Datenqualität & Governance: Vertrauen in Daten

Datenkompetenz (Data Literacy) Schulungen 2 Tage

Termin
Inhouse
Individuell

Präsenz oder Online

Schulungszeiten:

bis Uhr ( 2 Tage)

Nächster Präsenz-Termin

24.02.2026

2 Tage

München

1.690,00 € zzgl. 19% USt.
2.011,10 € inkl. 19% USt.
inkl. Verpflegung und Kursmaterial

Jetzt buchen Anfrage

Nächster Online Kurs

24.02.2026

2 Tage

1.690,00 € zzgl. 19% USt.
2.011,10 € inkl. 19% USt.
inkl. Kursmaterial

Jetzt buchen Anfrage

Alle Termine und Standorte

Bei Ihnen vor Ort.

Inhouse-Schulungen finden nur für Ihre Teilnehmer bei Ihnen vor Ort statt. Termine und Inhalte werden mit Ihnen abgestimmt.

Ihre Ansprechpartnerin

Michaela Berger

0800 71 20000

Jetzt anfragen

Komplett nach Ihren Wünschen.

Von Firmen-Schulungen nur für Ihre Mitarbeiter, bis hin zu individuellem Consulting oder Coaching mit Ihren Themen, Terminen und Orten.

Ihre Ansprechpartnerin

Michaela Berger

0800 71 20000

Jetzt anfragen

Viele Unternehmen investieren in Data Warehouse, BI und KI, kämpfen aber mit einem Grundproblem: unzuverlässige Daten. Dieses Training zeigt, wie Sie mit strukturiertem Datenqualitätsmanagement und wirksamer Data Governance Vertrauen in Unternehmensdaten aufbauen. Sie lernen, Rollen und Verantwortlichkeiten zu klären, Regeln für Stammdaten und Bewegungsdaten zu etablieren und Datenqualität messbar zu machen. Anhand praxisnaher Beispiele entwickeln Sie ein Data Governance Framework, das zu Ihrer Organisation passt und Fachbereiche aktiv einbindet. Sie erfahren, wie Sie Datenqualitäts-KPIs definieren, geeignete Prozesse und Tools auswählen und eine realistische Roadmap für mehr Datenvertrauen aufsetzen. Ideal für alle, die Daten als verlässliche Entscheidungsgrundlage für Reporting, Analytics und KI nutzen wollen.

Datenqualitätsziele und Kennzahlen festlegen

Rollenmodell mit Data Owner und Steward aufbauen

Pragmatisches Data Governance Framework entwerfen

Regeln für Stammdaten und Bewegungsdaten definieren

Datenqualitätsprozesse und Kontrollen etablieren

Roadmap für bessere Datenqualität entwickeln

Zielgruppe

Fach- und Projektverantwortliche aus Controlling, Vertrieb, Einkauf, Produktion
Leitungen und Mitarbeitende aus Data & Analytics, BI, Data Warehouse
IT-Verantwortliche für Datenplattformen, MDM und Schnittstellen
Data Owner, Data Steward, Product Owner mit Datenfokus
Führungskräfte, die datenbasierte Entscheidungen stärken wollen
Alle, die Datenqualität und Data Governance gezielt verbessern wollen

Voraussetzungen für die Schulung

Grundverständnis von Daten, Reporting oder IT-Prozessen.
Erfahrung aus einem Daten-, BI-, ERP- oder Digitalisierungsprojekt ist hilfreich.

Kursinhalte

Grundlagen von Datenqualität und Data Governance
- Begriffe, Rollen und Verantwortlichkeiten klären
- Dimensionen von Datenqualität gezielt nutzen
- Zusammenspiel von Data Owner, Steward und IT
- Typische Stolpersteine in Datenprojekten erkennen
Datenqualitätsmanagement im Alltag verankern
- Regeln und Standards für Stammdaten und Bewegungsdaten
- Geschäftsregeln in Fachbereichen definieren
- Data Lineage und Nachvollziehbarkeit herstellen
- Umgang mit fehlenden, doppelten und falschen Daten
Data Governance Frameworks pragmatisch einführen
- Aufbau eines schlanken Data Governance Operating Models
- Policies, Richtlinien und Standards entwickeln
- Gremien, Entscheidungswege und Eskalationen festlegen
- Abstimmung mit IT, Datenschutz und Informationssicherheit
Messbare Datenqualität: KPIs, Prozesse, Tools
- Datenqualitätsziele und Kennzahlen definieren
- Data Quality Checks und Monitoring etablieren
- Toolkategorien: Profiling, Cleansing, Catalog, MDM
- Berichte und Dashboards für Management und Fachbereiche
Datenqualität in Analytics, BI und KI absichern
- Datenqualität als Basis für Reporting und Self Service BI
- Data Governance für Data Warehouse und Data Lake
- Data Quality als Voraussetzung für verlässliche KI-Modelle
- Umgang mit Schatten-Excel, Self Service und Citizen Developer
Change, Kultur und Umsetzung im Unternehmen
- Verantwortung für Daten in Fachbereichen stärken
- Kommunikation, Schulung und Leitlinien für Mitarbeitende
- Quick Wins identifizieren und priorisieren
- Roadmap für Datenqualität und Data Governance entwickeln

Häufig gestellte Fragen

Der Schwerpunkt liegt auf fachlichen und organisatorischen Aspekten von Datenqualität und Data Governance. Technische Themen wie Tools und Plattformen werden so behandelt, dass sowohl Fachbereiche als auch IT-Verantwortliche konkrete Anknüpfungspunkte erhalten.

Nein, spezielle Vorkenntnisse in Frameworks sind nicht erforderlich. Sie sollten jedoch grundlegende Erfahrung mit Daten, Reporting oder IT-gestützten Prozessen mitbringen. Die Konzepte werden praxisnah eingeführt und anhand von Beispielen erläutert.

Neben fachlichen Inputs arbeiten Sie mit Praxisbeispielen, diskutieren typische Problemstellungen und erarbeiten Bausteine wie Rollenmodelle, Datenqualitätsregeln und eine Roadmap. So können Sie das Gelernte direkt auf Ihre eigene Organisation übertragen.

Ja, der Ansatz ist bewusst pragmatisch gehalten. Sie lernen, wie Sie auch mit begrenzten Ressourcen sinnvolle Governance-Strukturen und Datenqualitätsprozesse aufbauen, ohne eine große Organisation oder umfangreiche Toollandschaft zu benötigen.

Der Kurs zeigt, welche Rolle Datenqualität und Governance für verlässliche KI-Modelle spielen und welche Risiken durch schlechte Daten entstehen. Es handelt sich jedoch nicht um ein technisches KI-Entwicklungsseminar, sondern um eine fundierte Grundlage für datengetriebene Anwendungen.

Agenda und Seminarplan

Warum Datenqualität über Vertrauen entscheidet
Rollen, Verantwortlichkeiten und Organisation
Datenqualitätsdimensionen und Geschäftsregeln
Prozesse und KPIs für Datenqualitätsmanagement
Data Governance Framework pragmatisch gestalten
Toolunterstützung und technische Bausteine
Datenqualität für BI, Self Service und KI absichern
Change, Kommunikation und Roadmap

Einordnung von Datenqualität als Geschäftsrisiko und Erfolgsfaktor. Typische Symptome schlechter Datenqualität in Reporting, Planung, CRM und ERP. Auswirkungen auf Entscheidungen, Compliance und Kundenerlebnis. Abgrenzung von Datenqualität, Data Governance, Data Management und Data Strategy.

Aufbau eines klaren Rollenmodells mit Data Owner, Data Steward, Data Custodian und Governance Board. Verankerung von Verantwortung in den Fachbereichen statt nur in der IT. Definition von Entscheidungsrechten, Eskalationswegen und Zusammenarbeit mit Datenschutz und Informationssicherheit.

Relevante Dimensionen wie Vollständigkeit, Genauigkeit, Konsistenz, Aktualität und Eindeutigkeit. Ableitung konkreter Geschäftsregeln aus Prozessen und Use Cases. Beispiele für Regeln in Stammdaten (Kunde, Material, Lieferant) und Bewegungsdaten (Bestellung, Auftrag, Ticket). Dokumentation und Pflege von Regeln.

Aufsetzen eines wiederkehrenden Datenqualitätsprozesses von Profiling über Bereinigung bis zur Prävention. Definition von KPIs und Schwellwerten, Aufbau eines Datenqualitätsdashboards. Umgang mit Ausnahmen, Fehlerlisten und Verantwortlichkeiten. Integration in bestehende Prozesslandschaften und Service Management.

Bestandteile eines Data Governance Frameworks: Prinzipien, Policies, Standards, Prozesse und Gremien. Orientierung an etablierten Frameworks wie DAMA-DMBOK, aber mit Fokus auf Umsetzbarkeit. Abgrenzung zu Data Strategy, Data Architecture und Data Security. Beispiele für schlanke Governance in mittelständischen und großen Unternehmen.

Überblick über Toolkategorien: Data Catalog, Data Quality, MDM, ETL/ELT, Observability. Kriterien für die Auswahl passender Werkzeuge. Nutzung vorhandener Plattformen wie BI-Tools oder Data Warehouse für Datenqualitätschecks. Beispiele für automatisierte Prüfungen, Regeln und Workflows.

Besondere Anforderungen an Datenqualität in Reporting, Self Service BI und Advanced Analytics. Umgang mit Data Lake, Data Lakehouse und dezentralen Datenquellen. Risiken für KI-Modelle durch Verzerrungen und schlechte Daten. Governance-Ansätze für Self Service, Schatten-IT und Citizen Developer.

Datenqualität als Kulturthema verankern und Fachbereiche motivieren. Kommunikations- und Schulungsansätze für unterschiedliche Zielgruppen. Identifikation von Quick Wins und Pilotbereichen. Erarbeitung einer individuellen Roadmap mit Prioritäten, Meilensteinen und Verantwortlichkeiten, die im eigenen Unternehmen weiterverwendet werden kann.

Buchen ohne Risiko

Sie zahlen erst nach erfolgreicher Schulung. Keine Vorkasse.

Lernen von Experten

Zertifizierte und praxiserfahrene TrainerInnen

Inklusive

Mittagessen, Kursmaterial, Zertifikat, WLAN, Getränke uvm.

Gruppengröße

Maximal 8 TeilnehmerInnen

Sprache

Deutsch (Englisch auf Wunsch)

Förderungen

Bis zu 100% Kostenübernahme!

Fragen zum Ablauf?

FAQ und Kontakt