data Owner umsetzt. Stewards dokumentieren Datenbestände im Datenkatalog, überwachen Kennzahlen zur Qualität, beantworten Fragen anderer Teams und melden Probleme an den Owner. Sie sind die Brücke zwischen fachlicher Absicht und technischer Wirklichkeit. Eine Domäne kann mehrere Stewards haben, gerade in großen Organisationen.

Der Data Custodian

Der Data Custodian ist eine Rolle in der IT oder im Engineering, verantwortlich für die technische Infrastruktur: Speicher, Sicherheit, Sicherungen, Zugriffskontrollen und Leistung. Custodians setzen um, was Owner und Stewards festlegen. Sie treffen keine fachlichen Entscheidungen über Daten, sondern sorgen dafür, dass die technische Umgebung die Richtlinien der Governance trägt.

Wie Sie Data Ownership zuweisen

Verantwortung zuzuweisen ist eine Aufgabe des Organisationsentwurfs, keine technische. Ziel ist eine klare, durchsetzbare Rechenschaft, die zu der Art passt, wie das Geschäft tatsächlich arbeitet.

Verantwortung nach Domänen

Der wirksamste Ansatz weist die Verantwortung nach fachlicher Domäne zu statt nach einzelner Datenbank oder einzelnem System. Eine Domäne ist eine logische Gruppe verwandter Daten, die eine fachliche Funktion verwaltet: „Kunde“, „Produkt“, „Finanzen“, „Lieferkette“, „Personal“. Das richtet die Verantwortung an der Aufbauorganisation aus und vermeidet die unpraktikable Lage, jeder von Hunderten Tabellen einen Verantwortlichen zuzuweisen.

RACI-Matrix für Datendomänen

Eine RACI-Matrix klärt für jede Domäne vier Rollen: R für Responsible (der Steward), A für Accountable (der Owner), C für Consulted (die Fachleute) und I für Informed (die Nutzenden). Das verhindert den häufigen Fehler, dass die Verantwortung dem Namen nach besteht, aber niemand weiß, wen er bei einem Qualitätsproblem ansprechen soll.

Klein beginnen, bewusst ausweiten

Versuchen Sie nicht, jedem Datenbestand auf einmal einen Verantwortlichen zuzuweisen. Beginnen Sie mit den fünf bis zehn wichtigsten Domänen, also mit den Daten, die Umsatzberichte, regulatorische Compliance oder KI-Vorhaben tragen. Zeigen Sie, dass Verantwortung wirkt, und weiten Sie dann aus. Organisationen, die Verantwortung für Hunderte Bestände gleichzeitig zuweisen wollen, erzeugen eine Verwaltungslast, die unter ihrem eigenen Gewicht zusammenbricht.

Data Ownership fördern und erhalten

Die Zuweisung ist der leichte Teil. Sie zum Halten zu bringen, also eine Kultur aufzubauen, in der Data Owner ihre Aufgaben aktiv wahrnehmen, ist die eigentliche Herausforderung. Verantwortung, die nur in einem Dokument zur Governance steht, ist keine.

Rückhalt der Geschäftsführung und des Governance-Rats

Die Datenverantwortung muss sichtbar von oben getragen werden. Wenn ein CDO oder ein Governance-Rat Entscheidungen zur Verantwortung ausdrücklich stützt, haben die Verantwortlichen die Befugnis, Standards durchzusetzen und Streit über Abteilungsgrenzen hinweg zu klären. Ohne diesen Rückhalt wird die Verantwortung zu einem Auftrag ohne Mittel: Die Leute tragen den Titel, aber nicht die Macht zu handeln. Nehmen Sie Kennzahlen zur Verantwortung in die Dashboards der Geschäftsführung und in die Sitzungen des Governance-Rats auf.

Anerkennung und Anreize

Menschen setzen Prioritäten nach dem, woran sie gemessen werden. Sind Aufgaben der Datenverantwortung in Leistungsgesprächen unsichtbar, verlieren sie immer gegen die „eigentliche Arbeit“. Wirksame Organisationen schreiben die Verantwortung in die Rollenbeschreibung, würdigen Data Owner, die Qualitätskennzahlen verbessern, und feiern Erfolge der Governance öffentlich. Manche Organisationen nehmen Kennzahlen zum Data Stewardship in die Jahresgespräche auf, eine einfache Änderung, die das Engagement deutlich hebt.

Werkzeuge im Self-Service, die Verantwortung leicht machen

Wenn das Dokumentieren von Datenbeständen, das Sichten von Qualitätskennzahlen und das Freigeben von Zugriffsanfragen Stunden Handarbeit kostet, ziehen sich die Verantwortlichen zurück. Werkzeuge für die Governance sollten Verantwortung reibungsfrei machen: ein Datenkatalog, der den Verantwortlichen ihre Domänen auf einen Blick zeigt, Dashboards zur Qualität, die Probleme von sich aus melden, und Abläufe für Zugriffsanfragen, die Minuten statt Tage brauchen. Je weniger Aufwand die Verantwortung kostet, desto eher halten Menschen sie durch.

Schulung und Gemeinschaft der Praxis

Viele Data Owner sind fachliche Führungskräfte, die nie formal in Governance geschult wurden. Bieten Sie praktische Schulung an, keine abstrakte Theorie der Governance, sondern konkrete Anleitung: wie man Qualitätskennzahlen liest, wann man eskaliert, wie man eine gute fachliche Definition schreibt. Bauen Sie eine Gemeinschaft der Praxis, in der Data Owner und Stewards Schwierigkeiten, Lösungen und bewährte Wege teilen. Lernen unter Gleichen wirkt oft besser als Anweisung von oben.

Übliche Hürden und wie Sie sie nehmen

Vorhaben zur Datenverantwortung scheitern aus vorhersehbaren Gründen. Wer die Muster kennt, kann sie umgehen.

„Das will niemand verantworten“

Wird Verantwortung als zusätzliche Arbeit ohne erkennbaren Nutzen dargestellt, ist Widerstand natürlich. Die Abhilfe: Verantwortung als Befugnis statt Last rahmen. Data Owner gestalten, wie die Daten ihrer Domäne genutzt werden, wer auf sie zugreift und welche Qualitätsstandards gelten. Sie entscheiden, sie verwalten nicht. Beginnen Sie mit Führungskräften, denen die Datenqualität ohnehin am Herzen liegt: Sie werden zu Fürsprechern, die Skeptikern den Nutzen vorführen.

Lücken bei domänenübergreifenden Daten

Manche Daten spannen sich über mehrere Domänen: Eine „Kundenbestellung“ betrifft Kundendaten (Vertrieb), Produktdaten (Produkt) und Finanzdaten (Finanzen). Ohne Abstimmung werden diese Schnittmengen zum Niemandsland der Governance. Die Lösung ist, einen hauptverantwortlichen Owner danach zu bestimmen, wo die Daten entstehen, mit klaren Eskalationswegen für Streit über Domänengrenzen hinweg. Was die Hauptverantwortlichen nicht klären können, entscheidet ein Governance-Rat.

Die Verantwortung veraltet

Menschen wechseln Rollen, Teams werden umgebaut, und Zuweisungen der Verantwortung veralten. Die Abhilfe sind regelmäßige Prüfungen der Verantwortung, mindestens quartalsweise, bei denen die Zuweisungen bestätigt und aktualisiert werden. Ein Datenkatalog, der Bestände ohne aktiven Verantwortlichen sichtbar macht, macht diese Prüfung praktikabel statt zur Rätselei.

Schatten-IT und nicht erfasste Daten

Abteilungen legen eigene Tabellenblätter, Datenbanken und Dashboards außerhalb der gesteuerten Systeme an. Diese Schattendaten haben per Definition keinen Verantwortlichen. Statt die Schatten-IT ausrotten zu wollen, machen Sie den gesteuerten Weg leichter als den ungesteuerten. Wenn Daten über den Katalog zu finden und zu verstehen schneller geht, als ein eigenes Tabellenblatt zu bauen, wählen Menschen die Governance freiwillig.

Wie Dawiso Data Ownership unterstützt

Dawiso macht die Datenverantwortung betrieblich und nicht bloß organisatorisch. Die Plattform liefert die Werkzeuge, die aus Zuweisungen tägliche Praxis der Governance machen.

Im Datenkatalog von Dawiso lässt sich jedem Datenbestand ein Owner und ein Steward zuweisen, sichtbar für alle, die den Bestand finden. Findet ein Nutzer aus dem Fachbereich einen Datenbestand, sieht er sofort, wer für ihn einsteht und wen er bei Fragen anspricht. Das macht aus der Verantwortung statt eines Dokuments in einem SharePoint-Ordner eine lebendige, auffindbare Beziehung.

Das Business Glossary (Fachglossar) lässt Data Owner die fachlichen Begriffe ihrer Domäne festlegen und freigeben. Wenn „Umsatz“ in den Finanzen etwas Bestimmtes bedeutet, ist diese Definition dokumentiert, versioniert und mit den tatsächlichen Daten verknüpft. Damit fallen die Streitigkeiten über Definitionen weg, die Stunden an Besprechungszeit kosten.

Die interaktive Data Lineage zeigt den Verantwortlichen genau, wie ihre Daten durch die Organisation fließen: woher sie kommen, was sie umformt und welche Berichte und Modelle sie verbrauchen. Das macht die Wirkungsanalyse praktikabel: Bevor eine Datenquelle geändert wird, sieht der Verantwortliche alles, was nachgelagert davon abhängt.

Über das Model Context Protocol (MCP) reichen die Metadaten der Verantwortung bis zu KI-Agenten. Fragt ein KI-Modell Unternehmensdaten ab, erreicht es nicht nur die Daten selbst, sondern auch den Kontext der Governance: wer sie verantwortet, welche Qualitätsstandards gelten und welche Definitionen freigegeben sind. Das macht KI-ready Data Governance zur Wirklichkeit statt zum Wunsch.

Fazit

Die Datenverantwortung ist der Mechanismus der Governance, der die grundlegendste Frage zu jedem Datenbestand beantwortet: Wer verantwortet ihn? Ohne sie stehen Richtlinien auf dem Papier; mit ihr werden sie betriebliche Wirklichkeit.

Die erfolgreichsten Programme teilen gemeinsame Züge: Sie beginnen klein mit den kritischen Domänen, richten sich an der Aufbauorganisation aus, investieren in Werkzeuge, die Verantwortung leicht machen, und bauen eine Kultur, in der Rechenschaft geschätzt und belohnt wird. Datenverantwortung ist kein Projekt mit Enddatum, sondern eine dauernde Verpflichtung, Daten als strategisches Gut zu behandeln, das dieselbe Rechenschaft verdient wie jede andere Ressource des Geschäfts.