Drei Schritte zur Datenanalyse in München, wie DAX-Konzerne vorgehen

Das Wichtigste auf einen Blick

Einordnung für betriebliche Daten und Analytik

Der Artikel zeigt die drei Schritte am Beispiel Münchener DAX-Konzerne und Versicherungen. Für Leser von datennachschlag.de sind diese Beispiele als Muster für betriebliche Daten und Analytik zu verstehen. Die beschriebenen Schritte lassen sich auf Unternehmen und Organisationen übertragen: Datenquellen sichten, Kennzahlen validieren, Ergebnisse DSGVO-konform dokumentieren.

München steht hier für besonders strenge Vorgaben aus Aufsicht, Prüfung und Berichtswesen. Wer betriebliche Daten und Analytik verantwortet, kann den Ablauf an die eigene Größe und Regulierungsdichte anpassen. Entscheidend bleiben Datenqualität, nachvollziehbare Berechnung und prüfbare Dokumentation. Die folgenden Abschnitte beschreiben die Schritte im Detail und nennen Werkzeuge, Normen und Pflichten.

Für die Praxis betrieblicher Daten und Analytik zählen die Muster, nicht der Standort. Jedes Unternehmen kann Datenquellen prüfen, Kennzahlen validieren und Ergebnisse dokumentieren. Die Beispiele aus München zeigen, wie hohe Prüf- und Aufsichtsanforderungen den Ablauf schärfen.

Wer Analysen im eigenen Betrieb verantwortet, überträgt Rollen, Werkzeuge und Prüfpunkte auf die eigene Größe. Entscheidend bleiben nachvollziehbare Berechnung, klare Verantwortlichkeiten und prüfbare Dokumentation.

München als Standort von DAX-Konzernen und Versicherungen

München ist Sitz von Allianz, BMW, Munich Re und Siemens. Dazu kommen Versicherungen und zahlreiche Rückversicherer. Diese Unternehmen verarbeiten täglich große Datenmengen aus Vertrieb, Produktion, Schaden und Risiko. Datenanalyse ist dort kein Nebenprojekt, sondern Grundlage für Bilanz, Risikotragfähigkeit und Steuerung.

Die Anforderungen unterscheiden sich von denen kleiner Betriebe. DAX-Konzerne und Versicherungen müssen Kennzahlen gegenüber Vorstand, Aufsichtsrat, BaFin und Wirtschaftsprüfern belegen. Fehler in den Daten werden schnell teuer. Deshalb ist der Prozess standardisiert und wiederholbar.

München hat zudem viele Hochschulen und Forschungseinrichtungen, aus denen Datenanalysten kommen. Das verstärkt den Wettbewerb um Personal und treibt die Professionalisierung voran.

Schritt 1: Datenquellen sichten und Datenqualität prüfen

Am Anfang steht die Bestandsaufnahme. Analysten listen alle Quellen auf: ERP-Systeme, CRM, Schadensysteme, Sensordaten, Marktdaten. Zu jeder Quelle gehören Verantwortliche, Aktualisierungsrhythmus und rechtliche Grundlage. Ohne diese Übersicht bleibt jede spätere Kennzahl angreifbar.

Für die Bestandsaufnahme nutzen Münchener Häuser typischerweise Werkzeuge wie Informatica Data Quality, Ataccama oder Talend; Datenkataloge wie Collibra halten Herkunft und Verantwortliche fest.

Danach folgt die Prüfung der Datenqualität. Typische Kriterien sind Vollständigkeit, Genauigkeit, Konsistenz, Aktualität und Eindeutigkeit. In der Praxis reicht ein Stichprobentest nicht. Münchener Versicherungen prüfen beispielsweise, ob Schadensfälle doppelt erfasst sind oder ob Vertragsdaten mit dem Bestandssystem übereinstimmen. Solche Dublettenprüfungen laufen mit Werkzeugen wie Informatica Data Quality oder Ataccama.

Ein Praxisbeispiel: Ein Rückversicherer in München will die Schadenquote je Sparte berechnen. Die Rohdaten enthalten 12.000 Schadenfälle aus drei Systemen. Zwei Systeme führen unterschiedliche Währungen, eines hat ein abweichendes Vertragsende. Das Team bereinigt die Felder, dokumentiert jede Änderung und kennzeichnet unsichere Werte.

Solche Prüfungen dauern in München typischerweise sechs bis zehn Wochen; beteiligt sind Teams aus drei bis acht Personen aus Fachbereich, IT und Datenschutz.

Das Bayerische Landesamt für Datenschutzaufsicht verlangt, dass Unternehmen Datenverarbeitung nachvollziehbar dokumentieren. Die Themenübersicht der bayerischen Datenschutzaufsicht zeigt, welche Bereiche betroffen sind: Beschäftigtendaten, Kundendaten, Videoüberwachung und Auftragsverarbeitung.

Schritt 2: Kennzahlen validieren und Berichte erstellen

Nach der Datenprüfung werden Kennzahlen berechnet und validiert. Validieren heißt: Plausibilität prüfen, mit Vorperioden vergleichen, Abweichungen erklären. Ein Rückgang der Schadenquote kann aus weniger Schäden, höheren Prämien oder verändertem Portfolio stammen. Jede Ursache muss belegt sein.

Berichte erstellen folgt festen Regeln. Ein Bericht für den Vorstand enthält Kernkennzahlen, Abweichungsanalyse und Handlungsempfehlungen. Ein Bericht an die BaFin folgt vorgegebenen Formaten und Fristen. Ein Fachbericht für den Vertrieb zeigt Details je Region und Kanal.

Die Berechnung läuft in München typischerweise in SAP BW, SAS oder Python, die Darstellung in Tableau, Power BI, Qlik oder SAP Analytics Cloud.

Die Kunst liegt in der Abstimmung. Dieselbe Zahl muss in allen Berichten identisch sein. Deshalb definieren Münchener Konzerne zentrale Kennzahlen mit einheitlicher Formel, Datenquelle und Verantwortlichem. Abweichungen zwischen Berichten gelten als Fehler, nicht als Interpretationsspielraum.

Für Versicherungen kommt die Solvabilitätsberichterstattung hinzu. Sie verlangt konsistente Daten über Risiken, Kapitalanlagen und Rückstellungen. Datenanalyse und Berichtswesen sind dort direkt miteinander verzahnt.

Die folgende Tabelle zeigt, welche Kennzahl welchen Empfänger erreicht und woran sie scheitert, wenn die Validierung fehlt.

Schritt 3: Ergebnisse DSGVO-konform dokumentieren

Die Dokumentation entscheidet, ob eine Analyse prüfbar ist. Sie umfasst Datenherkunft, Verarbeitungsschritte, Annahmen, Berechtigungen und Löschfristen. Jede Änderung an den Daten wird protokolliert. So lässt sich später nachvollziehen, wie eine Zahl entstanden ist.

Die Datenschutz-Grundverordnung verlangt Rechtsgrundlagen, Zweckbindung und Datenminimierung. Das Bundesdatenschutzgesetz ergänzt dies für Deutschland, etwa bei Beschäftigtendaten und Videoüberwachung. Das BDSG als Rechtsgrundlage regelt unter anderem, wann personenbezogene Daten verarbeitet werden dürfen.

In der Praxis heißt das: Analyse-Teams arbeiten mit pseudonymisierten Daten, trennen Test- und Produktivumgebungen und vergeben Rollen. Zugriffe werden protokolliert. Löschkonzepte legen fest, wann Daten entfernt werden. Das Bayerische Landesamt für Datenschutzaufsicht beschreibt die Datenschutzpflichten für bayerische Unternehmen, von der Rechenschaftspflicht bis zur Meldung von Verstößen.

Wer diese Pflichten ignoriert, riskiert Bußgelder und den Verlust von Zertifizierungen. Wer sie erfüllt, kann Ergebnisse gegenüber Aufsicht und Wirtschaftsprüfern belegen.

Vor der Freigabe eines Berichts prüfen Münchener Teams diese Punkte:

Welche Normen und Werkzeuge Münchener Unternehmen nutzen

Münchener Konzerne orientieren sich an mehreren Normen und Rahmenwerken. Die GoBD regeln die ordnungsmäßige Führung und Aufbewahrung von Büchern und Unterlagen in elektronischer Form. Das BSI gibt Hinweise zur Informationssicherheit, die DAkkS akkreditiert Prüfstellen.

Die DIN 66398 beschreibt das Vorgehen für ein Löschkonzept: Bestandsaufnahme der Daten und Verfahren, Bildung von Daten- und Verfahrenskategorien, Festlegung von Aufbewahrungsfristen, Definition von Löschregeln und Verantwortlichkeiten sowie Dokumentation und regelmäßige Überprüfung. Damit lassen sich die Löschfristen aus Schritt 3 belegen.

Welches Werkzeug für welchen Zweck: Informatica, Talend oder SAP Data Services übernehmen die Datenintegration. Ataccama, Informatica Data Quality oder Open-Source-Lösungen prüfen die Datenqualität. Tableau, Power BI, Qlik oder SAP Analytics Cloud liefern Berichte und Dashboards.

Ein Versicherer braucht revisionssichere Berichte und nachvollziehbare Formeln. Ein Industriekonzern legt Wert auf Sensordaten und Echtzeitauswertung. In beiden Fällen gilt: Das Werkzeug ersetzt nicht die Definition von Verantwortlichkeiten und Prozessen.

Münchener Unternehmen achten zudem auf europäische Vorgaben. Der Data Governance Act und der Data Act betreffen den Umgang mit Daten, auch wenn sie nicht speziell auf Datenanalyse zielen. Die Gesellschaft für Informatik bietet Orientierung für gute Praxis.

Regionale Aufsicht: BayLDA und die Pflichten bayerischer Unternehmen

Das Bayerische Landesamt für Datenschutzaufsicht mit Sitz in Ansbach ist die zuständige Aufsichtsbehörde für Unternehmen in Bayern. Es prüft, ob Datenverarbeitung rechtmäßig erfolgt. Dazu gehören auch Fragen der Datenqualität, wenn personenbezogene Daten falsch, unvollständig oder zu lange gespeichert werden.

Die Prüfmaßstäbe der bayerischen Datenschutzaufsicht leiten sich aus der DSGVO ab. Artikel 5 verlangt Richtigkeit und Speicherbegrenzung. Wer falsche Kundendaten verarbeitet, verstößt gegen diese Grundsätze. Das BayLDA kann Maßnahmen anordnen, etwa die Berichtigung oder Löschung von Daten.

Das BayLDA veröffentlicht einen Tätigkeitsbericht und kündigt Kontrollaktionen an, etwa zu Videoüberwachung, Auftragsverarbeitung und Löschkonzepten.

Verhängte Bußgelder liegen je nach Fall zwischen einigen Tausend und mehreren Millionen Euro. Die Höhe richtet sich nach Artikel 83 DSGVO: Art, Schwere und Dauer des Verstoßes, Umsatz des Unternehmens und Mitwirkung bei der Aufklärung.

Für Münchener Unternehmen bedeutet das: Datenanalyse muss nicht nur technisch korrekt, sondern auch rechtlich sauber sein. Das betrifft Kennzahlen, die auf personenbezogenen Daten beruhen, ebenso wie Berichte, die an Dritte gehen. Auftragsverarbeitungsverträge mit Dienstleistern sind Pflicht.

Die Aufsicht arbeitet mit Kontrollen und Beratung. Unternehmen können sich an das BayLDA wenden, um Unsicherheiten zu klären.

Häufige Fragen