MDM
Auch: MDM, Master Data Management, Reference data management, Golden record management, Gestion des donnees de reference (GDR)
Master Data Management: Sicherstellung einer einzigen, verbindlichen Version zentraler Referenzdaten (Kunden, Produkte, Lieferanten) über alle Systeme hinweg.
Was es ist
Master Data Management (MDM) ist die Disziplin, das Prozessbündel und die Technologie, mit denen eine einzige, verlässliche und konsistente Version der zentralen Referenzdaten eines Unternehmens erstellt und gepflegt wird. Diese Master Data beschreiben die Schlüsselentitäten, auf die ein Unternehmen angewiesen ist: Kunden, Produkte, Lieferanten, Mitarbeiter, Konten und Standorte. Anders als Transaktionsdaten (eine Bestellung, eine Zahlung, ein Klick) ändern sich Master Data langsam und werden in vielen Systemen wiederverwendet.
MDM verbindet Governance (wer besitzt und genehmigt Daten), Matching- und Merging-Logik (Deduplizierung) und einen Verteilmechanismus, damit jedes nachgelagerte System denselben verbindlichen Datensatz referenziert, häufig Golden Record genannt.
Warum es wichtig ist
Ohne MDM kann derselbe Kunde in CRM, Billing und Support-Tools als „Acme Corp“, „ACME Corporation“ und „Acme Inc.“ existieren. Diese Fragmentierung führt zu:
- Falschen Entscheidungen durch inkonsistente oder doppelte Reporting-Zahlen
- Verschwendetem Budget (doppelte Mailings, redundantes Lieferanten-Onboarding)
- Compliance-Risiko (Löschanfragen lassen sich nicht systemübergreifend umsetzen)
- Gescheiterten KI-Initiativen, da Modelle, die auf widersprüchlichen Entitäten trainiert werden, unzuverlässige Ergebnisse liefern
Wie es in der Praxis eingesetzt wird
Typische MDM-Implementierungen folgen einigen verbreiteten Stilen:
- Registry-Stil: lässt die Daten in den Quellsystemen und bildet nur Identifier auf einen zentralen Index ab.
- Consolidation-Stil: zieht Kopien in einen Hub zur Bereinigung und für das Reporting.
- Zentralisierter (oder transaktionaler) Stil: der Hub wird zur verbindlichen Quelle, in die Systeme zurückschreiben.
Zu den Kernfunktionen gehören Datenmodellierung, Matching- und Survivorship-Regeln (welcher Wert gewinnt, wenn Datensätze widersprüchlich sind), Stewardship-Workflows für die manuelle Prüfung und Syndication zurück an die konsumierenden Anwendungen.
Durchgerechnetes Beispiel
Ein Händler verkauft über einen Online-Shop, Filialen und ein Callcenter. Eine Kundin, Maria Lopez, erscheint dreimal:
- Web: `maria.lopez@email.com`, keine Telefonnummer
- Filial-Loyalty: `M. Lopez`, Telefon `+33 6 12 34 56 78`
- Callcenter: `Maria L.`, dieselbe Telefonnummer
Der MDM-Hub wendet Matching-Regeln auf E-Mail, Telefonnummer und Namensähnlichkeit an, verknüpft die drei Datensätze und wendet Survivorship-Regeln an (die aktuellste verifizierte E-Mail gewinnt, die vollständigste Adresse gewinnt). Daraus entsteht ein Golden Record mit einer stabilen ID. Das Marketing sieht nun eine Kundin statt drei, Finance rechnet den Lifetime Value korrekt ab, und jede KI-Recommendation-Engine trainiert auf einer sauberen, vereinheitlichten Historie.
Fazit: MDM ist die Grundlage, die Analytics, Personalisierung und Automatisierung verlässlich macht.
Siehe auch
Häufige Fragen
Wofür steht MDM, und was verwaltet es tatsächlich?
MDM steht für Master Data Management. Es umfasst die Prozesse, Governance-Regeln und Technologie, mit denen eine verlässliche Version der zentralen Referenzdaten eines Unternehmens gepflegt wird: Kunden, Produkte, Lieferanten, Mitarbeiter, Konten und Standorte. Es verwaltet keine Transaktionsdaten wie eine Bestellung, eine Zahlung oder einen Klick, die sich ständig ändern und nicht als gemeinsame Referenz wiederverwendet werden.
Was ist der Unterschied zwischen Master Data und einem Golden Record?
Master Data sind die Kategorie der sich langsam ändernden Referenzdaten (Kunden, Produkte, Lieferanten); der Golden Record ist die einzige verbindliche Version einer bestimmten Entität innerhalb dieser Kategorie. Der Golden Record entsteht, indem doppelte Datensätze über Systeme hinweg gematcht werden und Survivorship-Regeln entscheiden, welcher Wert gewinnt, wenn zwei Quellen nicht übereinstimmen, etwa die zuletzt verifizierte E-Mail oder die vollständigste Adresse.
Warum scheitern KI-Projekte ohne Master Data Management?
Weil ein Modell, das auf widersprüchlichen Versionen derselben Entität trainiert wird, unzuverlässige Ergebnisse liefert. Wenn „Acme Corp“, „ACME Corporation“ und „Acme Inc.“ als drei separate Kunden behandelt werden, lernt eine Recommendation-Engine oder ein Lifetime-Value-Modell aus fragmentierter Historie. MDM vereinheitlicht diese Datensätze zuerst, weshalb es als Voraussetzung und nicht als paralleles Projekt gilt.
Mit welchem MDM-Implementierungsstil sollte ich starten?
Es gibt drei Stile, die sich darin unterscheiden, wie viel Autorität der Hub übernimmt. Der Registry-Stil lässt die Daten in den Quellsystemen und bildet nur Identifier auf einen zentralen Index ab, er ist damit am leichtesten einzuführen. Der Consolidation-Stil kopiert Datensätze in einen Hub zur Bereinigung und für das Reporting. Der zentralisierte (oder transaktionale) Stil macht den Hub zur verbindlichen Quelle, in die Anwendungen zurückschreiben; das liefert die größte Kontrolle, erfordert aber die tiefste Integrationsarbeit.
Was sind Survivorship-Regeln und wie funktionieren sie an einem echten Duplikat?
Survivorship-Regeln entscheiden, welcher Wert erhalten bleibt, wenn verknüpfte Datensätze im selben Feld nicht übereinstimmen. Nehmen Sie einen Händler, bei dem Maria Lopez im Web als „maria.lopez@email.com“ ohne Telefonnummer, im Filial-Loyalty-Programm als „M. Lopez“ mit Telefonnummer und im Callcenter als „Maria L.“ mit derselben Telefonnummer erscheint. Matching-Regeln auf E-Mail, Telefonnummer und Namensähnlichkeit verknüpfen die drei; Survivorship-Regeln behalten dann die aktuellste verifizierte E-Mail und die vollständigste Adresse und erzeugen einen Golden Record mit einer stabilen ID.