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. Dieser Artikel gibt dir ein Modell, das ich seit Jahren in der Praxis nutze, plus 10 Fragen, die in 10 Minuten ehrlich sortieren, wo ihr wirklich steht.
Wofür ein Maturity-Modell gut ist — und wofür nicht
Was das Modell leistet: Eine gemeinsame Sprache mit dem Vorstand. Ein Zielbild, das jenseits von „wir werden datengetrieben" konkret ist. Eine Gap-Identifikation, die Prioritäten ordnet.
Was es nicht leistet: Es ersetzt keine Strategie. Es sagt dir nicht, was du als Nächstes bauen solltest. Es sagt dir nicht, welche Tools du brauchst. Es ist ein Diagnose-Werkzeug, kein Kompass.
Das Haupt-Risiko: Selbstüberschätzung. Organisationen, die sich routinemäßig zwei Stufen über dem tatsächlichen Reifegrad einschätzen, treffen strategische Entscheidungen auf Basis einer Fiktion. Das kostet Geld und Vertrauen.
Die 5 Reifegrade im Überblick
Das Modell orientiert sich am klassischen CMMI, adaptiert auf Datenarbeit. Die Stufennamen sind bewusst identisch — wer CMMI aus der Software-Welt kennt, findet sich sofort zurecht.
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: Wenn jemand meldet, dass eine Zahl falsch ist, wird korrigiert. Es gibt aber keine präventiven Quality-Checks. Diese Stufe wird am häufigsten mit Stufe 4 verwechselt, weil Dashboards hübsch aussehen.
Stufe 3 — Defined. Prozesse sind dokumentiert. Rollen sind benannt und besetzt: Data Owner, Data Steward, Data Product Manager. Governance läuft — teuer, aber belastbar. Die Sprungtheorie 2→3 ist so teuer, weil sie Rollen, Verantwortlichkeiten und Entscheidungs-Kompetenzen einführen muss. Das ist Politik, nicht Technik.
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 nicht nur PowerPoint, sondern operationalisiert.
Stufe 5 — Optimizing. Kontinuierliche Verbesserung ist strukturell verankert. Federated Governance (oft eine Form von Data Mesh). Datenkultur ist real, nicht Wunsch. Wer hier ist, darf das nicht für gesichert halten — ein Führungswechsel kann schnell auf Stufe 3 zurückfallen.
Self-Assessment in 10 Fragen
Für jede Frage wähle die Antwort, die am häufigsten zutrifft — nicht die beste Ausnahme.
- Wer ist in eurer Organisation für Daten-Strategie verantwortlich?
- Was passiert, wenn in einem Bericht eine Zahl falsch ist?
- Wie entstehen neue Dashboards oder Auswertungen?
- Wie wird in eurer Organisation über Datenqualität gesprochen?
- Wer entscheidet über Zugriffsrechte auf Datenquellen?
- Gibt es eine dokumentierte Liste eurer Datenquellen?
- Werden Datenprodukte mit einem definierten Service-Level betrieben?
- Wie oft referenziert der Vorstand Daten in Entscheidungs-Meetings?
- Gibt es Rituale, in denen datenbasierte Entscheidungen sichtbar gemacht werden?
- Was passiert, wenn eure Data-Team-Leitung morgen geht?
Wie du auswertest: Vergib pro Frage eine Stufe von 1 bis 5, an der eure Antwort am ehesten anknüpft. Dann Modalwert statt Durchschnitt. Der am häufigsten vorkommende Einzelwert ist dein echter Reifegrad. Durchschnittswerte kaschieren Extreme und täuschen Homogenität vor, die es selten gibt.
Der häufigste Blindspot: Governance-Selbstüberschätzung. Fast jede Organisation meint, Governance sei „im Griff", während Rollen nicht besetzt, Policies nicht umgesetzt und Metriken nicht gemessen werden.
Wo steht der deutsche Mittelstand wirklich
Meine Schätzung aus 15 Jahren und über 300 Gesprächen: Modalwert Stufe 2, Spitze Stufe 3. Das klingt hart, ist aber keine Abwertung — es ist Realität.
Branchen-Variation: Finance und Versicherungen sind oft weiter (Stufe 2 bis 3), weil Regulatorik zwingt. Retail und E-Commerce bewegen sich, weil der Wettbewerb schnell ist. Manufacturing ist meist auf Stufe 1 bis 2, mit starken Ausreißern in Bereichen wie Predictive Maintenance. Gesundheitswesen steht mit Abstand am niedrigsten — nicht weil dort keine Daten da wären, sondern weil die institutionelle Fragmentierung den Reifegrad strukturell begrenzt.
Das ist kein Versagen. Das ist der Ausgangspunkt. Wer das ehrlich akzeptiert, hat schon den halben Weg gemacht.
Die Sprung-Strategien — was jeden Stufenwechsel treibt
Sprung 1 → 2. Meist getrieben durch BI-Tool-Einführung (Tableau, PowerBI, Qlik) und ein zentrales Data Warehouse oder Lakehouse. 6 bis 12 Monate. Politisch relativ einfach, weil es primär eine Tool-Entscheidung ist.
Sprung 2 → 3. Der teuerste Sprung. Er erfordert die Einführung von Rollen (Data Owner, Data Steward), dokumentierten Prozessen und einer Governance-Struktur. Die Tool-Investition in diesem Sprung ist klein — die politische Investition ist groß. Hier bleiben die meisten hängen, weil der Sprung unsichtbar ist: Es wird nicht schöner, es wird strukturierter. Das verkauft sich schlecht im Vorstand.
Sprung 3 → 4. Governance wird messbar. Du misst deine eigene Arbeit. Data Products bekommen SLAs, Qualitäts-Metriken werden in Dashboards dargestellt. 2 bis 3 Jahre.
Sprung 4 → 5. Der kulturelle Sprung. Federated Governance funktioniert nicht ohne Datenkultur. Datenkultur lässt sich nicht hinzukaufen — sie wächst. Das dauert.
<JonasTake number={1}> Warum der 2→3-Sprung fast alle in eine „Managed-Paralyse" stürzt. Auf Stufe 2 mit BI-Tool und Dashboards bist du politisch billig — du kaufst Tableau und zeigst schöne Zahlen. Der Sprung auf Stufe 3 verlangt Rollen und Verantwortlichkeiten. Wer im Konflikt das letzte Wort hat. Wer bei Datenqualitäts-Problemen eskalieren darf. Wer welche Daten teilen darf. Das ist teuer in Politik, nicht in Lizenzen — und deshalb bleiben die meisten auf Stufe 2 sitzen. Sie haben gelernt, dass Dashboards keinen Widerstand auslösen und Rollen-Definitionen schon. </JonasTake>
Typische Stolperfallen pro Stufe
Auf Stufe 2 feststecken — „Dashboard-Inflation". Jeden Monat zehn neue Dashboards, nach drei Jahren 400 Stück, die niemand mehr pflegt. Das ist nicht Fortschritt, das ist Kosten-Akkumulation.
Auf Stufe 3 über-engineeren. Ein 50-Seiten-Governance-Handbuch, das niemand liest. Rollen-Definitionen, die auf dem Papier schön sind, im Alltag aber keiner lebt. Das ist Governance-Theater, nicht Governance.
Stufe-4-Falle — „Metriken, die niemand liest". Du misst deine Datenarbeit, die Reports liegen im Wiki, und niemand schaut rein. Metriken ohne Betrachter sind Kosten ohne Nutzen.
Häufig gestellte Fragen
<FAQ />
Weiterhören im Podcast
<WeiterhoerenBlock topic="Data Maturity" categories={["data_strategy"]} limit={3} />
<CTA> Willst du einen externen Blick auf euren Reifegrad? 60 Minuten Sparring, in denen wir mit einem strukturierten Interview-Set ehrlich sortieren, wo ihr wirklich steht. Beratung anfragen → </CTA>
Dieser Artikel ist Teil meines Leitfadens zur datengetriebenen Transformation.