Master Data Management (MDM)

Master Data Management (MDM) bezeichnet die organisatorischen und technischen Verfahren, mit denen ein Unternehmen seine zentralen Stammdaten – etwa zu Kunden, Lieferanten, Materialien oder Produkten – über alle Systeme hinweg einheitlich erfasst, pflegt und konsistent hält. Ziel ist eine verlässliche, eindeutige Datenbasis, auf die ERP, CRM und weitere Anwendungen gleichermaßen zugreifen können.

Im Mittelstand wächst die Bedeutung von MDM mit der Zahl der eingesetzten Systeme: Je mehr Anwendungen dieselben Datensätze nutzen, desto wichtiger wird ein abgestimmtes Verfahren, das Dubletten, widersprüchliche Schreibweisen und veraltete Einträge verhindert.

Was Master Data Management umfasst

MDM ist kein einzelnes Werkzeug, sondern eine Kombination aus Prozessen, Verantwortlichkeiten und Technik. Im Mittelpunkt stehen die Stammdaten: dauerhaft gültige Datensätze, die im Tagesgeschäft selten, aber folgenreich geändert werden. Typische Domänen sind Kunden- und Lieferantendaten, Material- und Artikelstammdaten sowie Konten und Organisationsstrukturen.

Ein MDM-Ansatz definiert, welche Datenobjekte als „Master" gelten, welches System die führende Quelle ist und nach welchen Regeln neue Datensätze angelegt, geprüft und freigegeben werden. Dazu gehören Namenskonventionen, Pflichtfelder, Plausibilitätsprüfungen und ein nachvollziehbares Änderungsprotokoll. Das Ergebnis soll ein verlässlicher Single Source of Truth sein, der Widersprüche zwischen Systemen vermeidet.

Bestandteile und typischer Ablauf

In der Praxis gliedert sich MDM meist in mehrere Bausteine. Die Datenmodellierung legt Struktur und Attribute der Stammdatenobjekte fest. Das Data Governance-Konzept regelt Zuständigkeiten – häufig über sogenannte Data Owner und Data Stewards, die fachlich für die Qualität einer Domäne verantwortlich sind.

Der operative Ablauf folgt einem wiederkehrenden Muster:

• Erfassung: Neue Datensätze werden über definierte Eingabemasken oder Schnittstellen angelegt.
• Validierung: Regeln prüfen Vollständigkeit, Format und Dublettenfreiheit.
• Anreicherung und Abgleich: Datensätze werden konsolidiert, mit externen Quellen ergänzt und Dubletten zusammengeführt.
• Freigabe: Ein definierter Workflow gibt geprüfte Datensätze frei, oft unterstützt durch eine Workflow-Automatisierung.
• Verteilung: Über Schnittstellen wie eine REST-API oder eine Integrationsplattform gelangen die freigegebenen Daten in die angeschlossenen Systeme.

Diese laufende Stammdatenpflege ist kein einmaliges Projekt, sondern ein dauerhafter Betrieb mit klaren Verantwortlichkeiten.

Relevanz im ERP-Kontext

Ein ERP-System ist auf saubere Stammdaten angewiesen: Materialstämme steuern Disposition und Beschaffung, Kundenstämme prägen Angebots- und Rechnungsprozesse, Lieferantenstämme beeinflussen Einkauf und Bewertung. Fehlerhafte oder doppelte Datensätze wirken sich daher unmittelbar auf nachgelagerte Prozesse aus – von der Lagerbuchung bis zur Konsolidierung im Konzern.

In vielen Unternehmen übernimmt das ERP-System selbst die Rolle der führenden Stammdatenquelle. In heterogenen Landschaften mit ERP, CRM, Online-Shop und Spezialsoftware reicht das oft nicht aus; dann wird ein eigenständiges MDM als übergeordnete Drehscheibe eingesetzt. Eng verwandt sind dabei das Product Information Management (PIM) für produktbezogene Daten und das Digital Asset Management (DAM) für zugehörige Medien.

Praxisbeispiel

Ein mittelständischer Hersteller betreibt ein ERP für Produktion und Buchhaltung, ein CRM für den Vertrieb und einen separaten Webshop. Derselbe Kunde existiert in allen drei Systemen mit unterschiedlichen Schreibweisen und Kundennummern. Bei einer Auswertung des Umsatzes pro Kunde entstehen Abweichungen, weil Datensätze nicht eindeutig zugeordnet werden können.

Mit einem MDM-Ansatz wird festgelegt, dass das ERP die führende Quelle für Kundenstammdaten ist. Neue Kunden werden zentral angelegt, validiert und über Schnittstellen an CRM und Shop verteilt. Dubletten werden zusammengeführt, eine eindeutige Kundennummer dient als Schlüssel. Auswertungen liefern anschließend konsistente Ergebnisse über alle Systeme hinweg.

Hinweise zu Auswahl und Umsetzung

Vor der Werkzeugauswahl steht die fachliche Klärung: Welche Datendomänen sind kritisch, welches System führt, und wer trägt die Verantwortung? Viele ERP-Plattformen – etwa aus dem Umfeld von SAP, Microsoft Dynamics 365, Infor oder Sage – bieten Stammdatenfunktionen oder ergänzende MDM-Module; daneben existieren herstellerunabhängige Speziallösungen. Die Beispiele sind rein illustrativ und stellen keine Wertung dar.

Entscheidend für den Erfolg sind klare Governance-Regeln, messbare Qualitätskriterien und eine saubere Datenmigration beim Start. Ein schrittweises Vorgehen je Domäne ist meist tragfähiger als eine umfassende Einführung auf einmal.

Abgrenzung zu verwandten Begriffen

MDM ist von benachbarten Disziplinen zu unterscheiden. Es ist keine reine Datenbank und kein Reporting-Werkzeug wie ein Data Warehouse, das vor allem analytische Daten zusammenführt. Während MDM die qualitätsgesicherte Pflege der führenden Stammdaten sicherstellt, dient ein Data Warehouse der Auswertung historischer Bewegungsdaten. Auch ist MDM nicht identisch mit der bloßen technischen Integration von Systemen – diese ist Voraussetzung, ersetzt aber weder Governance noch Datenqualitätsregeln.

Stammdaten sind die Grundlage praktisch aller ERP-Prozesse. Doppelte Kunden, inkonsistente Materialnummern oder veraltete Lieferanteninformationen führen unmittelbar zu Fehlern in Bestellungen, Rechnungen, Reportings und Compliance-Prüfungen.

Methodisch umfasst MDM Themen wie Datenmodellierung, Dublettenprüfung, Validierungsregeln, Genehmigungs-Workflows, Datenanreicherung und Audit-Trails.