Data Maturity

70 Prozent aller Mittelständler, mit denen ich arbeite, bewerten sich auf Stufe 4. Nach dem Assessment stehen fast alle auf Stufe 2. Das ist nicht Schönfärberei — das ist der eingebaute Bias jedes Selbst-Assessments: Man bewertet die Best-Case-Prozesse, nicht den Alltag. Diese Seite gibt dir mein Modell, das ich seit Jahren in der Praxis nutze, die visualisierten Stufen, ein 10-Fragen-Assessment — und die Podcast-Belege dazu, wie DHL, edding, BVG und sevDesk ihre Reife wirklich gemessen haben.

Was ist Data Maturity?

Data Maturity — auf Deutsch Datenreifegrad — beschreibt, wie systematisch eine Organisation Daten erhebt, nutzt und in Entscheidungen übersetzt. Meine Arbeitsdefinition aus dem Podcast (Folge mit Till B., DHL): Reifegrad ist mindestens zweidimensional — „wie sophisticated sind die Sachen, die man im Team selbst macht, und inwieweit bietet es auch dem Unternehmen Mehrwert." Till hat im Gespräch noch eine dritte Dimension ergänzt: „die Maturity des Einzelnen im Team, die Team-Maturity und dann fürs Unternehmen."

Warum die Reife am Anfang der Datenkette am meisten zählt, bringt dieselbe Folge auf den Punkt: „Wenn dein Reifegrad gerade am Anfang bei der Datenerhebung oder der Qualität schlecht ist, dann hilft dir hinten raus der hohe Reifegrad leider überhaupt nichts, weil du nichts mit den Daten anfangen kannst." Und die strategische Konsequenz formuliert Dr. Sven W. von PowerCo: „Ohne Maturity gibt es keine Datendemokratisierung, weil die Leute machen ja mit. Und wie sollen die Leute mitmachen, wenn es keine Prozesse und keine Rollen gibt?" (zur Folge)

Wofür ein Maturity-Modell gut ist: eine gemeinsame Sprache mit dem Vorstand, ein konkretes Zielbild jenseits von „wir werden datengetrieben", eine Gap-Identifikation, die Prioritäten ordnet. Wofür nicht: Es ersetzt keine Strategie, wählt keine Tools und sagt dir nicht, was du als Nächstes baust. Es ist ein Diagnose-Werkzeug, kein Kompass.

Welche Stufen gibt es? Das 5-Stufen-Modell

Mein Modell orientiert sich am klassischen CMMI aus der Software-Welt, adaptiert auf Datenarbeit — die Stufennamen sind bewusst identisch. Ich habe es in meinem Springer-Buch Das datengetriebene Unternehmen ausführlich beschrieben.

Stufe 1 — Initial. Ad hoc. Excel-Wüste. Wissen steckt in Köpfen — wenn die Kollegin kündigt, geht das Wissen mit. Keine zentrale Plattform, keine Governance, keine Rollen. Oft trotzdem wirtschaftlich erfolgreich: Daten-Reife ist nicht mit Unternehmens-Erfolg gleichzusetzen.

Stufe 2 — Managed. Ein BI-Team existiert, wiederkehrbare Reports laufen, ein zentrales Dashboard-Tool ist etabliert. Datenqualität ist reaktiv: Wer eine falsche Zahl meldet, bekommt sie korrigiert — präventive Quality-Checks gibt es nicht. Diese Stufe wird am häufigsten mit Stufe 4 verwechselt, weil Dashboards hübsch aussehen. Ehrliche Selbsteinschätzungen sind selten und wertvoll — so wie bei der BVG: „Meines Erachtens nach haben wir noch einen relativ geringen Reifegrad, was die Maturity bei Data Analytics angeht" (Folge mit Sebastian H.).

Stufe 3 — Defined. Prozesse sind dokumentiert, Rollen sind benannt und besetzt: Data Owner, Data Steward, Data Product Manager. Governance läuft — teuer, aber belastbar.

Stufe 4 — Quantitatively Managed. Du misst dein Business mit Daten — und deine Datenarbeit selbst. Data Products haben SLAs, Datenqualität ist eine geführte Metrik, Governance ist operationalisiert statt PowerPoint.

Stufe 5 — Optimizing. Kontinuierliche Verbesserung ist strukturell verankert, Governance federated (oft eine Form von Data Mesh), Datenkultur real. Wer hier ist, darf das nicht für gesichert halten — ein Führungswechsel kann schnell auf Stufe 3 zurückwerfen.

Nicht jedes Unternehmen zählt bis fünf: Siemens Energy arbeitet intern mit einem sechsstufigen Modell — „die Lighthouses sind da, in der Fläche gibt es noch viel zu tun. Das ist die Reise, von Reifegrad eins auf sechs zu kommen" (Folge mit Tim Kessler). Die Stufenzahl ist Geschmackssache — die Logik (ad hoc → wiederholbar → definiert → gemessen → lernend) ist immer dieselbe. Für Spezialfälle lohnt ein eigenes Raster: Für Marketing-Kanäle nutze ich das Kanal-Reifegradmodell „Single, Multi, Cross, Omni-Channel" (Folge mit Robin G., mParticle).

Wie messe ich den Reifegrad meines Unternehmens?

Die Methodenfrage ist entscheidender als das Modell — denn Selbst-Assessments überschätzen systematisch. Drei Wege aus der Praxis:

1. Fragebogen in der Breite. So macht es edding: erst eine Selbsteinschätzung mit IT und Service, dann Umfragen in der Organisation — mit dem ehrlichen Befund: „Wir haben unterschiedliche Reifegrade in der Organisation" (Folge mit Christina S.).
2. Interviews in der Tiefe. Mein bevorzugter Weg — und der von Netcologne, wo die Reifegradeinschätzung über „klassische Interviews mit unterschiedlichsten Stakeholdern" entstand (Folge mit Marius E.). Interviews decken auf, was Fragebögen kaschieren.
3. Die Kombination. Das Fazit aus der edding-Folge, dem ich mich anschließe: Interview plus Umfrage ist „der beste Weg, um die Reife zu erheben" — Breite und Tiefe zusammen.

So startet man übrigens auch eine neue Daten-Führungsrolle: Marc R. hat bei sevDesk als Erstes „wie relativ typisch ein Assessment gemacht, die Data Maturity versucht einzuschätzen" — inklusive der Erkenntnis, welchen Bereich er nicht anfassen muss: „Ich habe die Maturity geprüft — der Bereich, den fasse ich nicht an, das läuft." (zur Folge)

Mini-Selbst-Assessment: 10 Fragen, 10 Minuten

Wähle pro Frage die Antwort, die am häufigsten zutrifft — nicht die beste Ausnahme:

1. Wer ist in eurer Organisation für Daten-Strategie verantwortlich?
2. Was passiert, wenn in einem Bericht eine Zahl falsch ist?
3. Wie entstehen neue Dashboards oder Auswertungen?
4. Wie wird über Datenqualität gesprochen?
5. Wer entscheidet über Zugriffsrechte auf Datenquellen?
6. Gibt es eine dokumentierte Liste eurer Datenquellen?
7. Werden Datenprodukte mit definiertem Service-Level betrieben?
8. Wie oft referenziert der Vorstand Daten in Entscheidungs-Meetings?
9. Gibt es Rituale, in denen datenbasierte Entscheidungen sichtbar werden?
10. Was passiert, wenn eure Data-Team-Leitung morgen geht?

Auswertung: Vergib pro Frage eine Stufe von 1 bis 5. Dann Modalwert statt Durchschnitt — der am häufigsten vorkommende Einzelwert ist dein echter Reifegrad. Durchschnitte kaschieren Extreme und täuschen eine Homogenität vor, die es selten gibt (Marketing auf 3, HR auf 1, Finance auf 4 ist der Normalfall). Der häufigste Blindspot: Governance-Selbstüberschätzung — fast jede Organisation hält Governance für „im Griff", während Rollen unbesetzt und Policies unumgesetzt sind.

Und was machst du mit dem Ergebnis? Die BVG zeigt, wie man einen niedrigen Reifegrad an den Vorstand kommuniziert, ohne die eigene Arbeit zu zerlegen: „Nicht alles ist schlecht, wir machen schon viele Sachen gut — aber wir skalieren noch nicht als Unternehmen, wir sind nicht echt datengetrieben. Und das kam gut an." Ehrlichkeit schafft das Mandat für den nächsten Sprung. edding wiederum priorisiert Projekte gezielt dort, wo der Reifegrad schon hoch ist — First Mover zuerst, die den Rest der Organisation mitziehen.

Wo steht der deutsche Mittelstand wirklich?

Meine Schätzung aus 15 Jahren und über 300 Gesprächen: Modalwert Stufe 2, Spitze Stufe 3. Finance und Versicherungen sind oft weiter (Regulatorik zwingt), Retail und E-Commerce bewegen sich (Wettbewerb), Manufacturing steht meist auf 1 bis 2 mit Ausreißern bei Predictive Maintenance, das Gesundheitswesen strukturell am niedrigsten. Auch innerhalb von Branchen driftet es: Der B2B-Handel „hängt im Reifegrad immer noch so vier, fünf Jahre hinterher", schätzt Christina S. von edding im Podcast. Das ist keine Abwertung — es ist der Ausgangspunkt. Wer ihn ehrlich akzeptiert, hat den halben Weg gemacht.

Die Sprung-Strategien — was jeden Stufenwechsel treibt

Sprung 1 → 2: meist eine Tool-Entscheidung (BI-Tool plus zentrales Warehouse/Lakehouse), 6 bis 12 Monate, politisch einfach.

Sprung 2 → 3: der teuerste Sprung, 18 bis 30 Monate. Er verlangt Rollen, Verantwortlichkeiten, Eskalationswege — die Tool-Investition ist klein, die politische groß. Das ist Politik, nicht Technik. Hier bleiben die meisten hängen, weil der Sprung unsichtbar ist: Es wird nicht schöner, es wird strukturierter, und das verkauft sich schlecht im Vorstand.

Sprung 3 → 4: Governance wird messbar, Data Products bekommen SLAs. 2 bis 3 Jahre.

Sprung 4 → 5: der kulturelle Sprung. Federated Governance funktioniert nicht ohne Datenkultur — und die lässt sich nicht kaufen, sie wächst.

Typische Stolperfallen pro Stufe

• Auf Stufe 2 feststecken — „Dashboard-Inflation". Jeden Monat zehn neue Dashboards, nach drei Jahren 400 Stück, die niemand pflegt. Das ist Kosten-Akkumulation, kein Fortschritt.
• Auf Stufe 3 über-engineeren. Ein 50-Seiten-Governance-Handbuch, das niemand liest — Governance-Theater statt Governance.
• Stufe-4-Falle — Metriken ohne Betrachter. Du misst deine Datenarbeit, die Reports liegen im Wiki, niemand schaut rein. Metriken ohne Leser sind Kosten ohne Nutzen.

Wie Data Maturity mit CUDAE und der Transformation zusammenhängt

Reife ist kein Selbstzweck — sie beschreibt, wie gut deine Organisation den Datenzyklus beherrscht. In meinem Buch heißt dieser Zyklus der 5-Phasen-Prozess (CUDAE): Collect → Understand → Decide → Automate → Execute. Auf Stufe 1–2 kommt eine Organisation selten über Collect und ein bisschen Understand hinaus; ab Stufe 3 laufen Decide und Automate strukturiert; Stufe 4–5 heißt, der komplette Kreislauf dreht sich kontinuierlich und misst sich selbst.

Der Weg von Stufe zu Stufe ist die eigentliche datengetriebene Transformation — dort findest du CDO-Rolle, Team-Aufbau, Governance und Change Management im Detail. Und sobald du auf Stufe 3+ bist, werden Data Products dein wichtigstes Arbeitsformat.