Strategie
7 Min. Lesezeit
Februar 2023
Das neue Tool löst das Problem nicht — es macht es teurer
Garbage in, garbage out — jeder kennt den Satz. Kaum jemand handelt danach. Warum Datenqualität die Voraussetzung ist und nicht das Nachprojekt.
Christopher Schaller
schaller.work
„Garbage in, garbage out.“ Jeder nickt. Niemand macht die Hausaufgaben. Das häufigste Muster das ich sehe: neues System kaufen, Daten migrieren, Go-live. 6 Monate später: dieselben Probleme, teurere Umgebung.
Ich hab das selbst erlebt — in einem der größten Medizintechnikunternehmen Europas. Wir wollten B2B-Shops in mehreren Märkten aufbauen. Die Produktdaten lagen seit Jahren in einem PIM-System. Gepflegt — zumindest in der Theorie. Praxis: 40% fehlende Maßangaben, inkonsistente Kategorisierung, Übersetzungen nur für 3 von 12 Märkten. Wir hätten mit dem Shop-Projekt nicht anfangen dürfen. Wir haben es trotzdem getan.
Das Ergebnis war vorhersehbar: ein Rollout der sich verzögerte, Märkte die ihre eigene Notlösung bauten, und Produktdaten die noch heute nicht vollständig sind. Das System war gut. Die Daten waren das Problem. Das Problem war schon vor dem Projekt da — wir haben es mitgenommen.
01 — Das Muster
Wie das immer wieder passiert — in 3 Phasen
Das Projekt startet — mit dem Fokus aufs Falsche
Das Projektteam arbeitet an Features, Integrationen, UI-Design. Alle sind beschäftigt. Alle sind motiviert. Das Datenthema taucht im Kickoff-Meeting auf und landet im Backlog. „Wir bereinigen die Daten im Projekt.“ Das klingt nach einem Plan. Es ist eine Vertagung.
Drei Monate vor Go-live: die Daten sind immer noch schlecht
Das System ist fertig. Die Daten nicht. Jetzt gibt es 2 Optionen: Go-live verschieben — was teuer ist und intern erklärt werden muss. Oder: Go-live mit schlechten Daten und hoffen dass „wir das nach Go-live bereinigen.“ Meistens wird die 2. Option gewählt. Meistens weil der Termin politisch feststeht.
2 Jahre später: teure Datenpflege im teuren System
Das System läuft. Die Daten sind immer noch nicht vollständig. Die Bereinigung „nach Go-live“ wurde nie priorisiert, weil immer etwas Dringenderes kam. Jetzt gibt es einen teuren Wartungsvertrag für ein System das auf schlechten Daten basiert. Die nächste Systemausschreibung ist in 3 Jahren.
02 — Warum das passiert
3 Gründe warum Datenqualität immer verschoben wird
Datenbereinigung ist keine sexy Arbeit
Kein Vorstand präsentiert „wir haben 6 Monate Stammdaten aufgeräumt.“ Es gibt kein Ribbon Cutting für ordentliche Produktattribute. Der neue Shop ist ein Foto. Saubere Daten sind keine Story. Also werden sie nicht zur Priorität — obwohl sie die Voraussetzung für alles andere sind.
Die Verantwortung ist unklar — und bleibt es absichtlich
Marketing sagt: das ist IT. IT sagt: das ist der Fachbereich. Der Fachbereich sagt: das macht doch immer schon so. Ich sehe das regelmäßig. Niemand übernimmt Ownership für Daten, weil Daten-Ownership Arbeit bedeutet ohne direkten Output. Der Systemanbieter übernimmt sie auch nicht — er kann unterstützen, aber er ist nicht verantwortlich für Inhalte die sein Kunde befüllt.
„Das regeln wir im Projekt“ — und der Aufwand ist 3x so groß
Der neue Systemanbieter sagt das ehrlich. Er meint es. Aber die Datenmigration stellt sich regelmäßig als größter Kostenblock im Projekt raus — nicht das System selbst. Was in der Ausschreibung als „Datenmigration inklusive“ steht, landet in der Projektabrechnung als größter Einzelposten. Weil niemand vorher hingeschaut hat.
03 — Was Datenqualität bedeutet
Datenqualität für Commerce — was konkret funktionsfähig sein muss
Vollständige Attribute: Maße, Gewichte, EAN, Variantenstruktur. Konsistente Kategorisierung — nicht 47 Kategorien für 200 Produkte. Übersetzte Inhalte für die Märkte die live gehen sollen — nicht für 3 von 12. Das ist der Mindeststandard. Nicht Perfektion — Funktionalität für die Kernprozesse.
Dedupliziert, aktuell, DSGVO-konform segmentierbar. Wenn du nicht weißt welche Kunden aktiv sind, welche Dubletten du hast und welche Daten du rechtmäßig nutzen darfst — fang damit an, bevor du ein neues CRM einführst.
Welcher Preis gilt wo? Wie werden Rabattstufen gerechnet? Welche Preislisten sind aktuell — und welche sind seit 18 Monaten nicht mehr angefasst worden? Preisfehler im B2B-Shop sind nicht nur peinlich — sie sind haftungsrelevant.
Welche Bilder, Texte, Videos existieren in welcher Qualität und für welche Kanäle? Wer hat die Nutzungsrechte? Welche Assets sind veraltet? Ein neues CMS bringt nichts wenn der Content nicht da ist — oder nicht freigegeben werden darf.
04 — Die Hausaufgaben-Frage
3 Fragen die einen halben Tag kosten — und manchmal Monate sparen
Bevor du ein neues Tool kaufst, beantworte 3 Fragen. Nicht in einem Workshop — an einem ruhigen Nachmittag, mit den Leuten die wirklich wissen was in den Daten steckt:
Frage 01
Welche Daten zieht das Tool aus welcher Quelle?
Nicht wie es in der Architektur-Präsentation aussieht. Sondern konkret: Welche Tabelle, welches System, welche Felder? Wer befüllt die? Wie oft werden sie aktualisiert?
Frage 02
Wie sehen diese Daten heute aus?
Exportiere sie. Schau sie an. Wie vollständig sind die kritischen Felder? Wie konsistent ist die Kategorisierung? Wie viele Dubletten gibt es? Nicht schätzen — hinschauen.
Frage 03
Was muss sich ändern damit das System funktioniert?
Das ist die produktivste Frage. Sie erzwingt einen konkreten Bereinigungsplan statt ein abstraktes Vorhaben. Und sie zeigt frühzeitig wie groß der Aufwand wirklich ist — bevor man sich auf einen Projektzeitplan commited hat.
Diese Fragen zu stellen kostet einen halben Tag. Sie nicht zu stellen kostet sechs Monate Projekt.
05 — Wann man anfängt
Perfekte Daten als Vorwand — und warum das eine Falle ist
Ich kenne die Gegenfrage: „Wir warten mit dem Projekt bis die Daten gut sind.“ Das ist die andere Falle. Wer auf perfekte Daten wartet, fängt nie an — weil perfekte Daten in der Praxis nicht existieren. Und wer das als Begründung nutzt um ein Projekt ewig zu verschieben, spart sich keine Probleme. Er schiebt sie auf.
Es gibt einen Unterschied zwischen „wir fangen an während wir aufräumen“ und „wir kaufen ein System und hoffen dass das Aufräumen im Budget ist.“ Der erste Ansatz verlangt einen parallelen Bereinigungsplan mit echten Ressourcen — nicht als Backup-Aktivität sondern als Teil des Projekts mit eigenem Budget und eigenem Verantwortlichen.
Die operative Konsequenz
Definiere 3 bis 5 kritische Datenpunkte die sauber sein müssen damit die wichtigsten Kernprozesse laufen. Stell sicher dass die stimmen — bevor das neue System in Betrieb geht. Alles andere kann nachkommen. Aber der Kern muss stehen.
Plane für die Datenbereinigung mindestens doppelt so viel Zeit ein wie du denkst. Nicht als Puffer — als realistische Schätzung. Was in Systemen steckt die seit Jahren gewachsen sind, ist selten so sauber wie die interne Wahrnehmung vermuten lässt.
Häufige Fragen
FAQ
Wie gut müssen Daten sein bevor man ein neues System einführt?
Gut genug dass die wichtigsten Kernprozesse sauber laufen. Nicht perfekt — funktional. Definiere 3 kritische Datenpunkte und stell sicher dass die stimmen.
Wer ist für Datenqualität zuständig?
Das ist die unbequemste Frage. Die ehrliche Antwort: der Fachbereich — nicht IT, nicht der Systemanbieter. Die können unterstützen. Die Verantwortung liegt im Business.
Können wir Daten parallel zum Projekt bereinigen?
Ja, aber unterschätze den Aufwand nicht. Plane mindestens doppelt so lang wie du denkst.
Was ist das häufigste Datenproblem das du siehst?
Inkonsistente Produktkategorisierung. Jeder hat das irgendwie befüllt. Niemand hat einen Standard definiert. Ergebnis: 200 Produkte in 47 Kategorien die eigentlich 5 sein sollten.
Autor
Christopher Schaller
Commerce, PIM, digitale Projekte — aus aktiver Mandatsarbeit. Nicht aus dem Whitepaper.
schaller.work
Steht ein Systemprojekt an?
Wenn du dir nicht sicher bist wie gut deine Daten wirklich sind — bevor Geld für ein neues System fließt, lohnt sich ein ehrlicher Blick. Alles was ich einschätze kommt aus aktiver Mandatsarbeit.
info@schaller.work