Datengovernance im ESG-Kontext

Warum Daten über Nachhaltigkeit entscheiden

Nachhaltigkeitsthemen sind vielfältig – ihr Fundament ist dasselbe

Ob Treibhausgasemissionen, Lieferkettenrisiken, Wasserverbrauch, Diversitätskennzahlen oder die Einhaltung von Sorgfaltspflichten: Nachhaltigkeitsthemen sind inhaltlich breit gefächert und berühren nahezu alle Unternehmensbereiche. Diese Themen verbindet, dass sie nur so steuerbar, kommunizierbar und nachweisbar sind, wie die Daten, auf denen sie basieren. Nachhaltigkeit ist also, bei aller inhaltlichen Vielfalt, zuerst ein Datenproblem.

Das gilt auch für ESG-Software: Sie kann nur automatisieren, was an Datenstruktur bereits vorhanden ist. Ohne saubere Governance bleibt jede Softwareeinführung ein teures Symptom-Pflaster statt einer echten Lösung.

Die häufigsten Schmerzen in der Praxis

• Daten sind schwer zu beschaffen: ESG-relevante Informationen entstehen an vielen Stellen: Produktion, Beschaffung, Personalabteilung, externe Dienstleister. Diese Daten überhaupt erst zu erfassen und zusammenzuführen ist oft die größte Hürde.

• Daten sind über Systeme und Abteilungen verstreut: Einkaufsdaten liegen im ERP, Reisedaten bei der Buchhaltung, Abfalldaten beim Facility-Management, ohne gemeinsame Struktur oder einheitliche Ablage.

• Dateiversand per Mail führt zu Doppelversionen: ESG-Daten werden häufig per E-Mail als Excel-Anhänge ausgetauscht, anstatt sie zentral in einer gemeinsamen Ablage zu führen. Das Ergebnis: parallele Versionen, unklare Aktualität, keine Nachvollziehbarkeit.

• Niemand fühlt sich zuständig: Es ist intern nicht geregelt, wer für die Qualität und Aktualität einzelner Kennzahlen verantwortlich ist. Im Zweifelsfall ist niemand zuständig. Fehler bleiben dadurch oft monatelang unentdeckt und werden erst bemerkt, wenn ein Prüfer oder Kunde nachfragt.

• Berechnungsmethoden variieren: Kennzahlen werden je nach Abteilung oder Jahr unterschiedlich berechnet, ohne dass Änderungen dokumentiert werden. Die Folge: Zeitreihenvergleiche werden dadurch unzuverlässig.

• Keine Auditierbarkeit: Der Weg von Rohdaten zu veröffentlichten Kennzahlen ist nicht dokumentiert und kann nicht reproduziert werden.

Fehlende Governance bedeutet Risiko, Mehraufwand und Kosten

• Reputationsrisiko: Widersprüchliche Angaben in verschiedenen Berichten führen zu Irritationen bei Kunden und Finanzierungspartnern.

• Haftungsrisiko: Falsche oder nicht belegbaren Angaben in prüfungspflichtigen Berichten können zu Sanktionen führen.

• Operatives Risiko: Datenverlust, manuelle Fehler und Abhängigkeit von Einzelpersonen können zu Verzögerungen im operativen Tagesgeschäft führen.

• Strategisches Risiko: Wer seine Datenbasis nicht kennt, kann keine fundierten Nachhaltigkeitsentscheidungen treffen.

• Kosten- und Aufwandsrisiko: Fehlende Governance bedeutet konkreten Mehraufwand. Ohne klare Datenstrukturen müssen Berichtsdaten jedes Mal neu zusammengetragen und geprüft werden.

• Höhere Prüfungskosten: Externe Prüfer sind teuer. Eine nachweisbar gute Datengovernance verkürzt Prüfungsprozesse erheblich, weil Belege direkt vorliegen statt mühsam angefordert werden müssen.  

Was ist Datengovernance

Datengovernance bezeichnet die Gesamtheit der Regeln, Verantwortlichkeiten, Prozesse und Strukturen, mit denen ein Unternehmen die Nutzung, Qualität und Sicherheit seiner Daten steuert. Sie legt fest, wer welche Daten unter welchen Bedingungen erfassen, pflegen, nutzen und veröffentlichen darf und wer dafür verantwortlich ist.

Das Datenmanagement umfasst dann die operative Umsetzung (Pflege, Speicherung, Integration) der Datengovernance.

Schlüsselkonzepte der Datengovernance

Data Ownership und Data Stewardship

Eines der wirkungsvollsten Prinzipien der Datengovernance ist die klare Zuweisung von Verantwortung. Dabei unterscheidet man zwei Rollen:

• Data Owner: ist eine Person oder Organisationseinheit, die die fachliche Verantwortung für einen Datensatz oder eine Datenkategorie trägt. Sie entscheidet über die Definition, die zulässige Nutzung und die Qualitätsanforderungen.

• Data Steward: ist operativ verantwortlich für Pflege, Qualitätskontrolle und Dokumentation. Etwa die Person, die monatlich Energieverbrauchsdaten erfasst und plausibilisiert.

Ohne diese Rollen entstehen Zuständigkeitslücken: Niemand fühlt sich verantwortlich, wenn Daten fehlen, inkonsistent sind oder sich Berechnungsmethoden unbemerkt ändern.

Datenqualität

Datenqualität umfasst mehrere Dimensionen, im ESG-Kontext besonders relevant:

• Vollständigkeit: Sind alle relevanten Quellen, Standorte, Perioden und Kategorien erfasst?

• Korrektheit: Stimmen die erfassten Werte mit der realen Grundlage über ein?

• Einheitlichkeit: Werden Begriffe, Einheiten und Berechnungsmethoden im gesamten Unternehmen konsistent verwendet?  

• Aktualität: Werden die aktuellsten Daten verwendet oder handelt es sich um veraltete Datensätze?

• Nachvollziehbarkeit: Ist dokumentiert, wie ein Wert zustande gekommen ist?

Datengranularität

Granularität beschreibt den Detaillierungsgrad, auf dem Daten erfasst werden. Die Entscheidung darüber ist keine technische, sondern eine fachliche: Sie richtet sich nach Berichtsanforderungen, internen Steuerungsbedürfnissen und Erhebungsaufwand.

Single Source of Truth (SSOT): Eine zentrale Datenbasis

Für jede relevante Kennzahl gibt es eine autoritative Referenzquelle, alle anderen Darstellungen leiten sich daraus ab. Dabei ist die SSOT nicht unbedingt ein einzelnes System, sondern vielmehr ein Prinzip. Im ESG-Reporting ist das besonders kritisch, weil dieselben Daten für verschiedene Zwecke genutzt werden. Nicht synchronisierte Quellen führen zu Widersprüchen mit Reputations- und Haftungsrisiken.

Die Tanso Software setzt genau hier an: Sie führt Daten aus unterschiedlichen Quellsystemen – etwa ERP, PLM oder bestehenden ESG-Tools – in einer zentralen, auditierbaren Datenbasis zusammen und konsolidiert sie, sodass interne Steuerung und externe Berichterstattung aus einer zentralen, nachvollziehbaren Quelle bedient werden.

Data Lineage: Woher kommen die Zahlen?

Data Lineage beschreibt die vollständige Herkunft und den Verarbeitungsweg eines Datenwerts. Im ESG-Reporting ist das besonders kritisch: Fragt ein Wirtschaftsprüfer nach dem Nachweis für eine CO₂-Zahl, muss der Weg vom Ursprungswert bis zur veröffentlichten Kennzahl lückenlos rekonstruierbar sein. Fehlt diese Nachvollziehbarkeit, ist die Prüfung faktisch blockiert.

Tanso bildet diese Rückverfolgbarkeit über einen integrierten Audit-Trail ab: Jede Kennzahl lässt sich von der Rohdateneingabe bis zur veröffentlichten Zahl nachvollziehen, inklusive Bearbeitungsschritten und Freigaben.  

Richtlinien und Standards

Datengovernance operiert auf Basis intern verbindlicher Richtlinien, die festlegen, welche Datenquellen autorisiert sind, wie oft Daten validiert werden, wie Methodikänderungen dokumentiert werden und wer Veröffentlichungen genehmigt. Sie schaffen die Grundlage dafür, dass Daten über Abteilungen, Systeme und Zeit hinweg konsistent und prüfbar bleiben.

Datenkatalog

Ein Datenkatalog ist ein systematisches Verzeichnis aller relevanten Datensätze, ihrer Definitionen, Herkunft, Verantwortlichkeiten und Qualitätsmerkmale. Er beantwortet die Grundfrage: Was haben wir für Daten, wo liegen sie, und was bedeuten sie? Ohne eine solche Übersicht ist nachhaltiges Reporting strukturell nicht skalierbar.

Der Weg zu guter Datengovernance: erste Schritte

Kein Big-Bang – ein pragmatischer Einstieg

Datengovernance ist kein Projekt, das man abschließt, sondern ein kontinuierlicher Reifeprozess. Der Einstieg über ESG-Kerndaten – Treibhausgasemissionen, Energieverbrauch, wesentliche Sozialkennzahlen – ist wirkungsvoller als ein theoretisch umfassendes, in der Praxis nicht gelebtes System.

Fünf Schritte für den Einstieg

• Bestandsaufnahme: Welche ESG-Daten benötigen Sie? Wo liegen sie? Wer pflegt sie heute? Sinnvoll ist eine systematische Erhebung pro Berichtspunkt: Quelle, verantwortliche Person und aktueller Pflegeprozess werden in einer einfachen Tabelle erfasst. Das schafft Transparenz, bevor weitere Schritte unternommen werden.

• Verantwortlichkeiten klären: Benennen Sie Data Owner und Stewards für Ihre Kernkennzahlen. Wichtig ist, dass diese Rollen nicht nebenbei vergeben, sondern explizit kommuniziert und in Stellen- oder Prozessbeschreibungen festgehalten werden, damit Verantwortung im Tagesgeschäft auch tatsächlich gelebt wird.

• Methodik dokumentieren: Halten Sie Berechnungsregeln, Datenquellen und Abgrenzungen schriftlich fest. Ein lebendes Methodikdokument, das bei jeder Anpassung versioniert wird, verhindert, dass Wissen an Einzelpersonen gebunden bleibt und schafft die Grundlage für nachvollziehbare Zeitreihenvergleiche.

• Zentrale Datenbasis einrichten: Konsolidieren Sie Daten aus verschiedenen Quellen in einer SSOT und stellen Sie sicher, dass Daten dort gepflegt werden, nicht per E-Mail-Anhänge ausgetauscht. Das mag selbstverständlich klingen, ist aber in vielen Unternehmen noch nicht Realität. Hier zeigt sich auch, wo ESG-Software ansetzen kann: Eine zentrale Datenbasis ist die Voraussetzung dafür, dass ein Reporting-Tool überhaupt sinnvoll automatisieren kann, statt nur eine weitere isolierte Datenquelle zu schaffen.

• Prozesse und Kontrollen einführen: Etablieren Sie regelmäßige Validierungsroutinen und Change-Management für Methodiküberarbeitungen. Quartalsweise Plausibilitätsprüfungen und ein festgelegter Freigabeprozess für Methodikänderungen sorgen dafür, dass Datenqualität nicht einmalig hergestellt, sondern dauerhaft gesichert wird.

Diese fünf Schritte lassen sich nicht im Alleingang und nicht über Nacht umsetzen. Impact Strategies unterstützt Unternehmen dabei mit einem methodischen Beratungsansatz: von der initialen Bestandsaufnahme über die Definition von Verantwortlichkeiten bis zur Einführung einer zentralen Datenbasis als Ausgangspunkt für die Softwareeinführung. So entsteht aus einzelnen Maßnahmen ein belastbares Fundament, auf dem Nachhaltigkeitsberichterstattung dauerhaft und ohne wiederkehrenden Kraftaufwand funktioniert.

Auf dieser Grundlage setzt Tanso als ganzheitliche CO₂- und ESG-Datenmanagement-Software an: Die Plattform integriert sich nahtlos in bestehende Systeme, führt Informationen aus verschiedenen Quellsystemen automatisiert zusammen und macht sie – von der Erfassung über die Verarbeitung bis zur Dokumentation jedes Berechnungsschritts, auf Basis einer TÜV Rheinland-zertifizierten Methodik auditierbar und nachvollziehbar.