Kennen Sie diese Situation? Im Monatsgespräch der Geschäftsführung legt der Vertrieb einen Umsatz vor, das Controlling einen anderen und die Produktion einen dritten. Die nächste halbe Stunde geht nicht um die Frage, was zu tun ist, sondern darum, welche Zahl stimmt.
Meistens stimmen alle drei. Sie beantworten nur unterschiedliche Fragen. Der Vertrieb zählt Aufträge, das Controlling Rechnungen und die Produktion ausgelieferte Ware. Niemand hat je festgelegt, was „Umsatz“ in diesem Unternehmen bedeutet.
Was widersprüchliche Zahlen kosten
Die Kosten zeigen sich selten auf einer Rechnung. Sie entstehen in Meetings, in denen Zahlen abgeglichen statt Entscheidungen getroffen werden. In Stunden, die Fachkräfte jeden Monat mit Kopieren und Abstimmen verbringen. Und in Entscheidungen, die auf einer Zahl beruhen, die niemand mehr hinterfragt hat.
Das Analystenhaus Gartner schätzt, dass schlechte Datenqualität Organisationen im Durchschnitt 12,9 Millionen US-Dollar pro Jahr kostet. Gartner nennt keine Datenbasis für diese Schätzung, und sie lässt sich nicht einfach auf ein mittelständisches Unternehmen übertragen. Sie zeigt aber, dass es um mehr geht als um Schönheitsfehler.
Wie wichtig das Thema ist, bestätigt auch die Fachwelt: Im aktuellen Data, BI and Analytics Trend Monitor des Analystenhauses BARC steht Datenqualitätsmanagement erneut auf Platz eins der wichtigsten Themen. Befragt wurden 1.579 Fachleute aus Anwenderunternehmen, Beratung und Softwareanbietern.
Excel ist nicht das Problem, sondern das Symptom
Wer über schlechte Zahlen spricht, landet schnell bei Excel. Das ist nur zum Teil gerecht. Tabellenkalkulationen sind flexibel, schnell und überall verfügbar. Genau deshalb entstehen sie dort, wo das eigentliche System keine Antwort liefert.
Riskant wird es, wenn Steuerungszahlen über Monate durch Tabellen wandern, die von Hand befüllt, kopiert und angepasst werden. Der Informatiker Raymond Panko hat Prüfungen echter, im Betrieb genutzter Tabellen ausgewertet. In den neueren Feldprüfungen, die er in seiner Übersicht aus dem Jahr 2000 zusammenfasst, fanden die Prüfer in mindestens 86 Prozent der untersuchten Tabellen Fehler. Die Studien sind älter. An der Fehleranfälligkeit von Handarbeit hat sich seitdem aber wenig geändert.
Die Excel-Liste ist also meist ein Hinweis: Hier fehlt eine verlässliche, gemeinsame Datenbasis.
Viele Unternehmen nutzen ihre Daten kaum
Daten sind in den meisten Unternehmen reichlich vorhanden: im ERP, im CRM, in der Buchhaltung und im Webshop. Genutzt werden sie selten. In einer Bitkom-Befragung von 605 Unternehmen ab 20 Beschäftigten gaben 60 Prozent an, das Potenzial ihrer Daten eher wenig oder überhaupt nicht zu nutzen.
Der Grund ist selten fehlende Technik. Moderne Plattformen wie Microsoft Azure, Databricks oder Power BI stehen auch mittelständischen Unternehmen zur Verfügung. Was meist fehlt, ist die Vorarbeit.
Die richtige Reihenfolge: erst die Frage, dann das Werkzeug
Viele Reporting-Projekte beginnen mit der Wahl eines Werkzeugs. Das ist die falsche Reihenfolge. Belastbare Zahlen entstehen in vier Schritten:
- Die Fragen klären. Welche Entscheidungen will die Geschäftsführung mit Zahlen treffen? Daraus ergibt sich, welche Kennzahlen gebraucht werden und welche nicht.
- Begriffe verbindlich festlegen. Was ist ein Umsatz, ein Neukunde, eine Marge? Jede Kennzahl bekommt eine Definition, eine Quelle und eine verantwortliche Person.
- Die Daten zusammenführen. Erst jetzt kommt die Technik: Eine Datenplattform holt die Daten aus den Quellsystemen, prüft sie und rechnet sie nach den festgelegten Regeln.
- Berichte bauen, die genutzt werden. Ein Bericht ist dann gut, wenn er eine Frage beantwortet, die im Alltag wirklich gestellt wird.
Der zweite Schritt ist der wichtigste und der unbequemste. Er verlangt, dass Vertrieb, Controlling und Produktion sich auf eine gemeinsame Sprache einigen. Das ist keine technische Aufgabe, sondern eine fachliche. Sie zahlt sich aber aus: Mit einer verbindlichen Definition endet der Streit um die richtige Zahl.
Saubere Daten sind auch die Grundlage für KI
Viele Unternehmen wollen KI einsetzen, um Prognosen zu erstellen oder Auffälligkeiten zu erkennen. Auch dafür gilt: Ein Modell ist nur so gut wie die Daten, mit denen es arbeitet. BARC-Gründer Carsten Bange nennt als Grundlage erfolgreicher KI-Initiativen „saubere Daten, sichere Daten und Menschen, die damit umgehen können“. Wer heute in eine verlässliche Datenbasis investiert, schafft damit auch die Voraussetzung für KI.
Wie wir dabei vorgehen
Bei YourInsight bauen wir Steuerungssysteme, die bei der Frage der Geschäftsführung beginnen und nicht beim Werkzeug. Für das Reiseportal eines großen Discounters haben wir die Vertriebssteuerung auf Microsoft Azure umgesetzt. Wir verbinden Fachlichkeit und Technik, damit am Ende eine Zahl steht, der alle vertrauen.
Mehr zu unserem Paket finden Sie auf der Seite Mit belastbaren Zahlen steuern. Wenn Sie klären möchten, welche Fragen Ihre Zahlen beantworten sollen, buchen Sie ein Erstgespräch: 30 Minuten, kostenlos und unverbindlich.
Quellen
- Gartner: How to Improve Your Data Quality, 14. Juli 2021
- BARC: Datenqualität schlägt KI-Hype – Data, BI and Analytics Trend Monitor 2026, 12. November 2025
- Raymond R. Panko: Spreadsheet Errors: What We Know. What We Think We Can Do, EuSpRIG Symposium 2000
- Bitkom: Studienbericht Data Economy, 2025 (605 Unternehmen ab 20 Beschäftigten)
Titelbild: Luke Chesser / Unsplash
