Datenqualität
Wie deutsche Unternehmen Datenqualität nach DIN 66398 prüfen
Datenqualität prüfen nach DIN 66398: So laufen Profiling, Datenqualitätsregeln und Kennzahlen ab, DSGVO- und GoBD-konform dokumentiert in Deutschland.
Das Wichtigste auf einen Blick
- Datenqualität prüfen heißt nach DIN 66398: Merkmale definieren, messen, bewerten und dokumentiert abstellen.
- Sechs Dimensionen bilden den Prüfrahmen, von Vollständigkeit bis Aktualität.
- Profiling zeigt den Ist-Zustand, Regeln und Kennzahlen machen Abweichungen steuerbar.
- DSGVO und BDSG begrenzen, welche personenbezogenen Daten Sie überhaupt auswerten dürfen.
- GoBD und § 147 AO verlangen nachvollziehbare Protokolle und definierte Aufbewahrungsfristen.
- Verantwortung gehört in klare Rollen, nicht in ein einzelnes Projekt.
Was die DIN 66398 unter Datenqualität versteht
Die DIN 66398 beschreibt, wie Unternehmen Datenqualität systematisch prüfen und steuern. Sie liefert kein fertiges Messprogramm, sondern ein Vorgehensmodell: Merkmale festlegen, messen, bewerten, Maßnahmen ableiten und die Wirkung erneut messen.
Für deutsche Betriebe ist das aus zwei Gründen relevant. Erstens verlangen Aufsichtsbehörden und Wirtschaftsprüfer nachvollziehbare Datenbestände, etwa bei der BaFin oder im Rahmen der GoBD. Zweitens wächst der Abstimmungsaufwand zwischen Fachbereichen, wenn Stammdaten in ERP, CRM und Data Warehouse unterschiedlich gepflegt werden.
Die Norm ist kein Gesetz. Sie ist ein anerkannter Rahmen, auf den sich Datenmanager, Revision und Datenschutz verständigen können. Wer Datenqualität prüfen will, braucht genau diese gemeinsame Sprache, sonst diskutiert jeder Bereich über andere Kennzahlen.
In der Praxis beginnt das mit einer einfachen Frage: Welche Datenentscheidung hängt an welchem Datensatz? Wer diese Frage beantwortet, kann den Prüfumfang begrenzen und muss nicht den gesamten Datenhaushalt auf einmal messen.
Die sechs Dimensionen der Datenqualität nach DIN 66398
Die Norm ordnet Datenqualität in Dimensionen, die sich getrennt messen lassen. In der deutschen Praxis haben sich sechs etabliert. Sie sind der Kern, wenn Sie Datenqualität prüfen und die Ergebnisse berichten wollen.
| Dimension | Leitfrage | Typische Kennzahl |
|---|---|---|
| Vollständigkeit | Sind alle Pflichtfelder befüllt? | Anteil leerer Pflichtfelder |
| Konsistenz | Widersprechen sich Werte? | Anteil Regelverstöße je Satz |
| Genauigkeit | Stimmt der Wert mit der Realität überein? | Abweichungsquote zum Referenzsystem |
| Aktualität | Ist der Wert noch gültig? | Alter seit letzter Änderung |
| Eindeutigkeit | Ist der Datensatz identifizierbar? | Anteil Duplikate |
| Gültigkeit | Entspricht der Wert dem Format? | Anteil Formatfehler |
Die Dimensionen überschneiden sich bewusst. Ein fehlendes Geburtsdatum ist ein Vollständigkeitsproblem und kann zugleich die Genauigkeit einer Altersauswertung verzerren. Deshalb gehört zu jeder Dimension eine klare Definition, welcher Fehler wie gezählt wird.
Wichtig ist die Gewichtung. Nicht jede Dimension wiegt gleich viel. Für eine Lieferantenstammdatenprüfung zählt Vollständigkeit mehr als Aktualität, für ein Adressregister umgekehrt. Legen Sie die Gewichte vor der ersten Messung fest, sonst wird die Bewertung beliebig.
Schritt für Schritt: Datenqualität prüfen mit Profiling und Regeln
Das folgende Verfahren lässt sich auf einzelne Tabellen oder auf ganze Domänen anwenden. Es folgt dem Grundgedanken der Norm: erst verstehen, dann messen, dann handeln.
- Prüfumfang festlegen. Bestimmen Sie Datenobjekte, kritische Attribute und die Entscheidungen, die davon abhängen. Halten Sie schriftlich fest, was außerhalb des Umfangs bleibt.
- Datenprofiling durchführen. Analysieren Sie Verteilungen, Wertebereiche, Nullanteile, Muster und Auffälligkeiten, ohne die Daten zu verändern. Profiling in Deutschland heißt auch: Zugriffe protokollieren und Berechtigungen prüfen.
- Datenqualitätsregeln formulieren. Übersetzen Sie jede Dimension in prüfbare Regeln, zum Beispiel: jede Bestellposition hat eine gültige Materialnummer.
- Regeln technisch umsetzen. Verankern Sie die Regeln in der Pipeline, nicht in einer Excel-Datei. Wiederholbare Läufe sind die Voraussetzung für belastbare Kennzahlen.
- Kennzahlen berechnen und bewerten. Erheben Sie Quoten je Dimension, gewichten Sie sie und vergleichen Sie mit den Zielwerten.
- Ursachen klären. Unterscheiden Sie Eingabefehler, Schnittstellenfehler, fehlende Pflichtfeldprüfungen und veraltete Referenzdaten.
- Maßnahmen ableiten und nachmessen. Jede Maßnahme braucht einen Verantwortlichen, ein Datum und eine erneute Messung.
Vor dem Start steht eine Checkliste, die verhindert, dass die Prüfung im ersten Durchlauf entgleist.
- Prüfumfang und kritische Attribute schriftlich fixiert
- Rechtsgrundlage für personenbezogene Attribute geprüft
- Rollen und Berechtigungen für Profiling-Zugriffe geklärt
- Dimensionen definiert und gewichtet
- Regeln versioniert und im Repository abgelegt
- Zielwerte je Kennzahl vereinbart
- Berichtsweg an Fachbereich und Revision festgelegt
Ein Praxisbeispiel: Ein Maschinenbauer in Baden-Württemberg prüft seine Kundenstammdaten. Das Profiling zeigt 12 Prozent fehlende Umsatzsteuer-Identifikationsnummern und 4 Prozent Dubletten. Die Regeln werden in der Stammdatenpflege verankert, die Dubletten zusammengeführt. Nach zwei Quartalen sinkt die Fehlerquote messbar, weil die Eingabeprüfung greift.
DSGVO und BDSG: personenbezogene Daten richtig behandeln
Sobald Namen, Adressen, Geburtsdaten oder Beschäftigtendaten im Prüfumfang liegen, greift die DSGVO. Ergänzend gilt das BDSG mit seinen Regelungen für Beschäftigtendaten und Videoüberwachung, nachlesbar im BDSG - nichtamtliches Inhaltsverzeichnis.
Datenqualität prüfen heißt datenschutzrechtlich: Sie dürfen Daten nicht beliebig kopieren, um sie zu testen. Jeder Profiling-Lauf braucht eine Rechtsgrundlage, einen Zweck und eine Löschfrist. Testdaten sollten anonymisiert oder pseudonymisiert sein.
Die Aufsichtsbehörden stellen Muster und Hinweise bereit, die sich als Prüfschema nutzen lassen, etwa die Hinweise und Muster der hessischen Aufsicht. Solche Vorlagen helfen, Zweckbindung und Löschkonzept sauber zu begründen.
Für Nordrhein-Westfalen und andere Länder lohnt der Blick in die veröffentlichten Rechtsgrundlagen des Datenschutzes, die als Zitierbasis für eine DSGVO-konforme Prüfung dienen. Wer sich auf belastbare Quellen stützt, spart Diskussionen mit dem Datenschutzbeauftragten.
Wichtig ist die Trennung von Zwecken. Ein Profiling zur Sicherung der Datenqualität ist etwas anderes als eine Auswertung zur Leistungsbeurteilung von Beschäftigten. Vermischen Sie beides nicht, sonst kippt die Rechtsgrundlage.
GoBD und Aufbewahrung: Prüfergebnisse dokumentieren und archivieren
Die GoBD verlangen, dass Bücher, Aufzeichnungen und Unterlagen in elektronischer Form ordnungsgemäß geführt und aufbewahrt werden. Für Datenqualitätsprüfungen bedeutet das: Ergebnisse, Regeln und Änderungen müssen nachvollziehbar dokumentiert sein.
Die gesetzlichen Aufbewahrungsfristen regelt unter anderem § 147 AO, der Fristen für Buchungsbelege, Bücher und Abschlüsse festlegt. Prüfprotokolle, die diese Unterlagen stützen, fallen in dieselbe Logik.
Praktisch heißt das: Versionieren Sie Regeln, speichern Sie Messläufe mit Zeitstempel und halten Sie fest, wer wann welche Korrektur ausgelöst hat. Ein Prüfbericht ohne Versionsstand ist im Streitfall wertlos.
Die geltenden Bundesgesetze lassen sich über die Sammlung der Gesetze im Internet einsehen, die als Ausgangspunkt für GoBD- und DSGVO-Recherche dient. Prüfen Sie dort den aktuellen Stand, bevor Sie Fristen in Ihr Datenmodell übernehmen.
Typische Fehler beim datenqualität prüfen und wie man sie vermeidet
Der häufigste Fehler ist ein zu großer Umfang. Wer alle Tabellen gleichzeitig prüft, verliert die Aussagekraft und das Team. Schneiden Sie die erste Runde auf wenige kritische Attribute.
Der zweite Fehler ist die fehlende Definition. Ohne klare Regel zählt jeder Prüfer anders. Schreiben Sie auf, was als Fehler gilt, bevor der erste Lauf startet.
Der dritte Fehler ist die Einmalmessung. Ein einzelner Kennzahlenwert sagt wenig. Erst der Verlauf über Quartale zeigt, ob Maßnahmen wirken.
Der vierte Fehler ist die Umgehung des Datenschutzes. Testkopien mit echten Personendaten ohne Rechtsgrundlage sind ein Risiko, das den gesamten Nutzen der Prüfung aufhebt.
Der fünfte Fehler ist die fehlende Zuständigkeit. Kennzahlen ohne Verantwortlichen bleiben Zahlen. Verbinden Sie jede Dimension mit einer Rolle und einem Zielwert.
Werkzeuge und Rollen: wer die Prüfung verantwortet
Datenqualität prüfen ist keine Aufgabe für eine Abteilung allein. In deutschen Unternehmen haben sich drei Rollen bewährt: der Datenverantwortliche im Fachbereich, der Data Steward als Vermittler und die IT als Betreiber der Regeln.
Der Data Steward definiert Regeln und Kennzahlen, der Fachbereich kennt die Bedeutung der Daten, die IT setzt die Prüfungen in der Pipeline um. Der Datenschutzbeauftragte prüft die Rechtsgrundlage, die Revision kontrolliert die Dokumentation.
Bei den Werkzeugen gibt es kein einheitliches Bild. Data-Profiling-Funktionen stecken heute in Datenkatalogen, ETL-Plattformen und spezialisierten Qualitätslösungen. Entscheidend ist nicht die Marke, sondern ob Regeln versionierbar, Läufe wiederholbar und Ergebnisse exportierbar sind.
Für regulierte Branchen kommt die Anforderung hinzu, dass Prüfprozesse selbst prüfbar bleiben. Orientierung bieten Rahmenwerke wie die des BSI für Informationssicherheit und die Akkreditierungspraxis der DAkkS, wenn Prüfungen extern belegt werden müssen.
Häufige Fragen
Ist die DIN 66398 verpflichtend? Nein, sie ist eine Norm und kein Gesetz. Sie wird aber häufig als anerkannter Rahmen herangezogen, wenn Unternehmen Datenqualität prüfen und die Ergebnisse gegenüber Revision oder Aufsicht begründen müssen.
Wie viele Dimensionen sollte ich messen? Beginnen Sie mit drei bis vier Dimensionen, die für Ihre Entscheidungen kritisch sind. Weitere Dimensionen ergänzen Sie, sobald die ersten Regeln stabil laufen.
Darf ich für Profiling echte Personendaten verwenden? Nur mit Rechtsgrundlage, definiertem Zweck und Löschfrist. Besser sind anonymisierte oder pseudonymisierte Testdaten, die denselben Prüfzweck erfüllen.
Wie lange müssen Prüfprotokolle aufbewahrt werden? Das richtet sich nach den zugrunde liegenden Unterlagen und den Fristen des § 147 AO. Prüfprotokolle, die Buchungsbelege stützen, folgen deren Aufbewahrungsfrist.
Wer entscheidet über Zielwerte für Kennzahlen? Der Fachbereich gemeinsam mit dem Data Steward. Zielwerte ohne fachliche Grundlage führen zu Maßnahmen, die niemand mitträgt.
Reicht eine Excel-Datei für die Prüfung? Für einen ersten Überblick ja, für den Dauerbetrieb nein. Wiederholbare Läufe, Versionierung und Berechtigungen lassen sich in einer Pipeline sauberer abbilden.