Data Governance 2026: Warum Compliance allein nicht mehr ausreicht

Ein global tätiger Finanzdienstleister hat kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ürzlich festgestellt, dass 34 % der Daten, die in seine Kreditrisikomodelle fließen, keine dokumentierte Lineage hatten. Die Modelle liefen. Die Entscheidungen wurden getroffen. Das Exposure war unsichtbar, bis ein internes Audit es aufdeckte. Das ist kein Einzelfall. Es ist ein Muster, das sich quer durch Branchen zeigt, in denen die Dateninfrastruktur der Datenverantwortung um mehrere Jahre vorausgelaufen ist.

Die Ironie: Die meisten dieser Organisationen haben ein Data-Governance-Programm. Sie haben Policies. Sie haben einen Data CatalogData CatalogEin zentrales Inventar der Datenbestände eines Unternehmens, angereichert mit Metadaten, das Menschen hilft, die benötigten Daten zu finden, zu verstehen und ihnen zu vertrauen.Vollständige Definition ansehen →, wahrscheinlich von Collibra oder Alation. Vielleicht haben sie sogar einen Chief Data Officer. Was oft fehlt, ist Governance, die tatsächlich daran anknüpft, wie Daten sich bewegen, genutzt werden und in der Praxis Risiken erzeugen.

Der Governance-Druck ist strukturell, nicht zyklisch

Der EU AI Act ist 2025 in die gestufte Durchsetzung eingetreten und bringt inzwischen materielle Pflichten für jede Organisation mit sich, die Hochrisiko-KI-Systeme in europäischen Märkten einsetzt. Diese Pflichten treffen direkt die Daten: Dokumentation der Trainingsdaten, Bias-Assessment, Datenqualitätsstandards für Modell-Inputs. Für jeden CDO mit Exposure zu EU-Märkten ist das kein Thema für später.

DORA (der Digital Operational Resilience Act) legt für Finanzinstitute eine weitere Schicht darauf und verlangt dokumentierte Inventare der Datenbestände als Teil der IKT-Risikomanagement-Frameworks. Die Klimaoffenlegungsregeln der SEC haben große börsennotierte Unternehmen, trotz laufender Rechtsstreitigkeiten in den USA, dazu gebracht, Data LineageData LineageData Lineage zeigt, wie Daten sich durch Systeme bewegen und dabei transformiert werden, von der Quelle bis zur Nutzung: woher sie kommen, was sie verändert hat und wohin sie gehen.Vollständige Definition ansehen → für ESG-Kennzahlen ernst zu nehmen. Die regulatorische Fläche wird größererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen →.

Gleichzeitig erzeugt der KI-Ausbau in großen Unternehmen Governance-Schulden in hohem Tempo. Wenn eine Business Unit ein Retrieval-Augmented-Generation-Tool auf internen Dokumenten aufsetzt, muss jemand vor dem Produktivgang mehrere Fragen beantwortet haben: Welche Dokumente sind enthalten, wer besitzt sie, unterliegen einzelne davon vertraglichen Beschränkungen oder Data-Residency-Regeln, und was passiert, wenn das Modell veraltete Informationen ausgibt. In den meisten Organisationen werden diese Fragen 2026 spät beantwortet, wenn überhaupt.

Die zugrunde liegende Dynamik: KI-Deployment-Zyklen laufen in Sprint-Zeiträumen, während Governance-Frameworks noch auf quartalsweise Review-Rhythmen ausgelegt sind. In diesem Missverhältnis sammelt sich das eigentliche Risiko.

Was das für den CDO bedeutet

Die CDO-Rolle hat in diesem Umfeld eine ganz bestimmte Spannung zu managen. Der Druck aus dem Business geht auf Geschwindigkeit und die Ermöglichung von KI-Use-Cases. Der Druck aus Legal, Compliance und zunehmend vom Board geht auf den Nachweis von Kontrolle über Daten. Beide Anforderungen sind berechtigt. Das Problem ist, dass die meisten Governance-Frameworks gebaut wurden, um die zweite zu erfüllen, nicht um mit der ersten zu koexistieren.

Die CDOs, die hier vorankommen, machen einige Dinge anders.

Sie behandeln Data Products als Governance-Einheit, nicht Datasets. Wenn ein Team ein Data ProductData ProductEin Datenbestand, der wie ein Produkt gemanagt wird: mit Owner, definierten Nutzern, garantierter Qualität und messbarem Geschäftswert.Vollständige Definition ansehen → in einem internen Marketplace veröffentlicht (wie in Organisationen mit Data-Mesh-Architekturen zu sehen), hängen die Governance-Anforderungen von der Erstellung an am Produkt: Ownership, Klassifizierung, Quality-SLAs, Access Policy und Aufbewahrungsregeln. Damit wird Governance von einer nachgelagerten Audit-Funktion zur Produktionsanforderung. Zalando und Saxo Bank wurden beide öffentlich für frühe Data-Mesh-Implementierungen genannt, in denen dieses Modell operationalisiert wurde, auch wenn die Details ihrer Governance-Integration unterschiedlich sind.

Sie trennen außerdem Ownership für Datenqualität von Data StewardshipData StewardshipEin Verantwortlicher auf Fachseite, der für Qualität, Konsistenz und sachgerechte Nutzung der Daten in seiner Domäne zuständig ist.Vollständige Definition ansehen → als Jobtitel. In zu vielen Organisationen ist der Data StewardData StewardEin Verantwortlicher auf Fachseite, der für Qualität, Konsistenz und sachgerechte Nutzung der Daten in seiner Domäne zuständig ist.Vollständige Definition ansehen → ein Analyst auf mittlerer Ebene, der die Verantwortung für Datenqualität erbt, ohne die Befugnis, die Upstream-Systeme zu ändern, die die schlechten Daten produzieren. Diese Struktur erzeugt Dokumentation, ohne Probleme zu lösen. Wirksame Governance weist die Qualitätsverantwortung den Domain-Teams zu, die den Quellsystemen am nächsten sind, mit Eskalationswegen, die tatsächlich bis zu Engineering und Product Ownership reichen.

Speziell auf der Seite der AI Governance muss der CDO im Raum sein, wenn neue KI-Anwendungen konzipiert werden, und nicht hinterher dazugeholt werden, um Compliance-Dokumentation nachzurüsten. Das erfordert eine Arbeitsbeziehung zum CTO und zu den Leitern der einzelnen Business Domains, die sich von der traditionellen CDO-Haltung als Policy-Verwalter unterscheidet. Es bedeutet, dass die Data-Governance-Funktion Produkt- und Engineering-Sprache fließend sprechen muss.

Es gibt auch das unangenehmere Gespräch über den Data Catalog. Die meisten Organisationen haben zwischen 2019 und 2023 stark in Catalog-Tooling investiert. Die Nutzung ist uneinheitlich. Laut Gartner (Zahlen aus dem Data-Management-Survey 2023) berichteten weniger als 30 % der Organisationen, dass ihr Data Catalog von nicht-technischen Business-Nutzern aktiv verwendet wird. Wenn der Catalog nur von Data Engineers in Onboarding-Projekten genutzt wird, funktioniert er nicht als Governance-Instrument. Der CDO muss die tatsächlichen Nutzungsmuster prüfen, bevor er annimmt, dass die Investition wirkt.

MaMaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßnahmen, die jetzt Priorität verdienen

• Führen Sie ein Governance-Coverage-Audit speziell für KI-Inputs durch. Kartieren Sie, welche Datasets aktuell produktive KI- oder ML-Systeme speisen, und prüfen Sie, welche davon dokumentierte Owner, Qualitätsstandards und Lineage haben. Die Lücken in dieser Karte sind Ihr unmittelbares Risikoregister.
• Etablieren Sie einen leichtgewichtigen KI-Intake-Prozess, der Domain-Teams verpflichtet, vor dem Produktivgang neuer KI-Tools eine kurze Data-Governance-Checkliste auszufüllen. Halten Sie sie so kurz, dass sie in unter zwei Stunden erledigt ist. Bürokratische Reibung tötet die Nutzung; eine Checkliste mit vier Fragen nicht.
• Überprüfen Sie die Ownership-Strukturen für Data Products, wenn Sie sich in Richtung einer föderierten oder Mesh-Architektur bewegt haben. Föderierte Governance funktioniert nur, wenn Domain Ownership real ist, das heißt, wenn die Domain-Teams sowohl die Verantwortung als auch das Tooling haben, um zu handeln.
• Werden Sie konkret, welche regulatorischen Pflichten 2026 für Ihre Datenbestände gelten. Der EU AI Act, DORA, sektorspezifische Regeln und Data-Residency-Anforderungen unter der DSGVO haben jeweils einen unterschiedlichen Anwendungsbereich. Ein einziges Governance-Framework, das versucht, alle generisch zu erfüllen, erfüllt keines davon gut.
• Messen Sie die Nutzung von Catalog- und Lineage-Tools an tatsächlichen Nutzungsmetriken, nicht an ausgerollten Lizenzen. Wenn Ihre Collibra- oder Atlan-Instanz 200 registrierte Nutzer und 15 monatlich aktive hat, ist das ein Signal, auf das Sie vor der nächsten Tool-Verlängerung reagieren sollten.

Die Organisationen, die in drei Jahren eine belastbare Data GovernanceData GovernanceData Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.Vollständige Definition ansehen → haben werden, sind die, die sie heute in die Erstellung und den Rollout von Data Products einbauen, nicht die, die Dokumentationsschichten auf bestehende Prozesse legen. Der Unterschied zwischen diesen beiden Ansätzen zeigt sich schon jetzt in Audit-Ergebnissen und darin, wie schnell KI-Anwendungen ohne Zwischenfall in Produktion gehen.