Wenn Zahlen wackeln: Datenqualität im Spannungsfeld von Finanz- und IT-Teams beobachten
Datenqualität wirkt wie ein technisches Detail, bis eine Zahl im Bericht nicht stimmt. Dann prallen Finanz- und IT-Sicht hart aufeinander. Die eine Seite spricht von fachlicher Logik und Termindruck, die andere von Schnittstellenläufen und Systemgrenzen. Dieser Beitrag nimmt dich mit durch vier Perspektiven, die helfen, Verantwortung und Prüfungen greifbarer zu machen, ohne ein neues Großprojekt zu starten.
Finanz- und IT-Mitarbeitende betrachten gemeinsam ein Datendashboard
Früher galt eine Zahl als wahr, wenn sie im Bericht stand. Heute musst du erklären können, wie sie dorthin gelangt ist. Welche Systeme sie berührt hat. Wer unterwegs Entscheidungen getroffen hat. Genau hier treffen sich Finanz- und IT-Teams – oft später, als beiden lieb ist. Du siehst es an hektischen Runden vor Abschluss, an Tabellen mit manuellen Korrekturen, an Diskussionen über scheinbar kleine Abweichungen. Anstatt neue Schlagworte zu sammeln, lohnt sich ein genauer Blick auf Verantwortung, Fehlerbilder, Prüfmechanismen und Transparenz. Vier Perspektiven, mit denen du Datenqualität in deiner Organisation beobachten und vergleichen kannst, ohne sofort eine große Initiative auszurufen.
Datenqualität ohne Schuldzuweisung
Früher galt Datenqualität im Finanzbereich als Thema für Abschlussrunden. Heute entscheidet sie darüber, ob digitale Initiativen überhaupt tragfähig sind. Du bewegst dich zwischen Reporting-Tools, Quellsystemen und Excel-Dateien und sollst trotzdem sagen können, welche Zahl stimmt. Finanz- und IT-Teams zeigen dabei gern aufeinander. Fachbereich klagt über unzuverlässige Daten, IT über unklare Definitionen. In der Mitte hängen Projekte, die mit schönen Dashboards starten und mit manuellen Korrekturen enden. Genau hier lohnt sich ein nüchterner Blick auf Verantwortlichkeiten. Wer definiert Begriffe. Wer pflegt Stammdaten. Wer reagiert, wenn ein Fehler auffällt. Statt sofort ein neues Framework einzuführen, kannst du mit einer simplen Tabelle beginnen. In der ersten Spalte listest du typische Datenobjekte, etwa Konten, Kostenstellen, Produkte, Kunden. In der zweiten hältst du fest, wo diese Daten technisch geführt werden. In der dritten, wer fachlich entscheidet, wie sie genutzt werden. Meist siehst du schnell: Verantwortung verteilt sich über mehrere Teams, ohne dass jemand bewusst zugestimmt hat. Genau dort beginnt deine eigentliche Arbeit an Datenqualität.
Fehlerbilder statt allgemeiner Klagen
Im nächsten Schritt geht es um Fehlerbilder. Früher sprach man allgemein von falschen Zahlen. Heute kannst du genauer hinschauen. Manche Abweichungen stammen aus Stammdaten, andere aus Zuordnungslogik, wieder andere aus verspäteten Buchungen. Finanz- und IT-Teams reden darüber oft mit unterschiedlichen Begriffen. Während die Finanzseite von Umbuchungen oder Anpassungsbuchungen spricht, denkt die IT in Mapping-Regeln, Schnittstellenläufen und Zeitplänen. Wenn beide Seiten dieselben Phänomene anders benennen, bleibt jede Diskussion im Nebel. Hilfreich ist ein einfaches Muster. Du sammelst konkrete Beispiele für Datenprobleme der letzten Monate. Dann ordnest du sie in drei Spalten. Erstens: Was ist fachlich passiert, also welche Auswirkung hatte der Fehler auf Bericht oder Entscheidung. Zweitens: Was ist technisch passiert, etwa welcher Lauf fehlte oder welche Regel falsch griff. Drittens: Wie wurde reagiert, kurzfristig und langfristig. Diese Übersicht ersetzt keine Root-Cause-Analyse, aber sie macht sichtbar, welche Arten von Fehlern immer wiederkehren und wo Reaktionen nur aus Ad-hoc-Korrekturen bestehen. Genau dort brauchst du strukturierte Absprachen zwischen Finanz- und IT-Teams, sonst bleibt Datenqualität ein Dauerfeuer von Einzelaktionen.
Prüfmechanismen entlang des Datenwegs
Danach stellt sich die Frage, wie du Prüfmechanismen so gestaltest, dass sie nicht nur kurz vor Abschluss greifen. Früher wurden viele Kontrollen am Ende des Monats gebündelt. Heute laufen Daten nahezu kontinuierlich durch Systeme, Berichte werden häufiger aktualisiert, Management erwartet schnellere Antworten. Wenn du Prüfungen unverändert am Monatsende stapelst, verschiebst du Probleme nur nach hinten. Sinnvoller ist eine Staffelung. Einfache Plausibilitätschecks direkt nach der Erfassung, gezielte Abgleiche beim Durchlauf durch Schnittstellen und vertiefte Analysen in der Nähe des Abschlusses. Finanz- und IT-Teams können dazu gemeinsam definieren, welche Kontrollen an welcher Stelle liegen. Eine Vergleichstabelle hilft. In der ersten Spalte listest du bestehende Prüfungen. In der zweiten notierst du, wo sie im Prozess stattfinden. In der dritten, wer sie verantwortet und wie mit Abweichungen umgegangen wird. Häufig erkennst du, dass viele Kontrollen im Finanzbereich enden, obwohl ihre Ursachen in vorgelagerten Systemen liegen. Dann lohnt sich die Verlagerung einzelner Prüfungen näher an die Quelle, inklusive klarer Vereinbarung, wer bei Auffälligkeiten aktiv wird. So entsteht Schritt für Schritt ein Netz von Kontrollen, das nicht nur Symptome am Ende, sondern auch Ursachen unterwegs adressiert.
Transparenz statt Scheinsicherheit
Zum Schluss bleibt die unbequeme Frage nach Transparenz. Früher reichte es, wenn im Anhang eines Berichts ein kurzer Hinweis auf Datenstand und Annahmen stand. Heute wandern Zahlen durch Self-Service-Oberflächen, Präsentationen und spontane Screenshots in Chats. Die ursprünglichen Hinweise gehen dabei oft verloren. Finanz- und IT-Teams tragen gemeinsam Verantwortung, dass Nutzende wissen, was sie sehen. Dazu gehört ein Minimum an Dokumentation, das nicht in Archiven verstaubt, sondern in der Nähe der Daten sichtbar bleibt. Du kannst mit wenigen Bausteinen starten. Einfache Definitionen für zentrale Kennzahlen. Klar erkennbare Hinweise auf Datenstand und Quelle. Und eine schlanke Übersicht, welche bekannten Einschränkungen aktuell gelten. Wichtig ist, dass du diese Transparenz nicht als Selbstzweck verstehst. Sie dient dazu, Entscheidungen im Kontext zu halten. Wenn du offenlegst, wo Daten wackelig sind, sinkt zwar kurzfristig das Gefühl von Sicherheit, langfristig steigt aber das Vertrauen in die gemeinsame Arbeit von Finanz- und IT-Teams. Ergebnisse können sich unterscheiden, je nach Organisation und Systemlandschaft. Entscheidend ist, dass du Datenqualität nicht als Projekt abhakst, sondern als laufendes Aushandeln von Verantwortung, Prüfungen und Offenheit verstehst.
Datenqualität zwischen Finanz- und IT-Bereich lässt sich nicht an ein einzelnes Team delegieren. Du bewegst dich immer in einem Geflecht aus Definitionen, Systemen, Prozessen und Menschen. Wenn du Verantwortung sichtbar machst, Fehlerbilder sammelst, Prüfmechanismen entlang des Datenwegs staffelst und Transparenz ernst nimmst, verschiebst du die Diskussion weg von Schuldzuweisungen hin zu beobachtbaren Mustern. Das braucht Zeit, und nicht jede Organisation wird denselben Weg gehen. Manche beginnen mit klareren Rollen für Stammdaten, andere mit technischen Checks, wieder andere mit einfachen Hinweisen auf Datenstand und Grenzen in Berichten. Wichtig ist, dass du klein anfängst und deine Schritte vergleichbar hältst. Welche Fehler treten seltener auf. Welche Diskussionen verlaufen ruhiger, weil Begriffe geklärt sind. Wo sinkt der Bedarf an hektischen Korrekturen kurz vor Abschluss. Wenn du diese Beobachtungen festhältst, entsteht nach und nach ein eigenes Bild davon, wie Finanz- und IT-Teams in deinem Umfeld Datenqualität leben können, ohne sie zu einem weiteren Großprojekt aufzublasen.