In klassischen ERP-Projekten wurde die Datenfrage lange auf Migration, Dublettenbereinigung und Stammdatenpflege reduziert. Diese Sichtweise greift heute zu kurz. Ein ERP-System bildet Geschäftsobjekte wie Kunden, Lieferanten, Materialien, Stücklisten, Preise, Konten, Kostenstellen oder Werke nicht nur ab, sondern macht sie über Bereichsgrenzen hinweg operativ wirksam. Werden dieselben Objekte in Einkauf, Vertrieb, Logistik, Produktion, Finanzen, Service und Reporting unterschiedlich definiert, unvollständig gepflegt oder widersprüchlich genutzt, entstehen nicht nur technische Fehler, sondern direkte Reibungsverluste im Geschäft.

Falsche Dispositionsparameter führen zu Fehlbeständen, unklare Materialhierarchien erschweren die Planung, inkonsistente Geschäftspartnerdaten verzerren Beschaffungs- und Forderungsprozesse, und uneinheitliche Merkmalslogiken mindern die Aussagekraft von Berichten. Forschung und Praxis zum Master Data Management zeigen seit Jahren, dass verlässliche Unternehmenssteuerung nur dann möglich ist, wenn zentrale Datenobjekte fachlich definiert, organisatorisch verantwortet und systemisch kontrolliert werden [2, 4, 5].

Governance ist Organisationsarbeit, nicht nur IT

Gerade deshalb ist Data Governance im ERP-Umfeld kein reines IT-Thema. Governance beginnt nicht im Datenmodell, sondern in der Organisation. Sie beantwortet die Fragen, welche Daten als geschäftskritisch gelten, welche Qualitätsanforderungen an sie gestellt werden, wer über Definitionen und Änderungen entscheidet, nach welchen Regeln Daten erzeugt, geprüft, freigegeben und verteilt werden und wie Konflikte zwischen Bereichen aufgelöst werden.

Frameworks wie DAMA-DMBOK, DCAM oder das NIST-Profil machen deutlich, dass Daten erst dann wie ein Unternehmenswert behandelt werden, wenn Rollen, Entscheidungsrechte, Standards, Kontrollmechanismen und Eskalationswege verbindlich festgelegt sind. Genau das ist im ERP-Kontext zentral, weil hier isolierte Bereichslogiken besonders teuer werden. Der Vertrieb kann einen Kunden nicht nach eigenen Kriterien führen, wenn Finanzwesen, Versand, Service und Compliance denselben Datensatz benötigen. ERP erzwingt damit stärker als viele andere Systeme eine unternehmensweite Datenverantwortung [2, 3, 6, 7].

Die neue ERP-Realität erhöht den Handlungsdruck

Dass Data Governance heute mit neuer Dringlichkeit diskutiert wird, hängt mit der veränderten ERP-Realität zusammen. Früher stand häufig ein monolithisches Kernsystem im Mittelpunkt. Heute bestehen ERP-Landschaften aus einem Verbund von Kern-ERP, Cloud-Modulen, E-Commerce, CRM, Supply-Chain-Anwendungen, Data Warehouses, Prozessplattformen und externen Datenquellen. In einer solchen Landschaft reicht die bloße Benennung eines führenden Systems nicht mehr aus. Erforderlich ist eine verbindliche Steuerung darüber, welche Daten wo entstehen, welches Objekt führend ist, welche Replikationsregeln gelten, wie Freigaben erfolgen und wie semantische Konsistenz gesichert wird.

Lösungen wie SAP Master Data Governance oder IBM Master Data Management adressieren genau diese Herausforderung mit zentralen Governance-, Workflow- und Qualitätsmechanismen für geschäftskritische Stammdaten. Technologie kann Governance jedoch nur unterstützen; sie ersetzt sie nicht. Wo Verantwortlichkeiten ungeklärt bleiben, wird selbst ein leistungsfähiges Governance-Werkzeug schnell zu einem zusätzlichen Pflegeort ohne ausreichende Akzeptanz [4, 8, 9].