Data-Quality-Frameworks

Was es ist

Ein Data-Quality-Framework ist die Gesamtheit der Regeln, Messungen und Behebungsworkflows, die entscheiden, ob eine Zahl einen Entscheidungsträger erreichen darf. Es reicht vom Trivialen (eine Not-Null-Bedingung auf einem Schlüssel) bis zum Statistischen (Drift-Erkennung auf einer Produktionspipeline), und sein eigentliches Thema ist nicht Korrektheit, sondern Verantwortlichkeit: Wer wird informiert, wenn ein Wert falsch ist, und was passiert als Nächstes.

Warum es wichtig ist

Bei einem SAP-Analytics-Engagement ist Qualität die Disziplin, die entscheidet, ob eine semantische Schicht den Kontakt mit dem Business übersteht. Ein Dashboard, das zu 3 % falsch ist, ist nicht zu 97 % nützlich — es ist unbrauchbar, weil niemand sagen kann, welche 3 % das sind. Das Framework ist das, was „die Daten sehen komisch aus“ von einer Behauptung in ein Ticket mit einem Verantwortlichen verwandelt.

Es ist zunehmend auch eine Compliance-Fläche und keine bloße Ingenieurspräferenz. Für KI-Systeme im Anwendungsbereich verlangt der EU AI Act angemessene Grade an Genauigkeit und Robustheit sowie die Dokumentation von Data-Governance-Praktiken (EUR-Lex — Verordnung (EU) 2024/1689). Ein Modell, das auf einer Pipeline ohne Qualitätskontrollen trainiert wurde, ist nicht nur riskant — es ist schwer zu deklarieren.

Wie es funktioniert

Die kanonische Zerlegung — Vollständigkeit, Eindeutigkeit, Aktualität, Gültigkeit, Genauigkeit, Konsistenz — stammt aus dem Body of Knowledge des Datenmanagements und lohnt sich zu verwenden, weil Kunden sie wiedererkennen (DAMA — DMBOK). Jede Dimension wird zu einer messbaren Regel, jede Regel erhält einen Schwellenwert, und jeder Schwellenwert erhält einen Verantwortlichen, der alarmiert wird, wenn er verletzt wird.

Warum es zählt

• Eine Drift-Erkennungsschicht erfasst Qualitätserosion, die eine einmalige Null-Prüfung nie erfassen wird — beide gehören an entgegengesetzte Enden derselben Reifekurve, nicht als Alternativen.
• Behebungsworkflows, nicht nur Erkennungsregeln, sind das, was aus einem Qualitätsalarm ein korrigiertes Dataset macht — Erkennung ohne Behebungspfad ist ein Dashboard, auf das niemand reagiert.
• Dies ist Tiefenwissen, das Berater nutzen, um Honorarverhandlungen zu verankern — ein Kunde, der den Daten vertraut, vertraut dem Berater, der sie garantiert.

Kernpunkte

• Die Menge an Regeln, Kennzahlen und Behebungs-Workflows, die Daten vertrauenswürdig halten — nicht nur Korrektheit, sondern Verantwortlichkeit dafür, wer informiert wird, wenn ein Wert falsch ist.
• Reicht von einfachen Null- und Referenzintegritätsprüfungen bis zur statistischen Drift-Erkennung auf Produktionspipelines.
• Die DAMA-DMBOK-Dimensionen — Vollständigkeit, Eindeutigkeit, Aktualität, Gültigkeit, Genauigkeit, Konsistenz — geben Kunden ein wiedererkennbares Vokabular für jede Regel.
• Eine Regel ohne definierten Behebungsweg (blockieren / in Quarantäne / warnen) ist eine Kennzahl, kein Steuerungsmechanismus — sie wird zu einem roten Quadrat, das alle irgendwann ignorieren.
• Strukturelle Prüfungen (Null, Referenzintegrität, Typkonsistenz) vor statistischer Drift-Erkennung sequenzieren — Drift-Alarme auf einer instabilen strukturellen Schicht erzeugen Fehlsignale.
• Datenverträge binden Qualitätsgarantien an eine benannte Produzenten-/Konsumenten-Beziehung und machen Qualität so von nachträglicher Kontrolle zu einer Vereinbarung vor dem Bau.
• In einer KI-Pipeline lässt schlechte vorgelagerte Datenqualität das LLM nicht laut scheitern — es lässt es flüssig auf Basis eines schlechten Groundings antworten, was schwerer zu erkennen ist.
• Tabellarische Foundation-Modelle mit In-Context-Learning (SAP-RPT-1.6, TabPFN-3.5-Plus) haben keinen Trainingsschritt, um schlechte Daten auszugleichen — eine fehlerhafte Eingabetabelle verschlechtert sofort die Vorhersagen dieses Aufrufs.

Begriffe auf dieser Seite

Dateneigentümer

Der Business-Stakeholder, der für die Korrektheit einer Datendomäne verantwortlich ist (nicht das IT-Team).

Datenverwalter

Die operative Rolle, die die Stammdatenqualität im Tagesgeschäft pflegt.

Wiederverwendbares IP

Ein Artefakt, eine Checkliste oder ein Modell, das über Kunden hinweg wiederverwendet werden kann, ohne kundenspezifische Daten zu kopieren.

Quellen

1. DAMA-DMBOK — data management body of knowledge
2. EUR-Lex — Regulation (EU) 2024/1689 (AI Act), Article 10 data governance (2024-07-12)
3. SAP Help Portal — SAP Master Data Governance overview
4. SAP Help Portal — SAP Datasphere Data Access Control and quality-relevant validation rules
5. SAP Community — orchestration service data masking and content filtering (grounding pipeline)
6. ISO — ISO 8000-61:2016, data quality management: process reference model
7. Harvard Business Review — Redman, "Bad Data Costs the U.S. $3 Trillion Per Year" (22 Sept 2016; headline estimate of the economic cost of poor data quality, an estimate not a measurement)
8. PMC (Wang et al., 2023) — Overview of Data Quality: Examining the Dimensions, Antecedents, and Impacts of Data Quality (reviews Wang & Strong's four-category dimension framework)
9. Bitol / Linux Foundation — Open Data Contract Standard (YAML standard for schema, quality, SLA and ownership of a data contract)
10. Future of Life Institute AI Act Explorer — Article 10: Data and data governance (high-risk AI datasets: relevant, representative, free of errors and complete; unofficial text, check EUR-Lex)
11. European Commission — AI Omnibus enters into force (27 July 2026; Annex III high-risk rules apply from 2 Dec 2027, Annex I from 2 Aug 2028)
12. Great Expectations docs — GX Core overview (open-source framework for expressing data tests and validating data against them; vendor docs)
13. Prior Labs — TabPFN-3.5 Technical Report (in-context tabular prediction; vendor research)