Zum Hauptinhalt springen
Zurück zum E-Commerce-Lexikon

Data Governance

Datenmanagement und DatenqualitätStufe: Advanced

Data Governance ist das Set aus Regeln, Rollen und Prüfungen, das festlegt, wem welche Daten gehören, wie sie angelegt und geändert werden und welche Qualität sie erfüllen müssen.

Image by · CC BY 4.0

Was ist Data Governance?

Data Governance ist das Set aus Regeln, Rollen und Prüfungen, das festlegt, wem welche Daten gehören, wie sie angelegt und geändert werden dürfen und welche Qualität sie erfüllen müssen, bevor jemand sie nutzt. Bei Produktdaten bedeutet das: benannte Verantwortliche pro Attributgruppe, Pflichtfelder pro Kategorie, Konventionen für Bezeichnungen und Einheiten sowie Regeln dafür, wann ein Produkt vollständig genug für die Veröffentlichung ist. Data Governance ist die Richtlinienebene, Datenmanagement die tägliche Arbeit aus Importieren, Bearbeiten und Exportieren, die dieser Richtlinie folgt. Der Leitfaden zu Data Governance zeigt, wie du Verantwortliche, Regeln und Prüfungen für einen Produktkatalog einrichtest.

Warum Data Governance im E-Commerce wichtig ist

Im E-Commerce greifen viele Personen und Systeme auf dasselbe Produkt zu: Einkäufer, Content-Redakteure, das ERP, Lieferanten und Kanal-Feeds. Ohne klare Zuständigkeit wird dasselbe Feld überschrieben, Einheiten werden vermischt, und niemand weiß, welcher Wert stimmt. Diese Fehler landen auf Produktseiten und Marktplätzen. Data Governance macht Produktdaten verlässlich. Alle wissen, wer über einen Wert entscheidet, jede Kategorie hat ihre Pflichtfelder, und unvollständige Produkte werden abgefangen, bevor sie live gehen. Käufer merken das Ergebnis: Laut dem Consumer Returns Report 2025 von Akeneo hatten etwa 60 % der Käufer schon einmal ein Produkt wegen ungenauer oder irreführender Beschreibungen zurückgeschickt.

Beispiele für Data Governance

  • 1Regel: Jedes Produkt in Schuhe braucht Größe, Farbe und Material, Verantwortlich: Kategoriemanager, Prüfung: vor der Veröffentlichung
  • 2Regel: Preise kommen nur aus dem ERP, Verantwortlich: Finanzen, Prüfung: manuelle Preisänderungen sind nicht erlaubt
  • 3Regel: Gewichte werden in Gramm gespeichert, Verantwortlich: Produktdatenteam, Prüfung: das Import-Mapping rechnet Einheiten um
  • 4Regel: Beschreibungen folgen dem Styleguide der Marke, Verantwortlich: Content-Lead, Prüfung: wöchentliche Stichprobe
Image by · CC BY 4.0

So hilft WISEPIM

  • Quality-Guard-Regeln prüfen Pflichtfelder und Formate pro Kategorie und markieren Produkte, die dagegen verstoßen.
  • Attributverwaltung legt fest, welche Attribute es gibt, welchen Typ sie haben und welche Werte erlaubt sind.
  • Operation History Undo (Rückgängig im Änderungsverlauf) in kostenpflichtigen Plänen macht eine fehlgeschlagene Massenänderung rückgängig.
  • Die Review Queue (Prüfwarteschlange) sammelt AI-generierte Änderungen, damit eine Person sie prüfen kann, bevor sie übernommen werden.

Häufige Fehler bei Data Governance

  • Ein Governance-Dokument schreiben, das in den täglichen Tools niemand prüft.
  • Zuständigkeiten vage lassen, sodass jedes Team jedes Feld bearbeitet.
  • Regeln für den ganzen Katalog statt pro Kategorie festlegen.
  • Zulassen, dass dieselben Daten in mehreren Systemen bearbeitet werden.
  • Mit zu vielen Regeln auf einmal starten statt mit den Feldern, die am wichtigsten sind.

Tipps zu Data Governance

  • Benenne einen Verantwortlichen pro Attributgruppe, nicht pro Produkt.
  • Wähle für jede Datenart ein System als Quelle, etwa das ERP für Preis und Bestand.
  • Lege Pflichtfelder pro Kategorie fest und prüfe sie automatisch.
  • Beginne mit deiner umsatzstärksten Kategorie und erweitere von dort aus.
  • Überprüfe die Regeln jedes Quartal und streiche die, die niemand braucht.

Trends rund um Data Governance

  • Regeln, die automatisch im Tool geprüft werden, statt in einem Richtliniendokument zu stehen.
  • AI-generierte Inhalte, die klare Regeln für die Prüfung vor der Veröffentlichung brauchen.
  • Regulierung wie die EU-Ökodesign-Verordnung, die zusätzliche Pflichtfelder für Produkte bringt.
  • AI-Shopping-Assistenten, die vollständige, konsistente Attribute belohnen.
  • Kleinere Teams, die eine schlanke Governance mit wenigen Verantwortlichen und klaren Regeln einführen.

Tools für Data Governance

  • WISEPIM (Quality-Guard-Regeln, Attributverwaltung)
  • Collibra
  • Informatica
  • Akeneo
  • Salsify

Verwandte Begriffe

Zugriffskontrolle im PIM (Access Control)Management von Attributabhängigkeiten (Attribute Dependency Management)AttributvererbungAttribut-MappingAttribut-Scoping

Auch bekannt als

Data StewardshipInformation GovernanceProduktdaten-Governance

Häufige Fragen

Data Governance heißt, festzulegen, wer für welche Daten verantwortlich ist, welchen Regeln sie folgen müssen und wie du sie prüfst. Sie hält Daten korrekt und konsistent, auch wenn immer mehr Personen und Systeme sie nutzen.

Data Governance legt die Richtlinie fest: Verantwortliche, Regeln und Qualitätsstandards. Datenmanagement ist die tägliche Arbeit, Daten nach dieser Richtlinie zu importieren, zu bearbeiten, zu speichern und zu versenden.

Jede Attributgruppe hat einen Verantwortlichen, jede Kategorie hat Pflichtfelder, Einheiten und Bezeichnungen folgen festen Konventionen, und ein Produkt wird gegen diese Regeln geprüft, bevor es in einem Kanal veröffentlicht wird.

Ja, in einer schlanken Form. Eine kurze Liste mit Pflichtfeldern, ein Verantwortlicher für Produktinhalte und eine Quelle für Preis und Bestand verhindern schon die meisten Fehler. Dafür brauchst du keine separate Governance-Plattform.

Noch Fragen?

Keine passende Antwort gefunden? Melde dich bei unserem Team.

Support kontaktieren

Weiter entdecken

Handverlesene nächste Schritte, um tiefer einzusteigen.