Schlechte Stammdaten kosten Bauunternehmen Marge: So vermeiden Sie Dubletten im Materialstamm und schaffen saubere Bestellprozesse als Basis fuer Einkauf und Rechnungspruefung.
Drei Artikelnummern für dasselbe Kabel, zwei Einheiten für denselben Sack Zement, ein Lieferant in vier Schreibweisen. Jede einzelne Dublette im Materialstamm wirkt klein und harmlos. In Summe kosten diese Unsauberkeiten Bauunternehmen jeden Monat echtes Geld.
Stammdaten sind das Fundament, auf dem Bestellung, Lieferschein und Rechnungsprüfung stehen. Ist dieses Fundament rissig, wackelt der gesamte Beschaffungsprozess darüber. Trotzdem behandeln viele Betriebe die Pflege ihrer Artikel- und Materialstammdaten als lästige Nebensache.
Dieser Beitrag zeigt, warum schlechte Stammdaten teurer sind als gedacht, woran es typischerweise hakt und wie ein pragmatischer Aufräum-Fahrplan aussieht, der sich auch ohne großes Datenprojekt umsetzen lässt.
Stammdaten altern leise. Jeder neue Mitarbeiter legt Artikel ein bisschen anders an, jeder Lieferant liefert seine Daten in einem eigenen Format, und über die Jahre wächst ein Wildwuchs, den niemand mehr überblickt. Das Problem fällt selten auf, bis eine Auswertung nicht stimmt oder eine Rechnung nicht zugeordnet werden kann.
Die Folgen ziehen sich durch den ganzen Prozess. Im Einkauf werden Mengen falsch bestellt, weil Einheiten nicht eindeutig sind. In der Rechnungsprüfung scheitert der automatische Abgleich, weil derselbe Artikel unter mehreren Nummern geführt wird. Und in der Auswertung lassen sich Materialkosten nicht sauber vergleichen, weil die Klassifizierung uneinheitlich ist.
Die häufigsten Ursachen für schlechte Stammdatenqualität sind:
> „Schlechte Stammdaten sieht niemand in der Bilanz. Spüren tut man sie überall: bei jeder Bestellung, jeder Prüfung und jeder Auswertung."
Ein Beispiel aus dem Alltag zeigt, wie schnell daraus ein Kostenproblem wird. Wird ein Befestigungsmaterial unter drei Nummern geführt, verteilt sich der Jahresbedarf auf drei Datensätze. Im Einkauf sieht es so aus, als kaufe man drei kleine Mengen, statt einer großen. Mengenrabatte und ausgehandelte Konditionen greifen nicht, und der Betrieb zahlt am Ende für identisches Material mehr als nötig. Dieser Effekt summiert sich über hunderte Artikel zu einer spürbaren Margenlücke.
Besonders tückisch ist, dass dieser Aufwand als normal empfunden wird. Das manuelle Nachpflegen, das Suchen nach der richtigen Nummer und das Korrigieren von Hand gehören scheinbar dazu. Dabei ist genau das die Stelle, an der ein sauberer Datenstamm den größten Hebel entfaltet.
Der erste Schritt ist eine ehrliche Bestandsaufnahme. Ein Dublettencheck deckt auf, wie viele Datensätze tatsächlich dasselbe meinen. Oft schrumpft ein Stamm dabei deutlich, weil Mehrfacheinträge zusammengeführt werden. Das allein schafft schon spürbar mehr Übersicht.
Dabei muss niemand den gesamten Stamm auf einmal sanieren. Es genügt, mit den Artikeln zu beginnen, die am häufigsten bestellt werden, denn dort entsteht der größte Teil der Kosten und der größte Teil der Fehler. Diese Konzentration auf die wichtigsten Positionen liefert schnell sichtbare Ergebnisse und schafft die Akzeptanz, um den Rest des Stamms nach und nach mitzunehmen.
Der zweite Schritt sind verbindliche Pflegeregeln. Einheitliche Einheiten, klare Bezeichnungskonventionen und eine durchgängige Klassifizierung sorgen dafür, dass neue Artikel sauber angelegt werden. Entscheidend ist dabei eine klare Verantwortung: Eine zentrale Stelle pflegt den Stamm, statt dass jeder für sich Datensätze anlegt. So entsteht eine einzige verlässliche Quelle.
Wichtig ist, die Pflege nicht als einmalige Aktion zu verstehen. Ein Stamm bleibt nur sauber, wenn neue Artikel von Anfang an nach denselben Regeln entstehen und ausgelaufene Artikel konsequent ausgesteuert werden. Hilfreich ist eine kurze Checkliste, die bei jeder Neuanlage durchlaufen wird: Gibt es den Artikel schon, stimmt die Einheit, ist die Klassifizierung gesetzt, ist der Lieferant eindeutig hinterlegt. Diese wenigen Fragen verhindern, dass sich der Wildwuchs von neuem aufbaut.
Der dritte Schritt ist die Anbindung an die nachgelagerten Prozesse. Saubere Stammdaten entfalten ihren Wert erst, wenn Bestellung, Lieferschein und Rechnung auf derselben Basis arbeiten. Genau hier zahlt sich die Pflege aus, denn der automatische Abgleich funktioniert nur mit eindeutigen Daten, wie unser Beitrag zur automatischen Rechnungsprüfung über den 3- und 4-Wege-Abgleich zeigt.
Ein sauberer Stamm ist außerdem die Voraussetzung dafür, dass die Beschaffung überhaupt durchgängig ins ERP läuft, ohne Medienbruch und ohne Doppelerfassung. Warum dieser Medienbruch so teuer ist, beschreibt unser Beitrag dazu, warum die Beschaffung 2026 ins ERP gehört.
Bei CATHAGO sind gepflegte Artikelstammdaten und Preislisten der Ausgangspunkt für den gesamten Einkauf. Lieferantendateien werden importiert und zu konsistenten Artikel-Stammdaten, sodass Bestellungen auf einer einheitlichen Basis ausgelöst werden. Dubletten und uneinheitliche Einheiten werden dabei früh sichtbar, statt erst bei der Rechnungsprüfung Ärger zu machen.
Der Effekt ist messbar. Mit einem sauberen Stamm läuft die Bestellung rund 50 Prozent schneller, weil Suchen und Rückfragen entfallen. Die Rechnungsprüfung kann automatisiert matchen, weil Artikel eindeutig zugeordnet sind. Und 100 Prozent der Bestellungen landen sauber im ERP, weil die Daten von Anfang an stimmen. Auch die Dokumentenverarbeitung beschleunigt sich um bis zu 75 Prozent, da Lieferschein und Rechnung ohne manuelle Nacharbeit verarbeitet werden.
Saubere Stammdaten sind auch die Grundlage dafür, dass Rahmenverträge ihre Wirkung entfalten und ausgehandelte Konditionen automatisch greifen. Wie zentrale Beschaffung über verlässliche Daten Margen schützt, zeigt unser Beitrag zu Rahmenverträgen im Bau.
Der vielleicht wichtigste Vorteil ist aber die Transparenz. Erst mit einem konsistenten Stamm lassen sich Materialkosten über Projekte und Lieferanten hinweg wirklich vergleichen. Wer weiß, dass hinter jeder Auswertung saubere Daten stehen, kann Entscheidungen über Lieferanten, Mengen und Konditionen auf Fakten stützen, statt auf ein Bauchgefühl. Stammdatenqualität ist damit nicht nur eine Frage der Effizienz, sondern auch der Steuerbarkeit des gesamten Einkaufs.
Stammdatenpflege ist keine Fleißarbeit ohne Ertrag, sondern einer der unterschätztesten Hebel im Bau-Einkauf. Wer das Fundament saniert, beschleunigt jeden darauf aufbauenden Prozess auf einen Schlag. Der Aufwand fällt einmal an, der Nutzen wirkt dauerhaft bei jeder Bestellung, jeder Lieferung und jeder Rechnung. Genau das macht saubere Daten zu einer Investition mit verlässlicher Rendite.
Sie wissen nicht, wie viele Dubletten in Ihrem Materialstamm schlummern? Wir machen mit Ihnen einen Stammdaten-Check und zeigen in einer kurzen Demo, wie aus Lieferantendateien saubere, gepflegte Artikel-Stammdaten werden. Vereinbaren Sie Ihren Termin, und legen Sie ein verlässliches Fundament für Bestellung, Lieferschein und Rechnungsprüfung.
Drei Artikelnummern für dasselbe Kabel, zwei Einheiten für denselben Sack Zement, ein Lieferant in vier Schreibweisen. Jede einzelne Dublette im Materialstamm wirkt klein und harmlos. In Summe kosten diese Unsauberkeiten Bauunternehmen jeden Monat echtes Geld.
Stammdaten sind das Fundament, auf dem Bestellung, Lieferschein und Rechnungsprüfung stehen. Ist dieses Fundament rissig, wackelt der gesamte Beschaffungsprozess darüber. Trotzdem behandeln viele Betriebe die Pflege ihrer Artikel- und Materialstammdaten als lästige Nebensache.
Dieser Beitrag zeigt, warum schlechte Stammdaten teurer sind als gedacht, woran es typischerweise hakt und wie ein pragmatischer Aufräum-Fahrplan aussieht, der sich auch ohne großes Datenprojekt umsetzen lässt.
Stammdaten altern leise. Jeder neue Mitarbeiter legt Artikel ein bisschen anders an, jeder Lieferant liefert seine Daten in einem eigenen Format, und über die Jahre wächst ein Wildwuchs, den niemand mehr überblickt. Das Problem fällt selten auf, bis eine Auswertung nicht stimmt oder eine Rechnung nicht zugeordnet werden kann.
Die Folgen ziehen sich durch den ganzen Prozess. Im Einkauf werden Mengen falsch bestellt, weil Einheiten nicht eindeutig sind. In der Rechnungsprüfung scheitert der automatische Abgleich, weil derselbe Artikel unter mehreren Nummern geführt wird. Und in der Auswertung lassen sich Materialkosten nicht sauber vergleichen, weil die Klassifizierung uneinheitlich ist.
Die häufigsten Ursachen für schlechte Stammdatenqualität sind:
> „Schlechte Stammdaten sieht niemand in der Bilanz. Spüren tut man sie überall: bei jeder Bestellung, jeder Prüfung und jeder Auswertung."
Ein Beispiel aus dem Alltag zeigt, wie schnell daraus ein Kostenproblem wird. Wird ein Befestigungsmaterial unter drei Nummern geführt, verteilt sich der Jahresbedarf auf drei Datensätze. Im Einkauf sieht es so aus, als kaufe man drei kleine Mengen, statt einer großen. Mengenrabatte und ausgehandelte Konditionen greifen nicht, und der Betrieb zahlt am Ende für identisches Material mehr als nötig. Dieser Effekt summiert sich über hunderte Artikel zu einer spürbaren Margenlücke.
Besonders tückisch ist, dass dieser Aufwand als normal empfunden wird. Das manuelle Nachpflegen, das Suchen nach der richtigen Nummer und das Korrigieren von Hand gehören scheinbar dazu. Dabei ist genau das die Stelle, an der ein sauberer Datenstamm den größten Hebel entfaltet.
Der erste Schritt ist eine ehrliche Bestandsaufnahme. Ein Dublettencheck deckt auf, wie viele Datensätze tatsächlich dasselbe meinen. Oft schrumpft ein Stamm dabei deutlich, weil Mehrfacheinträge zusammengeführt werden. Das allein schafft schon spürbar mehr Übersicht.
Dabei muss niemand den gesamten Stamm auf einmal sanieren. Es genügt, mit den Artikeln zu beginnen, die am häufigsten bestellt werden, denn dort entsteht der größte Teil der Kosten und der größte Teil der Fehler. Diese Konzentration auf die wichtigsten Positionen liefert schnell sichtbare Ergebnisse und schafft die Akzeptanz, um den Rest des Stamms nach und nach mitzunehmen.
Der zweite Schritt sind verbindliche Pflegeregeln. Einheitliche Einheiten, klare Bezeichnungskonventionen und eine durchgängige Klassifizierung sorgen dafür, dass neue Artikel sauber angelegt werden. Entscheidend ist dabei eine klare Verantwortung: Eine zentrale Stelle pflegt den Stamm, statt dass jeder für sich Datensätze anlegt. So entsteht eine einzige verlässliche Quelle.
Wichtig ist, die Pflege nicht als einmalige Aktion zu verstehen. Ein Stamm bleibt nur sauber, wenn neue Artikel von Anfang an nach denselben Regeln entstehen und ausgelaufene Artikel konsequent ausgesteuert werden. Hilfreich ist eine kurze Checkliste, die bei jeder Neuanlage durchlaufen wird: Gibt es den Artikel schon, stimmt die Einheit, ist die Klassifizierung gesetzt, ist der Lieferant eindeutig hinterlegt. Diese wenigen Fragen verhindern, dass sich der Wildwuchs von neuem aufbaut.
Der dritte Schritt ist die Anbindung an die nachgelagerten Prozesse. Saubere Stammdaten entfalten ihren Wert erst, wenn Bestellung, Lieferschein und Rechnung auf derselben Basis arbeiten. Genau hier zahlt sich die Pflege aus, denn der automatische Abgleich funktioniert nur mit eindeutigen Daten, wie unser Beitrag zur automatischen Rechnungsprüfung über den 3- und 4-Wege-Abgleich zeigt.
Ein sauberer Stamm ist außerdem die Voraussetzung dafür, dass die Beschaffung überhaupt durchgängig ins ERP läuft, ohne Medienbruch und ohne Doppelerfassung. Warum dieser Medienbruch so teuer ist, beschreibt unser Beitrag dazu, warum die Beschaffung 2026 ins ERP gehört.
Bei CATHAGO sind gepflegte Artikelstammdaten und Preislisten der Ausgangspunkt für den gesamten Einkauf. Lieferantendateien werden importiert und zu konsistenten Artikel-Stammdaten, sodass Bestellungen auf einer einheitlichen Basis ausgelöst werden. Dubletten und uneinheitliche Einheiten werden dabei früh sichtbar, statt erst bei der Rechnungsprüfung Ärger zu machen.
Der Effekt ist messbar. Mit einem sauberen Stamm läuft die Bestellung rund 50 Prozent schneller, weil Suchen und Rückfragen entfallen. Die Rechnungsprüfung kann automatisiert matchen, weil Artikel eindeutig zugeordnet sind. Und 100 Prozent der Bestellungen landen sauber im ERP, weil die Daten von Anfang an stimmen. Auch die Dokumentenverarbeitung beschleunigt sich um bis zu 75 Prozent, da Lieferschein und Rechnung ohne manuelle Nacharbeit verarbeitet werden.
Saubere Stammdaten sind auch die Grundlage dafür, dass Rahmenverträge ihre Wirkung entfalten und ausgehandelte Konditionen automatisch greifen. Wie zentrale Beschaffung über verlässliche Daten Margen schützt, zeigt unser Beitrag zu Rahmenverträgen im Bau.
Der vielleicht wichtigste Vorteil ist aber die Transparenz. Erst mit einem konsistenten Stamm lassen sich Materialkosten über Projekte und Lieferanten hinweg wirklich vergleichen. Wer weiß, dass hinter jeder Auswertung saubere Daten stehen, kann Entscheidungen über Lieferanten, Mengen und Konditionen auf Fakten stützen, statt auf ein Bauchgefühl. Stammdatenqualität ist damit nicht nur eine Frage der Effizienz, sondern auch der Steuerbarkeit des gesamten Einkaufs.
Stammdatenpflege ist keine Fleißarbeit ohne Ertrag, sondern einer der unterschätztesten Hebel im Bau-Einkauf. Wer das Fundament saniert, beschleunigt jeden darauf aufbauenden Prozess auf einen Schlag. Der Aufwand fällt einmal an, der Nutzen wirkt dauerhaft bei jeder Bestellung, jeder Lieferung und jeder Rechnung. Genau das macht saubere Daten zu einer Investition mit verlässlicher Rendite.
Sie wissen nicht, wie viele Dubletten in Ihrem Materialstamm schlummern? Wir machen mit Ihnen einen Stammdaten-Check und zeigen in einer kurzen Demo, wie aus Lieferantendateien saubere, gepflegte Artikel-Stammdaten werden. Vereinbaren Sie Ihren Termin, und legen Sie ein verlässliches Fundament für Bestellung, Lieferschein und Rechnungsprüfung.
%202.png)
