Kundenstammdaten im ERP bereinigen: wie man Duplikate entfernt, ohne den Betrieb lahmzulegen

In jedem zweiten Unternehmen, das mit der Bitte „wir wollen endlich sehen, wer unser bester Kunde ist" zu uns kommt, liegt das Problem nicht im Reporting. Es liegt im Kundenstamm. Derselbe Kunde steht im ERP unter vier Namen, mit drei verschriebenen Steuernummern und zwei unabhängigen Auftragshistorien. Kein BI-Werkzeug repariert das — auch ein teures nicht.

Duplikate im Kundenstamm sind kein kosmetisches Problem. Sie sind echtes Geld: falsche Marketingsegmente, doppelte Angebote an denselben Geschäftspartner, entgangene Mengenrabatte (weil der „neue" Kunde die Schwelle nie erreicht), Vertriebler, die Firmen kalt anrufen, die seit acht Jahren loyal sind, und ein vollständiger Vertrauensverlust der Geschäftsführung in die Vertriebsberichte. „Diese Daten sind nichts wert" — das hören wir im Schnitt einmal pro Woche.

Dieser Text handelt davon, wie man den Kundenstamm in einem 10–50-Personen-Betrieb aufräumt, ohne eine halbe Million für ein MDM-Projekt zu zahlen und ohne den Vertrieb drei Monate lang lahmzulegen.

4.200 Kunden, davon 1.400 derselbe Kunde

Bei einem unserer Kunden — einem 26-köpfigen Elektrogroßhändler, der seit 11 Jahren Comarch Optima einsetzt — war die Geschäftsführung überzeugt, „rund 4.000 aktive Kunden" zu betreuen. Die Zahl tauchte in Investorenpräsentationen, in Vertriebszielen und in Provisionsberechnungen auf.

Nach einer Woche Arbeit mit einem Export des Kundenstamms zeigte sich: Von 4.217 aktiven Kundensätzen waren 1.411 Duplikate (dieselben Firmen unter unterschiedlichen Schreibweisen), 643 Kunden hatten seit über 36 Monaten nichts gekauft, und 287 waren „Test", „Testkunde", „ABC Kontrahent" und ähnliche Überbleibsel alter Migrationen. Die echte Zahl aktiver Kunden lag bei 1.876. Weniger als die Hälfte dessen, was die Berichte sagten.

Die Folgen waren messbar. Das Segment „VIP-Kunde" (über 50.000 PLN/Jahr) zeigte im Bericht 312 Firmen — nach der Deduplizierung waren es nur 198 eindeutige Kunden, neun davon „aufgespalten" auf zwei Datensätze, sodass sie die Schwelle im Bericht nie überschritten. Sie verloren 4–7 % Mengenrabatt, der ihnen formell zustand, den sie aber nie bekamen. Das Marketing hatte 18 Monate lang denselben Newsletter viermal an dieselbe Firma geschickt. Mindestens zwei Vertriebler konkurrierten um einen „neuen" Kunden, der schon der Stammkunde eines Kollegen aus einer anderen Region war.

Das gesamte Bereinigungsprojekt dauerte 6 Wochen — 2 Wochen Audit und Analyse, 3 Wochen kontrolliertes Zusammenführen (40–80 Datensätze pro Tag, jeweils vom zuständigen Vertriebler verifiziert) und eine Woche, um die Berichte neu aufzubauen. Gesamtkosten: unter 18.000 PLN, inklusive eigener Personalzeit. Ertrag: der erste Vertriebsbericht in der Firmengeschichte, dem die Geschäftsführung vertraute, plus rund 9.000 PLN jährliche Einsparung allein im Marketing.

Das ist keine Geschichte über Software. Es ist eine Geschichte darüber, was passiert, wenn 11 Jahre lang jeder neue Kunde von dem angelegt wird, der gerade ans Telefon ging — ohne Regeln.

Woher Duplikate kommen

Niemand legt Duplikate absichtlich an. Sie sammeln sich an, weil jedes Unternehmen ein paar klassische „Duplikat-Generatoren" hat:

• Manuelle Erfassung durch verschiedene Personen. Anna schreibt „ABC GmbH", Marek „A.B.C. Sp. z o.o.", Krzysiek „ABC limited". Comarch Optima, enova365, Subiekt — keines blockiert solche Einträge, wenn die Steuernummer nicht erfasst wurde (und das ist oft der Fall, weil „der Kunde bar zahlt, da brauchen wir keine Steuernummer").
• Importe aus verschiedenen Quellen. Newsletter, Webformular, Messekontakte, Webshop-Integration — jede Quelle erzeugt einen neuen Datensatz. Ein WooCommerce-Shop weiß nicht, dass ein Kunde mit derselben E-Mail schon in Optima existiert.
• Migrationen aus Altsystemen. Jedes Unternehmen, das von Subiekt auf enova365 oder von einer Access-Datenbank auf Optima umgestiegen ist, hat „einen gewissen Prozentsatz" Duplikate ins neue System mitgenommen. Dieser Prozentsatz sinkt nie — er wächst mit neuen Einträgen weiter.
• Rechtliche Veränderungen des Kunden. Aus dem Einzelunternehmer wird eine GmbH — neue Steuernummer, neuer Name, in der Praxis derselbe Kunde beim selben Vertriebler. Verknüpft niemand die beiden Datensätze, führt das System zwei separate Einheiten mit zwei separaten Historien.
• Keine Regel „wer legt neue Kunden an". In den meisten KMU legt jeder sie an, ohne Aufsicht. Drei Personen mit Bearbeitungsrecht und fünf Jahre Betrieb reichen, um Chaos zu schaffen.

Das sind systemische Ursachen, keine menschlichen. Wenn Sie den Stamm bereinigen, aber die Ursachen nicht ändern, führen Sie in 18 Monaten dasselbe Gespräch mit der Geschäftsführung erneut.

Was „sauber" für ein KMU bedeutet

In Konzernen heißt „sauberer Stamm" ein MDM-Projekt, ein eigenes Datenteam, Tooling für eine halbe Million. In einem KMU reicht deutlich weniger, aber konkret:

• Ein Datensatz pro Geschäftspartner. Partner = eine Steuernummer. Ausnahmen (Auslandskunde ohne polnische Steuernummer, Privatperson) haben eine klare Identifikationsregel (z. B. E-Mail + Adresse).
• Einheitliches Namensformat. Der Firmenname (wie auf der Rechnung) gehört in „voller Name". Der Arbeitsname (wie ihn der Vertrieb nennt) in „Kurzname" oder „Aliase". Ohne das findet keine Suche je Ihre Duplikate.
• Steuernummer in einem Format. Überall ohne Leerzeichen, ohne Bindestriche, ohne „PL"-Präfix. Eine Regel, durch Validierung erzwungen.
• Datensatzstatus. Aktiv / archiviert / gesperrt. Ohne das unterscheiden Sie einen „ehemaligen Kunden" nicht von einem „Kunden, der nach zwei Jahren zurückkommt".
• Ein vertrieblicher Inhaber. Jeder aktive Partner hat einen zugewiesenen Betreuer. Sonst klären Sie nie die Streits um „wessen Kunde ist das" und kommen mit der Bereinigung nie zu Ende, weil sich niemand zuständig fühlt.

Fünf Dinge. Nicht zehn, nicht zwanzig. Fünf — die zusammen 90 % des Werts eines MDM-Programms auf KMU-Niveau liefern.

Wie bereinigen, Schritt für Schritt

Die Bereinigung des Kundenstamms ist, wenn sie ordentlich gemacht wird, ein 4-bis-8-Wochen-Projekt für ein typisches 20-50-Personen-Unternehmen. Die Reihenfolge ist wichtig — in falscher Reihenfolge legen Sie den Vertrieb wochenlang lahm.

1. Export und Audit — 3 bis 5 Tage. Exportieren Sie den ganzen Kundenstamm nach Excel oder CSV. Zählen Sie: wie viele Datensätze leere Steuernummer haben, wie viele eine identische Steuernummer (garantierte Duplikate), wie viele ähnliche Namen (Levenshtein/Fuzzy-Matching — geht per Excel-Formel oder mit 20 Zeilen Python), wie viele in den letzten 24 Monaten keine Transaktion hatten. Erstellen Sie einen einseitigen Bericht für die Geschäftsführung. Hier wird noch nichts verändert — nur gemessen.
2. Schriftliche Merge-Regeln. Bevor Sie irgendetwas zusammenführen, legen Sie schriftlich fest: woran erkennen wir, dass zwei Datensätze derselbe Kunde sind (Steuernummer + Firmenname, E-Mail + Adresse, für Privatpersonen — Telefon). Welcher Datensatz „gewinnt" beim Zusammenführen (meist der mit der längsten Transaktionshistorie oder den vollständigsten Daten). Was passiert mit der Verkaufshistorie, den Dokumenten, den offenen Posten des „verlierenden" Datensatzes. Comarch Optima hat eine „Partner zusammenführen"-Funktion, enova365 ebenfalls — beide verlangen klare Regeln, sonst richten Sie mehr Schaden als Nutzen an.
3. Pilot auf einem Segment. Wählen Sie ein Segment (z. B. „Kunden aus der Region Masowien" oder „Kunden von Vertriebler X") und durchlaufen Sie den vollen Merge-Zyklus. Das sind 200–500 Datensätze. Lernen Sie daran — sehen Sie, welche nicht offensichtlichen Fälle auftauchen (z. B. zwei Konzerngesellschaften mit unterschiedlichen Steuernummern, aber derselben Rechnungsadresse).
4. Kontrolliertes Zusammenführen, in Batches. 40–80 Datensätze pro Tag, jeweils vom zuständigen Vertriebler verifiziert. Führen Sie niemals in „einem großen Batch" zusammen — ein falsch gemergter Kunde in einem Großhandel bedeutet zwei Tage Entwirren von Rechnungen und Lagerreservierungen. Nach jedem Batch — eine kurze Kontrolle, ob die Vertriebsberichte nicht plötzlich Unsinn liefern.
5. Archivieren, nicht löschen. Ein Kunde, der seit 36 Monaten nichts gekauft hat, wechselt in den Status „archiviert" — er verschwindet nicht. Denn in einem halben Jahr kommt er vielleicht zurück — und dann wollen Sie seine volle Historie sehen, nicht bei null anfangen.
6. Regeln für die Zukunft. Steuernummer-Validierung, eine (oder zwei) Person mit dem Recht, neue Partner anzulegen, Integration mit der polnischen REGON-Datenbank zur automatischen Namensbefüllung aus der Steuernummer, ein monatlicher Bericht „neue Partner zur Prüfung". Ohne diesen Schritt sind Sie in 18 Monaten wieder am Anfang.

Jeder dieser Schritte funktioniert in Comarch Optima, enova365, Subiekt GT, Microsoft Dynamics 365 Business Central und den meisten anderen Systemen, die in polnischen KMU eingesetzt werden. Sie unterscheiden sich im Detail, nicht in der Idee.

Was nicht zu tun ist

Drei klassische Fehler, die wir regelmäßig sehen:

• „Wir räumen am Wochenende auf, alle Praktikanten am Freitagabend". Sie enden am Montag mit Vertrieblern, die ihre eigenen Kunden nicht wiedererkennen. Bereinigung braucht eine verantwortliche Person und Kontakt zum Vertrieb, kein Bataillon im Akkord.
• Löschen ohne Archiv. Jemand entfernt „inaktive" Datensätze, weil „die kaufen ja sowieso nicht". Ein halbes Jahr später kommt der Kunde zurück, und mit ihm die Frage „warum haben wir keine Historie und warum bekommt er Neukundenkonditionen". Ein Archiv kostet 0 PLN — Löschen kostet Vertrauen.
• Automatisches Mergen ohne Verifizierung. „Wir haben ein Skript, das nach Steuernummer alles zusammenführt". Großartig — bis es einen Kunden mit Tippfehler in der Steuernummer mit einer völlig anderen Firma zusammenführt und Sie drei Wochen später suchen, warum auf Konto X eine Bestellung aus einer anderen Region liegt. Automatisierung ja — aber als Vorschlag zur menschlichen Bestätigung, nicht als „Commit".

Die Stammdaten-Bereinigung ist Handwerk, kein Sprint. Ein Tempo von 40–80 geprüften Datensätzen pro Tag funktioniert. Alles Schnellere erzeugt meist mehr Kosten als Ersparnis.

Wo nächste Woche anfangen

Wenn Sie dies mit dem Gefühl „bei uns sieht es schlimmer aus, als ich dachte" lesen, gehen Sie in dieser Reihenfolge vor:

1. Exportieren Sie aus dem ERP den vollständigen Kundenstamm nach CSV. Öffnen Sie in Excel, sortieren Sie nach Steuernummer. Zählen Sie Datensätze mit identischer Steuernummer. Diese eine Zahl sagt 80 % der Wahrheit über Ihren Stamm.
2. Fragen Sie die Buchhaltung, wie oft sie in den letzten 12 Monaten eine Rechnung manuell korrigieren musste, weil „der Kunde dupliziert war". Das ist Ihre erste reale Kostenzahl — mal 30 Minuten pro Stück nehmen.
3. Benennen Sie eine Person, die für die Stammdatenqualität verantwortlich ist. Selbst wenn es 4 Stunden pro Woche sind. Ohne Eigentümer ändert sich nichts.
4. Machen Sie einen Pilot auf einem Segment (eine Region, ein Vertriebler, eine Produktgruppe). 200–500 Datensätze. Lernen Sie. Messen Sie, wie lange es gedauert hat.
5. Hat der Pilot funktioniert, planen Sie den Rest als 4-bis-8-Wochen-Projekt. Hat er nicht funktioniert — anhalten und prüfen, ob die Merge-Regeln schriftlich vorliegen. Ohne sie nicht weitermachen.

Stammdaten-Chaos heilt sich nicht von selbst, und ein neues ERP heilt es auch nicht (wenn Sie vor der Migration nicht bereinigen, hält das neue System dasselbe Durcheinander, nur hübscher angerichtet). Es wird von einer Person mit einem Plan und ein paar Wochen Geduld geheilt.

Wenn Sie das in Ihrer Firma aufsetzen möchten, aber nicht sicher sind, wo anfangen, helfen wir KMU regelmäßig dabei, das in Einzelteile zu zerlegen. Das erste Gespräch ist kostenlos und dauert eine halbe Stunde.

KI sagt Ihnen nicht, wer Ihr bester Kunde ist, wenn dieser Kunde unter vier Namen in der Datenbank steht. Beginnen Sie beim Stamm — der Rest hat Zeit.

← Zurück zum Blog