Data Quality KPIs

Data Quality KPIs sind Kennzahlen, die die Qualität der Stamm- und Bewegungsdaten im Einkauf entlang sechs Dimensionen messen: Vollständigkeit, Korrektheit, Konsistenz, Aktualität, Eindeutigkeit und Konformität. Ohne saubere Datenbasis liefern Spend-Analyse, Lieferantenbewertung und KPI-Dashboard verzerrte Ergebnisse — Data Quality ist deshalb der KPI vor allen anderen KPIs.

Detaillierte Erklärung

Die Norm ISO 8000 (Datenqualität) definiert sechs Dimensionen, die in jedem Data-Quality-KPI-Set wiederkehren:

1. Vollständigkeit (Completeness): Anteil der Datensätze, in denen alle Pflichtfelder gefüllt sind. Formel: gefüllte Pflichtfelder / Pflichtfelder gesamt × 100. Zielwert Top-Quartil DACH: ≥ 95 % (Hackett 2024).
2. Korrektheit (Accuracy): Anteil der Datensätze, deren Werte mit der Quellrealität (Zeichnung, Lieferantenbestätigung, Datenblatt) übereinstimmen. Messung typisch über Stichprobe (Sample 200–400 Datensätze, jährlich).
3. Konsistenz (Consistency): Datensätze ohne Widersprüche zwischen Systemen (SAP MM vs. CAD vs. Lieferanten-Portal). Messung über Cross-System-Abgleich.
4. Aktualität (Timeliness): Anteil der Datensätze, deren letzte Pflegeaktion innerhalb definierter Zeitfenster liegt (typisch: Materialstamm < 24 Monate, Lieferantenstamm < 12 Monate, Preise < 6 Monate).
5. Eindeutigkeit (Uniqueness): Dublettenquote — Anteil eindeutiger Datensätze ohne semantische Duplikate. Materialstamm-Dubletten 3,8–11,2 % im DACH-Mittelstand (ifo 2024).
6. Konformität (Conformity): Anteil der Datensätze in zulässigen Wertebereichen (z. B. ECLASS-Klasse aus aktueller Version, IBAN-Format gültig, Zolltarifnummer 8-stellig).

BARC Data Quality Index 2024 fasst diese Dimensionen in einem Score 0–100 zusammen und zeigt: Einkaufsorganisationen mit Score ≥ 85 erzielen 4,1 % höhere Einsparquoten in Spend-Analysen. Median DACH-Mittelstand: 62. Top-Performer (FMCG, Pharma): 88–92.

Standard-KPI-Set für Einkaufsdaten umfasst: Vollständigkeitsquote Materialstamm, Klassifizierungsquote (ECLASS/UNSPSC), Dublettenquote Materialstamm, Vollständigkeitsquote Lieferantenstamm (inkl. IBAN, Steuernummer, USt-ID, Anschrift), Aktualitätsquote Preise, Korrektheitsquote Wareneingang (gepflegt vs. fehlerhaft gebucht), Toleranzquote Three-Way-Match. ISO 9001 §7.1.5 fordert dokumentierte Verfahren zur Überwachung dieser Dimensionen, ISO 8000 ergänzt formale Messprozesse.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein Anlagenbauer aus Hessen (1.800 Mitarbeiter, 320 Mio. EUR Umsatz) baut 2025 ein Data-Quality-Dashboard für die Beschaffung auf. Ausgangslage: 64.000 aktive Materialstämme, 4.200 aktive Lieferanten, jährlich 38 Mio. EUR Direktmaterial, 6,4 Mio. EUR Indirekt. BARC-Score: 47.

KPI-Set definiert: Vollständigkeitsquote Pflichtfelder Materialstamm (Werkstoff, Maße, ECLASS, Hersteller, Standard-Lieferant), Klassifizierungsquote ECLASS, Dublettenquote, Vollständigkeitsquote Lieferantenstamm (IBAN, USt-ID, D-U-N-S, Lieferantenklassifizierung A/B/C, letzte Bewertung < 12 Monate), Aktualitätsquote Preise, Maverick-Buying-Quote, Toleranzquote Three-Way-Match. Reporting: monatlich an Einkaufsleitung, quartalsweise an CFO.

Ergebnisse nach 12 Monaten: Vollständigkeitsquote Materialstamm von 71 % auf 94 % (Pflichtfeldworkflow in SAP MDG). Klassifizierungsquote von 53 % auf 89 % (Auto-Klassifizierung mit ML-Modell, 78 % Trefferquote, manuelle Nachpflege durch Stammdatenteam). Dublettenquote von 8,4 % auf 1,9 % (zwei Bereinigungsläufe, semantischer Abgleich auf Hersteller + Sachmerkmale). Lieferantenstamm-Vollständigkeit von 64 % auf 91 %. BARC-Score: 47 → 81.

Geschäftlicher Effekt: Spend-Analyse identifiziert 2,1 Mio. EUR konsolidierbares Volumen über Warengruppengrenzen (vorher unsichtbar wegen unklassifizierter Materialien). Drei Rahmenverträge neu verhandelt, kombinierter Einsparhebel 142.000 EUR p.a. Lieferantenkonsolidierung von 4.200 auf 2.870 aktive Lieferanten — Audit-Aufwand reduziert um 38 %, Onboarding-Kosten gesenkt. Datenqualitätsprojekt amortisiert nach 11 Monaten.

Typische Fehler & Verhandlungskontext

Vier Antimuster sind dokumentiert. Erstens: KPI-Inflation. Ein Dashboard mit 35 Data-Quality-Kennzahlen wird nicht gelesen. Empfehlung BARC 2024: maximal 8–12 KPIs, davon 3–4 Top-Level für Einkaufsleitung. Zweitens: Messung ohne Owner. Wenn unklar bleibt, wer Materialstamm-Vollständigkeit verantwortet (Konstruktion, Einkauf, Stammdatenteam?), bleibt jede Quote dauerhaft unter Zielwert. ISO 8000 fordert explizit benannte Datenverantwortliche. Drittens: Schwellenwerte ohne Geschäftsbezug. "Zielwert 95 %" ohne Begründung ("warum nicht 90 oder 99?") wirkt willkürlich. Empfehlung: Schwellenwerte aus Hackett- oder BARC-Benchmarks ableiten und zum jeweiligen Geschäftsrisiko in Bezug setzen. Viertens: Einmal-Bereinigung statt laufender Pflege. Ohne Pflichtfeldworkflow und Datenpflege-SLAs verfällt jeder Bereinigungsfortschritt in 24–36 Monaten.

Im Verhandlungskontext mit Datenqualitäts- und MDM-Anbietern (Stibo STEP, SAP MDG, Informatica MDM, Pool4Tool/JAGGAER One): Lizenzkosten 25.000–250.000 EUR p.a. je nach Volumen und Modulen. Wichtige Vertragsklauseln: ECLASS-Bibliothek-Updates inklusive (kostet sonst extra), Auto-Klassifikator mit dokumentierter Trefferquote ≥ 75 % (Pilotmessung Pflicht), API-Schnittstellen zu Marktplätzen (Mercateo Unite, simple system) ohne Mehrkosten, jährliche Datenqualitätsreports im Standard.

Vorsicht bei "Datenqualität 100 %": physikalisch unmöglich. ISO 8000 dokumentiert Top-Performer in Pharma/Aerospace bei 96–98 %; im Maschinenbau-Mittelstand sind 85–92 % das realistische Maximum. Marketing-Versprechen "100 % Stammdatenqualität nach 6 Monaten" sind regelmäßig nicht haltbar; BME-Studie 2024 dokumentiert mittlere Projektlaufzeiten 14–22 Monate für nachhaltige Verbesserung um 25 Prozentpunkte.

Bei Verhandlungen mit Lieferanten lohnt sich der Brückenschlag zwischen Data-Quality-KPIs und kommerziellen Klauseln. Eine Vertragspflicht zur BMEcat-konformen Stammdatenlieferung, ergänzt um eine Pönale bei Nichtpflege (z. B. 0,5 % der Jahresbestellsumme bei dauerhafter Datenqualität < 90 %), wandert die Verantwortung an den Lieferanten und schafft Anreize für saubere Datenflüsse. Hackett Group 2024 dokumentiert, dass solche Klauseln in nur 12 % der DACH-Mittelstandsverträge enthalten sind — Top-Quartil-Unternehmen nutzen sie zu 47 %. Die jährliche Lieferantenscorecard sollte deshalb auch Datenqualitätsdimensionen umfassen, nicht nur Liefer- und Preisleistung.

Ein letzter Aspekt mit hohem Reifegrad-Effekt ist die Verknüpfung der Data-Quality-KPIs mit dem Releasemanagement der Kataloge und Marktplätze. Mercateo Unite, simple system, SAP Ariba Network und JAGGAER One liefern alle eigene Datenqualitätsmetriken pro Lieferantenkatalog (Vollständigkeitsquote ECLASS, Klassifikationsabdeckung, Aktualität der Preise). Diese externen Werte sollten regelmäßig mit den internen KPIs abgeglichen werden — Diskrepanzen zwischen Marktplatz-Score und internem Score zeigen oft, dass Cross-Reference-Felder zwischen Hersteller-Artikelnummer und interner Materialnummer fehlerhaft sind. ISO 8000 fordert dafür einen formalen Reconciliation-Prozess mit dokumentierter Frequenz (typisch monatlich). Ohne diesen Abgleich entstehen "Datenqualitäts-Inseln", die nach außen verlässlich aussehen, intern aber zu unsauberen Spend-Analysen führen.

Verwandte Begriffe

• [[datenqualitaet-einkauf]]
• [[stammdatenmanagement-mdm]]
• [[klassifizierungsquote]]
• [[datenqualitaetsbericht]]
• [[datenmodell-einkauf]]