Wann sollte die Datenbereinigung vor einem Systemwechsel beginnen?

Sobald die Zielprozesse und die Auswahlkriterien konkretisiert werden. Der Zustand der Daten beeinflusst Anforderungen, Anbieterbewertung, Migrationsumfang und Projektplan. Wer erst nach der Systementscheidung prüft, entdeckt wichtige Einschränkungen zu spät.

Wer entscheidet, welche Daten migriert oder archiviert werden?

Die Entscheidung gehört zum Fachbereich und zum benannten Data Owner. IT kann Daten extrahieren und Regeln technisch umsetzen, aber Aufbewahrung, Prozessrelevanz und fachliche Richtigkeit müssen von den verantwortlichen Bereichen bestätigt werden.

Wie werden Qualitätsgrenzen für die Migration festgelegt?

Je Datenobjekt werden messbare Kriterien für Vollständigkeit, Eindeutigkeit, Gültigkeit und Referenzintegrität definiert. Dazu gehören Berechnungsregel, Zielwert, Toleranz, Prüfer und die Konsequenz bei Abweichung. Die Grenzen sollten vor der finalen Migration freigegeben sein.

Reicht eine einzige Testmigration aus?

Eine feste Zahl gilt nicht für jedes Projekt. Testläufe werden so lange wiederholt, bis Mapping, Bereinigungsregeln, Laufzeit, Fehlerbehandlung und fachliche Abnahme belastbar sind. Entscheidend ist ein dokumentiertes Go/No-Go-Kriterium, nicht die Anzahl allein.

Welche Daten gehören nicht automatisch ins neue System?

Veraltete, doppelte, rechtlich nicht mehr benötigte oder prozessual irrelevante Daten sollten nicht ungeprüft übernommen werden. Für jede Datenklasse braucht es eine bewusste Entscheidung zwischen Migration, Archivierung, Zusammenführung und Löschung.

Wann sollte die Datenbereinigung vor einem Systemwechsel beginnen?

Sobald die Zielprozesse und die Auswahlkriterien konkretisiert werden. Der Zustand der Daten beeinflusst Anforderungen, Anbieterbewertung, Migrationsumfang und Projektplan. Wer erst nach der Systementscheidung prüft, entdeckt wichtige Einschränkungen zu spät.

Wer entscheidet, welche Daten migriert oder archiviert werden?

Die Entscheidung gehört zum Fachbereich und zum benannten Data Owner. IT kann Daten extrahieren und Regeln technisch umsetzen, aber Aufbewahrung, Prozessrelevanz und fachliche Richtigkeit müssen von den verantwortlichen Bereichen bestätigt werden.

Wie werden Qualitätsgrenzen für die Migration festgelegt?

Je Datenobjekt werden messbare Kriterien für Vollständigkeit, Eindeutigkeit, Gültigkeit und Referenzintegrität definiert. Dazu gehören Berechnungsregel, Zielwert, Toleranz, Prüfer und die Konsequenz bei Abweichung. Die Grenzen sollten vor der finalen Migration freigegeben sein.

Reicht eine einzige Testmigration aus?

Eine feste Zahl gilt nicht für jedes Projekt. Testläufe werden so lange wiederholt, bis Mapping, Bereinigungsregeln, Laufzeit, Fehlerbehandlung und fachliche Abnahme belastbar sind. Entscheidend ist ein dokumentiertes Go/No-Go-Kriterium, nicht die Anzahl allein.

Welche Daten gehören nicht automatisch ins neue System?

Veraltete, doppelte, rechtlich nicht mehr benötigte oder prozessual irrelevante Daten sollten nicht ungeprüft übernommen werden. Für jede Datenklasse braucht es eine bewusste Entscheidung zwischen Migration, Archivierung, Zusammenführung und Löschung.

Datenbereinigung vor Systemwechsel: Checkliste

Auf einen Blick

Datenbereinigung beginnt vor der Migration: Inventarisieren Sie Quellen, bestimmen Sie Data Owner, entscheiden Sie über Dubletten und Altbestände und legen Sie Qualitätsgrenzen vor dem finalen Lauf fest. Erst dann werden Mapping, Testmigration, Cutover und fachliche Abnahme belastbar.

Warum Datenbereinigung vor dem Systemwechsel nötig ist

Ein neues ERP-, CRM-, PIM- oder MDM-System behebt keine unklaren Datenregeln. Werden Dubletten, veraltete Datensätze und widersprüchliche Verantwortlichkeiten unverändert übernommen, bildet das Zielsystem dieselben Probleme nur in einer neuen Oberfläche ab.

Die Datenprüfung gehört deshalb bereits in die Systemauswahl. Datenvolumen, Quellsysteme, Pflichtfelder, Historienbedarf und Integrationen beeinflussen Anforderungen, Anbieter-Demos und Projektumfang. Nach der Entscheidung wird daraus ein eigenes Migrationsarbeitspaket mit Mapping, Testläufen und Abnahme.

Die Leitentscheidung je Datenklasse

Migrieren, archivieren, zusammenführen oder löschen – mit fachlichem Owner, dokumentierter Regel und prüfbarem Ergebnis.

Arbeitsvorlage

Datenbereinigungs-Checkliste: 10 Schritte

Jeder Schritt endet mit einem konkreten Lieferobjekt und einer prüfbaren Abnahmebedingung.

Excel-Checkliste↓

Datenquellen und Datenobjekte inventarisieren

Welche Systeme, Dateien und Schnittstellen enthalten die Daten, die für den Zielprozess benötigt werden?

Ergebnis: Quellenregister mit System, Datenobjekt, Format, Volumen, Ansprechpartner und Aktualisierungsrhythmus.
Fertig, wenn: Jedes relevante Datenobjekt hat eine bekannte Quelle und eine fachlich verantwortliche Person.

Dubletten, Altbestände und Schattenlisten erkennen

Welche Datensätze beschreiben dieselbe Entität, sind veraltet oder werden außerhalb des führenden Systems gepflegt?

Ergebnis: Regeln für Dublettenerkennung sowie eine dokumentierte Entscheidung zu Löschen, Archivieren oder Zusammenführen.
Fertig, wenn: Für jede erkannte Altlast ist eine nachvollziehbare Behandlung festgelegt.

Pflichtfelder und Datenverantwortung festlegen

Welche Felder braucht der Zielprozess zwingend und wer entscheidet bei unklaren oder widersprüchlichen Werten?

Ergebnis: Pflichtfeldkatalog und RACI-Zuordnung für Data Owner, Data Steward, IT und Projektleitung.
Fertig, wenn: Pflichtfelder, Freigaberechte und Eskalationsweg sind benannt.

Ziel-Datenmodell und führende Systeme definieren

Wie sehen Entitäten, Beziehungen, Schlüssel und zulässige Werte im neuen System aus?

Ergebnis: Abgestimmtes Zielmodell mit Golden Source je Datenobjekt und Regeln für systemübergreifende Identitäten.
Fertig, wenn: Das Zielmodell ist vor dem Feldmapping fachlich freigegeben.

Feldmapping und Transformation vorbereiten

Welches Quellfeld wird in welches Zielfeld übertragen und welche Umrechnung oder Anreicherung ist nötig?

Ergebnis: Versionierte Mapping-Tabelle mit Quelle, Ziel, Datentyp, Transformationsregel, Pflichtstatus und Testfall.
Fertig, wenn: Jedes Zielfeld ist gemappt, bewusst leer oder als nicht zu migrieren dokumentiert.

Bereinigung umsetzen und protokollieren

Welche Korrekturen lassen sich regelbasiert automatisieren und welche brauchen eine fachliche Entscheidung?

Ergebnis: Bereinigungsregeln, Fehlerlisten und ein Änderungsprotokoll, das Originalwert und Zielwert nachvollziehbar macht.
Fertig, wenn: Korrekturen sind reproduzierbar; manuelle Entscheidungen sind prüfbar dokumentiert.

Testmigration mit realistischen Daten durchführen

Funktionieren Extraktion, Transformation, Laden und fachliche Nutzung unter realistischen Bedingungen?

Ergebnis: Testlauf-Protokoll mit Laufzeit, Fehlerklassen, Abweichungen, Verantwortlichen und Wiederholungsentscheidung.
Fertig, wenn: Technische und fachliche Prüfer haben dieselbe Testversion abgenommen oder Restfehler zugeordnet.

Qualitätsgrenzen und Go/No-Go-Regeln festlegen

Welche messbaren Bedingungen müssen Vollständigkeit, Eindeutigkeit, Gültigkeit und Referenzintegrität erfüllen?

Ergebnis: Qualitätsmatrix mit Kennzahl, Berechnungsregel, Zielwert, Toleranz, Prüfer und Konsequenz bei Abweichung.
Fertig, wenn: Grenzwerte werden vor dem finalen Lauf beschlossen, nicht erst anhand des Ergebnisses.

Cutover, Delta-Migration und Rollback vorbereiten

Wie werden Änderungen nach dem letzten Test erfasst, wann werden Quellen gesperrt und wann wird zurückgerollt?

Ergebnis: Cutover-Runbook mit Zeitfenster, Reihenfolge, Abhängigkeiten, Kommunikationsweg, Delta-Lauf und Rückfallpunkt.
Fertig, wenn: Jede Aktivität hat Owner, Startsignal, Ergebnisnachweis und Abbruchkriterium.

Fachliche Abnahme und Übergabe dokumentieren

Wer bestätigt, dass Daten nicht nur technisch geladen, sondern im Zielprozess korrekt nutzbar sind?

Ergebnis: Abnahmeprotokoll je Datenobjekt sowie offene Punkte mit Frist, Risiko und Zuständigkeit.
Fertig, wenn: Freigabe, Restfehler und Betriebsverantwortung sind schriftlich festgehalten.

Praxisbeispiel

So kann ein Datenqualitäts-Audit aussehen

Das folgende Beispiel zeigt typische Befundklassen und Entscheidungen. Es ist keine Benchmark: Prüfregeln und Grenzwerte müssen zum Datenobjekt und Zielprozess passen.

Datenobjekt	Qualitätsdimension	Beispielhafter Befund	Nächste Entscheidung
Kundenstamm	Eindeutigkeit	Mehrere Dublettenregeln liefern unterschiedliche Treffer	Matching-Regel fachlich entscheiden und Testmenge erneut prüfen
Artikelstamm	Vollständigkeit	Pflichtfelder des Zielsystems sind in der Quelle nicht durchgängig befüllt	Owner je Feld benennen und zulässige Ersatzlogik dokumentieren
Lieferanten	Gültigkeit	Status- und Ländercodes entsprechen nicht vollständig dem Zielwertebereich	Lookup-Tabelle freigeben und ungültige Werte in Fehlerliste aussteuern
Aufträge	Referenzintegrität	Einzelne Bewegungsdaten verweisen auf nicht übernommene Stammdaten	Archivierungsumfang und Abhängigkeiten gemeinsam entscheiden

Vollständigkeit

Messregel, Zielwert, Toleranz, Prüfer und Reaktion dokumentieren.

Eindeutigkeit

Messregel, Zielwert, Toleranz, Prüfer und Reaktion dokumentieren.

Gültigkeit

Messregel, Zielwert, Toleranz, Prüfer und Reaktion dokumentieren.

Referenzintegrität

Messregel, Zielwert, Toleranz, Prüfer und Reaktion dokumentieren.

Datenqualität mit Systemauswahl und Migration verbinden

Vor der Auswahl

Quellen, Datenobjekte und Qualitätsprobleme erfassen. Daraus entstehen belastbare Anforderungen an Import, Validierung, Historie und Integrationen.

Systemauswahl einordnen →

In der Anbieterauswahl

Reale Datenfälle in Demos und Proof-of-Concepts prüfen. Anbieter müssen Mapping, Fehlerbehandlung und Nachvollziehbarkeit am konkreten Szenario zeigen.

Auswahlmethodik nutzen →

In der Umsetzung

Bereinigung, Testmigration, Cutover und Abnahme als eigenes Arbeitspaket steuern – mit fachlichen Ownern und dokumentierten Go/No-Go-Regeln.

Umsetzung absichern →

Daten-Audit vor der Softwareauswahl

Klären Sie Datenrisiken, bevor sie den Projektplan bestimmen.

Im Erstgespräch strukturieren wir Quellsysteme, Datenobjekte, Verantwortlichkeiten und die wichtigsten Qualitätsrisiken. Sie erhalten einen klaren nächsten Prüfauftrag – ohne Tool-Pitch und ohne vorweggenommene Systementscheidung.

Daten-Audit anfragen→Beratung ansehen→