Data Ownership bezeichnet die klar zugeordnete, formale Verantwortlichkeit einer Person oder organisatorischen Einheit für einen bestimmten Datensatz, eine Datenkategorie oder eine Datendomäne. Der Data Owner ist nicht derjenige, der Daten technisch verwaltet, sondern derjenige, der geschäftlich für die Qualität, Korrektheit und zweckgerechte Nutzung dieser Daten verantwortlich ist – mit der entsprechenden Autorität, Standards zu setzen und Zugriffe zu genehmigen.
Data Ownership ist das Herzstück jeder Data-Governance-Struktur: Ohne klaren Eigentümer ist niemand verantwortlich, wenn Daten falsch sind. Jeder nutzt die Daten, niemand pflegt sie. Data Ownership löst dieses Problem durch eine klare Zuordnung – nicht als technische Zugriffsrolle, sondern als geschäftliche Verantwortung.
Verantwortungsmatrix: Data Owner vs. Data Steward
| Aufgabe | Data Owner | Data Steward | IT / Automation |
| Datenstandards definieren | A | R | C |
| Datenpflege operativ | A | R | I |
| Zugriffsrechte genehmigen | R | C | R |
| Qualitätsprobleme eskalieren | A | R | I |
| Technische Infrastruktur | I | C | R |
R = Responsible · A = Accountable · C = Consulted · I = Informed
Data Ownership in der Automatisierungspraxis
Für jeden automatisierten Prozess, der Daten liest oder schreibt, sollte definiert sein: Wer ist Data Owner der beteiligten Datensätze? Wer entscheidet, wenn das Regelwerk geändert werden muss? Wer genehmigt den Zugriff des Workflows auf die Daten? Diese Fragen klingen formal, sind aber in der Praxis kritisch: Wenn ein Workflow falsche Daten produziert und niemand klar verantwortlich ist, geht die Diskussion in Schleifen – statt dass jemand das Problem behebt.
Praxisbeispiel
Ein Unternehmen kartiert Data Ownership für seine zentralen Datendomänen. Ergebnis: Kundenstammdaten → Data Owner: VP Sales. Produktstammdaten → Data Owner: Head of Product Management. Lieferantenstammdaten → Data Owner: Head of Procurement. Finanzdaten → Data Owner: CFO. Personaldaten → Data Owner: HR Director. Direkte Auswirkung: Als der O2C-Automatisierungsworkflow wegen fehlerhafter Kundenadressen Ausfälle hat, ist sofort klar: Eskalation an VP Sales. Dieser entscheidet innerhalb von 2 Stunden über die Korrekturregel. Früher: Endlosdiskussion zwischen Vertrieb, IT und Buchhaltung ohne Entscheidung für durchschnittlich 6 Werktage.
