Workflow Management für Stammdaten: So werden Freigaben schnell, prüfbar und revisionssicher

Was ist Workflow Management für Stammdaten?

Workflow Management für Stammdaten ist die regelbasierte Steuerung aller Anlage-, Änderungs-, Sperr- und Archivierungsvorgänge von Stammdaten über definierte Rollen, Prüfschritte und Freigabestufen – mit lückenloser Protokollierung jeder Entscheidung. Es legt fest, wer welche Daten beantragen darf, welche Regeln automatisch geprüft werden, wer fachlich freigibt und wann ein Datensatz in die operativen Systeme verteilt wird.

Stammdaten sind die langlebigen Kerndaten eines Unternehmens: Kunden, Lieferanten, Materialien, Produkte, Gesellschaften, Organisationseinheiten. Eine ausführliche Einordnung finden Sie in unserem Stammdaten-Leitfaden. Anders als Bewegungsdaten werden Stammdaten von vielen Prozessen gleichzeitig genutzt. Ein Fehler bei der Anlage wirkt deshalb in jeder Bestellung, jeder Rechnung und jedem Report weiter.

Ein Stammdaten-Workflow besteht typischerweise aus fünf Elementen:

• Auslöser: ein Ereignis wie „neuer Lieferant”, „Änderung der Bankverbindung” oder „Material auslaufend”.

• Antrag: ein strukturiertes Formular mit Pflichtfeldern statt einer freien E-Mail.

• Automatische Prüfung: Validierungsregeln, Dublettenprüfung und Abgleich mit Referenzdaten.

• Fachliche Freigabe: eine oder mehrere Stufen, abhängig vom Risiko der Änderung.

• Verteilung und Protokoll: Übernahme in den Golden Record, Verteilung an Zielsysteme, unveränderbarer Audit-Trail.

Technisch werden solche Abläufe häufig in BPMN 2.0 modelliert. Die Notation ist ein offener Standard der Object Management Group und als ISO/IEC 19510 normiert. Der Vorteil: Fachbereich und IT lesen dasselbe Prozessmodell.

Wichtig ist die Abgrenzung. Workflow Management für Stammdaten ist nicht dasselbe wie allgemeine Workflow-Automatisierung. Ein generisches Ticketsystem kennt den Datensatz nicht, den es freigibt. Ein in das Master Data Management integrierter Workflow dagegen sieht das Datenmodell, die Historie und alle Beziehungen des Objekts. Er kann deshalb prüfen, ob ein neuer Lieferant eine Dublette ist, bevor jemand Zeit in die Freigabe investiert.

Warum Workflow Management für Stammdaten relevant ist

Stammdatenprozesse wirken unscheinbar, bis sie scheitern. Fünf Kennzahlen zeigen, warum Freigabeprozesse keine Verwaltungsaufgabe sind, sondern ein Qualitäts-, Kosten- und Kontrollthema.

Qualität entsteht bei der Anlage.

Der 47-%-Wert aus der HBR-Studie bezieht sich auf neu erstellte Datensätze. Das ist der Moment, in dem ein Workflow eingreift. Prüfregeln, die erst im monatlichen Qualitätsreport greifen, kommen zu spät.

Betrug nutzt Prozesslücken.

Business Email Compromise zielt oft auf eine einfache Stammdatenänderung: Ein angeblicher Lieferant meldet eine neue Bankverbindung. Ohne Vier-Augen-Prinzip und Rückbestätigung wird die nächste Zahlung umgeleitet. Die ACFE-Daten bestätigen das Muster: Fehlende oder umgangene Kontrollen sind der häufigste Hebel.

Governance scheitert am Alltag, nicht am Konzept.

Gartner empfiehlt ausdrücklich, Data Governance in die Geschäfts-Workflows einzubetten und in den operativen Alltag zu integrieren. Genau das leistet ein Stammdaten-Workflow: Er macht aus einer Richtlinie einen Prozessschritt, der nicht übersprungen werden kann.

Compliance verlangt Nachvollziehbarkeit.

Die GoBD fordern, dass Änderungen so erfolgen, dass „sowohl der ursprüngliche Inhalt als auch die Tatsache, dass Veränderungen vorgenommen wurden, erkennbar bleiben”. Für Stammdaten nennen sie ausdrücklich die Historisierung mit Gültigkeitsangaben. Bei personenbezogenen Stammdaten kommt die DSGVO hinzu: Daten müssen sachlich richtig sein, und Verantwortliche müssen die Einhaltung nachweisen können.

Die vier Wurzelursachen langsamer und fehleranfälliger Stammdatenprozesse

Wenn Stammdatenfreigaben zu lange dauern oder fehlerhafte Daten durchrutschen, liegt das selten an einzelnen Personen. Meist wirken dieselben vier strukturellen Ursachen.

Verantwortung ohne Adresse

In vielen Unternehmen „gehört” ein Lieferantenstammsatz niemandem. Der Einkauf legt ihn an, die Buchhaltung ergänzt Zahlungsbedingungen, das Qualitätsmanagement pflegt Zertifikate. Jeder ist zuständig für seine Felder, niemand für den Datensatz als Ganzes. Ohne benannten Data Owner und Data Steward landet jeder Konflikt in einer E-Mail-Schleife.

Prüfung am falschen Ende

Viele Organisationen prüfen Datenqualität nachgelagert: per Report, per Stichprobe, per Bereinigungsprojekt. Das ist teuer, weil der Fehler zu diesem Zeitpunkt schon in Bestellungen und Rechnungen steckt. Die Prüfung gehört an den Point of Entry – also in den Antrag selbst. Wie Sie nachgelagerte Qualitätsprobleme systematisch messen und beheben, beschreibt unser Leitfaden zur Datenqualität.

Freigabe per Medienbruch

Ein Antrag kommt per E-Mail, die Freigabe per Telefon, die Erfassung per Copy-and-paste ins ERP. Jeder Medienbruch kostet Zeit und erzeugt Fehler. Vor allem hinterlässt er keinen prüfbaren Nachweis. Wer im Audit belegen muss, wer eine Bankverbindung wann freigegeben hat, sucht dann im Postfach.

Ein Workflow für alles

Das Gegenteil ist ebenso schädlich: Jede Änderung durchläuft dieselben drei Freigabestufen – egal, ob eine Telefonnummer oder eine IBAN geändert wird. Das Ergebnis sind überlastete Freigeber, Warteschlangen und Umgehungen. Wer alles gleich streng prüft, prüft am Ende nichts gründlich.

Kein Tool-Problem, sondern ein Verantwortungs-Problem

Die naheliegende Reaktion auf langsame Freigaben ist die Suche nach einem besseren Tool. Doch ein Workflow-Werkzeug automatisiert nur, was vorher entschieden wurde. Ist unklar, wer eine Änderung freigibt, automatisiert das Tool die Unklarheit.

Ein Stammdaten-Workflow ist codierte Verantwortung.
Jede Stufe beantwortet eine Frage: Wer darf beantragen? Wer prüft fachlich? Wer trägt das Risiko? Wer darf ausnahmsweise übersteuern? Erst wenn diese Fragen beantwortet sind, lohnt sich die technische Modellierung.

Die aktuelle Gartner-Befragung stützt diese Sicht. Kultureller Widerstand wiegt schwerer als fehlendes Budget. Gartner empfiehlt zudem, Governance als geteilte Verantwortung von Business und Technologie zu verankern – nicht als reine IT-Aufgabe.

Für Head of Data und Governance Leads heißt das: Der erste Workshop gehört nicht der Tool-Demo, sondern dem Rollenmodell. Welche Rollen im Datenmanagement sich bewährt haben, beschreibt unser Beitrag zur Rolle der Datenverwaltung im organisatorischen Datenmanagement.

Lösungsansatz: Stammdaten-Workflows in sieben Schritten aufbauen

Das folgende Vorgehen hat sich für Workflow Management von Stammdaten bewährt. Es beginnt bei den Ereignissen, nicht bei der Software.

Schritt 1: Ereignisse und Datenobjekte inventarisieren

Listen Sie pro Datendomäne alle Ereignisse auf, die einen Workflow auslösen: Neuanlage, Änderung, Erweiterung auf eine neue Gesellschaft oder ein neues Werk, Sperre, Archivierung. Ergänzen Sie, wie oft jedes Ereignis pro Monat vorkommt. Das zeigt, wo Automatisierung den größten Hebel hat.

Schritt 2: Attribute in Risikoklassen einteilen

Nicht der Datensatz bestimmt die Freigabe, sondern das geänderte Attribut. Eine Telefonnummer ist unkritisch, eine Bankverbindung hochkritisch. Die folgende Tabelle zeigt ein typisches Muster. Die Durchlaufzeiten sind Branchenrichtwerte zur Orientierung, keine Norm.

Schritt 3: Das Rollenmodell festlegen

Ein schlankes Rollenmodell reicht für die meisten Stammdaten-Workflows aus:

• Requester beantragt die Änderung und liefert die Belege.

• Data Steward prüft fachlich, bereinigt, klärt Rückfragen.

• Data Owner trägt die Verantwortung für die Domäne und gibt kritische Änderungen frei.

• Approver aus dem Fachbereich (z. B. Controlling, Compliance) wird nur bei definierten Attributen eingebunden.

Entscheidend ist die Funktionstrennung: Wer beantragt, darf dieselbe Änderung nicht selbst freigeben. Das System muss das technisch erzwingen, nicht nur empfehlen.

Schritt 4: Validierung an den Point of Entry verlegen

Jede Regel, die automatisch prüfbar ist, gehört in den Antrag: Pflichtfelder, Formatprüfungen (z. B. IBAN-Prüfziffer), Dublettenabgleich gegen den Golden Record, Abgleich mit Referenzlisten. Der Data Steward soll nur noch das prüfen, was eine Maschine nicht entscheiden kann.

Schritt 5: Routing, SLAs und Eskalation definieren

Legen Sie für jede Freigabestufe eine Service-Level-Zeit fest. Läuft sie ab, eskaliert der Workflow automatisch an eine Vertretung oder die nächste Ebene. Parallele Freigaben – etwa Einkauf und Buchhaltung gleichzeitig – verkürzen die Durchlaufzeit gegenüber sequenziellen Ketten deutlich.

Schritt 6: Audit-Trail und Historisierung sicherstellen

Jede Aktion wird protokolliert: wer, wann, was, alter Wert, neuer Wert, Begründung. Stammdaten werden mit Gültigkeitszeiträumen versioniert, sodass stichtagsbezogene Auswertungen möglich bleiben. Das erfüllt die Historisierungsanforderung der GoBD und beantwortet jede Audit-Frage in Minuten statt Tagen.

Schritt 7: Workflow-KPIs messen und nachschärfen

Ohne Kennzahlen bleibt Workflow-Optimierung ein Bauchgefühl. Die folgenden KPIs bilden ein belastbares Grundset:

Best Practices für Stammdaten-Workflows

Mit einem hochfrequenten Prozess starten.
Lieferanten- oder Materialanlage kommen in den meisten Unternehmen täglich vor. Hier zeigt sich der Nutzen schnell, und die Organisation lernt das neue Vorgehen an einem vertrauten Fall.

Den Antrag so gut machen, dass Rückfragen überflüssig werden.
Die meisten Verzögerungen entstehen nicht bei der Freigabe, sondern bei der Klärung unvollständiger Anträge. Kontextabhängige Pflichtfelder und Vorbelegungen aus dem Golden Record senken die Rückläuferquote.

Bankdaten immer außerhalb des Kanals bestätigen.
Kommt eine Änderungsmeldung per E-Mail, erfolgt die Rückbestätigung über eine bereits hinterlegte Telefonnummer – nie über die Kontaktdaten in derselben Nachricht. Der Workflow dokumentiert diesen Schritt als Pflichtaufgabe.

Vertretungen verbindlich hinterlegen.
Ein Workflow, der im Urlaub des Data Owners stehen bleibt, verliert schnell die Akzeptanz. Vertretungsregeln gehören in die Workflow-Konfiguration, nicht in die Abwesenheitsnotiz.

Fachbereiche modellieren lassen.
Wenn Prozessverantwortliche Workflows selbst anpassen können, bleibt das Modell nah an der Realität.

Workflows versionieren.
Auch der Prozess selbst ändert sich. Dokumentieren Sie, welche Workflow-Version zu welchem Zeitpunkt galt. Im Audit zählt nicht nur, was freigegeben wurde, sondern nach welcher Regel.

Vier Ansätze für Stammdaten-Workflows

Unternehmen steuern Stammdatenfreigaben heute meist auf eine von vier Arten. Die Tabelle vergleicht sie entlang der Kriterien, die für Governance Leads zählen.

Die Tabelle zeigt ein klares Muster: Je heterogener die Systemlandschaft, desto wichtiger wird es, dass Workflow und Datenmodell an einem Ort liegen. Genau diesen Ansatz verfolgt der Goldright Agile Data Manager.

So setzt der Goldright Agile Data Manager Stammdaten-Workflows um

Der Agile Data Manager ist die Multi-Domain-MDM-Plattform der Goldright Enterprise Suite. Er führt Stammdaten aus isolierten Quellen zu einem validierten Golden Record zusammen – und steuert auf genau diesem Datenbestand auch die Pflege- und Freigabeprozesse. Workflow und Daten liegen damit nicht in zwei Systemen, sondern in einem.

Business Process Engine in BPMN.
Die Business Process Engine des Agile Data Manager steuert und automatisiert Datenpflege- und Freigabe-Workflows auf Basis von BPMN. Der Workflow, den Fachbereich und IT im Workshop entwerfen, wird damit direkt ausführbar – ohne Übersetzung in ein separates Ticketsystem.

Mehrstufige Freigaben und Vier-Augen-Prinzip.
Freigabestufen lassen sich nach Risiko staffeln. Routineänderungen durchlaufen eine schlanke Prüfung, sensible Attribute wie Bankverbindungen oder Steuernummern das Vier-Augen-Prinzip. So wird das Risikoklassen-Modell aus Schritt 2 zur technisch durchgesetzten Regel.

Integrierte Governance.
Ownership und Verantwortlichkeiten werden zentral in der Plattform geregelt. Das Berechtigungsmodell der Enterprise Suite greift bis auf die Ebene einzelner Datenobjekte und Attribute. Wer beantragen, prüfen oder freigeben darf, ist damit keine Absprache mehr, sondern Konfiguration.

Freigaben mit vollem Datenkontext.
Weil der Workflow auf dem Golden Record läuft, sehen Data Steward und Data Owner nicht nur ein Formular, sondern den Datensatz mit seinen Beziehungen und seiner Herkunft. Datenbereinigung und Abgleich werden automatisiert, die Data Lineage bleibt lückenlos nachvollziehbar.

Zeitstempel-Historie und Audit-Sicherheit.
Jede Änderung wird dokumentiert und historisiert. Die Zeitstempel-Historie ermöglicht stichtagsbezogene Auswertungen – die technische Antwort auf die GoBD-Anforderung, Stammdaten mit Gültigkeitsangaben zu historisieren.

Verteilung über konfigurierbare APIs.
Freigegebene Daten fließen über bidirektionale Schnittstellen in ERP-, CRM- und BI-Systeme. Die Enterprise Suite ist auch im SAP Store verfügbar. Das Abtippen freigegebener Daten ins Zielsystem entfällt.

KI unter denselben Regeln.
Über den AI Assistant und die native MCP-Integration greifen KI-Anwendungen auf den Golden Record zu – berechtigungsgeprüft und im Audit-Trail dokumentiert. KI wird so Teil des kontrollierten Prozesses statt eines Umwegs daran vorbei.

Die folgende Übersicht ordnet die Anforderungen aus dem Lösungsansatz den Funktionen des Agile Data Manager zu:

Praxis-Case: Materialanlage in einem Maschinenbau-Unternehmen

Anonymisiertes Projektmuster aus der MDM-Praxis.

Ausgangslage

Ein mittelständischer Maschinenbauer mit mehreren Werken legt jede Woche neue Materialstammsätze an. Die Konstruktion startet den Prozess per Excel-Vorlage. Einkauf, Arbeitsvorbereitung, Controlling und Vertrieb ergänzen nacheinander ihre Sichten. Jede Abteilung wartet auf die vorherige. Unvollständige Vorlagen gehen per E-Mail zurück, Dubletten fallen erst beim Bestellen auf.

Diagnose

Alle vier Wurzelursachen sind sichtbar. Niemand ist für den Materialstamm als Ganzes verantwortlich. Die Prüfung erfolgt nachgelagert. Jede Übergabe ist ein Medienbruch. Und jedes Material durchläuft dieselbe Kette, egal ob Normteil oder sicherheitsrelevante Baugruppe. Inkonsistente Materialstammdaten sind in der Fertigungsindustrie ein typischer Engpass für Bedarfsplanung und Produktion.

Umsetzung mit dem Agile Data Manager

Das Projektteam definiert zuerst das Rollenmodell: ein Data Owner für die Domäne Material, ein Data Steward je Werk. Rollen und Berechtigungen werden in der integrierten Governance des Agile Data Manager hinterlegt. Die Excel-Vorlage wird durch einen Workflow ersetzt, der in der Business Process Engine als BPMN-Prozess modelliert ist. Alle Fachbereiche ergänzen ihre Sichten im selben Workflow direkt am Golden Record, statt Dateien weiterzureichen. Die Freigabe ist nach Risiko gestaffelt: Normteile durchlaufen eine Stufe, sicherheitsrelevante Baugruppen das Vier-Augen-Prinzip mit zusätzlicher Freigabe durch die Qualitätssicherung. Freigegebene Materialien werden über die konfigurierbaren APIs an das ERP-System übergeben.

Ergebnis

Jede Freigabe ist in der Zeitstempel-Historie nachvollziehbar dokumentiert. Rückfragen werden im Workflow statt im Postfach geklärt. Dubletten werden am Golden Record sichtbar, bevor ein Material bestellt wird. Und der Materialstamm liegt als Single Source of Truth für alle Werke vor. Wichtiger als jede Einzelzahl: Das Unternehmen misst nun Durchlaufzeit und First-Time-Right-Quote und kann gezielt nachschärfen.

Übertragbarkeit

Dasselbe Muster funktioniert für Lieferantenanlage, Kundenstammdaten oder die Pflege von Organisationsstrukturen. Wie wichtig saubere Materialdaten für den operativen Betrieb sind, zeigt unser Beitrag zu Produktstammdaten.

Fallstricke: Was bei Stammdaten-Workflows schiefgeht

Den Ist-Prozess eins zu eins digitalisieren.
Wer die bestehende E-Mail-Kette in ein Workflow-Tool überträgt, erhält eine schnellere Version eines schlechten Prozesses. Hinterfragen Sie jede Stufe: Welches Risiko deckt sie ab?

Zu viele Freigabestufen.
Jede zusätzliche Stufe verlängert die Durchlaufzeit und verteilt Verantwortung. Drei Freigaben bedeuten oft, dass sich jeder auf die anderen beiden verlässt.

Notfall-Bypass ohne Kontrolle.
Eilige Fälle gibt es immer. Wenn der Bypass aber nicht protokolliert und nachträglich geprüft wird, wird er zur Hintertür. Die ACFE-Zahlen zeigen, wie oft umgangene Kontrollen der Auslöser von Schäden sind.

Workflow ohne Datenkontext.
Ein Freigeber, der nur ein Formular sieht, kann nicht beurteilen, ob der „neue” Lieferant schon unter anderem Namen existiert. Zeigen Sie im Freigabeschritt die Historie und verwandte Datensätze an.

Fehlende Zielsysteme im Blick.
Ein perfekt freigegebener Datensatz nützt wenig, wenn er manuell ins ERP übertragen wird. Die Verteilung gehört zum Workflow.

KI ohne Governance.
Gartner erwartet, dass GenAI die Time-to-Value von Governance- und MDM-Programmen bis 2027 um 40 % beschleunigt. KI-Vorschläge für Klassifizierung oder Dublettenerkennung sind wertvoll – sie gehören aber als Prüfschritt in den Workflow, nicht als ungeprüfte Direktänderung. Für Hochrisiko-KI verlangt der EU AI Act ohnehin dokumentierte Datenaufbereitungsschritte wie Bereinigung, Aktualisierung und Anreicherung.

Fazit: Workflow Management für Stammdaten ist gelebte Governance

Workflow Management für Stammdaten ist kein Verwaltungsthema. Es ist der Ort, an dem Governance-Richtlinien zum ersten Mal auf den Arbeitsalltag treffen. Hier entscheidet sich, ob Qualitätsregeln greifen, bevor ein Fehler entsteht, ob kritische Änderungen wie Bankdaten wirksam kontrolliert werden und ob jede Entscheidung im Audit belegbar ist.

Die Datenlage ist eindeutig. Fast die Hälfte neu erstellter Datensätze enthält kritische Fehler. Betrug nutzt fehlende oder umgangene Kontrollen. Und Governance scheitert häufiger an Kultur als an Budget – weshalb Gartner empfiehlt, sie direkt in die Workflows einzubetten.

Der Weg dorthin beginnt nicht mit einem Tool, sondern mit Verantwortung. Wer Rollen klärt, Attribute nach Risiko einteilt, die Prüfung an den Point of Entry verlegt und die richtigen KPIs misst, macht Freigaben gleichzeitig schneller und sicherer. Ein Workflow, der direkt auf dem Golden Record arbeitet, schließt die Lücke zwischen Prozess und Daten: Jede Freigabe sieht den vollständigen Kontext, jede Änderung wird historisiert, jede Verteilung erfolgt zentral.

Unternehmen, die ihre Stammdaten-Workflows so aufsetzen, schaffen mehr als Effizienz. Sie schaffen ein belastbares Fundament für Compliance, für Automatisierung und für KI-Anwendungen, die auf verlässliche Daten angewiesen sind.

Ihr nächster Schritt: Prüfen Sie mit dem Governance-Reifegrad-Check, wie weit Ihre Rollen, Freigaben und Kontrollen heute reichen. Oder sprechen Sie mit uns darüber, wie der Agile Data Manager Ihre Stammdaten-Workflows abbildet.

Quellenverzeichnis

ACFE – Association of Certified Fraud Examiners: Occupational Fraud 2024: A Report to the Nations - acfe.com

Bundesministerium der Finanzen: GoBD – BMF-Schreiben vom 28.11.2019, Rz. 58 und 111 - PDF

Europäische Union: Verordnung (EU) 2016/679 (DSGVO), Art. 5. - eur-lex.europa.eu

Europäische Union: Verordnung (EU) 2024/1689 (AI Act), Art. 10. - artificialintelligenceact.eu

FBI Internet Crime Complaint Center: 2024 IC3 Annual Report, 2025. - ic3.gov

Gartner: Gartner Predicts 60% of Organizations That Ignore Data Governance Culture Challenges Will Fail to Govern AI Successfully by 2027, Pressemitteilung - gartner.com

Gartner: Gartner Predicts 80% of D&A Governance Initiatives Will Fail by 2027 - gartner.com

Gartner: Data Quality: Why It Matters and How to Achieve It (Research 2020) - gartner.com

Nagle, T.; Redman, T. C.; Sammon, D.: Only 3% of Companies’ Data Meets Basic Quality Standards, Harvard Business Review - hbr.org

Object Management Group: Business Process Model and Notation (BPMN) 2.0.2, ISO/IEC 19510. - omg.org