Wenn Dashboard-Zahlen nicht stimmen, liegt das Problem in neun von zehn Fällen nicht am Diagramm, sondern an Stammdaten, Prozessdisziplin und uneinheitlichen KPI-Definitionen. Datenqualität im Reporting bedeutet deshalb Validierungsregeln und Anomalie-Alerts als festen Teil jeder Automatisierung, nicht erst nach dem Go-Live. Ein Operations-Dashboard mit eingebauten Checks kostet 6.000 bis 10.000 Euro Festpreis, eine Reporting-Bridge mit Validierung 4.000 bis 6.000 Euro. Wir als Entwicklungspartner aus Oberhausen bauen diese Prüfungen mit n8n in die Datenstrecke, bevor Geschäftsführung oder Controlling die Kennzahlen sehen.
Das gebrannte Kind im Vorstand
Viele Mittelständler haben schon einmal ein Dashboard oder ein BI-Projekt erlebt, das nach drei Monaten ignoriert wurde. Nicht weil die Oberfläche hässlich war, sondern weil jemand im Meeting sagte: „Die Zahl kann nicht stimmen.” Ab dann holt jeder die Excel-Liste aus der Schublade, und das Tool wird zur teuren Deko.
Dieses Misstrauen ist rational. Wer einmal falsche Liquiditätszahlen präsentiert hat, verlässt sich lieber auf manuellen Aufwand, obwohl der teurer ist.
Warum Reporting-Projekte an Daten scheitern, nicht an Charts
Stammdaten und Buchungsdisziplin
Artikelstammdaten ohne Einheit, Kunden mit doppelten Nummern, Buchungen, die erst am 5. des Folgemonats nachgereicht werden, alles das verzerrt KPIs. Das Dashboard aktualisiert pünktlich um 6 Uhr und zeigt trotzdem ein falsches Bild.
Uneinheitliche Definitionen
Vertrieb zählt Auftragseingang nach Angebotsdatum, Controlling nach Auftragsbestätigung, Geschäftsführung nach Rechnungsstellung. Drei Meetings, drei Wahrheiten. Kein Tool löst das ohne schriftliche Definition.
Schatten-Excel neben dem ERP
Solange Teams parallele Listen pflegen, weil sie dem System nicht trauen, wird jede Automatisierung widersprüchlich. Die Datenstrecke muss die offizielle Wahrheit werden, nicht eine dritte Kopie.
Bitkom weist in Digitalisierungsstudien regelmäßig darauf hin, dass Datenqualität und fehlende Prozesse zentrale Bremsen für datengetriebene Entscheidungen im Mittelstand sind (Bitcom Digital Office Index).
Datenqualitäts-Checks als Teil der Automatisierung
Wir behandeln Validierung nicht als optionales Extra, sondern als Standard in Reporting-Bridges und Dashboards.
| Check-Typ | Beispiel | Reaktion |
|---|---|---|
| Vollständigkeit | ERP-Export hat 0 Zeilen | Workflow stoppt, IT wird benachrichtigt |
| Plausibilität | Umsatz fällt um 90 Prozent zur Vorwoche | Alert an Controlling |
| Konsistenz | Summe offene Posten passt nicht zur Debitorenliste | Kein Versand an GF |
| Dubletten | Gleiche Rechnungsnummer zweimal | Bereinigung oder Eskalation |
| Zeitverzug | Letzte Buchung älter als 48 Stunden | Hinweis im Report |
Diese Logik läuft vor dem Mailversand oder vor der Dashboard-Aktualisierung. Die Geschäftsführung sieht entweder verlässliche Zahlen oder eine klare Meldung, dass heute keine versendet werden.
Verbindung zu RAG und Wissensdatenbanken
Das Muster kennen wir auch aus Corporate-AI-Projekten. Schlechte Eingangsdaten erzeugen schlechte Antworten, egal wie gut das Modell ist. Im Artikel Warum RAG-Projekte an Datenqualität scheitern beschreiben wir dieselbe Logik für Firmenwissen. Reporting und RAG teilen die Einsicht: Technik verstärkt, was Sie füttern.
Was ein Dashboard allein nicht repariert
Ein neues Operations-Dashboard mit 8 bis 12 KPIs ersetzt keine ERP-Pflege. Wenn niemand Verantwortung für Stammdaten hat, visualisieren Sie das Chaos nur schneller.
Deshalb klären wir vor Festpreis-Beauftragung:
- Wer definiert KPIs schriftlich?
- Wer pflegt Stammdaten?
- Welches System ist „Single Source of Truth”?
- Was passiert bei bekannten Datenlücken?
Erst dann lohnt der Festpreis von 6.000 bis 10.000 Euro für ein KPI-Dashboard im Mittelstand.
Quick Wins vor dem Dashboard-Neubau
Bevor Sie ein neues Tool beauftragen, lohnt ein Datencheck in drei Schritten:
Schritt 1: Wählen Sie drei kritische KPIs und lassen Sie zwei Personen sie unabhängig manuell berechnen. Weichen die Ergebnisse ab, ist die Definition das Problem.
Schritt 2: Prüfen Sie zehn Stammdatensätze, die in Reports vorkommen. Sind Kunden, Artikel und Kostenstellen vollständig und eindeutig?
Schritt 3: Dokumentieren Sie bekannte Lücken. Fehlen Buchungen regelmäßig am Monatsanfang? Gibt es Sonderfälle, die immer manuell korrigiert werden?
Dieser Check dauert meist einen halben Tag und spart Wochen Frust im Projekt.
Datenqualität als Retainer-Thema
Validierungsregeln sind nicht einmalig. ERP-Updates, neue Artikelgruppen und geänderte Prozesse erfordern Anpassungen. Im Operations-Retainer ab 800 Euro monatlich pflegen wir Regeln und Schwellwerte mit, statt sie nach Go-Live veralten zu lassen.
Ehrlichkeit als Vertrauenshebel
Wir sagen auch Nein, wenn die Datenbasis noch nicht reif ist. Das kostet kurzfristig Umsatz, spart langfristig Reputation. Ein Kunde, der uns nach sechs Monaten empfiehlt, weil die Zahlen halten, ist wertvoller als ein Dashboard, das nach zwei Wochen ignoriert wird.
Wenn die Basis stimmt, liefern wir Reporting mit Validierung auf IONOS in Deutschland, Made in Germany als Architekturentscheidung, nicht als Etikett.
Fallbeispiele aus Discovery-Gesprächen
Fall 1, Großhandel: Das Dashboard zeigte sinkende Marge, obwohl der Vertrieb optimistisch war. Ursache waren Rabattbuchungen auf einer separaten Kostenstelle, die im Standardreport fehlte. Kein Chart-Fehler, sondern unvollständige Buchungslogik.
Fall 2, Maschinenbau: Zwei Werke nutzten unterschiedliche Einheiten für Bestände. Stück versus Kilogramm summierten sich zu unsinnigen Lagerwerten. Lösung war einheitliche Maßeinheit in Stammdaten, nicht ein neues BI-Tool.
Fall 3, Steuerkanzlei: Mandanten-Reports wichen von der internen BWA ab, weil ein Mitarbeiter vor Versand manuell rundete. Die Automatisierung zwang zur einheitlichen Regel und schuf Vertrauen.
Solche Fälle zeigen, warum wir Datenqualität als Projektphase behandeln, nicht als Fußnote.
Nächste Schritte
Listen Sie drei KPIs auf, denen Sie heute nicht trauen, und notieren Sie warum. Wenn die Antworten „Stammdaten”, „Definition” oder „Verspätung” lauten, ist Datenqualität Ihr Projekt, nicht Chart-Design.
Danach können Sie Reporting automatisieren lassen mit eingebauten Checks oder direkt mit uns sprechen.
Datenqualität als Verkaufsargument nach außen
Unternehmen, die verlässliche Kennzahlen intern nutzen, argumentieren glaubwürdiger gegenüber Banken, Investoren und Großkunden. Ein geprüfter Report mit dokumentierter Validierung ist stärker als eine Excel-Datei ohne Herkunftsnachweis. Reporting-Automatisierung ist deshalb nicht nur IT-Thema, sondern Vertrauensinfrastruktur.
Validierung in der Implementierungsphase
Bei Nentix gehören Datenqualitäts-Checks zum Festpreis-Scope jeder Reporting-Bridge und jedes Operations-Dashboards. Wir definieren mit Ihnen Regeln, implementieren sie im Workflow und testen gegen historische Wochen. Erst wenn Abweichungen erklärbar sind, schalten wir den Versand an die Geschäftsführung frei.
Dieser Schritt dauert oft nur zwei bis drei Tage, verhindert aber Monate Reputationsschaden. Er ist der Unterschied zwischen einem Lieferprojekt und einem System, dem Entscheider montags vertrauen.
Häufige Fragen
Warum stimmen Dashboard-Zahlen oft nicht?
Meist liegen die Ursachen in Stammdaten, verspäteten Buchungen oder uneinheitlichen KPI-Definitionen, nicht in der Visualisierung. Ein Chart zeigt zuverlässig das, was die Pipeline liefert, auch wenn die Pipeline Müll enthält.
Was sind typische Datenqualitäts-Checks in Reporting-Workflows?
Vollständigkeitsprüfungen, Plausibilitätsgrenzen, Dubletten-Erkennung, Abgleich zwischen Quellsystemen und Benachrichtigung bei Anomalien. Diese Checks laufen vor Versand oder Dashboard-Aktualisierung.
Lohnt ein neues Dashboard, wenn die alten Zahlen falsch waren?
Nur wenn zuerst Definitionen und Pflegeprozesse geklärt werden. Sonst wiederholt sich das Misstrauen. Wir kombinieren deshalb Validierung mit jeder Reporting-Bridge und jedem Operations-Dashboard.
Hängt Datenqualität nur am ERP?
Nein. Auch manuelle Excel-Zwischenschritte, fehlende Freigaben und parallele Schatten-Listen in Teams zerstören Vertrauen. Die gesamte Datenstrecke muss stimmen.