Datenqualität messen bedeutet, die Qualität von Daten anhand festgelegter Metriken in Zahlen auszudrücken, statt sie subjektiv zu beurteilen. Gemessen werden Dimensionswerte wie Vollständigkeit, Genauigkeit, Aktualität, Konsistenz und Eindeutigkeit, typischerweise als prozentuale Anteile fehlerfreier Datensätze an der Gesamtmenge. Das Ergebnis ist ein Data Quality Score, der vergleichbar, wiederholbar und steuerbar ist.
Datenqualität lässt sich nur verbessern, was auch gemessen wird. Wer keine Kennzahl hat, korrigiert nach Bauchgefühl und wiederholt die gleichen Fehler.
Im Mittelstand bleibt Datenqualität oft eine Vermutung. Die Adressliste fühlt sich veraltet an, das CRM scheint Dubletten zu enthalten, das ERP liefert ab und zu falsche Preise. Ohne Messung lassen sich weder der Schaden beziffern noch der Erfolg einer Bereinigung nachweisen. Dieser Artikel zeigt, welche Metriken sich bewährt haben, wie ein DQ-Score entsteht und welche Schwellwerte im Mittelstand realistisch sind.
Was überhaupt gemessen wird: Dimensionen statt Bauchgefühl
Datenqualität ist kein einzelner Wert. Sie setzt sich aus mehreren Dimensionen zusammen, die unabhängig voneinander gemessen werden. Eine Kundenliste kann vollständig, aber veraltet sein. Ein Produktdatensatz kann aktuell, aber fehlerhaft sein. Erst die getrennte Betrachtung macht Schwachstellen sichtbar.
Fünf Dimensionen haben sich als Standard etabliert, angelehnt an ISO 8000 und DAMA-DMBOK:
- Vollständigkeit: Sind alle Pflichtfelder gefüllt?
- Genauigkeit: Entspricht der gespeicherte Wert der Realität?
- Aktualität: Sind die Daten innerhalb ihres Gültigkeitszeitraums?
- Konsistenz: Widersprechen sich Daten an verschiedenen Stellen?
- Eindeutigkeit: Gibt es jeden Datensatz nur einmal?
Eine Dimension allein reicht nicht. Eine fehlerfreie, aber sechs Monate alte Adressliste ist für den Vertrieb trotzdem unbrauchbar.
Die zentralen Metriken mit Berechnungsformel
Jede Dimension lässt sich in eine konkrete Kennzahl übersetzen. Die Formeln sind einfach, weil sie auf Zählungen basieren und keinen interpretativen Spielraum lassen.
| Dimension | Metrik | Formel | Typischer Schwellwert |
|---|---|---|---|
| Vollständigkeit | Vollständigkeitsrate | gefüllte Pflichtfelder / alle Pflichtfelder | >= 95 % |
| Genauigkeit | Genauigkeitsrate | korrekte Werte / geprüfte Werte | >= 98 % |
| Aktualität | Aktualitätsrate | Datensätze im Gültigkeitszeitraum / alle Datensätze | >= 90 % |
| Konsistenz | Konsistenzrate | übereinstimmende Felder / geprüfte Feldpaare | >= 98 % |
| Eindeutigkeit | Dublettenrate | doppelte Datensätze / alle Datensätze | < 1 % |
Die Genauigkeit ist die am schwersten zu messende Dimension, weil sie einen Abgleich mit einer verlässlichen Referenz verlangt. Für Adressen gibt es postalische Referenzdaten, für Preise die aktuelle Preisliste. Wo keine externe Referenz existiert, behilft man sich mit Plausibilitätsregeln: Eine PLZ mit Buchstaben ist mit Sicherheit falsch.
Den Data Quality Score berechnen
Ein einzelner Wert, der die gesamte Datenqualität zusammenfasst, ist der DQ-Score. Er gewichtet die Dimensionsraten und mittelt sie. Ein gängiges Verfahren ist die gewichtete Mittelung:
DQ-Score = (w1 * Vollständigkeit + w2 * Genauigkeit + w3 * Aktualität + w4 * Konsistenz + w5 * Eindeutigkeit) / (w1 + w2 + w3 + w4 + w5)Die Gewichte w1 bis w5 werden pro Datendomäne festgelegt. Für Kundendaten sind Aktualität und Eindeutigkeit oft wichtiger als Vollständigkeit. Für Produktdaten dominiert die Vollständigkeit, weil fehlende Attribute direkt Verkäufe blockieren. Eine Gleichgewichtung aller Dimensionen mit je 20 Prozent ist der einfachste Einstieg, spiegelt aber selten die echte Geschäftswirkung.
Der DQ-Score ist keine Wahrheit, sondern eine vereinbarte Kennzahl. Seine Aussagekraft hängt davon ab, ob die Gewichte zum Geschäftsziel passen.
Ein realistisches Ziel für KMU ist ein DQ-Score zwischen 85 und 92 Prozent. Höhere Werte sind oft unwirtschaftlich, weil der Aufwand für die letzten Prozentpunkte exponentiell steigt.
Schwellwerte festlegen: Nicht jede Abweichung ist ein Fehler
Schwellwerte trennen akzeptable von nicht akzeptablen Daten. Sie werden pro Feld, pro Prozess und pro Datendomäne definiert, nicht pauschal für die ganze Datenbank. Vertragsdaten verlangen höhere Genauigkeit als ein Marketing-Newsletter.
Drei Fragen helfen bei der Festlegung:
- Welcher Prozess bricht, wenn dieser Wert falsch ist?
- Welche Kosten entstehen durch einen falschen Wert?
- Wie oft wird das Feld tatsächlich genutzt?
Aus den Antworten ergeben sich realistische Schwellwerte, statt universeller 99-Prozent-Vorgaben, die niemand durchsetzt.
Was sich im Mittelstand bewährt
Im Mittelstand scheitert die Messung selten an der Technik, sondern am Fehlen klarer Verantwortlichkeiten. Bewährt hat sich ein pragmatisches Vorgehen:
- Eine Kennzahl starten: Mit der Vollständigkeitsrate beginnen, weil sie am einfachsten zu messen ist und oft die größten Lücken aufdeckt.
- Verantwortung benennen: Pro Datendomäne eine Person festlegen, die den Wert verantwortet. Datenqualität ohne klare Zuständigkeit funktioniert nicht.
- Quartalsweise Messung: Ein fester Rhythmus verhindert, dass die Messung im Alltag untergeht.
- Validierung am Eingang: Dropdowns, Pflichtfelder und Formatprüfungen verhindern Fehler an der Quelle, statt sie später zu messen.
Tools und Automatisierung
Für die technische Umsetzung reicht im Einstieg eine Kombination aus Datenbankabfragen und einer Tabelle. Wer die Metriken automatisieren will, kann auf etablierte Werkzeuge zurückgreifen:
- Open-Source: Apache Griffin, Great Expectations, Soda Core
- Kommerziell: Talend Data Quality, Informatica IDQ, IBM InfoSphere Quality
Im Mittelstand ist der Sprung von manueller Prüfung zu einem Open-Source-Tool oft der wirtschaftlichste Schritt. Kommerzielle Suiten lohnen sich erst bei mehreren Millionen Datensätzen und verteilten Systemen.
Vom Messen zum Verbessern
Messen allein ändert nichts. Der Wert der Metriken liegt darin, gezielte Maßnahmen abzuleiten: Welche Dimension weicht am stärksten vom Schwellwert ab? Wo liegt die Ursache, im Erfassungsprozess oder in der Pflege? Welche Validierung oder welcher Workflow schließt die Lücke dauerhaft?
Konkrete nächste Schritte:
- Eine Datendomäne wählen, zum Beispiel Kundendaten, und die Vollständigkeitsrate berechnen.
- Einen Schwellwert festlegen, der zum Prozess passt.
- Die Abweichung analysieren und eine Maßnahme definieren, etwa ein Pflichtfeld oder einen Dublettenabgleich.
- Nach vier Wochen erneut messen und prüfen, ob die Kennzahl steigt.
Wer diesen Zyklus einmal durchlaufen hat, hat eine Methode, die sich auf jede weitere Datendomäne anwenden lässt.