Datenqualität im Mittelstand: Warum Projekte an der Vorbereitung scheitern, nicht an der Umsetzung

“Erst müssen die Daten sauber sein, dann können wir das Projekt starten.” Kein Satz fällt in Lenkungsausschüssen häufiger als dieser. Und kein Satz hat mehr Projekte verzögert oder still beerdigt.

Das Muster ist immer dasselbe — ob ERP-Migration, DATEV-Schnittstellenprojekt, CRM-Kampagne oder KI-Pilotprojekt. Es ist ein zentrales Thema meiner ERP-Beratung für den Mittelstand. Die Datenqualität wird zur Vorbedingung erklärt. Es wird bereinigt, harmonisiert, strukturiert. Monate vergehen. Budgets fließen. Und das eigentliche Projekt startet nie.

Vier ERP-Projekte, die an der Datenqualitaet scheiterten

ERP-Migration: “Erst alle Stammdaten bereinigen”

Ein Fertigungsunternehmen plant die Migration auf ein neues ERP-System. Die Entscheidung: Vor dem Go-Live werden alle Stammdaten bereinigt — Artikelstämme, Lieferantendaten, Stücklisten. Das Bereinigungsprojekt läuft 18 Monate. In dieser Zeit veralten die Daten im Altsystem weiter, weil der operative Betrieb ja weiterläuft. Am Ende der Bereinigung sind die bereits bereinigten Daten wieder inkonsistent. Das Migrationsprojekt startet mit einem Jahr Verspätung — und bereinigt dieselben Daten ein zweites Mal. Die typischen Fehler bei ERP-Migrationen habe ich im Beitrag ERP-Migration: 5 Fehler, die Projekte scheitern lassen detailliert beschrieben — das Datenproblem ist fast immer dabei.

DATEV-Schnittstelle: “Erst alle Kontenrahmen harmonisieren”

Ein Unternehmen mit drei Gesellschaften will die DATEV-Schnittstelle einrichten, um Buchungsdaten automatisiert zu übertragen. Vorbedingung: Alle Gesellschaften sollen denselben Kontenrahmen nutzen. Die Harmonisierung zieht sich über zwei Geschäftsjahre — weil jede Gesellschaft Sonderfälle hat, weil die Steuerberater unterschiedliche Meinungen haben, weil der Jahresabschluss nicht der richtige Zeitpunkt ist und der nächste auch nicht. Die Schnittstelle wird nie live. Die Buchhaltung bucht weiter manuell.

CRM-Kampagne: “Erst alle Kundendaten deduplizieren”

Der Vertrieb will eine gezielte Bestandskundenkampagne fahren. Das CRM hat 40.000 Kontakte, davon geschätzt 15 % Dubletten. Die Vorgabe: Erst bereinigen, dann kampagnieren. Die Bereinigung wird an einen Dienstleister vergeben. Drei Monate später sind die Dubletten reduziert — aber die Kampagne hat den Zeitpunkt verpasst. Der Wettbewerber war schneller.

KI-Pilotprojekt: “Erst einen Data Lake aufbauen”

Ein mittelständisches Handelsunternehmen möchte KI für die Absatzplanung einsetzen. Der IT-Leiter empfiehlt: Erst einen Data Lake aufbauen, alle Datenquellen anbinden, dann mit dem KI-Modell starten. Der Data Lake wird zum Dauerprojekt. Nach zwölf Monaten ist die Infrastruktur da — genutzt wird sie nicht, weil sich niemand mehr um den ursprünglichen Use Case kümmert. Das Budget ist aufgebraucht.

Warum die Data-First-Strategie bei ERP-Migrationen schadet

Niemand würde argumentieren, dass Datenqualität unwichtig ist — auch der Bitkom betont in seinen Leitfäden die zentrale Rolle sauberer Daten. Datenqualität ist entscheidend. Schlechte Daten führen zu schlechten Entscheidungen, falschen Auswertungen und teuren Fehlern. Das steht außer Frage.

Das Problem ist nicht die Erkenntnis — sondern die Reihenfolge.

“Erst Daten, dann Projekt” klingt nach dem, was ein verantwortungsvoller CFO oder CTO sagen sollte. Es klingt nach Risikominimierung, nach Qualitätsbewusstsein, nach Professionalität. Wer würde dagegen argumentieren?

Aber in der Praxis passiert Folgendes:

• Datenbereinigung ohne Anwendungskontext ist endlos. Wenn Sie nicht wissen, welches Projekt die Daten nutzen wird, wissen Sie auch nicht, welche Felder wirklich relevant sind. Also bereinigen Sie alles — oder nichts richtig.
• Daten veralten während der Bereinigung. In einem laufenden Betrieb ändern sich Daten täglich. Was heute bereinigt wird, ist morgen wieder inkonsistent, wenn der operative Prozess nicht gleichzeitig angepasst wird.
• Das Perfekte wird zum Feind des Guten. Die Datenqualität wird nie 100 % erreichen. Wer wartet, bis sie perfekt ist, wartet ewig. Es gibt immer noch einen Sonderfall, noch eine Ausnahme, noch ein Datenfeld, das nicht passt.

Datenbereinigung und ERP-Projekt parallel fuehren

Die Lösung ist weder “Daten ignorieren” noch “Daten zuerst”. Die Lösung ist: beides gleichzeitig.

Sequenziell — was die meisten tun

12 Monate Datenbereinigung → Projekt starten → Daten inzwischen wieder veraltet

Ergebnis: Doppelter Aufwand, verspäteter Start, frustrierte Beteilige.

Parallel — was in der Praxis funktioniert

Projekt starten → Datenqualität im Projektkontext verbessern → relevante Daten zuerst

Ergebnis: Früher Wert, gezielte Bereinigung, Datenqualität steigt als Nebenprodukt.

Konkret bedeutet das:

• Pilotbereich definieren. Nicht das gesamte Unternehmen, sondern eine Abteilung, ein Standort, ein Prozess. Dort starten, dort lernen.
• Mit vorhandenen Daten starten. Die 80/20-Regel gilt auch hier: 80 % der Daten sind gut genug, um zu starten. Die restlichen 20 % werden sichtbar, wenn das Projekt läuft — und dann gezielt bereinigt.
• Datenprobleme im Projekt sichtbar machen. Erst wenn Sie ein System produktiv nutzen, sehen Sie, welche Datenprobleme wirklich geschäftskritisch sind. Die meisten Probleme, die in der Theorie riesig aussehen, sind in der Praxis irrelevant. Und manche Probleme, die niemand auf dem Radar hatte, werden erst im Echtbetrieb sichtbar.
• Datenqualität als Nebenprodukt. Wenn Mitarbeiter ein System täglich nutzen, pflegen sie Daten automatisch besser — weil sie die Konsequenzen schlechter Daten sofort sehen. Das ist wirksamer als jedes Bereinigungsprojekt.

Was das für die Praxis bedeutet

Wenn Sie vor einem ERP-, DATEV- oder Digitalisierungsprojekt stehen — und insbesondere wenn Sie gleichzeitig eine ERP-Auswahl planen — stellen Sie Ihrem Führungsteam diese drei Fragen:

1. Welche drei Prozesse kosten uns jeden Monat am meisten Zeit, Geld oder Marge?

Die Antwort zeigt Ihnen, wo der größte Hebel liegt. Nicht wo die Daten am saubersten sind, sondern wo der Schmerz am größten ist.

2. Wo liegen Daten brach — nicht weil sie fehlen, sondern weil niemand sie nutzt?

In den meisten Unternehmen sind 80 % der benötigten Daten vorhanden. Sie liegen in Excel-Tabellen, im ERP-System, in E-Mail-Postfächern. Das Problem ist nicht das Fehlen, sondern die fehlende Nutzung.

3. Was können wir mit dem starten, was wir heute haben?

Die Antwort ist fast immer: mehr als gedacht. Imperfekte Daten, die genutzt werden, sind wertvoller als perfekte Daten, die in einem Data Lake schlummern.

Weitere Empfehlungen:

• Scope radikal klein halten. Erster nachweisbarer Wert in 8–12 Wochen, nicht in 18 Monaten.
• Datenbereinigung ins Projektbudget einplanen — nicht als separates Vorprojekt mit eigenem Zeitplan, sondern als fester Bestandteil jeder Projektphase.
• “Gut genug” definieren. Welche Datenqualität brauchen Sie, um zu starten? Nicht perfekt, sondern nutzbar. Die Definition von “gut genug” ist eine Führungsentscheidung, keine IT-Entscheidung.

Datenqualität bleibt Pflicht

Damit keine Missverständnisse entstehen: Dieser Artikel ist kein Freibrief für Schlamperei. Wer ein ERP-System mit völlig kaputten Stammdaten migriert, wird scheitern. Wer eine DATEV-Schnittstelle ohne korrekte Kontenstruktur einrichtet, produziert Chaos in der Buchhaltung.

Der Punkt ist ein anderer: Die beste Datenbereinigung passiert im Kontext eines konkreten Projekts. Weil Sie dann wissen, welche Felder wirklich zählen. Weil die Mitarbeiter sehen, warum saubere Daten wichtig sind. Weil die Bereinigung ein Ergebnis hat, das jemand nutzt — statt in einem Bericht zu verschwinden, den niemand liest.

Datenverantwortlichkeiten, Governance-Regeln und Qualitätsprozesse gehören ins Projekt — nicht als Vorbedingung davor, sondern als integraler Bestandteil. Standards wie das DAMA DMBOK liefern dafür ein bewährtes Framework.

Fazit

Der Reflex “Erst Daten, dann Projekt” ist verständlich. Aber er kostet den Mittelstand jedes Jahr Millionen an aufgeschobener Wertschöpfung. Die Alternative ist keine Nachlässigkeit, sondern eine Mischstrategie: Projekt und Datenqualität parallel führen. Starten, bereinigen, verbessern — nicht planen, bereinigen, irgendwann starten.

Wer das konsequent umsetzt, hat in drei Monaten ein laufendes Projekt mit steigender Datenqualität. Wer erst bereinigt, hat in drei Monaten einen Zwischenbericht.

Nächster Schritt

Sie stehen vor einer ERP-Migration, einem DATEV-Schnittstellenprojekt oder einem Digitalisierungsvorhaben — und die Datenfrage bremst Sie aus? Ich helfe Ihnen, den richtigen Startpunkt zu finden und Datenqualität und Projekterfolg parallel zu steuern.

→ Erstgespräch vereinbaren — kostenfrei

→ Oder zuerst mehr lesen: DATEV-Schnittstellen-Check — der Selbsttest