Die Datenplattform weiß alles – und bewirkt trotzdem zu wenig

Unternehmen haben in den vergangenen Jahren viel dafür getan, Daten auffindbar zu machen. Tabellen werden katalogisiert, Lineage wird visualisiert, Begriffe erhalten Definitionen und Verantwortliche werden benannt. Das ist sinnvoll. Ohne diese Grundlagen wird Datenarbeit schnell zum Suchspiel. Nur löst Auffindbarkeit noch keine Abstimmung.

Ein Katalog kann zeigen, dass drei Spalten den Namen customer_status tragen. Er kann vielleicht auch zeigen, aus welchen Quellsystemen sie stammen. Was er häufig nicht zeigt: Für welche Entscheidung ist welche Definition gedacht? In welchem fachlichen Kontext gilt sie? Wer hat die Abgrenzung beschlossen? Welche Berichte und Datenprodukte hängen davon ab? Seit wann gilt die Entscheidung? Was passiert, wenn sich die Definition ändert? Die Plattform weiß also erstaunlich viel. Dieses Wissen lässt sich nur selten direkt in Arbeit übersetzen.

Das ist ein bisschen wie ein hervorragend beschriftetes Lager ohne Logistik. Jede Kiste ist auffindbar. Trotzdem ist noch nicht geklärt, welche Ware wohin muss, wer sie freigibt und ob sie rechtzeitig ankommt.

Datenarbeit wird oft behandelt, als ließe sie sich durch bessere Dokumentation skalieren. Also werden weitere Felder ergänzt, Verantwortliche erinnert und Pflegequoten gemessen. Irgendwann besitzt der Katalog mehr Informationen als je zuvor – während die entscheidenden Abstimmungen weiterhin in Meetings stattfinden. Das ist kein Versagen des Katalogs. Er wurde für eine andere Aufgabe gebaut. Ein Inventar beantwortet: Was gibt es?

Ein Betriebssystem für Datenarbeit muss zusätzlich beantworten: Warum wird etwas gebraucht? Welche fachlichen Objekte und Entscheidungen hängen zusammen? Welche Regeln gelten im konkreten Arbeitsmoment? Welcher nächste Schritt ist sinnvoll? Wer darf entscheiden oder freigeben? Was wurde tatsächlich ausgeführt? Welche Wirkung ist daraus entstanden? Damit verschiebt sich der Blick. Eine Tabelle, ein Bericht oder ein Datenprodukt steht nicht mehr isoliert im Katalog. Es wird Teil einer nachvollziehbaren Kette.

Ein Geschäftsziel erzeugt einen Bedarf. Daraus entstehen Anforderungen. Anforderungen beziehen sich auf fachliche Objekte wie Kunde, Vertrag, Anlage oder Produkt. Datenprodukte stellen die benötigten Informationen bereit. Regeln sichern Qualität und Nutzung. Workflows machen die Arbeit sichtbar. Ergebnisse fließen in Entscheidungen ein. Kennzahlen zeigen, ob sich etwas verbessert hat. Plötzlich sind Metadaten nicht mehr das Ende der Arbeit. Sie werden zur Arbeitsgrundlage.

Nehmen wir noch einmal den „aktiven Kunden“. In einer reinen Dokumentationswelt gibt es drei Definitionen im Glossar. Vielleicht sogar mit Owner und Beschreibung. Wer eine Vorstandsvorlage baut, muss trotzdem herausfinden, welche Definition für die aktuelle Fragestellung passt.

In einer arbeitsfähigen Struktur ist zusätzlich sichtbar: Das Ziel lautet, die Abwanderung im Privatkundensegment zu senken. Für diese Entscheidung gilt „aktiv“ als mindestens ein erfolgreicher Login in den vergangenen 90 Tagen. Die Definition wurde vom Produktbereich vorgeschlagen und gemeinsam mit Vertrieb und Controlling freigegeben. Das Datenprodukt „Kundenaktivität“ setzt sie um. Zwei Berichte und ein Kampagnen-Workflow verwenden diese Definition. Eine Änderung würde genau diese Elemente betreffen. Das klingt zunächst nach mehr Struktur. In der Praxis spart es Strukturarbeit.

Denn die Klärung muss nicht bei jeder neuen Auswertung wiederholt werden. Sie wird einmal nachvollziehbar getroffen und anschließend wiederverwendet. Neue Vorhaben bauen auf dem vorhandenen Zusammenhang auf, statt ihn im nächsten Projekt erneut zu erfinden.

Eine arbeitsfähige Struktur verbindet Geschäftszweck, fachlichen Kontext, Datenprodukte, Regeln, Verantwortlichkeiten und Arbeitsabläufe. Der Unterschied liegt nicht in einem einzelnen Feature, sondern in der Kette: Ein Ziel bleibt nicht auf der Strategiefolie, eine Anforderung nicht im Ticket und eine Regel nicht im PDF. Offene Fragen werden geprüft, entschieden, freigegeben und für den nächsten Fall erhalten.

Das automatisiert nicht jedes fachliche Urteil. Es sorgt aber dafür, dass ein geklärter Stand nicht bei jeder neuen Aufgabe wieder verloren geht.

Die Zahl katalogisierter Assets kann nützlich sein. Sie sagt nur wenig darüber aus, ob Datenarbeit besser funktioniert. Interessanter ist eine andere Frage: