Data Governance (DG)

Definition des Begriffs

DG steht für Data Governance, auf Deutsch Daten-Governance. Der Begriff bezeichnet ein Verfahren und ein organisatorisches Rahmenwerk zur Steuerung, Kontrolle und Qualitätssicherung von Daten innerhalb eines Unternehmens oder Finanzinstituts. Data Governance legt fest, wer für Daten verantwortlich ist, und wie Daten definiert, erfasst, verarbeitet, gespeichert, geschützt und über sie berichtet werden. Im Finanzmarktumfeld ist DG eng mit Risikodatenaggregation, Meldewesen, Rechnungslegung, Kundenprozessen, Informationssicherheit und Modellrisikomanagement verbunden. Ziel ist eine verlässliche Datengrundlage für Entscheidungen, Aufsichtsmeldungen, Risikosteuerung und interne Kontrollen. DG ist kein einzelner Rechtsakt, sondern ein übergreifendes Governance-Verfahren mit Bezügen zu Aufsichtsrecht, Datenschutzrecht und IT-Regulierung.

Vorkommen und Verwendung

Data Governance wird von Banken, Versicherern, Wertpapierfirmen, Zahlungsinstituten, Kapitalverwaltungsgesellschaften und Finanzmarktinfrastrukturen genutzt. Verantwortlich sind Geschäftsleitung, Fachbereiche, IT, Risikocontrolling, Compliance, Datenschutz, interne Revision und zentrale Datenfunktionen. Die Anwendung erfolgt laufend und anlassbezogen, etwa bei neuen Produkten, Migrationen, Auslagerungen, Datenqualitätsproblemen oder regulatorischen Projekten. Kernbereiche sind:

1. Festlegung von Datenverantwortung, Data Ownership und Eskalationswegen.
2. Einheitliche Definitionen, Datenkataloge und fachliche Datenmodelle.
3. Kontrollen auf Vollständigkeit, Richtigkeit, Aktualität, Konsistenz und Nachvollziehbarkeit.
4. Regeln für Zugriff, Schutzbedarf, Aufbewahrung, Löschung und Datenweitergabe.
5. Überwachung von Datenqualitätskennzahlen, Abweichungen und Korrekturmaßnahmen.

Relevanz

DG ist relevant, weil fehlerhafte oder uneinheitliche Daten zu falschen Risikoeinschätzungen, unzutreffenden Meldungen, ineffizienten Prozessen und erhöhten operationellen Risiken führen können. Für Finanzinstitute beeinflusst Data Governance die Qualität von ICAAP, ILAAP, Stresstests, Kreditprozessen, Geldwäscheprävention, Nachhaltigkeitsberichten und Managementinformationen. Aufsichtliche Erwartungen verlangen belastbare Datenarchitekturen, klare Verantwortlichkeiten und nachvollziehbare Datenflüsse. Eine wirksame DG unterstützt zudem Automatisierung, Modellvalidierung und digitale Transformation. Sie ersetzt keine fachliche Prüfung, schafft aber die Grundlage für prüfbare und konsistente Informationen.

Beispiel/Synonyme oder verwandte Begriffe

Ein Beispiel ist die Einführung eines zentralen Datenkatalogs für Kreditrisikodaten. Darin werden Definitionen, Herkunftssysteme, Verantwortliche, Qualitätsregeln und Kontrollen dokumentiert. Verwandte Begriffe sind:

• Data Ownership, fachliche Verantwortung für Datenbestände.
• Data Quality Management, systematische Sicherung der Datenqualität.
• Data Lineage, Nachvollziehbarkeit von Datenursprung, Verarbeitung und Nutzung.
• BCBS 239, Prinzipien für Risikodatenaggregation und Risikoberichterstattung.

Weitere Informationen

Weitere Informationen betreffen insbesondere Anforderungen aus MaRisk, BAIT, DORA, Datenschutz-Grundverordnung, BCBS 239 und europäischen Leitlinien zur Governance. Wichtige Nachweise sind Datenrichtlinien, Rollenmodelle, Kontrollberichte, Datenflussdokumentationen, Berechtigungskonzepte und Maßnahmenpläne. Entscheidend ist die Einbindung in Geschäftsstrategie, Risikomanagement, IT-Architektur und interne Kontrollsysteme.

Weiterführende Details, regulatorische Vorgaben und Methodikbeschreibungen finden Sie auf Regupedia: www.regupedia.de