Nachhaltiges Daten-Management – eine strategische Voraussetzung für Datennutzung und Klimaschutz

Der Datenhunger der digitalisierten Wirtschaft ist immens. So bilden Daten heute immer häufiger die Grundlage für strategische Entscheidungen. In vielen Branchen sind Daten sogar zur Voraussetzung für Innovationen geworden. Zudem erheben Unternehmen Daten, um ihre Reporting-Pflichten zu erfüllen. Wirtschaftsprüfer*innen können ihrem Prüfauftrag oft nur auf der Basis von Daten nachkommen. Damit all diese Daten im Sinne der gewünschten Nachhaltigkeit gesammelt, analysiert und archiviert werden können, ist ein effizientes Daten-Management unerlässlich.

Unkoordiniertes Erzeugen, Sammeln und Speichern von Daten schafft alles andere als einen Mehrwert für die Unternehmen. Stattdessen bindet ein solches Vorgehen interne wie externe Ressourcen und schadet der Umwelt. Jedes Jahr werden durch das Speichern von nicht benötigten Daten weltweit knapp sechs Millionen Tonnen CO2 produziert – Tendenz deutlich steigend. Die Zahlen zeigen, dass die Themen Nachhaltigkeit und Ressourcenschonung auch beim Umgang mit Daten berücksichtigt werden müssen.

Vor diesem Hintergrund erscheint die Einrichtung eines nachhaltigen Daten-Management-Systems als beste Lösung: Basierend auf den strategischen und nachhaltigen Zielsetzungen des Unternehmens ist der Datenbedarf nach Art, Umfang und Detailtiefe abzuleiten. Die Daten sollten anschließend in ein nachhaltiges Data Management System inklusive Data Governance und Data Compliance integriert werden. In diesem Rahmen lassen sich Daten transparent und verlässlich aufbereiten und somit in eine klare Struktur überführen, die ineffiziente und umweltschädliche Datenfriedhöfe vermeidet.

Vom Daten-Management zur Nachhaltigkeit

Doch wie kann Daten-Management die Effizienz steigern und die Ressourcenverschwendung reduzieren? Dazu ist es wichtig, zunächst den Begriff „Daten-Management“ besser zu verstehen. Generell bezieht sich dieser auf das Sammeln, Organisieren, Pflegen, Schützen und Speichern von Daten innerhalb eines Unternehmens beziehungsweise eines Unternehmensverbundes.

Das Daten-Management legt dabei fest, wie Daten qualitätsgesichert genutzt werden können. Wesentliche Treiber des Daten-Managements sind folgende Themen:

• Data Governance: definiert Standards, Prozesse und Richtlinien, um die Sicherheit und Integrität der Daten zu gewährleisten
• Data Compliance: definiert die Kontrollen und Verantwortlichkeiten, um die Vertraulichkeit der Daten zu gewährleisten
• Data Quality: beseitigt Datenfehler und -inkonsistenzen und erstellt ein Stammdatenmanagement (MDM)
• Data Tools: automatisieren die Datenverwaltungsprozesse und reduzieren den manuellen Personalaufwand, stellen zudem die internen Kontrollen sicher
• Datenschutz: schützt die Daten vor unbefugtem Zugriff und Verfälschung und stellt die Vertraulichkeit sicher

Im Kontext des Daten-Managements werden verschiedene Funktionen kombiniert, die aggregiert sicherstellen, dass die Daten innerhalb eines Unternehmens korrekt, verfügbar und zugänglich sind. Diese Funktionen sind in der Regel in Datenaufbereitung, Datenintegration, Datenkategorisierung, Data Warehousing/ Datenbanken, Datenquellen, Datenmodellierung und Data Architecture untergliedert. Somit legt das Daten-Management die Basis für effektive und ressourcen-schonende Datenanalysen und Reporting-Strukturen.

Effizientes Daten-Management hat zudem zahlreiche weitere Vorteile. So erhöht es die Sichtbarkeit der Datenbestände. Die so gewonnene Datentransparenz ermöglicht einen produktiven und organisierten Entscheidungsfindungsprozess. Des Weiteren trägt das Daten-Management durch die Etablierung von Prozessen und Richtlinien zu einer erhöhten Verlässlichkeit der Daten bei und schafft so Vertrauen bei den Nutzer*innen. Ein weiterer Pluspunkt ist eine höhere Sicherheit: Authentifizierungs- und Verschlüsselungsprozesse schützen vor Datenverlusten, Diebstählen und Datenverstößen. Das wird vor allem bei personenbezogenen Informationen und Nachhaltigkeitsdaten relevant. Schließlich lassen sich Daten durch ein gutes Daten-Management besser skalieren – so vermeiden Anwender Doppelarbeiten etwa bei der Nachhaltigkeitsberichterstattung und generieren Synergien.

Kaum zu unterschätzen ist ein gutes Daten-Management aber im Rahmen des Reportings. Wie komplex die Berichterstattung oftmals ist, zeigen schon die vielen Übereinkommen, die eine entsprechende Nachhaltigkeitsberichterstattung verlangen. Zu nennen sind unter anderen: Solvency II, Sustainability Finance Disclosure Regulation (SFDR), EU Taxonomieverordnung, Lieferkettensorgfaltspflichtengesetz (LkSG), Corporate Sustainability Reporting Directive (CSRD) sowie Global Reporting Initiative (GRI). Nicht nur die Berichte selbst sind hierbei zu prüfen. Auch die dafür verwendeten Daten müssen im Hinblick auf deren Ordnungsmäßigkeit, Verfügbarkeit, Integrität, Verlässlichkeit und Authentizität kontrolliert werden. Nur wenn all diese Bedingungen optimal erfüllt werden, können Prüfer*innen verlässlich ihrer Arbeit nachgehen.

Herausforderungen erkennen

Da die gesetzlichen und regulatorischen Anforderungen in den kommenden Jahren voraussichtlich weiter zunehmen werden, steigt auch die benötigte Datenmenge – und mit ihr die Vielfalt an Datentypen. Ein weiterer Grund, der für die Implementierung oder Optimierung des Daten-Managements innerhalb der Unternehmen spricht. Das reine Vorhandensein eines Daten-Managements löst aber noch nicht alle Herausforderungen. Das Gegenteil ist der Fall: Unzureichendes Daten-Management führt zu inkompatiblen Datensilos, inkonsistenten Datensätzen und Datenqualitätsproblemen. Das kann die Fähigkeit, Analysen durchzuführen und Berichte auf der Basis von Daten zu erstellen, limitieren und führt auch ganz allgemein zu fehlerhaften Ergebnissen.

Eine Folge von inkonsistenten und inkompatiblen Datensilos: Sie können zu einem erhöhten Speichern von redundanten beziehungsweise nicht mehr benötigten Daten führen – sogenanntem „Dark Data“. Damit steigt auch der Verbrauch von Ressourcen (Energie und Personal). Um die damit verbundene Fehleranfälligkeit zu reduzieren und um im Sinne der Nachhaltigkeit zu wirken, sollte Dark Data entweder automatisch archiviert oder gelöscht werden. Daten sollten nur verfügbar gehalten werden, wenn die Anwender diese auch wirklich benötigen, um damit Verbrauch von Ressourcen (Energie und Personal) zu reduzieren und letztendlich die Umwelt nicht zu belasten.

Unter dem Strich liegt die Herausforderung folglich darin, eine Datenstrategie zu entwickeln, die die Aspekte der Nachhaltigkeit inkludiert und das Daten-Management selbst effizienter, effektiver und umweltschonender macht.

Herausforderungen lösen

Zwar steigen die Anforderungen an Datenmengen und -typen, das heißt aber nicht automatisch, dass im gleichen Umfang auch der Aufwand für die Speicherung, Aufbereitung und Auswertung ansteigen muss.

Der erste Schritt zur Etablierung eines nachhaltigen Daten-Managements ist es, eine entsprechende Datenarchitektur aufzusetzen. IT-Manager*innen sollten einen entsprechenden Plan erstellen, der die Verwaltung der Daten und den Einsatz passender Technologien definiert. Hierbei können sie auf eine breite Palette von Technologien und Tools zurückgreifen.

Zwei der gebräuchlichsten Technologien sind Data Warehouses und Data Lakes. Obwohl beide Methoden zur Speicherung von Big Data verwendet werden, unterscheiden sie sich doch grundlegend. Ein Data Lake ist eine große Sammlung Daten, deren Verwendungszweck noch nicht definiert ist. Ein Data Warehouse ist ein Speicherort für strukturierte, gefilterte Daten, die bereits für einen bestimmten Zweck verarbeitet wurden.

Unternehmen sollten evaluieren, ob sie eine der beiden oder beide technologischen Lösungen benötigen. Um den Anforderungen im Bereich Nachhaltigkeit aus gesetzlicher Sicht gerecht zu werden, scheint es sinnvoller zu sein, zunächst ein Data Warehouse einzurichten. In diesem lassen sich Daten für das Reporting bündeln. Das eröffnet wiederum die Möglichkeit, notwendige Governance und Compliance Funktionen zu automatisieren. Damit dies zuverlässig gelingt, sollten sowohl ein Master Data Management als auch wirksame Datenqualitätskontrollen eingerichtet werden.

Um den finalen Schritt zu einer digitalen Nachhaltigkeitsberichterstattung mit möglichst hohem Automatisierungsgrad im Rahmen des Daten-Managements zu realisieren, müssen zu guter Letzt die passenden Reporting-, Analyse- und Datenpflegetools ausgewählt werden. Das geeignete Instrumentarium lässt sich gut in einer intensiven Vorstudienphase bestimmen. Der Auswahlprozess sollte dabei stets die Anforderungen sowohl fachlicher wie nicht-fachlicher Kriterien erfüllen. So schließt sich der Kreis eines nachhaltig implementierten Daten-Managements.

Fazit

Im Sinne der Green IT spart nachhaltiges Daten-Management nicht nur Kosten für Datenbank- oder Servererweiterungen bei allen künftigen Datenanalysen ein. Es reduziert auch Energie und senkt somit die CO2-Emissionen. Gleichzeitig erfüllt es seinen eigentlichen Zweck und stellt Wirtschaftsprüfer*innen auf effiziente Weise die benötigten Daten für ihren Prüfauftrag zur Verfügung.

Für weitere Themen rund um die Wirtschaftsprüfung und Mazars folgen Sie uns auch auf LinkedIn, X und XING.