Was ist Datenqualität?

Datenqualität misst, wie gut Daten ihren vorgesehenen Zweck erfüllen. Hochwertige Daten sind genau, vollständig, konsistent und aktuell genug, um die Entscheidungen, Analysen und KI-Modelle zu tragen, die auf ihnen aufsetzen. Daten von geringer Qualität erzeugen falsche Antworten, kaputte Dashboards und KI-Halluzinationen, ganz gleich wie ausgefeilt die Werkzeuge sind, die sie verarbeiten.

Datenqualität ist kein Ja-oder-Nein-Zustand. Ein Datensatz kann für eine Trendanalyse völlig ausreichen und für die regulatorische Meldung untauglich sein. Qualität wird immer relativ zu einem konkreten Anwendungsfall gemessen, und deshalb ist das Management der Datenqualität von der übergreifenden Data Governance nicht zu trennen: Sie brauchen klare Verantwortung, definierte Standards und abgestimmte Fachdefinitionen, bevor sich sinnvoll messen lässt, ob Daten sie erfüllen.

Die sechs Dimensionen der Datenqualität

Datenqualität wird üblicherweise in sechs Kerndimensionen bewertet. Jede erfasst einen anderen Aspekt dessen, was Daten brauchbar macht, und verschiedene fachliche Zusammenhänge gewichten sie unterschiedlich.

Genauigkeit

Genauigkeit misst, ob die Datenwerte die realen Objekte oder Ereignisse richtig abbilden, die sie beschreiben. Eine Kundenadresse, die noch eine vor drei Jahren umbenannte Straße nennt, ist ungenau. Ein Produktpreis, der um eine Dezimalstelle danebenliegt, ist ungenau. Genauigkeit ist die eingängigste Dimension und zugleich eine der am schwersten messbaren im großen Maßstab, weil sie einen Abgleich mit einer vertrauenswürdigen Referenz verlangt.

Vollständigkeit

Vollständigkeit misst, ob alle erforderlichen Werte vorhanden sind. Ein Kundendatensatz ohne E-Mail-Adresse ist unvollständig. Eine Finanztransaktion ohne Zeitstempel ist unvollständig. Die Schwellwerte hängen vom Zusammenhang ab: Eine Füllrate von 95 % kann bei optionalen Feldern in Ordnung sein, während 99,9 % bei regulatorischen Pflichtfeldern womöglich nicht reichen.

Konsistenz

Konsistenz misst, ob dieselben Werte über verschiedene Systeme, Datenbanken und Berichte hinweg übereinstimmen. Wenn das CRM von 12 aktiven Lizenzen eines Kunden spricht und die Abrechnung von 14, ist eines von beiden inkonsistent. Konsistenzprobleme gehören zu den häufigsten Mängeln der Datenqualität in Unternehmen mit mehreren Quellsystemen, und sie zerstören Vertrauen schneller als fast jeder andere Mangel.

Aktualität

Aktualität misst, ob Daten für ihren Zweck rechtzeitig und frisch genug verfügbar sind. Ein 15 Minuten alter Aktienkurs ist für eine Trendanalyse aktuell genug und für den Handel veraltet. Ein Modell zur Abwanderungsprognose, das auf Monatsdaten läuft, übersieht womöglich Kunden, die gerade jetzt gehen. Die Anforderungen an Aktualität unterscheiden sich je nach Anwendungsfall drastisch.

Eindeutigkeit

Eindeutigkeit misst, ob jedes Objekt in einem Datensatz nur einmal vorkommt. Doppelte Kundendatensätze, doppelte Transaktionen und doppelte Produkteinträge führen zu aufgeblähten Kennzahlen, mehrfacher Ansprache und falschen Aggregationen. Die Entitätsauflösung, also das Erkennen und Zusammenführen doppelter Datensätze, gehört technisch zu den anspruchsvollsten Aufgaben im Management der Datenqualität.

Gültigkeit

Gültigkeit misst, ob Daten den definierten Formaten, Typen und fachlichen Regeln entsprechen. Ein Datumsfeld mit „32.13.2025“ ist ungültig. Ein Altersfeld mit einer negativen Zahl ist ungültig. Ein Ländercode, den es in ISO 3166 nicht gibt, ist ungültig. Gültigkeitsprüfungen sind die am besten automatisierbare Dimension der Datenqualität, weil sie sich als eindeutige Regeln formulieren lassen.

Warum Datenqualität wichtig ist

Jedes nachgelagerte System erbt die Qualität seiner Eingangsdaten. Schlechte Datenqualität erzeugt nicht nur falsche Zahlen, sondern falsche Entscheidungen, verlorenes Vertrauen und vergeudete Mittel.

KI und maschinelles Lernen

KI-Modelle sind nur so gut wie die Daten, aus denen sie lernen. Eine Empfehlungsmaschine, die auf Produktdaten mit uneinheitlichen Kategorien trainiert wurde, liefert unsinnige Vorschläge. Ein Modell zur Betrugserkennung, das auf Daten mit doppelten Transaktionen trainiert wurde, lernt falsche Muster. Datenqualität sagt den Erfolg oder Misserfolg eines KI-Projekts besser voraus als jeder andere Einzelfaktor. Organisationen, die in Datenqualität investieren, bevor sie in KI investieren, schneiden durchgängig besser ab.

Analysen und Berichte

Wenn Führungskräfte den Zahlen in ihren Dashboards nicht trauen, entscheiden sie entweder aus dem Bauch heraus, womit der Sinn von Analytics entfällt, oder sie prüfen die Daten stundenlang von Hand nach, womit der Sinn der Automatisierung entfällt. Vertrauen in Analysen ruht auf Datenqualität, und einmal verloren, kostet es erheblichen Aufwand, es wieder aufzubauen.

Regulatorische Compliance

Vorschriften wie die DSGVO, BCBS 239 und SOX stellen konkrete Anforderungen an Genauigkeit, Vollständigkeit und Nachvollziehbarkeit von Daten. Falsche regulatorische Meldungen bringen Geldbußen und Reputationsschaden. Das Management der Datenqualität liefert die Belegkette, die Compliance verlangt.

Effizienz im Betrieb

Qualitätsmängel pflanzen sich durch Systeme und Abläufe fort. Ein einziger falscher Produktcode kann sich durch Bestandsführung, Auftragsabwicklung, Finanzabstimmung und Kundenkommunikation ziehen. Die Kosten, Datenqualität an der Quelle zu beheben, sind ein Bruchteil der Kosten ihrer nachgelagerten Folgen.

Datenqualität unter dem Dach der Data Governance

Datenqualität steht nicht für sich. Sie ist eine der tragenden Säulen der Data Governance, also des organisatorischen Rahmens aus Richtlinien, Rollen und Standards, der Daten vertrauenswürdig macht. Ohne Governance bleiben Bemühungen um Qualität taktisch: Teams beheben Probleme, wenn sie ihnen begegnen, ohne die systemischen Ursachen anzugehen.

Governance liefert den Kontext, der Datenqualität handhabbar macht:

• Verantwortung: Governance legt fest, wer für die Qualität jeder Datendomäne einsteht. Ohne klare Verantwortung wird ein Qualitätsmangel zum Problem aller und zur Aufgabe von niemandem.
• Fachdefinitionen: Ein Business Glossary hält fest, was jeder Begriff bedeutet, und daraus ergibt sich, was „genau“ und „konsistent“ überhaupt heißen. Sie können die Konsistenz zweier Systeme nicht messen, solange nicht feststeht, was ein „Kunde“ oder ein „Umsatz“ ist.
• Data Lineage: Wenn ein Qualitätsmangel auftaucht, sagt die Lineage, wo er entstanden ist, welche Systeme betroffen sind und wo zu beheben ist. Ohne Lineage ist die Korrektur Ratearbeit.
• Richtlinien und Standards: Governance legt die zulässigen Qualitätsschwellen für verschiedene Datenklassen fest. Finanzdaten verlangen vielleicht 99,99 % Genauigkeit, Marketing-Analysen kommen mit 95 % aus.

Deshalb tun sich Organisationen, die Datenqualität als eigenständige technische Initiative behandeln und Qualitätswerkzeuge ohne Governance ausrollen, durchgängig schwer mit Akzeptanz und Durchhaltevermögen. Werkzeuge können Probleme erkennen, aber verhindern kann sie nur Governance.

DQ wandert in die Plattform

Ein deutlicher Trend verändert die Landschaft: Führende Datenplattformen bauen Datenqualität direkt in ihre Kernfunktionen ein. Statt sie als externe Angelegenheit separater Werkzeuge zu behandeln, bieten Plattformen wie Databricks, Microsoft Fabric und Snowflake plattformeigene DQ-Fähigkeiten als Teil ihrer Verarbeitungs- und Speicher-Engines an.

Databricks

Databricks hat Lakehouse Monitoring und Delta Live Tables Expectations eingeführt. Teams definieren DQ-Regeln damit direkt in ihren Datenpipelines, und die Prüfungen laufen als Teil der Verarbeitung statt als nachgelagerter Schritt. Schlägt eine Regel fehl, kann die Pipeline fehlerhafte Datensätze in Quarantäne legen, die Verantwortlichen benachrichtigen oder die Verarbeitung ganz anhalten. Damit wird Datenqualität in der Lakehouse-Architektur zum erstklassigen Anliegen.

Microsoft Fabric

Microsoft Fabric bindet Fähigkeiten zur Datenqualität über seine gesamte Analyseplattform hinweg ein. DQ-Regeln in Fabric lassen sich auf Quellebene definieren und automatisch durchsetzen, während Daten durch Lakehouses, Warehouses und semantische Modelle fließen. Die Verbindung mit Microsoft Purview ergänzt den Governance-Kontext, also Qualitätswerte, Fachdefinitionen und Lineage, direkt in den Werkzeugen, mit denen Datenteams ohnehin täglich arbeiten.

Snowflake

Snowflake hat seine Plattform um Funktionen zur Überwachung der Datenqualität und Data Metric Functions erweitert, mit denen Teams Qualitätskennzahlen nativ in der Snowflake-Umgebung definieren, planen und verfolgen. Die Überwachung arbeitet auf den Live-Daten, ohne sie in externe Werkzeuge zu bewegen, was Latenz senkt und die Architektur vereinfacht.

Was diese Verschiebung bedeutet

Plattformeigene DQ-Fähigkeiten verändern Wirtschaftlichkeit und Architektur des Qualitätsmanagements. Statt Datenproben zu ziehen, an ein separates Werkzeug zu schicken und dann auf die Ergebnisse zu reagieren, können Teams Prüfungen jetzt dort einbetten, wo die Daten gespeichert und verarbeitet werden. Das senkt den Integrationsaufwand und die Latenz und macht Datenqualität zum laufenden Teil des Datenlebenszyklus statt zur turnusmäßigen Prüfung.

Für Organisationen, die ihre Strategie für Datenqualität heute aufsetzen, ist die Folgerung eindeutig: Die Plattform, auf der Ihre Daten liegen, ist zunehmend auch die Stelle, an der Ihre Qualitätsprüfungen laufen sollten.

Wie Datenkataloge Datenqualität angehen

Da Datenqualität zur eingebauten Fähigkeit der Plattformen wird, haben Datenkataloge ihren Ansatz weiterentwickelt. Am Markt haben sich zwei Strategien herausgebildet, jede mit einer anderen Haltung dazu, wo die Verantwortung für Datenqualität liegen sollte.

Offene DQ-Metadaten: einbinden statt ersetzen

Kataloge wie Dawiso und Alation verfolgen den Ansatz offener DQ-Metadaten. Statt eine eigene Engine für Datenqualität zu bauen, binden sie die Qualitätsfähigkeiten ein, die es bereits gibt, ob das plattformeigene Funktionen in Databricks, Fabric oder Snowflake sind oder spezialisierte Werkzeuge wie Great Expectations, Soda oder Monte Carlo.

Der Katalog übernimmt Qualitätswerte, Regelergebnisse und Anomaliemeldungen aus diesen Quellen und zeigt sie neben den übrigen Metadaten: Fachdefinitionen, Verantwortung, Lineage und Nutzungsmuster. Das gibt den Abnehmern einen einheitlichen Blick auf die Datenqualität über Plattformen hinweg, ohne die Ausführungslogik zu verdoppeln. Öffnet ein Data Steward ein Objekt im Katalog, sieht er nicht nur, was die Daten sind und woher sie kommen, sondern auch, wie gesund sie sind, unabhängig davon, welche Plattform oder welches Werkzeug diese Bewertung erzeugt hat.

Dieser Weg passt zum Trend der plattformeigenen DQ. Während Databricks, Fabric und Snowflake stark in eigene Qualitätsfähigkeiten investieren, ist es für Kataloge sinnvoller, sich mit diesen Investitionen zu verbinden, als gegen sie anzutreten.

Eingebaute DQ-Engine: den Qualitäts-Stack selbst besitzen

Kataloge wie Collibra und Atlan gehen den umgekehrten Weg: Sie bringen eigenes Profiling der Datenqualität, eigene Regeldefinition, Überwachung und Korrektur als Teil der Plattform mit. Organisationen definieren und führen Qualitätsregeln im Katalog selbst aus, was Governance und Qualität aus einer Hand eng verzahnt.

Das bringt Einfachheit, nämlich eine Plattform für Governance und Qualität, kann sich aber mit den plattformeigenen DQ-Fähigkeiten überschneiden. Wer Databricks mit Delta Live Tables Expectations und daneben die DQ-Engine von Collibra betreibt, endet womöglich mit zwei getrennten Systemen, die dieselben Daten prüfen, jedes mit eigenen Regeln, eigenen Werten und eigenen Meldewegen.

Wohin die Branche geht

Der Trend begünstigt Einbinden gegenüber Ersetzen. Je reifer die plattformeigenen DQ-Funktionen werden, desto weniger trägt eine eigenständige Engine im Katalog. Was seinen Wert behält, ist die Fähigkeit des Katalogs, Qualitätssignale aus mehreren Quellen zusammenzuführen und einzuordnen, also den Abnehmern das ganze Bild vom Zustand eines Objekts neben seiner fachlichen Bedeutung, seiner Lineage und seiner Nutzung zu zeigen.

Das Muster, das sich abzeichnet, ist eine Architektur aus drei Schichten: Die Datenplattformen führen DQ aus (Regeln, Prüfungen, Überwachung), spezialisierte Werkzeuge decken die anspruchsvollen Fälle ab (Entitätsauflösung, Anomalieerkennung per ML), und Datenkataloge sind die Schicht, die Qualitätssignale einbindet, darstellt und mit dem Governance-Kontext verknüpft.

Typische Hürden bei der Datenqualität

Auch Organisationen mit reifen Governance-Programmen stoßen immer wieder auf dieselben Hürden bei der Datenqualität. Wer diese Muster kennt, kann seine Investitionen besser priorisieren.

Qualität verfällt mit der Zeit

Datenqualität ist nichts, was man einmal erreicht. Quellsysteme ändern sich, fachliche Regeln entwickeln sich, neue Datenquellen kommen hinzu, und Eingabefehler summieren sich. Ohne laufende Überwachung kann ein zum Start sauberer Datensatz innerhalb von Monaten deutlich verfallen. Datenqualität muss als laufender Prozess behandelt werden, nicht als Projekt mit Enddatum.

Die Ursache liegt meist stromaufwärts

Qualitätsprobleme sind in der Regel Symptome vorgelagerter Mängel: fehlende Prüfungen in den Quellanwendungen, schlecht definierte Integrationszuordnungen oder unklare Verantwortung für gemeinsam genutzte Datendomänen. Die Datenqualität am Ort des Verbrauchs zu reparieren, also Daten in Berichten oder Dashboards zu bereinigen, ist teuer und nicht durchzuhalten. Wirksames Qualitätsmanagement setzt an der Quelle an.

Qualität zu messen verlangt fachlichen Kontext

Sie können keine Qualitätsregel schreiben, ohne zu wissen, wie „richtig“ aussieht, und „richtig“ ist eine fachliche Entscheidung, keine technische. Ist eine Kundenadresse gültig, wenn die Postleitzahl stimmt, der Straßenname aber falsch geschrieben ist? Die Antwort hängt davon ab, ob die Adresse für den Versand, für Marketing oder für Compliance verwendet wird. Genau deshalb sind Datenqualität und Data Governance nicht zu trennen: Governance liefert den fachlichen Kontext, den die Messung braucht.

Werkzeugwildwuchs

Organisationen sammeln oft mehrere überlappende Qualitätswerkzeuge an: eines in der ETL-Plattform, eines im Data Warehouse, ein drittes in der BI-Schicht und ein viertes als eigenständiges DQ-Produkt. Jedes erzeugt eigene Werte, verwendet eigene Regelsyntax und meldet in sein eigenes Dashboard. Das Ergebnis ist zersplitterte Sicht auf die Qualität und doppelte Arbeit. Ein Datenkatalog mit offener Einbindung von DQ-Metadaten kann diese Signale zu einer Ansicht zusammenführen.

Fazit

Datenqualität ist das Fundament, auf dem Analysen, KI und geschäftliche Entscheidungen ruhen. Ohne sie liefern auch die ausgefeiltesten Werkzeuge unzuverlässige Ergebnisse. Als tragende Säule der Data Governance wirkt das Management der Datenqualität dann am besten, wenn es klare Verantwortung, abgestimmte Fachdefinitionen und systematische Überwachung hat.

Die Landschaft der Datenqualität verschiebt sich. Führende Datenplattformen betten Qualitätsfähigkeiten direkt in ihre Verarbeitungs-Engines ein und machen DQ damit zur nativen Funktion statt zum Nachgedanken. Datenkataloge passen sich an, indem sie sich mit diesen plattformeigenen Fähigkeiten verbinden, Qualitätssignale aus mehreren Quellen zusammenführen und sie neben dem Governance-Kontext zeigen. Das Ergebnis ist eine sparsamere Architektur, in der Prüfungen dort laufen, wo die Daten liegen, und Kataloge den einheitlichen Blick liefern, den Abnehmer brauchen, um dem zu trauen, was sie sehen.