So schaffen Sie eine zentrale Datenwahrheit im Autohaus

1. Datenwahrheit als Zuständigkeit definieren, nicht als Duplikation

Ein Händler kann Kundendaten im CRM, in der Serviceterminplanung, im DMS, in Finanzsystemen, in einem Herstellerportal und in Marketingwerkzeugen führen. Das Kopieren dieser Tabellen in ein Data Warehouse schafft eine konsolidierte Ansicht, aber nicht zwangsläufig eine verlässliche. Wenn Telefonnummern voneinander abweichen oder sich der Fahrzeughalter geändert hat, zentralisiert das Warehouse lediglich die Unsicherheit.

Die erste Gestaltungsaufgabe besteht darin, für jede Entscheidung die maßgebliche Quelle zu bestimmen. Das CRM kann für Lead-Status und Kommunikationspräferenz zuständig sein, das DMS für gebuchte Rechnungen, das Werkstattsystem für die Fertigmeldung durch Techniker und der OEM für Garantieentscheidungen. Eine Reporting-Plattform kann eine Kennzahl berechnen, ohne Eigentümerin ihrer Eingangsdaten zu werden.

Das Automotive Retail Domain Model von STAR ist hilfreich, weil es Autohausprozesse als zusammenhängende Geschäftsdomänen und nicht als undifferenzierte Datenbank behandelt. Das veröffentlichte Modell umfasst Vertriebs- und Betriebsstrukturen einschließlich Teilewesen, Buchhaltung, Kreditorenbuchhaltung, Entgeltabrechnung und Personal und soll die Fragmentierung zwischen DMS-, OEM- und Drittsystemen verringern. [1] Es ist ein Referenzmodell und kein Ersatz für die eigene Verantwortlichkeitsmatrix des Händlers.

2. Dauerhafte Identitäten und reversible Zuordnungen schaffen

Die VIN ist der natürliche Anker eines Fahrzeugs, kann bei einer frühen Bewertung jedoch fehlen, falsch eingegeben oder in einem Testdatensatz wiederverwendet werden. Kennzeichen können sich ändern. E-Mail-Adresse und Telefonnummer eines Kunden können gemeinsam genutzt oder ersetzt werden. Ein Unternehmen kann mehrere Standorte und Rechtsträger haben. Deshalb benötigt jeder zentrale Datensatz eine dauerhafte interne ID sowie die beibehaltenen IDs der Quellsysteme.

Nutzen Sie deterministische Zuordnung bei eindeutigen Nachweisen und probabilistische Vorschläge, wenn die Evidenz schwächer ist. Eine exakt validierte VIN kann Fahrzeugdatensätze verbinden. Für die Zusammenführung von Kundendatensätzen können mehrere übereinstimmende Merkmale und ein Konfidenzschwellenwert erforderlich sein. Zusammenführungen mit großer Auswirkung sollten geprüft, protokolliert und reversibel sein. Löschen Sie ursprüngliche Quellwerte niemals, denn die Datenherkunft wird benötigt, um spätere Entscheidungen zu erklären und Fehler zu korrigieren.

Einwilligung und Präferenzen dürfen nicht allein aus der Identität abgeleitet werden. Zwei Datensätze derselben Person können unterschiedliche Zwecke, Erhebungskontexte und Berechtigungen haben. Zu den Grundsätzen der DSGVO zählen Zweckbindung, Richtigkeit, Datenminimierung, Speicherbegrenzung und Rechenschaftspflicht. [2] Der führende Datensatz sollte diese Unterschiede bewahren, statt die Konsolidierung in eine uneingeschränkte Wiederverwendung zu verwandeln.

3. Den Fahrzeugdatensatz von der Aufnahme bis zur Übergabe operativ nutzbar machen

Ein Gebrauchtfahrzeug zeigt, warum Kontinuität wichtig ist. Beim Ankauf benötigt der Händler Identität, Spezifikation, Verkäufer, Zustand, Historie, erwartete Aufbereitung und Bewertung. Während der Vorbereitung braucht er Arbeitsstatus, Kosten, Medien, Standort und Schlüssel. Im Verkauf sind Inserat, Preis, Anfragen, Reservierung, Geschäft, Rechnung und Übergabe erforderlich. Wenn jede Phase einen neuen Datensatz erzeugt, lösen sich Kosten und Nachweise von dem Wirtschaftsgut, das sie verursacht hat.

Ein gemeinsamer Fahrzeugdatensatz bedeutet nicht, dass jeder alles bearbeiten darf. Ein Prüfer kann signierte Zustandsnachweise ergänzen, eine Preisrolle den Verkaufspreis freigeben, die Finanzabteilung tatsächliche Kosten buchen und ein Verkäufer das Fahrzeug reservieren. Jede Aktion sollte Zeitstempel, handelnde Person und Statusübergang enthalten. Aktuelle Werte müssen einfach nutzbar sein, während die Historie für Prüfungen erhalten bleibt.

Die Größe des europäischen Fahrzeugbestands unterstreicht die operative Bedeutung dieses Lebenszyklus. ACEA meldet für 2024 rund 256 Millionen Pkw auf EU-Straßen mit einem Durchschnittsalter von etwa 12,7 Jahren. Batterieelektrische Fahrzeuge machten 2,3 % des Bestands aus, obwohl ihr Anteil an den Neuzulassungen deutlich höher war. [3] Ein Datenmodell für Händler muss daher sowohl etablierte Verbrennerprozesse als auch zunehmende EV-spezifische Nachweise unterstützen, ohne getrennte Kunden- und Bestandssilos zu schaffen.

4. Qualität im Verhältnis zu einer Entscheidung definieren

Vollständigkeit bedeutet nicht, dass jedes Feld ausgefüllt ist. Ein fehlender zweiter Vorname beeinträchtigt möglicherweise keine Werkstattbuchung, während eine fehlende Umsatzsteuerbehandlung die Rechnungsstellung stoppen kann. Auch Aktualität hängt vom Zweck ab: Die Bestandsverfügbarkeit kann Sekunden erfordern, ein Management-Ledger wird möglicherweise erst nach der Buchung aktualisiert. Qualitätsregeln sollten die geschäftliche Auswirkung und den Schweregrad benennen.

Veröffentlichen Sie einen Qualitätswert nur, wenn Benutzer seine Bestandteile sehen und bei Fehlern handeln können. Ein einzelner grüner Prozentwert kann eine kritische Rechnungslücke verbergen. Nutzen Sie eine Ausnahmewarteschlange mit Verantwortlichem, Fälligkeitsdatum, Schweregrad und Lösungsgrund. Überwachen Sie wiederkehrende Ursachen nach Quelle und Standort, damit die Organisation die Erfassung verbessert, statt nachgelagerte Daten wiederholt zu bereinigen.

5. Governance in tägliche Workflows integrieren

Daten-Governance scheitert, wenn sie nur in einem Gremium existiert. Integrieren Sie Kontrollen dort, wo gearbeitet wird: erforderliche Bewertungsnachweise vor der Ankaufsfreigabe, Kundenabgleich vor der Geschäftserstellung, Teilevalidierung vor der Buchung und eine Begründung vor dem Überschreiben eines Preisvorschlags. Benutzer sollten verstehen, warum die Kontrolle existiert und was als Nächstes geschieht.

Benennen Sie für jede Domäne einen fachlichen Dateneigentümer und für die operative Qualität einen Data Steward. Die IT betreibt Plattformen und Integrationen, kann aber nicht jede kaufmännische Definition festlegen. Die Finanzabteilung sollte die Definition der Bruttomarge verantworten, der Aftersales-Bereich den Lebenszyklus des Werkstattauftrags und das Gebrauchtwagenmanagement den Status der Verkaufsbereitschaft. Die Gruppenleitung sollte standortübergreifende Definitionen freigeben.

Nutzen Sie einen Änderungsprozess für Definitionen. Wenn der Beginn der „Standtage“ von der physischen Aufnahme auf die buchhalterische Einlagerung verschoben wird, können historische Trends brechen. Versionieren Sie die Definition, erläutern Sie die Auswirkung und prüfen Sie eine Neuberechnung vergangener Zeiträume. Ein Kennzahlenkatalog sollte Formel, Verantwortlichen, Quellfelder, Aktualisierung, Ausschlüsse und Gültigkeitsdatum ausweisen.

6. In kleinen, messbaren Schritten liefern

Beginnen Sie nicht mit einem unternehmensweiten Data Lake und dem Versprechen, Vertrauen später herzustellen. Wählen Sie einen Workflow mit einem sichtbaren Problem, etwa doppelte Leads, die Fahrzeugaufnahme bis zur Verkaufsbereitschaft oder den Werkstattauftrag bis zur Rechnung. Ordnen Sie Entitäten und Verantwortliche zu, implementieren Sie Kontrollen, stimmen Sie Ergebnisse ab und messen Sie den Rückgang ungeklärter Ausnahmen. Erweitern Sie anschließend dieselben Identitäts- und Governance-Muster.

Eurostat berichtet, dass 2025 46,45 % der Unternehmen in der EU ERP-Software nutzten. [4] Dies ist ein allgemeiner Unternehmenskontext und kein Nachweis dafür, dass Autohaussysteme integriert sind. Er verdeutlicht einen praktischen Punkt: Der Besitz eines Kernsystems schafft nicht automatisch verlässliche systemübergreifende Daten. Governance, Schnittstellenbetrieb und Benutzerverhalten bestimmen, ob Datensätze konsistent bleiben.

Legen Sie für jeden Schritt Abnahmekriterien fest: Dublettenquote, nicht zugeordnete Datensätze, Abstimmungsabweichung, veraltete Statuswerte, Vollständigkeit von Pflichtfeldern und Alter von Ausnahmen. Bewahren Sie eine Ausgangsbasis und dokumentieren Sie Änderungen. Vermeiden Sie Aussagen über finanzielle Verbesserungen, solange der Händler die Datenmaßnahme nicht von Preis-, Volumen-, Personal- und Markteffekten trennen kann.

Wo Omnetic einzuordnen ist

Die dokumentierten Omnetic-Produkte sind auf einen gemeinsamen Kunden-, Fahrzeug- und Geschäftskontext ausgelegt. Used Car Management beschreibt die Fortführung desselben Fahrzeugdatensatzes von Aufnahme und Prüfung über Vermarktung und Veröffentlichung bis zu Geschäft, Rechnung und Übergabe. CRM beschreibt den Kontext von Kunde, Fahrzeug, Service, Geschäft, Rechnung, Beschwerde und Kommunikation. Price Report, Stock Report und CarAudit überführen Nachweise oder Analysen in operative Maßnahmen.

Dies ist eine nachvollziehbare Darstellung der Workflow-Kontinuität, aber kein unabhängiger Nachweis für ein einziges physisches Datenmodell, das Fehlen von Replikation oder universelle Verfügbarkeit. Ein Händler sollte Omnetic auffordern, Identifikatoren, Verantwortlichkeiten, Berechtigungen, Audit-Historie, Datenherkunft, Zusammenführungskontrollen, Schnittstellen und landesspezifisches Buchungsverhalten anhand seines eigenen Szenarios zu demonstrieren.