Der KI-Mitarbeiter für das Stammdatenmanagement: Die Single Source of Truth am Leben halten, wenn der Data Steward geht

Der Eine, der weiß, wie wir das mastern

Jedes Unternehmen, das auf Daten läuft, hat eine Person, die einfach weiß, wie die Stammdaten sauber gehalten werden. Sie weiß, dass zwei Kundendatensätze mit leicht unterschiedlicher Schreibweise derselbe Münchner Käufer sind, dass ein Werk ein Rohmaterial unter einem undokumentierten Altschema kodiert, dass bei Widerspruch zwischen Lieferantenname und Steuernummer die Steuernummer gewinnt, und dass eine Handvoll Schlüsselkunden eine Namensausnahme hat, die man niemals automatisch zusammenführen darf. Nichts davon steht im MDM-Tool. Es lebt in ihrem Kopf. Und an dem Tag, an dem sie in Rente geht, kündigt oder lange ausfällt, beginnt der Golden Record, der mühelos wirkte, still zu verrotten: Dubletten schleichen sich zurück, neue Datensätze werden uneinheitlich erfasst, und sechs Monate später stimmen Vertriebsbericht und Finanzbericht nicht mehr überein.

Das ist das stille Risiko unter einem der tragendsten Prozesse im Unternehmen. Stammdaten, also Ihre Kunden, Lieferanten, Materialien und Produkte, speisen jedes nachgelagerte System: Das ERP bucht Rechnungen dagegen, das Lager liefert dagegen, das CRM segmentiert dagegen, und jedes Dashboard und inzwischen jedes KI-Modell ist nur so vertrauenswürdig wie die Datensätze darunter. Gartner beziffert die durchschnittlichen Kosten schlechter Datenqualität auf 12,9 Millionen US-Dollar pro Organisation und Jahr¹, und eine IBM-Studie von 2025 fand, dass 43 Prozent der Chief Operating Officers die Stammdatenqualität als ihr einzelnes kritischstes Datenproblem nennen¹⁰. Die meisten mittelständischen Unternehmen halten das Ganze mit einem Data Steward plus einer Match-Merge-Engine zusammen.

Dieser Artikel ist für den CDO, IT-Leiter, Operations-Verantwortlichen oder Geschäftsführer, der will, dass die Single Source of Truth am Leben bleibt, ohne von einer unersetzlichen Person abzuhängen. Kein Chatbot, der Datenfragen beantwortet, und keine weitere Plattform-Migration. Ein KI-Mitarbeiter, der die routinemäßige Stewardship Ende zu Ende übernimmt, Dubletten erkennt und zusammenführt, die Golden-Record-Regeln durchsetzt, neue Stammdaten prüft und Routine-Ausnahmen löst, gestützt auf ein Company Brain, das festhält, wie Ihr Unternehmen einen Datensatz tatsächlich mastert, damit das Wissen erhalten bleibt, wenn die Person, die es trägt, geht.

Die Single Source of Truth, die niemand sieht

Stammdatenmanagement wirkt von außen einfach: ein sauberer Datensatz je Kunde, je Lieferant, je Material, geteilt über jedes System. Innen ist es ein kontinuierlicher, regelschwerer Prozess aus Abgleichen, Zusammenführen, Standardisieren und Prüfen, gegen Daten, die im Moment ihrer Entstehung schon verfallen. Der Großteil der Arbeit ist nicht die Speicherung, die die Plattform übernimmt, sondern alles drumherum: entscheiden, welche Datensätze dieselben sind, welcher Wert gewinnt und ob ein neuer Datensatz überhaupt hinein darf.

• Abgleich und Entdopplung - entscheiden, dass “Müller GmbH”, “Müller G.m.b.H.” und “Mueller GmbH” ein Unternehmen sind, über Datensätze hinweg, die über Jahre von verschiedenen Personen in verschiedenen Systemen erfasst wurden.
• Zusammenführen und Überlebensregeln - wenn Dubletten gefunden sind, entscheiden, welche Quelle und welcher Wert je Attribut gewinnt: die neueste Adresse, die vollständigste Steuernummer, der ERP-Name vor dem CRM-Namen, die Regel, dass ein geprüfter Wert einen ungeprüften schlägt.
• Der Golden Record - die gewinnenden Attribute zu einem maßgeblichen Datensatz zusammensetzen, dem dann jedes System vertraut und den es konsumiert.
• Standardisieren und Anreichern - Adressen, Formate, Einheiten, Klassifikationen und Codes normalisieren, damit dasselbe überall gleich geschrieben ist, und Lücken aus vertrauenswürdigen Referenzquellen füllen.
• Neue Stammdaten prüfen - jeden neuen Kunden, Lieferanten, jedes Material oder jede SKU gegen Ihre Standards prüfen, bevor er eintritt: Pflichtfelder, Formatregeln, Dublettenprüfung, Sanktions- und Steuernummer-Prüfung, Klassifikation gegen Ihr Schema.
• Ausnahmebehandlung - der mehrdeutige Treffer, der Datensatz, der aus einem legitimen Grund gegen eine Regel verstößt, die zwei Systeme, die widersprechen und bei denen keines offensichtlich recht hat.
• Governance und Lineage - eine nachprüfbare Spur führen, was warum und von wem oder was zusammengeführt wurde, und eine falsche Entscheidung rückgängig machen können.

Der Grund, warum dieser Prozess fragil ist: Das Wissen, das ihn zusammenhält, ist implizit. Die Plattform speichert den Golden Record, aber nicht die Begründung: warum diese Überlebensregel hier gilt und dort nicht, welche Namensausnahme gewollt ist, welche Zusammenführung immer einen Menschen braucht. Genau das geht aus der Tür, wenn der Steward geht.

Was schlechte Stammdaten wirklich kosten

Die Kosten schlechter Stammdaten sind nicht nur das Gehalt des Stewards. Es sind die Dubletten, die jede Aussendung und jede Lizenzzählung aufblähen, die falschen Lieferungen und Rechnungen, die für die Abstimmung verlorenen Stunden, die gescheiterten Analytics- und KI-Projekte und das in einem einzigen Kopf konzentrierte Risiko. Die Zahlen sind gut belegt.

• 12,9 Millionen Dollar pro Jahr - Gartner beziffert die durchschnittlichen jährlichen Kosten schlechter Datenqualität auf 12,9 Millionen US-Dollar pro Organisation, vor den diffusen Kosten gescheiterter KI und regulatorischer Strafen¹.
• 10 bis 30 Prozent Dubletten - die meisten B2B-Datenbanken tragen eine Dublettenquote von 10 bis 30 Prozent; der erreichbare Best-Practice-Standard liegt bei rund 1 Prozent, und nur etwa 22 Prozent der Organisationen erreichen ihn³.
• Rund 96 Dollar je Dublette - Untersuchungen beziffern die durchschnittlichen Kosten eines einzelnen doppelten Datensatzes auf rund 96 US-Dollar, sobald der nachgelagerte Aufwand und die Fehler mitgezählt werden³.
• Das halbe Team räumt auf - Datenteams verbringen bis zu 50 Prozent ihrer Zeit mit Bereinigung statt Wertarbeit, und Beschäftigte allgemein verlieren bis zu 27 Prozent ihrer Zeit an das Korrigieren schlechter Daten⁶⁸.
• 15 bis 25 Prozent des Umsatzes - für viele Unternehmen zieht schlechte Datenqualität 15 bis 25 Prozent des Umsatzes durch Ineffizienz, verpasste Chancen und Nacharbeit ab⁴⁵.
• Daten verfallen schnell - B2B-Daten verfallen mit rund 22 bis 30 Prozent pro Jahr, weil Menschen den Job wechseln, Firmen umziehen und Angaben veralten, sodass eine saubere Datenbank nie lange sauber bleibt³.
• Vertrieb und Marketing zahlen die Steuer - ungenaue Datensätze kosten Vertriebsteams Hunderte Stunden im Jahr für Sackgassen, und Dubletten treiben Marketingausgaben zweistellig hoch, während sie die KI-Modelle, die auf denselben Daten trainiert sind, still kaputt machen³.

Die Kosten der Wissenskonzentration

Jenseits der direkten Verschwendung gibt es das Risiko, das im Business Case selten auftaucht, bis es eintritt: Das Ganze hängt an einer Person. Wenn der Steward geht, geht die Begründung mit, und die Kosten landen auf einen Schlag.

• Dubletten kehren zurück - ohne das Urteil des Stewards bei Grenzfällen übersieht die Match-Merge-Engine echte Dubletten oder führt eigenständige Datensätze fälschlich zusammen.
• Standards driften - neue Datensätze werden uneinheitlich erfasst, und binnen Monaten erodiert die Namens- und Klassifikationsdisziplin.
• Migrationen stocken - das nächste ERP- oder CRM-Projekt erbt schmutzige Daten und denselben verzögerten Go-live, den der Hersteller oben erlitt⁷.
• KI-Projekte scheitern - Gartner prognostiziert, dass Organisationen bis 2026 60 Prozent der KI-Projekte aufgeben, die nicht durch KI-fähige Daten gestützt sind, und Stammdaten sind das Fundament KI-fähiger Daten¹².

Warum 2026 der Wendepunkt ist

Stammdatenmanagement ist Jahrzehnte alt, warum also jetzt? Weil 2026 drei Dinge zusammenkamen: KI machte saubere Stammdaten dringend, die MDM-Anbieter selbst wurden agentisch, und das Werkzeug, um Stewardship als KI-Mitarbeiter zu betreiben, wurde endlich zuverlässig.

1. KI machte Stammdaten zum Engpass - jede KI-Initiative läuft auf denselben Datensätzen, und Gartner warnt, dass bis 2026 60 Prozent der KI-Projekte mangels KI-fähiger Daten aufgegeben werden¹². Der Golden Record liegt jetzt auf dem kritischen Pfad der gesamten KI-Agenda, nicht nur des Reportings.
2. Die MDM-Anbieter wurden agentisch - 2026 startete Informatica das branchenweit erste agentische Multidomain-MDM, in dem autonome Agenten Stammdaten kontinuierlich bereinigen, stewarden und anreichern und damit ausdrücklich das langsame, manuelle, menschenabhängige Modell ersetzen¹⁵¹⁶.
3. Plattformen öffneten sich für Agenten - Stibo Systems lieferte einen Model-Context-Protocol-Server aus, damit Agenten geregelte Produktdaten über APIs konsumieren können, und SAP integrierte Reltios Cloud-MDM mit API-first-Anbindung in seine Business Data Cloud¹³.
4. Der Markt wächst und konsolidiert - der MDM-Markt liegt 2026 bei rund 22 Milliarden US-Dollar und wird weiter Richtung zweistellige Milliarden steigen, ein Signal, dass vertrauenswürdige Daten vom Backoffice in die Chefetage gewandert sind¹³¹⁴.
5. Die Steward-Rolle spaltet sich - die Data-Steward-Rolle entwickelt sich von einer technischen zu einer strategischen Funktion und teilt sich in Business Stewards und AI Stewards, genau die Verschiebung hin zum Besitz von Regeln und Begründung statt manuellem Abgleich⁸⁹.
6. Regulierung erhöhte den Einsatz - der DSGVO-Grundsatz der Richtigkeit und, ab August 2026, die Transparenzpflichten der EU-KI-Verordnung bedeuten, dass Qualität und Herkunft von Kunden- und Lieferantendaten nun rechtliches Gewicht tragen, nicht nur operative Kosten²³²⁶.

Was der KI-Mitarbeiter übernimmt

Ein KI-Mitarbeiter für das Stammdatenmanagement ist keine klügere Suchleiste. Er übernimmt die routinemäßige Stewardship einer Domäne Ende zu Ende, arbeitet über Ihre echten Systeme hinweg, mit einem Menschen, der alles Sensible freigibt. Das tut er Tag für Tag.

• Kontinuierliche Entdopplung - er scannt Kunden-, Lieferanten-, Material- und Produktdatensätze über ERP, CRM und PIM, findet Dubletten, die der Batch-Abgleich verpasste, und schlägt Zusammenführungen vor oder führt sie je nach Konfidenz aus.
• Durchsetzung der Überlebensregeln - er wendet Ihre Golden-Record-Regeln Attribut für Attribut an, wählt jedes Mal konsistent die gewinnende Quelle und den gewinnenden Wert, ohne zu ermüden.
• Prüfung am Eingabepunkt - wenn ein neuer Kunde, Lieferant oder eine SKU angelegt wird, prüft er Pflichtfelder, Formatregeln, Dublettenrisiko, Steuernummer- und Sanktionsprüfungen und die Klassifikation gegen Ihr Schema, bevor sich der schlechte Datensatz verbreitet.
• Standardisierung und Anreicherung - er normalisiert Namen, Adressen, Einheiten und Codes und füllt Lücken aus vertrauenswürdigen Referenzquellen, damit dieselbe Entität überall gleich liest.
• Ausnahmen-Triage - er löst die routinemäßigen Datenqualitäts-Ausnahmen selbst und eskaliert nur die wirklich mehrdeutigen Fälle, mit den Kandidatensätzen und seiner Begründung.
• Systemübergreifende Abstimmung - er prüft, dass der Golden Record über ERP, CRM und Warehouse übereinstimmt, und markiert, wo ein nachgelagertes System aus dem Takt geraten ist.
• Steward-Unterstützung - er beantwortet “Wie mastern wir das hier” aus dem Company Brain, sodass ein neuer Kollege oder eine Fachanwenderin dieselbe Antwort erhält wie der erfahrene Steward.
• Nachprüfbare Governance - jede Zusammenführung, Standardisierung, Prüfung und Löschung wird mit ihrer Begründung protokolliert, sodass die Spur sauberer und reproduzierbarer ist, als manuelle Stewardship es je war.

Die Trennlinie ist das Urteil. Die KI besitzt die Tausenden offensichtlichen, regelgebundenen Entscheidungen, die früher die Woche des Stewards fraßen; der Steward besitzt die Regeln und die wirklich schweren Fälle. Das ist die Hebelwirkung: mehr geregelte Datensätze ohne mehr Personal.

Die Golden-Record-Regeln, Zeile für Zeile

Der Golden Record ist keine Magie. Er ist das Ergebnis einer Reihe von Regeln, die für jedes Attribut entscheiden, welcher Wert überlebt. Das Problem ist, dass diese Regeln in den meisten Unternehmen halb im Tool und halb im Gedächtnis des Stewards stecken. Ein KI-Mitarbeiter macht sie explizit, wendet sie konsistent an und hält sie dort, wo sie Fluktuation überleben.

Welche Regeln ein Golden Record braucht

• Match-Regeln - was zwei Datensätze zur selben Entität macht: exakte Steuernummer, unscharfer Name plus Adresse, E-Mail-Domäne plus Firma, jeweils mit einem Konfidenzwert.
• Überlebensregeln - welche Quelle je Attribut gewinnt (ERP-Name vor CRM-Name), welche Aktualität gewinnt (neueste geprüfte Adresse), welche Vollständigkeit gewinnt (der Datensatz mit vollständiger Steuernummer).
• Vertrauenshierarchie - welche Systeme für welche Attribute maßgeblich sind: Finanzen besitzt die Rechnungsadresse, Vertrieb den Kontakt, Einkauf die Bankdaten des Lieferanten.
• Namens- und Formatstandards - Rechtsform überall gleich geschrieben, Adressen auf ein Format normalisiert, Materialien gegen ein Schema klassifiziert.
• Prüfregeln - Pflichtfelder, gültige Formate, Sanktions- und Steuernummer-Prüfungen und Dublettenprüfungen, die einen schlechten Datensatz bei der Anlage blockieren.
• Bekannte Ausnahmen - die Schlüsselkunden, die man nie automatisch zusammenführen darf, die Alt-Kodierung, die ein Werk behält, die gewollten Abweichungen, die eine naive Engine als Fehler markieren würde.
• Eskalationsschwellen - der Konfidenzgrad, unter dem die KI einen Menschen fragen muss, statt zu handeln.

Wie die KI sie anwendet

1. Sie liest Ihre Historie - wie frühere Merges gelöst wurden, welche Werte überlebten, was wie standardisiert wurde, um die Regeln abzuleiten, die Sie tatsächlich fahren.
2. Sie wendet sie nach Konfidenz an - Fälle mit hoher Konfidenz und klarer Regel laufen automatisch; alles Mehrdeutige stoppt und eskaliert mit Begründung.
3. Sie zeigt ihre Arbeit - jede Entscheidung kommt mit der angewendeten Regel und den Kandidatensätzen, sodass ein Steward prüfen und korrigieren kann.
4. Sie lernt aus Korrekturen - jede Übersteuerung wird zu einer Regel im Company Brain, beim nächsten Mal ungefragt angewendet.
5. Sie hält die Regeln aktuell - ändert das Geschäft einen Standard, geht die Änderung einmal hinein und gilt ab dem nächsten Datensatz.

Das Company Brain: Warum das Fluktuation überlebt

Der wichtigste Teil eines KI-Mitarbeiters für das Stammdatenmanagement ist nicht die Match-Engine. Es ist das Company Brain: der lebendige Speicher dafür, wie Ihr Unternehmen entscheidet, was der Golden Record sein soll. Das ist der Unterschied zu allem, was vorher kam, denn es ist der Teil, der normalerweise in einem Kopf lebt und mit ihm geht.

• Es hält die Begründung, nicht nur die Regel - nicht bloß “Steuernummer gewinnt”, sondern warum, und die Ausnahme, wo sie es nicht tut, in den Worten der Person, die es weiß.
• Es lernt aus jeder Korrektur - wenn ein Steward eine Zusammenführung übersteuert, hält das Company Brain die Entscheidung und den Grund fest, sodass derselbe Fall beim nächsten Mal automatisch löst.
• Es gehört Ihnen - das Wissen sitzt in Ihrer Umgebung und gehört Ihrem Unternehmen, nicht dem Agenten eines Anbieters oder einem scheidenden Mitarbeiter.
• Es beantwortet Fragen - ein neuer Kollege oder eine Fachanwenderin kann fragen “Wie mastern wir diesen Lieferanten” und erhält die Antwort des erfahrenen Stewards, am ersten Tag.
• Es summiert sich - je mehr es läuft, desto mehr Grenzfälle hat es gelernt, sodass das Eskalationsvolumen sinkt und die Genauigkeit mit der Zeit steigt.
• Es ist nachprüfbar - jede Regel und Entscheidung ist rückverfolgbar, genau das wollen Regulierer, Prüfer und ein nervöser CFO sehen.

Deshalb ist ein KI-Mitarbeiter eine andere Kategorie als eine klügere MDM-Funktion. Die Funktion macht die Plattform besser darin, Regeln anzuwenden, die Sie weiterhin besitzen und sich merken müssen. Das Company Brain besitzt das Merken.

Der Unterschied zur MDM-Plattform

Die naheliegende Frage von jedem, der bereits Informatica, SAP Master Data Governance, Stibo Systems, Semarchy, Reltio oder Ataccama besitzt: Haben wir das nicht schon? Die ehrliche Antwort ist, dass diese Plattformen exzellent in dem sind, was sie tun, und ein KI-Mitarbeiter kein Ersatz für sie ist. Er ist die Stewardship-Schicht darüber und der Wissensspeicher daneben, für den sie nie ausgelegt waren.

Was die Plattformen gut können

• Sie speichern den Golden Record - ein geregeltes führendes System für Kunden, Lieferanten, Produkte und mehr, das echt schwer zu bauen und wert ist, es zu besitzen.
• Sie betreiben die Match-Merge-Engine - reifer, justierbarer Abgleich und Überlebenslogik, zunehmend KI-gestützt¹⁸.
• Sie setzen Workflow durch - Freigabeflüsse, Rollen, Datenmodelle und Lineage für geregelte Änderungen.
• Sie werden agentisch - Informaticas agentisches MDM, Stibos MCP-Server und SAPs Reltio-Integration zeigen alle auf kontinuierliche, agentengetriebene Stewardship¹⁵¹⁶¹³.

Was sie weiterhin voraussetzen

• Dass Ihr Team die Regeln definiert - die Plattform wendet Überlebenslogik an, aber eine Person muss sie definieren und wissen, warum.
• Dass die Begründung bei Menschen lebt - das implizite Wissen über Ausnahmen und Grenzfälle steckt nicht in der Plattform, sondern im Steward.
• Dass der Agent in der Welt des Anbieters bleibt - der Agent einer Plattform arbeitet auf dem Datenmodell dieser Plattform, nicht nahtlos über Ihren gesamten Stack.
• Dass Sie sie weiter füttern - wenn der Steward geht, betreibt die Plattform weiter die alten Regeln, aber niemand besitzt die neuen Entscheidungen.

Der 90-Tage-Rollout

Sie kochen nicht den Ozean. Ein fokussierter Rollout nimmt eine Domäne, Kunde oder Lieferant oder Material, von der Profilierung bis zur Produktion in rund 90 Tagen und läuft parallel zu Ihrem Steward, damit nichts blind geschrieben wird. So sieht das aus.

Phase 1: Profilieren und kartieren (Woche 1-4)

1. Woche 1: Datenprofilierung - die reale Dublettenquote, Fehlerquote und Vollständigkeit der Zieldomäne messen, damit Sie eine Baseline haben, gegen die Sie Verbesserung beweisen.
2. Woche 2: Regel-Entdeckung - mit dem Steward zusammensitzen und die Match-, Überlebens-, Namens- und Ausnahmeregeln extrahieren, samt der ungeschriebenen, ins Company Brain.
3. Woche 3: Systemkartierung - kartieren, wo die Domäne lebt (ERP, CRM, PIM, Warehouse), welches System für welches Attribut maßgeblich ist und welche APIs verfügbar sind.
4. Woche 4: Leitplanken - Konfidenzschwellen definieren, welche Änderungen automatisch laufen und welche eskalieren, Zugriffskontrollen und die Audit-Spur.

Phase 2: Parallel laufen (Woche 5-8)

5. Woche 5-6: Schattenmodus - der KI-Mitarbeiter schlägt Zusammenführungen, Prüfungen und Standardisierungen vor, schreibt aber nichts; der Steward prüft jeden Vorschlag und korrigiert ihn.
6. Woche 7: Justieren - die Korrekturen ins Company Brain einspeisen, Präzision und Recall steigen sehen und die Grenzfälle nachziehen.
7. Woche 8: Kontrolliertes Schreiben - die KI die Änderungen mit höchster Konfidenz und geringstem Risiko automatisch ausführen lassen, während alles andere weiter eskaliert.

Phase 3: Live gehen und messen (Woche 9-12)

9. Woche 9: Prüfung am Eingabepunkt - die Prüfung für neue Datensätze einschalten, damit schlechte Daten bei der Anlage gefangen werden, die günstigste Stelle zu gewinnen.
10. Woche 10-11: Autonomie anheben - während sich die Genauigkeit an echten Datensätzen bestätigt, die Schwelle fürs automatische Ausführen bei Routinefällen anheben und Menschen auf den mehrdeutigen halten.
11. Woche 12: Messen und berichten - Dublettenquote, Fehlerquote und Steward-Zeit gegen die Baseline aus Woche 1 vergleichen und die nächste Domäne planen.

DSGVO und die EU-KI-Verordnung

Stammdaten sind personenbezogene Daten: Kunden- und Lieferantendatensätze enthalten Namen, Kontakte und Kennungen. Das stellt die Stewardship mitten in die DSGVO und ab August 2026 in das Transparenzregime der EU-KI-Verordnung. Die gute Nachricht ist, dass saubere Stammdaten der Compliance helfen statt sie zu bekämpfen, vorausgesetzt die KI wird mit den richtigen Kontrollen betrieben.

DSGVO: der Grundsatz der Richtigkeit ist Ihr Freund

• Richtigkeit ist eine Rechtspflicht - Artikel 5 verlangt, dass personenbezogene Daten richtig und aktuell sind und unrichtige Daten unverzüglich berichtigt oder gelöscht werden, genau das leisten Entdopplung und Prüfung²⁶.
• Ein Golden Record erleichtert Betroffenenrechte - fragt eine Kundin, was Sie speichern, oder verlangt sie Löschung, ist ein sauberer Datensatz weit leichter zu erfüllen als fünfzehn verstreute Dubletten.
• Daten bleiben in Ihrer Umgebung - ein gut gebauter KI-Mitarbeiter läuft in Ihrer Infrastruktur mit strengen Zugriffskontrollen, sodass Datensätze Ihre Kontrolle nicht verlassen.
• Jede Änderung wird protokolliert - Zusammenführungen, Standardisierungen und Löschungen sind nachprüfbar und reproduzierbar, was Rechenschaft und Reaktion auf Vorfälle stützt.

EU-KI-Verordnung: einstufen, beaufsichtigen, offenlegen

• Die meiste MDM-Arbeit ist risikoarm - Datensätze unter menschlicher Aufsicht zu entdoppeln und zu standardisieren, ist Datenqualitäts-Logik, in der Regel minimales oder begrenztes Risiko, kein Hochrisiko nach Anhang III²⁴.
• Es kann ins Hochrisiko kippen - nur wenn die gemasterten Daten eine gelistete Hochrisiko-Entscheidung wie Kreditwürdigkeit oder Beschäftigung speisen, dann greifen die strengeren Pflichten für diese Nutzung, nicht für die Stewardship selbst²⁴.
• Menschliche Aufsicht ist Pflicht - Artikel 14 erwartet, dass ein Mensch beaufsichtigen und eingreifen kann, deshalb gehen sensible Änderungen stets an einen Steward²⁵.
• Transparenz gilt - ab August 2026 verlangt Artikel 50, dass Menschen informiert werden, wenn sie mit einem KI-System interagieren, und dass KI-erzeugte Inhalte gekennzeichnet sind, ein kundennaher Datenprozess muss also über die KI im Ablauf transparent sein²³.

Wie Superkind passt

Superkind baut maßgeschneiderte KI-Mitarbeiter für KMU und Konzerne. Für Stammdaten heißt das ein KI-Mitarbeiter, der die routinemäßige Stewardship Ihrer gewählten Domäne übernimmt, gestützt auf ein Company Brain, das festhält, wie Ihr Unternehmen entscheidet, was der Golden Record sein soll. Der Ansatz ist prozess-first, nicht plattform-first: Startpunkt sind Ihre Daten, Ihre Regeln und Ihre Systeme, nicht ein Produkt, an das Sie sich anpassen müssen.

• Prozess-first-Entdeckung - wir sitzen mit der Person zusammen, die Ihre Daten tatsächlich mastert, und extrahieren die Match-, Überlebens-, Namens- und Ausnahmeregeln, samt der ungeschriebenen, bevor wir Logik schreiben.
• Mit oder ohne MDM-Plattform - besitzen Sie Informatica, SAP MDG, Stibo, Semarchy, Reltio oder Ataccama, betreibt der KI-Mitarbeiter die Stewardship darauf; wenn nicht, pflegt er den Golden Record direkt gegen Ihr ERP und CRM.
• Sitzt auf Ihrem Stack - er verbindet sich über die APIs, die Sie bereits nutzen, mit ERP, CRM, PIM und Warehouse und schreibt den sauberen Datensatz dorthin zurück, wo Menschen ihn konsumieren.
• Das Company Brain gehört Ihnen - die Begründung lebt in Ihrer Umgebung und gehört Ihnen, überlebt also Fluktuation und ist nicht im Agenten eines Anbieters eingeschlossen.
• Ein Mensch behält die Kontrolle - Sie legen Konfidenz und Autonomie je Domäne fest, Routinefälle laufen durch, sensible Änderungen gehen mit Begründung an einen Steward.
• In Wochen live - erste Domäne in rund 90 Tagen in Produktion, parallel zu Ihrem Team, damit nichts blind geschrieben wird.
• Ergebnisse, keine Lizenzen - die Preisgestaltung ist an das Ergebnis pro Domäne gebunden, mit messbarem Dublettenquoten- und Fehlerquoten-Ziel, das vor dem Start feststeht.
• Kontinuierliche Partnerschaft - wir iterieren und erweitern Domäne für Domäne, statt zu liefern und zu verschwinden.

Wo es bricht

Ein ehrlicher Artikel nennt die Fehlermodi. Ein KI-Mitarbeiter für das Stammdatenmanagement ist keine Magie, und es gibt Situationen, in denen er sich schwertut oder in denen Sie nicht hier starten sollten.

• Wenn es keine Grundwahrheit gibt - widersprechen sich zwei Systeme und keines ist maßgeblich, kann die KI keinen Gewinner erfinden; Sie müssen erst die Vertrauenshierarchie entscheiden, die KI setzt sie danach durch.
• Wenn die Regeln wirklich unentschieden sind - hat das Geschäft nie vereinbart, wie eine Domäne gemastert wird, legt die KI den Konflikt offen, kann aber keine Policy lösen, die das Unternehmen nicht getroffen hat.
• Wenn die Daten kein Signal haben - Datensätze, die so dünn sind, dass nichts eine Dublette von einer eigenständigen Entität unterscheidet, eskalieren immer; die KI ist ehrlich über geringe Konfidenz, statt zu raten.
• Wenn APIs verschlossen sind - ein Altsystem ohne API und ohne Export ist ein echter Blocker, bis ein Integrationsweg existiert.
• Wenn niemand Ausnahmen besitzt - die KI eskaliert die harten Fälle, und ist kein Steward verfügbar, um sie zu entscheiden, verschiebt sich der Rückstand nur, statt sich aufzulösen.
• Wenn die Führung null Aufsicht will - Stammdaten sind zu tragend, um auf sensiblen Domänen vollautonom zu laufen; ist die Forderung “gar keine Menschen”, ist das die falsche Erwartung.

Entscheidungsrahmen: Ist Ihr Unternehmen bereit?

Nicht jedes Unternehmen sollte mit einem KI-Mitarbeiter für Stammdaten starten. Hier ist ein Rahmen zur Entscheidung.

Häufig gestellte Fragen

Verwandte Artikel

• RAG vs. Fine-Tuning vs. Company Brain: Wie KI Ihr Unternehmen wirklich kennt
• Die besten KI-Customer-Data-Platforms (CDP) 2026: Ein ehrlicher Vergleich
• Der Bus-Faktor: Wenn der Weggang einer Person das ganze Unternehmen lahmlegt
• Process Debt: Die versteckte Steuer undokumentierter Workarounds
• Der KI-Mitarbeiter für die Auftragsabwicklung: Von der E-Mail zur Bestätigung im ERP

Henri Jung

Co-Founder von Superkind, wo er KMU und Konzernen hilft, maßgeschneiderte KI-Mitarbeiter einzusetzen, die wirklich zur Arbeitsweise ihrer Teams passen. Henri treibt an, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er ist überzeugt, dass der Mittelstand alles hat, um bei KI vorauszugehen - er braucht nur den richtigen Ansatz.