Datenqualität Kennzahlen: Prüfkriterien für auffällige Werte

Das Wichtigste auf einen Blick

• Eine Abweichung ist erst dann ein Datenfehler, wenn ein Prüfkriterium verletzt ist. Dieselbe Abweichung kann eine echte Geschäftsänderung sein.
• Prüfbar sind sechs Dimensionen: Vollständigkeit, Genauigkeit, Konsistenz, Stetigkeit, Pünktlichkeit und Nachvollziehbarkeit der Herkunft.
• Fünf Fehlerquellen erklären die meisten Auffälligkeiten: fehlende Buchungen, doppelte Datensätze, falsche Stammdaten, Perioden- und Zeitzonenfehler, Einheiten- und Währungsfehler.
• Excel und Python prüfen dieselben Regeln, nur mit unterschiedlichem Aufwand. Entscheidend ist die dokumentierte Regel, nicht das Werkzeug.
• Orientierung bieten die Qualitätsberichte des Statistischen Bundesamts, die Validierungsregeln von Eurostat und die Normenreihe DIN ISO 8000.

Wann eine Abweichung ein Fehler ist und wann eine echte Änderung

Ihre Kennzahl weicht vom erwarteten Wert ab. Der erste Reflex lautet oft: Da stimmt etwas nicht. Doch die Abweichung allein beweist keinen Datenfehler. Ein gesunkener Lagerbestand kann aus einem Großauftrag stammen, aus einer fehlenden Buchung oder aus beidem.

Der Unterschied liegt in der Prüfbarkeit. Eine echte Geschäftsänderung lässt sich mit Belegen rekonstruieren, etwa Auftrag, Lieferschein und Rechnung. Ein Datenfehler lässt sich nur über eine Regel aufdecken, die der Wert verletzt. Ohne solche Regeln bleibt jede Kontrolle ein Gefühl.

Deshalb beginnt die Prüfung nicht mit der Frage "Ist der Wert falsch?". Sie beginnt mit der Frage: Welches Kriterium verletzt der Wert? Daraus ergibt sich, welcher Nachweis fehlt und welche Prüfung zuerst ansetzt.

Sechs Prüfkriterien mit Leitfrage und Nachweis

Das Europäische Statistische System beschreibt Datenqualität über mehrere Dimensionen, darunter Relevanz, Genauigkeit, Aktualität, Pünktlichkeit, Vergleichbarkeit und Kohärenz. Eurostat fasst diese Dimensionen in seinem Qualitätsrahmen zusammen. Für betriebliche Kennzahlen lässt sich daraus ein Prüfraster mit sechs Kriterien ableiten. Die Übertragung auf Ihr Unternehmen ist eine Analogie, keine Vorgabe.

Kriterium	Leitfrage	Typischer Befund	Nachweis
Vollständigkeit	Sind alle Buchungen der Periode erfasst?	Fehlende Buchungen erzeugen Sprünge	Buchungsjournal, Stapelprotokoll
Genauigkeit	Stimmt der Wert mit dem Beleg überein?	Zählfehler, Tippfehler, gerundete Mengen	Beleg, Zählliste
Konsistenz	Passt der Wert zu verknüpften Kennzahlen?	Ein Stammdatensatz verfälscht mehrere Auswertungen	Stammdatenabgleich
Stetigkeit	Wiederholt sich die Abweichung über Perioden?	Systematische Verschiebung durch Prozessfehler	Zeitreihe der Vormonate
Pünktlichkeit	Wurde die Zählung oder Meldung termingerecht abgeschlossen?	Nachträgliche Korrekturbuchungen	Zeitstempel
Herkunft	Ist die Datenquelle dokumentiert und versioniert?	Unklare Herkunft, manuelle Überschreibung	Änderungsprotokoll

Vollständigkeit und Genauigkeit widersprechen sich nicht, sie prüfen Verschiedenes. Eine Meldung kann vollständig und trotzdem falsch sein. Eine genaue Buchung kann in einem unvollständigen Stapel stecken.

Typische Datenfehler in betrieblichen Kennzahlen

Fünf Fehlerbilder tauchen in betrieblichen Auswertungen immer wieder auf. Die Reihenfolge folgt der Häufigkeit, in der sie Prüfungen auslösen, nicht einer Statistik.

1. Fehlende Buchungen: Ein Teilstapel wurde nicht verarbeitet. Die Kennzahl fällt sprunghaft, meist zum Periodenende.
2. Doppelte Datensätze: Derselbe Vorgang liegt zweimal vor, oft nach Import oder Nachbuchung. Beträge und Stückzahlen verdoppeln sich.
3. Falsche Stammdaten: Kostenstelle, Lagerort oder Artikelgruppe sind vertauscht. Dann stimmt die Summe, aber nicht die Verteilung.
4. Perioden- und Zeitzonenfehler: Eine Buchung mit Zeitstempel 23:50 des letzten Tages landet im falschen Monat. Bei Systemen in verschiedenen Zeitzonen verschiebt sich der Stichtag.
5. Einheiten- und Währungsfehler: Stück gegen Kilogramm, Euro gegen Fremdwährung. In Summen bleiben solche Fehler unauffällig, in Verhältnissen fallen sie auf.

Zwei Prüfungen decken diese Fehler zuverlässig auf: der Abgleich der Zeilenzahl vor und nach der Transformation und die Suche nach doppelten Schlüsseln. Beide gehören in jede Datenprüfung, unabhängig vom Werkzeug.

Prüfschritte in Excel: fünf Kontrollen vor der Auswertung

Excel eignet sich für kleine Datenmengen und für Einzelfallprüfungen. Die folgenden Schritte sind eine Abfolge, keine starre Vorschrift.

1. Zeilen zählen. Vergleichen Sie die Anzahl der Datensätze in der Quelle mit der Anzahl in der Auswertung. Fehlt eine Zeile, prüfen Sie zuerst den Filter.
2. Duplikate und Leerzellen suchen. Markieren Sie die Spalte mit dem Vorgangsschlüssel und lassen Sie doppelte Werte anzeigen. Filtern Sie danach auf leere Zellen in Datum, Betrag, Kostenstelle und Menge.
3. Summen gegenprüfen. Rechnen Sie die Kennzahl mit einer zweiten Formel, etwa über Summewenn, und vergleichen Sie beide Ergebnisse.
4. Zeitreihe zeichnen. Tragen Sie die Kennzahl über mindestens zwölf Perioden ab. Ein Knick ist schneller zu sehen als zu berechnen.
5. Nachweis festhalten. Notieren Sie Filter, Formel, Dateiversion und Prüfdatum. Ohne diesen Eintrag ist die Prüfung später nicht wiederholbar.

Für wiederkehrende Auswertungen sind Datenmodelle und Dashboards sinnvoll. Microsoft beschreibt den Funktionsumfang von Power BI für betriebliche Auswertungen. Die Trennung bleibt wichtig: Das Werkzeug visualisiert, die Prüfregel entscheidet.

Dieselben Regeln in Python prüfen

Bei mehreren zehntausend Zeilen oder täglicher Aktualisierung sind Skripte wirtschaftlicher. Die Bibliothek pandas liest CSV- und Excel-Dateien ein und erlaubt dieselben Kontrollen wie oben, nur wiederholbar. Ein Prüflauf klärt typischerweise fünf Dinge auf einmal:

• Anzahl der Zeilen und Spalten gegen den Erwartungswert
• Anzahl fehlender Werte je Pflichtspalte
• Anzahl doppelter Schlüssel
• Anzahl negativer Mengen oder Beträge, wo sie nicht zulässig sind
• Anzahl der Datensätze mit Datum außerhalb der Periode

Jede dieser Prüfungen liefert eine Zahl, keine Meinung. Legen Sie für jede Zahl eine Schwelle fest und lassen Sie das Skript bei Überschreitung fehlschlagen. Damit wird die Prüfung Teil des Ablaufs und nicht eine Aktion nach einem Fehler.

Die Reihenfolge lautet: erst prüfen, dann aggregieren. Eine Kennzahl, die aus ungeprüften Rohdaten entsteht, lässt sich später kaum rekonstruieren.

Qualitätsstandards von Destatis, Eurostat und DIN ISO 8000

Das Statistische Bundesamt veröffentlicht Qualitätsberichte zu seinen Statistiken. Darin dokumentiert es Zweck, Datenquelle, Erhebungsmethode, Genauigkeit und Vergleichbarkeit. Dieser Aufbau ist ein brauchbares Vorbild für die betriebliche Kennzahlendokumentation: Jede Kennzahl braucht Definition, Quelle, Berechnungsregel und bekannte Grenzen.

Eurostat beschreibt, wie eingehende Datenmeldungen automatisiert validiert werden. Geprüft wird gegen vorab definierte Regeln, nicht gegen den Augenschein. Dieses Prinzip lässt sich ohne Aufsichtsrecht übernehmen.

Die Normenreihe ISO 8000 befasst sich mit Datenqualität; in Deutschland wird sie als DIN ISO 8000 geführt. Einzelne Teile behandeln Stammdaten und ihren Austausch zwischen Systemen. Wie eine Norm entsteht und welche Gremien mitwirken, beschreibt die DIN-Seite zu Normen und Standards. Die Norm formuliert Anforderungen an Daten und Prozesse, sie schreibt aber keine Prüfreihenfolge für Ihre einzelne Kennzahl vor.

Ergänzend beschreibt QI-Digital die Ansätze einer digitalen Qualitätsinfrastruktur. Solche Vorhaben betreffen Prüfprozesse und Datenräume. Für einzelne Kennzahlen sind sie Orientierung, nicht unmittelbar anwendbar.

Häufige Fragen

Reicht ein Plausibilitätstest, um Kennzahlen zu prüfen?

Nein. Ein Plausibilitätstest vergleicht einen Wert mit einer Erwartung. Er erkennt keine fehlende Buchung, wenn die Lücke innerhalb der Schwankungsbreite liegt. Vollständigkeit, Genauigkeit und Konsistenz brauchen eigene Prüfungen.

Welche Kennzahl sollte zuerst geprüft werden?

Diejenige, die mehrere Auswertungen speist. Ein falscher Stammdatensatz in einer Artikelgruppe wirkt sich auf Bestand, Umsatz und Deckungsbeitrag gleichzeitig aus. Ein isolierter Zählfehler bleibt auf eine Kennzahl begrenzt.

Wie viele Perioden braucht eine Stetigkeitsprüfung?

Eine belegte Mindestzahl gibt es nicht. Für eine Monatskennzahl sind zwölf Perioden eine praktische Größe, weil darin Saisoneffekte und Jahresabschlussbuchungen sichtbar werden. Bei Wochenwerten sind 52 Perioden sinnvoll, bei stark streuenden Werten mehr.

Ersetzt DIN ISO 8000 die Prüfung mit Excel oder Python?

Nein. Die Norm formuliert Anforderungen an Datenqualität und Prozesse. Ob ein Wert korrekt ist, entscheidet die Prüfregel, die Sie auf Ihre Daten anwenden. Das Werkzeug ist austauschbar.

Wie dokumentiere ich eine Prüfung nachvollziehbar?

Halten Sie vier Angaben fest: geprüfte Datenversion, angewandte Regel, Ergebnis mit Zahl und Zeitpunkt. Diese Angaben machen die Prüfung wiederholbar. Ohne sie bleibt das Ergebnis eine Momentaufnahme.