Schlechte Datenqualität taucht in keiner Gewinn-und-Verlust-Rechnung als eigene Position auf. Ihre Kosten verstecken sich in tausend kleinen Reibungen: der Vertriebler, der vor dem Kundentermin erst die aktuelle Ansprechpartnerin recherchiert; die Buchhalterin, die Rechnungen wegen falscher Stammdaten zweimal anfasst; die Retoure, die wegen falscher Gewichtsangaben falsch frankiert wird. Genau deshalb wird um die Bezifferung dieser Kosten so viel Unfug getrieben – und genau deshalb lohnt es sich, die belastbaren von den viralen Zahlen zu trennen.

Was die seriösen Schätzungen sagen

Zwei Größenordnungen haben sich als zitierfähig erwiesen – beide ausdrücklich als Schätzungen gekennzeichnet. Laut Gartner kostet schlechte Datenqualität Organisationen im Durchschnitt 12,9 Millionen US-Dollar pro Jahr. Das ist eine Analystenschätzung ohne veröffentlichte Methodik und von Großunternehmen geprägt – als absolute Zahl also nicht auf einen Mittelständler übertragbar. Als Signal der Größenordnung taugt sie dennoch.

Thomas Redman, einer der renommiertesten Datenqualitätsforscher, schätzt die Kosten schlechter Daten in der MIT Sloan Management Review auf 15 bis 25 Prozent des Umsatzes für die meisten Unternehmen. Der entscheidende Unterschied zu den Viralzahlen: Redman kennzeichnet dies offen als Expertenschätzung und plausibilisiert sie nachvollziehbar aus gemessenen Fehlerquoten und der „rule of ten“.

Die Feldstudie: das Friday Afternoon Measurement

Die wohl aufschlussreichste empirische Untersuchung stammt von Tadhg Nagle, Thomas Redman und David Sammon, veröffentlicht 2017 in der Harvard Business Review. Über zwei Jahre ließen die Autoren 75 Führungskräfte branchenübergreifend jeweils die letzten 100 Arbeitseinheiten ihres Bereichs – etwa die letzten 100 Aufträge oder Kundenanlagen – anhand von 10 bis 15 kritischen Attributen auf offensichtliche Fehler prüfen. Die Ergebnisse:

  • Im Durchschnitt enthielten 47 Prozent der neu erstellten Datensätze mindestens einen kritischen, arbeitsbehindernden Fehler.
  • Nur 3 Prozent der Messungen erreichten die von den Autoren als minimal akzeptabel definierte Schwelle von mindestens 97 fehlerfreien von 100 Datensätzen.
  • Der Median lag unter 57 fehlerfreien Datensätzen; ein Viertel der Messungen lag sogar unter 30.

Achten Sie auf die Präzision: Die berühmte „3-Prozent-Zahl“ bedeutet, dass 3 Prozent der Messungen die Qualitätsschwelle erreichten – nicht, dass nur 3 Prozent aller Unternehmensdaten korrekt wären, wie es oft verkürzt wird. Die Studie ist klein und regional begrenzt (Irland), aber sie ist transparent, nachvollziehbar und vor allem: Sie können sie in zwei Stunden im eigenen Haus replizieren.

Die „rule of ten“: Warum Fehler so teuer sind

Warum summieren sich Datenfehler zu Beträgen in Umsatzprozent-Größenordnung? Redman bringt es im selben HBR-Artikel auf eine einprägsame Faustregel aus der Beratungspraxis: Eine Arbeitseinheit kostet zehnmal so viel, wenn die zugrunde liegenden Daten fehlerhaft sind, wie wenn sie fehlerfrei sind. Der Mechanismus dahinter: Ein fehlerhafter Datensatz stoppt den Prozess, jemand muss den Fehler bemerken, recherchieren, korrigieren, Rückfragen stellen – und oft korrigiert er ihn nur lokal für den eigenen Zweck, sodass der nächste Bereich von vorn beginnt.

Ein vereinfachtes Rechenbeispiel auf Basis dieser Faustregel: Selbst wenn in Ihrem Prozess nur konservative 20 Prozent der Arbeitseinheiten auf fehlerhaften Daten beruhen (die Studie fand im Schnitt 47 Prozent), ergibt sich ein relativer Aufwand von 0,8 mal 1 plus 0,2 mal 10, also 2,8 – nahezu der dreifache Aufwand in datengetriebenen Prozessschritten, verursacht von nur einem Fünftel fehlerhafter Daten.

Zahlen, die Sie nicht mehr zitieren sollten

Zwei Zahlen geistern seit Jahren durch Vorstandsfolien – beide sollten Sie streichen. Erstens: „IBM: 3,1 Billionen US-Dollar Schaden pro Jahr“. Diese Zahl verbreitete sich ab 2016 über einen HBR-Artikel, der sie IBM zuschrieb. Eine Methodik dazu hat IBM nie publiziert; eine praktisch identische Zahl kursierte bereits 2011 aus anderer Quelle. Zur Einordnung: 3,1 Billionen US-Dollar entsprächen rund einem Sechstel (knapp 17 Prozent) des US-Bruttoinlandsprodukts von 2016 – eine Größenordnung, die niemand seriös belegt hat. Zweitens die „1-10-100-Regel“ (1 Dollar Prävention = 10 Dollar Korrektur = 100 Dollar Folgekosten): Sie stammt aus einem Managementbuch von 1992, ist eine eingängige Merkhilfe, wurde aber nie empirisch validiert – als Beleg in einem Business Case taugt sie nicht. Übertriebene Zahlen gewinnen keine Budgets, sie kosten Glaubwürdigkeit.

Der Zeitfresser: Was Datenteams wirklich tun

Kaum eine Zahl wird auf Data-und-KI-Konferenzen häufiger bemüht als diese: „Data Scientists verbringen 80 Prozent ihrer Zeit mit Datenaufbereitung.“ Sie ist griffig, sie ist dramatisch – und sie ist in dieser Form nicht belegt. Der Ursprung lässt sich präzise zurückverfolgen: auf den 2016 Data Science Report des Datenanbieters CrowdFlower, eine Anbieterumfrage unter rund 80 Data Scientists. Gefragt wurde, womit Data Scientists die meiste Zeit verbringen. 60 Prozent nannten das Bereinigen und Organisieren von Daten, weitere 19 Prozent das Sammeln von Datensätzen. Das sind Anteile der Nennungen, keine Zeitanteile. Addiert man beide Werte (60 plus 19 gleich 79 Prozent), landet man bei der magischen „80“ – eine methodisch unhaltbare Verkürzung, die seither von Folie zu Folie kopiert wird.

Deutlich tragfähiger sind die jährlichen State-of-Data-Science-Erhebungen von Anaconda, die mit vierstelligen Stichproben explizit nach der Zeitverteilung fragen: 2020 entfielen 45 Prozent der Arbeitszeit auf das Bereitstellen der Daten (bei 2.360 Befragten), 2021 waren es 39 Prozent für Datenaufbereitung und -bereinigung (22 Prozent Data Preparation plus 17 Prozent Data Cleansing; n = 2.030), 2022 dann 38 Prozent bei 3.493 Befragten. Die ehrliche Kernaussage lautet also: Rund 40 Prozent der Arbeitszeit von Datenteams fließen in Datenaufbereitung und -bereinigung – stabil über drei Jahrgänge. Das ist nur halb so dramatisch wie der Mythos, aber es ist verlässlich. Bemerkenswert dabei: Laut der Anaconda-Erhebung 2021 ist das mehr Zeit als für Modelltraining, Modellauswahl und Deployment zusammen.

Warum 40 Prozent schlimm genug sind

Rechnen Sie es für Ihr Haus durch: In einem dreiköpfigen Daten- oder KI-Team entspricht ein Zeitanteil von 40 Prozent mehr als einer vollen Stelle, die dauerhaft mit Suchen, Säubern und Zusammenführen beschäftigt ist – ausgerechnet bei den teuersten und knappsten Fachkräften. Jeder Prozentpunkt, den Sie durch ein besseres Datenfundament zurückgewinnen, wirkt wie eine Neueinstellung, die Sie nie bezahlen müssen. Wer gegenüber der Geschäftsführung argumentiert, sollte deshalb die kleinere, belegbare Zahl nutzen: Sie gewinnt das Vertrauen des kritischsten Zuhörers im Raum – meist ist das der CFO.

Die vollständige Analyse – inklusive Quick-Check-Anleitung, Governance-light-Ansatz und 90-Tage-Roadmap – finden Sie im Whitepaper „Das Datenfundament“ von Nicholas Krimmel.