Was ist Master Data Management (MDM)?

Master Data Management (MDM) ist die Disziplin und das Bündel an Praktiken, mit denen eine einheitliche Datenbasis für die wichtigsten Datenobjekte einer Organisation entsteht und gepflegt wird, üblicherweise für Kunden, Produkte, Lieferanten, Mitarbeitende und Standorte. Diese Objekte heißen Stammdaten, weil sie über mehrere Systeme und Geschäftsprozesse hinweg herangezogen werden und Uneinheitlichkeit in ihrer Definition oder Erfassung nachgelagert immer größere Probleme erzeugt.

Ein Unternehmen ohne MDM speichert „Kunden“ womöglich im CRM, im Auftragssystem, auf der Support-Plattform, im Marketing-Automatisierungswerkzeug und im Analytics-Warehouse, mit verschiedenen Kennungen, verschiedenen Schreibweisen, verschiedenen Feldstrukturen und ohne verlässliche Möglichkeit, einen Kunden über Systeme hinweg zuzuordnen. MDM löst das, indem es einen Golden Record erzeugt: eine einzige, vereinheitlichte Darstellung jedes Objekts, auf die sich alle Systeme als maßgeblich beziehen können.

Was sind Stammdaten?

Nicht alle Daten sind Stammdaten. Stammdaten haben bestimmte Eigenschaften, die sie von Bewegungsdaten (Bestellungen, Ereignisse, Logs) und Referenzdaten (Ländercodes, Währungscodes, Produktkategorien) unterscheiden:

• Über Systeme hinweg geteilt: Kundendatensätze erscheinen in CRM, Abrechnung, Support, Analytics und Marketing. Produktdatensätze erscheinen in Bestandsführung, E-Commerce, Lieferkette und Finanzen. Das Objekt spannt sich über mehrere Systeme, und genau deshalb ist Uneinheitlichkeit teuer.
• Verhältnismäßig stabil: Stammdaten ändern sich selten im Vergleich zu Bewegungsdaten. Name und Adresse eines Kunden ändern sich kaum, seine Bestellungen täglich. Diese Stabilität macht Stammdaten zu einem guten Kandidaten für zentrale Verwaltung.
• Geschäftskritisch: Fehler in Stammdaten pflanzen sich weit fort. Ein doppelter Kundendatensatz erzeugt falsche Umsatzberichte, doppelte Mailings und verwirrte Supportgespräche. Die Kosten schlechter Stammdaten summieren sich über jedes System, das sie heranzieht.
• Verlangt menschliche Governance: Anders als Bewegungsdaten, die sich automatisch verarbeiten lassen, verlangen Stammdaten oft menschliches Urteil: Ist das eine Dublette? Welcher Datensatz ist maßgeblich? Wie soll zusammengeführt werden?

MDM definiert

MDM umfasst die Menschen, Prozesse und Technik, die Stammdaten über ihren Lebenszyklus hinweg verwalten:

1. Zusammenführung: Stammdaten aus allen Quellsystemen in einem zentralen Speicher sammeln.
2. Dublettenabgleich: Datensätze erkennen, die sich über Systeme hinweg auf dasselbe reale Objekt beziehen. Ein Kunde, der im CRM als „Jane Smith“, in der Abrechnung als „J. Smith“ und im Altsystem als „SMITH J“ erscheint, ist ein Kunde. Abgleichalgorithmen erkennen ihn als dasselbe Objekt.
3. Standardisierung: einheitliche Formate anwenden, für Telefonnummern, Adressen, Produktcodes und Namen juristischer Personen.
4. Golden Record erzeugen: abgeglichene Datensätze zu einer maßgeblichen Darstellung zusammenführen und dabei Regeln anwenden, welcher Wert welches Systems je Feld maßgeblich ist.
5. Verteilung und Abgleich: den Golden Record an die nutzenden Systeme zurückgeben, damit alle nachgelagerten Anwendungen auf einheitliche Stammdaten zugreifen.
6. Governance und Stewardship: laufende Prozesse, um die Datenqualität zu halten, Ausnahmen zu klären, Änderungen zu steuern und die Compliance zu prüfen.

Architekturstile im MDM

Es gibt vier MDM-Grundmuster, jedes mit eigenen Abwägungen:

Registry Style

Das MDM-System hält nur einen Querverweisindex, also welcher Datensatz in System A welchem in System B entspricht, und lässt die eigentlichen Daten in den Quellsystemen. Minimal eingreifend, weil die Quellsysteme unangetastet bleiben, aber der Stammsatz ist kein einziger physischer Speicher.

Consolidation Style

Stammdaten werden aus den Quellsystemen in einen zentralen MDM-Hub kopiert, für Berichte und Analysen, während die Quellsysteme führend bleiben. Passt am besten für Analytics, wo Sie einen vereinheitlichten Blick brauchen, ohne die operativen Systeme zu ändern.

Coexistence Style

Der MDM-Hub hält den Golden Record und gibt ihn an die Quellsysteme zurück, die mit ihren lokalen Kopien weiterlaufen. Änderungen können in jedem System entstehen, der Hub gleicht ab und verteilt. Aufwendig umzusetzen, liefert aber zentralen Satz und verteilten Zugriff zugleich.

Zentral / Transaction Hub

Alle Anlage-, Änderungs- und Löschvorgänge für Stammdaten laufen über den MDM-Hub, die Quellsysteme abonnieren die Änderungen. Höchste Einheitlichkeit, höchster Umsetzungsaufwand. Üblicherweise für Neueinführungen oder wenn Quellsysteme abgelöst werden.

Stammdatendomänen

MDM-Einführungen richten sich üblicherweise auf bestimmte Domänen, also die kritischen Objekttypen, bei denen Uneinheitlichkeit den größten Schaden anrichtet:

• Kunden-MDM: die häufigste Domäne. Beseitigt doppelte Kundendatensätze, ermöglicht den Rundumblick und sorgt für stimmige Kundenzahlen über CRM, Abrechnung, Support und Analytics hinweg.
• Produkt-MDM: verwaltet Katalogdaten über E-Commerce, Bestandsführung, Finanzen und Lieferkette. Uneinheitliche Produktdefinitionen führen zu falschen Preisen, Fehlern in der Abwicklung und falscher Umsatzzuordnung.
• Lieferanten-MDM: entscheidend für Einkauf und Finanzen. Doppelte Lieferantendatensätze erzeugen doppelte Zahlungen, uneinheitliche Lieferantendaten erschweren Vertragsverwaltung und Ausgabenanalyse.
• Mitarbeitenden-MDM (HR): ein einziger Personendatensatz über HR-Systeme, Identitätsverwaltung, Lohnabrechnung und Zugriffsverwaltung hinweg.
• Standort-MDM: einheitliche Standorthierarchien über Berichtsregionen, Steuergebiete und Betrieb hinweg.

MDM und Data Governance

MDM und Data Governance hängen eng zusammen. MDM ohne Governance ist nur ein weiteres System, das Daten ohne klare Verantwortung ansammelt. Governance ohne MDM fehlt der technische Hebel, um ihre Richtlinien auf Datenebene durchzusetzen.

Diese Governance-Bausteine verlangt MDM:

• Datenverantwortung: Wer steht in jeder Domäne für die Datenqualität der Stammdaten ein? Kundendaten verantwortet vielleicht das CRM-Team, Produktdaten das Team für Produktbetrieb.
• Stewardship: Data Stewards prüfen die Zuordnungen, die der Algorithmus nicht sicher auflösen konnte, entscheiden Konflikte zwischen Quellsystemen und behandeln Ausnahmen. Stewardship ist die menschliche Schicht im MDM.
• Fachdefinitionen: Was ist die kanonische Definition von „Kunde“? Wann wird aus einem Interessenten ein Kunde? Wann ist eine Dublette „dasselbe Objekt“ und wann ein verwandtes, aber eigenes? Das sind Governance-Fragen, keine technischen. Ein Business Glossary, das diese kanonischen Definitionen pflegt, ist Voraussetzung für einheitliche MDM-Regeln.

Modernes MDM und KI

KI hat zwei Seiten des MDM spürbar verbessert: den Abgleich und die Anreicherung. Klassischer Abgleich beruhte auf festen Regeln (exakte Übereinstimmung bei der E-Mail-Adresse, unscharfe Übereinstimmung bei Name und Postleitzahl). Modelle des maschinellen Lernens lernen aus früheren Zusammenführungsentscheidungen und übertragen sie auf neue Muster, was die Trefferquote deutlich hebt, besonders bei unstrukturierten oder schlecht formatierten Daten.

Anreicherung durch KI kann Stammsätze um abgeleitete Merkmale ergänzen: Unternehmensgröße aus dem Firmennamen, Rolle einer Kontaktperson aus der E-Mail-Domäne, Dublettenwahrscheinlichkeit aus Verhaltenssignalen. Das senkt den Aufwand für manuelle Anreicherung und macht den Golden Record vollständiger.

Die Governance-Anforderung bleibt unverändert: Von KI vorgeschlagene Zuordnungen brauchen bei geringer Sicherheit weiterhin menschliche Prüfung, und die Regeln, die „dasselbe Objekt“ definieren, verlangen weiterhin fachliches Urteil, festgehalten in Governance-Prozessen und Glossardefinitionen.

Fazit

Master Data Management ist die Disziplin, die Unternehmensdaten zusammenhängend macht. Ohne sie erzählt jedes System eine etwas andere Geschichte über dieselben Kunden, Produkte und Lieferanten, und jeder nachgelagerte Analyseprozess erbt diese Widersprüche. Mit ihr gibt es eine einheitliche Datenbasis, auf die sich alle Systeme beziehen, auf der alle Analysen aufbauen und der alle KI-Systeme trauen können. MDM ist kein Technikkauf, sondern eine dauerhafte Governance-Praxis, gestützt auf passende Werkzeuge, klare Verantwortung und disziplinierte Stewardship.