Einfach erklärt
Data Governance ist wie die Hausordnung in einem riesigen Bürogebäude voller Akten. Sie legt fest: Wer darf welche Akte lesen? Wer muss kaputte Akten reparieren? Und in welchem Schrank wird was genau abgelegt, damit es jeder sofort findet?
Alltagsbeispiel
In einer Wohngemeinschaft (WG) gibt es Regeln: Jeder spült seinen eigenen Teller, der Kühlschrank wird freitags geputzt und das W-LAN-Passwort wird nicht an Fremde gegeben. Data Governance sind genau diese „WG-Regeln“, aber für Unternehmensdaten.
Kurze präzise Definition
Data Governance umfasst alle Prinzipien, Richtlinien, Rollen und Prozesse, die ein Unternehmen implementiert, um die Verfügbarkeit, Nutzbarkeit, Integrität und Sicherheit seiner Datenbestände (Master Data) unternehmensweit zu gewährleisten.
Ausführliche Erklärung
Data Governance verhindert Datensilos und schlechte Datenqualität (Garbage In, Garbage Out). Sie definiert Data Ownership (wer ist verantwortlich?) und legt Standards (wie JSON-LD oder Schema.org) fest. Sie arbeitet eng mit dem Identity Access Management (IAM) zusammen, um zu regeln, wer auf die Single Source of Truth eines Unternehmens zugreifen darf, besonders bei der Datenkonsolidierung aus verschiedenen Systemen wie ERP und PIM.
Zusammenhang mit dem Digitalen Produktpass
Der DPP ist extrem hungrig nach qualitativ hochwertigen Daten. Wenn ein Unternehmen keine Data Governance hat (z. B. das Gewicht in Excel steht in Gramm, im ERP in Kilogramm), wird das DPP System falsche oder fehlerhafte Pässe generieren. Eine strenge Data Governance ist die absolute Grundvoraussetzung, bevor ein Unternehmen das Projekt „Digitaler Produktpass“ überhaupt starten kann.
Synonyme / Abkürzungen
Datenverwaltung, Datenregulierung, Data Stewardship.
Praxisbeispiel aus Unternehmen oder Industrie
Ein Möbelhersteller führt ein neues Sofa ein. Durch die Data Governance-Richtlinie ist exakt definiert, dass die Design-Abteilung für die Ecodesign-Daten verantwortlich ist, der Einkauf für die Material Compliance und die IT-Abteilung dafür, dass diese Daten korrekt über APIs in das DPP Repository fließen. Niemand darf die Daten des anderen überschreiben.
Quellen
- DAMA International: DAMA-DMBOK data management body of knowledge.
https://www.dama.org/cpages/body-of-knowledge - ISO 8000: Data quality standards.
https://www.iso.org/committee/290271.html - International Data Spaces Association: IDS Reference Architecture Model.
https://internationaldataspaces.org/offers/reference-architecture/