Was ist ein Wirtschaftsglossar?
Ein Geschäftsglossar eine sorgfältig zusammengestellte, unternehmensweite Lager vereinbarter Definitionen für Geschäftsbegriffe und Kennzahlen. Es beantwortet eine Frage, die auf den ersten Blick einfach erscheint: Wenn zwei Teams von „Umsatz“ sprechen, meinen sie dann dasselbe?
Ohne ein gemeinsames Glossar können Analysten aus den Bereichen Finanzen, Vertrieb und Marketing jeweils unterschiedliche Umsatzzahlen angeben – die zwar alle nach ihren eigenen Definitionen technisch korrekt, untereinander jedoch nicht kompatibel sind. Das Geschäftsglossar diese Unklarheiten, indem es eine verbindliche Definition festlegt, auf die sich jedes Team, jedes System und jedes KI-Modell verlassen kann.
Geschäftsglossar vs. Datenwörterbuch vs. Datenkatalog
Diese drei Werkzeuge werden häufig verwechselt. Sie lösen zwar verwandte, aber unterschiedliche Probleme.
| Wirtschaftsglossar | Datenwörterbuch | Datenkatalog | |
|---|---|---|---|
| Hauptzielgruppe | Geschäftsanwender, Führungskräfte, Datenverwalter | Dateningenieure, Analysten, Entwickler | Datenteams, Analysten, Data Governance Leiter |
| Was damit gemeint ist | Geschäftskonzepte und Kennzahlen in einfacher Sprache | Technische Eigenschaften von Datenfeldern und Tabellen | Metadaten Datenbeständen systemübergreifend |
| Sprache | Wirtschaftssprache („Nettoumsatz = Rechnungsumsatz abzüglich Retouren“) | Fachsprache („Feld: net_rev, Typ: decimal(12,2), nullzulässig: false“) | Gemischt (Asset-Bezeichnungen, Eigentümer, Tags, Herkunft) |
| Geltungsbereich | Organisationsweite Begriffsdefinitionen | System- oder datenbankspezifisch | Unternehmensdaten Datenlandschaft |
| Im Besitz von | Data Governance, geschäftliche Interessengruppen | Datenverarbeitung, Datenbankadministratoren | Datenplattform oder Governance-Team |
| Beispiel-Eintrag | „Kundenabwanderung: Der Prozentsatz der Kunden, die ihren Vertrag nicht innerhalb von 90 Tagen nach Vertragsablauf verlängert haben“ | „churn_flag: Boolescher Wert, abgeleitet aus renewal_date IS NULL WHERE days_since_expiry > 90“ | Asset: customer_churn_model, Eigentümer: analytics_eng, zuletzt aktualisiert: 01.05.2026, Upstream: Tabelle „contracts“ |
| Beziehung zueinander | Definiert das Konzept | Setzt das Konzept in Daten um | Ermittelt, wo sich das Konzept befindet |
Die Kurzfassung: Das Glossar definiert, was ein Begriffbedeutet, das Wörterbuch definiert, wie ergespeichert wird, und der Katalog definiert, wo ersich befindet.
Beispiel für einen Glossareintrag
Ein gut strukturierter Eintrag enthält mehr als nur eine Definition. Hier ist ein Beispiel mit Erläuterungen.
| Feld | Wert |
|---|---|
| Begriff | Netto-Umsatzbindung (NRR) |
| Definition | Der prozentuale Anteil der wiederkehrenden Umsätze, die über einen gleitenden 12-Monats-Zeitraum von bestehenden Kunden erzielt werden, einschließlich Ausweitungen, Reduzierungen und Abwanderungen. Umsätze mit Neukunden sind hiervon ausgenommen. |
| Berechnung | (Ausgangs-MRR + Expansions-MRR − Kontraktions-MRR − Abwanderungs-MRR) ÷ Ausgangs-MRR × 100 |
| Quellsystem | Abrechnungsplattform (Vertragstabelle) |
| Eigentümer | Finanzvorstand |
| Steward | Team für Umsatzanalyse |
| Status | Genehmigt |
| Gültigkeitsdatum | 01.01.2025 |
| Verwandte Begriffe | Bruttoumsatzbindung, monatlich wiederkehrende Umsätze, Abwanderungsrate, Customer Lifetime Value |
| Anmerkungen | Zu den Erweiterungen zählen Upsells und die Hinzufügung weiterer Lizenzen. Zu den Verringerungen zählen ausschließlich Downgrades; dies gilt nicht für einmalige Gebühren. |
So erstellen Sie ein Unternehmensglossar: Ein konkreter Arbeitsablauf
Schritt 1: Begriffe identifizieren und priorisieren
Versuchen Sie nicht, alles auf einmal zu definieren. Beginnen Sie mit den Begriffen, die die größten Probleme verursachen – Kennzahlen, die in der Berichterstattung an den Vorstand verwendet werden, Begriffe, die in mehreren Systemen mit unterschiedlichen Werten vorkommen, sowie KPIs, die mit der Vergütung oder der Compliance zusammenhängen.
Kriterien für die Priorisierung:
- Erhebliche Auswirkungen auf das Geschäft (Verwendung bei Entscheidungen, Prognosen oder behördlichen Meldungen).
- Hohe Mehrdeutigkeit (die derzeit von Team zu Team unterschiedlich definiert wird).
- Hohe Häufigkeit (taucht regelmäßig in Dashboards, Berichten oder Datenpipelines auf).
Ziel: 20–50 Begriffe für die erste Veröffentlichung. Eine zu umfassende Sammlung ist der Feind der Akzeptanz bei der Markteinführung.
Schritt 2: Zuweisung der Zuständigkeit vor dem Verfassen der Definitionen
Jeder Begriff benötigt zwei Rollen:
- Verantwortlicher: Der Stakeholder für die Definition zuständig ist (z. B. ist der CFO für „Umsatz“ verantwortlich).
- Verwalter: Der Datenverantwortliche, der für die technische Richtigkeit sorgt und die Einträge auf dem neuesten Stand hält.
Ohne klare Zuständigkeiten geraten Definitionen ins Wanken, und Einträge veralten.
Schritt 3: Validierungssitzungen Stakeholder durchführen
Entwürfe für Definitionen sollten in kleinen Arbeitssitzungen erarbeitet werden – nicht per E-Mail im Ausschuss. Eine 60-minütige Arbeitssitzung mit dem Verantwortlichen, dem Betreuer und ein oder zwei nachgelagerten Anwendern kann Konflikte bei Definitionen schneller lösen als wochenlanger asynchoner E-Mail-Austausch.
Checkliste für jede Sitzung:
- Was bedeutet das im Klartext?
- Was ist ausdrücklich ausgeschlossen?
- Wie lautet die Berechnung (falls zutreffend)?
- Welches System ist die maßgebliche Quelle?
- Welche verwandten Begriffe müssen miteinander verknüpft werden?
Schritt 4: Veröffentlichen und integrieren
Ein Glossar ist nur dann von Nutzen, wenn es dort verfügbar ist, wo die Mitarbeiter arbeiten. Integrieren Sie die Definitionen in:
- Tooltips und Berichtsköpfe in BI-Tools
- Datenkatalog Asset-Beschreibungen
- Einführungsunterlagen
- Datenverträge und Pipeline-Dokumentation
Schritt 5: Legen Sie einen Rhythmus für die Überprüfungen fest
Planen Sie mindestens vierteljährliche Überprüfungen ein. Leiten Sie sofortige Überprüfungen ein, wenn:
- Änderungen am Quellsystem
- Eine Änderung des Geschäftsmodells wirkt sich auf die Berechnung einer Kennzahl aus
- Eine Fusion oder Übernahme führt zu widersprüchlichen Definitionen
- Ein KI-/ML-Modell, das anhand von mit einem Glossar verknüpften Daten trainiert wurde, wird neu trainiert oder aktualisiert
Plattformauswahl: Tabellenkalkulation vs. Wiki vs. Data-Intelligence-Plattform
| Tabellenkalkulation | Wiki (Confluence, Notion) | Datenanalyseplattform | |
|---|---|---|---|
| Einrichtungszeit | Protokoll | Öffnungszeiten | Tage bis Wochen |
| Kosten | Kostenlos | Niedrig | Höher |
| Integration mit Datensystemen | Keine | Eingeschränkt (manuelle Verknüpfungen) | Native (Katalog, Abstammungslinie, Pipelines) |
| Suche und Auffindbarkeit | Schlecht (Strg+F) | Mäßig | Stark (semantisch, tagbasiert) |
| Versionsverwaltung | Handbuch | Grundlagen | Vollständiges Protokoll |
| Governance-Workflow | Keine | Manueller Genehmigungsprozess | Konfigurierbarer Prüf- und Genehmigungsprozess |
| Scalability | Wird nach etwa 200 Begriffen aufgeschlüsselt | Auf etwa 500 Begriffe überschaubar | Skalierbar auf Tausende von Begriffen |
| Am besten geeignet für | Teams, die gerade erst anfangen, Proof of Concept | Kleine Teams mit geringem Verwaltungsaufwand | Unternehmen mit ausgereifter Data Governance regulatorischen Anforderungen |
Empfehlung nach Laufzeit:
- Zu Beginn (weniger als 50 Begriffe, keine formelle Steuerung): Eine Tabellenkalkulation oder ein Wiki reichen aus. Konzentrieren Sie sich darauf, Definitionen abzustimmen und zu dokumentieren, nicht auf das Tool.
- Wachstum (50–300 Begriffe, mehrere Teams, die Daten nutzen): Wechseln Sie zu einem Wiki mit einem festgelegten Genehmigungsworkflow, bevor sich die Begriffe zu sehr vermehren.
- Skalierung (über 300 Begriffe, regulierte Branche oder aktiver Einsatz von KI/ML): Eine dedizierte Data-Intelligence-Plattform mit Katalogintegration ist erforderlich. Manuelle Tools verursachen mehr Governance-Schulden, als sie einsparen.
Häufige Fehler und Anti-Muster
1. Alles vor dem Start definieren: Der Versuch, 500 Begriffe vor der Inbetriebnahme zu dokumentieren, führt unweigerlich dazu, dass das Projekt ins Stocken gerät. Starten Sie mit Ihren 20 bis 30 Begriffen mit der höchsten Priorität und arbeiten Sie schrittweise weiter.
2. Keine zugewiesenen Verantwortlichen: Eine Definition ohne Verantwortlichen ist eine Meinung. Innerhalb weniger Monate werden Teams diese informell außer Kraft setzen, und das Glossar verliert an Autorität.
3. Fachsprache in Geschäftsdefinitionen: „NRR wird aus dem Feld net_mrr_delta im Abrechnungsschema abgeleitet“ ist ein Eintrag im Datenwörterbuch, kein Glossareintrag. Geschäftsdefinitionen müssen für Personen lesbar sein, die noch nie einen Einblick in die Datenbank hatten.
4. Statische, nie überprüfte Einträge:EinGlossar, das im Jahr 2023 korrekt war, seitdem aber nicht mehr überprüft wurde, ist schlimmer als gar kein Glossar. Es weckt falsches Vertrauen. Bauen Sie den Überprüfungsrhythmus bereits vor der Einführung in das Governance-Modell ein.
5. Das Glossar als Projekt des gesamten Teams betrachten: Wenn nur das Datenteam das Glossar erstellt und pflegt, wird die Akzeptanz außerhalb dieses Teams minimal sein. Die Geschäftsverantwortlichen müssen eine sichtbare Rolle einnehmen.
6. Keine Anbindung an nachgelagerte Systeme: Ein Glossar, das in einem separaten Dokument vorliegt und keine Verbindung zu Ihren BI-Tools, Datenkatalog oder Ihren Pipelines hat, wird ignoriert. Erst durch die Integration wird es von einem Referenzdokument zu einer operativen Ressource.
Wirtschaftsglossar und KI Bereitschaft
Mit der Einführung von KI- und Maschinelles Lernen in Unternehmen Geschäftsglossar das Geschäftsglossar einer grundlegenden Ressource für die Governance – und ist nicht mehr nur ein Nachschlagewerk für Mitarbeiter.
Semantische Verschiebung
Sprache entwickelt sich weiter. Der Begriff „aktiver Kunde“ hat für Ihr Vertriebsteam heute möglicherweise eine andere Bedeutung als zum Zeitpunkt des Trainings Ihres Empfehlungsmodells. Wenn sich die Definition im Glossar ändert, die Training des Modells jedoch nicht, kommt es zu einer semantischen Abweichung: Das Modell optimiert sich auf eine Definition, die nicht mehr der geschäftlichen Absicht entspricht.
Ein versioniertes Glossar mit Gültigkeitsdaten macht semantische Abweichungen erkennbar. Wenn sich eine Definition ändert, können Daten- und ML-Teams beurteilen, ob Modelle, die auf diesem Konzept trainiert wurden, neu trainiert oder evaluiert werden müssen.
LLM-Erdung
Große Sprachmodelle, die intern für Analysen, Berichte oder kundenorientierte Anwendungsfälle eingesetzt werden, benötigen ein strukturiertes Vokabular, um zu vermeiden, dass sie fiktive Definitionen von Kennzahlen generieren. Ein gut gepflegtes Geschäftsglossar dazu dienen, die Ergebnisse von LLMs zu verankern – indem es dem Modell verbindliche Definitionen liefert, sodass es keine eigenen Interpretationen von Begriffen wie „Abwanderung“ oder „Konversion“ erfinden kann.
Dokumentation zu den Funktionen
Aus Geschäftskennzahlen abgeleitete Maschinelles Lernen (z. B. ein aus NRR, Anmeldehäufigkeit und Support-Ticket-Aufkommen abgeleiteter Abwanderungsrisikowert) sollten auf die Glossardefinitionen zurückgeführt werden, die den jeweiligen Eingabewert verankern. Dies fördert die Erklärbarkeit des Modells und ermöglicht es, Vorhersagen anhand der Geschäftslogik zu überprüfen.
Datenverträge
KI-Pipelines, die Produktionsdaten verarbeiten, Nutzen formalen Datenverträgen, die auf im Glossar genehmigte Definitionen verweisen. Ändert sich die vorgelagerte Definition eines Begriffs, wird der Vertrag explizit gekündigt, anstatt die nachgelagerten Modellergebnisse stillschweigend zu verfälschen.
Warum Actian der richtige Partner für Ihr Unternehmen ist Glossar
Ein Geschäftsglossar seine volle Leistungsfähigkeit erst dann, wenn es mit den Daten, Systemen und Arbeitsabläufen verknüpft ist, die es unterstützt. Hier hilft Actian Unternehmen dabei, den Schritt von statischen Definitionen hin zu einer wirklich integrierten Grundlage für Governance und Analytik zu vollziehen.
Mit der Actian Data Intelligence-Plattformkönnen Sie:
- Zentralisieren Sie Geschäftsbedingungen an einem Ort.
- Beständigkeit gewährleisten.
- Verbinden Sie Definitionen mit realen Datenquellen.
- Unterstützung von Metadaten Governance-Workflows.
- Ermöglichen Sie eine gemeinsame Geschäftssprache in allen Abteilungen.
- Skalieren Sie Definitionen entsprechend dem Wachstum Ihres Datenökosystems.
Actian bietet Unternehmen die nötige Stabilität, Transparenz und Kontrolle, um ein Geschäftsglossar einem strategischen Vorteil Geschäftsglossar machen. Wenn Sie bereit sind, Ihr Glossar aufzubauen oder zu modernisieren und Ihre Governance-Grundlage zu stärken, bietet Actian Ihnen die Plattform, mit der Sie dieses Ziel erreichen können. Vereinbaren Sie noch heute einen Termin für eine individuelle Vorführung der Actian Data Intelligence-Plattform.
FAQ
Ein Geschäftsglossar , was ein Begriff in der Geschäftssprachebedeutet– es richtet sich an Menschen. Ein Datenwörterbuch definiert, wie ein Begriff in einer Datenbankdargestelltwird – es richtet sich an Systeme und Entwickler. Ein Glossareintrag zu „Customer Lifetime Value“ erklärt das betriebswirtschaftliche Konzept und die anerkannte Berechnungsmethode in leicht verständlicher Sprache. Der entsprechende Eintrag im Datenwörterbuch gibt den Feldnamen, den Datentyp, die Nullwertbeschränkungen und die Tabelle an, in der sich das Feld befindet. Beide sind notwendig; keiner ersetzt den anderen.
Ein Datenkatalog die Datenbestände Ihres gesamten Unternehmens – Tabellen, Dashboards, Pipelines, Modelle – zusammen mit Metadaten jedem einzelnen Bestand (Eigentümer, Herkunft, Nutzung). Ein Geschäftsglossar die Konzepte und Kennzahlen, die diese Assets repräsentieren. Beide ergänzen sich: Der Katalog gibt an, wo sich die „Umsatz“-Daten befinden; das Glossar erklärt, was „Umsatz“ bedeutet. In Data Governance meisten ausgereiften Data Governance werden Glossarbegriffe mit Katalog-Assets verknüpft, sodass jedes Daten-Asset auf eine genehmigte Definition verweist.
Beginnen Sie mit Begriffen, die (a) häufig bei Entscheidungen und in der Berichterstattung verwendet werden, (b) teamübergreifend mehrdeutig sind oder (c) mit Compliance- oder Finanzberichterstattung in Verbindung stehen. Zu den gängigen Ausgangskategorien gehören zentrale Finanzkennzahlen (Umsatz, Marge, Kosten), Kundenkennzahlen (Abwanderung, Kundenbindung, LTV, aktive Kunden), operative Kennzahlen (SLA, Durchsatz, Auslastung) sowie domänenspezifische, regulierte Begriffe. Widerstehen Sie der Versuchung, jeden technischen Bereich oder jeden systemspezifischen Parameter einzubeziehen – diese gehören in das Datenwörterbuch.
Weisen Sie jedem Begriff einen Verantwortlichen und einen Betreuer zu. Planen Sie vierteljährliche Überprüfungen des gesamten Glossars ein und leiten Sie sofortige Überprüfungen ein, wenn sich Quellsysteme, Geschäftsmodelle oder gesetzliche Anforderungen ändern. Verwenden Sie ein versionsverwaltetes System, das festhält, wann Definitionen geändert wurden und wer die Änderung genehmigt hat. Entfernen oder archivieren Sie Begriffe, die nicht mehr verwendet werden, anstatt veraltete Definitionen im aktiven Glossar zu belassen.
Auf drei Arten. Erstens verhindert es eine semantische Drift, indem Definitionsänderungen explizit und versionsverwaltet festgehalten werden, sodass Teams beurteilen können, ob Modelle, die auf einem bestimmten Konzept trainiert wurden, neu trainiert werden müssen, wenn sich die Definition ändert. Zweitens kann es zur Verankerung interner LLMs genutzt werden, indem es ihnen ein verbindliches Vokabular zur Verfügung stellt, das verhindert, dass sie eigene Definitionen für Metriken erfinden. Drittens unterstützt es die Erklärbarkeit von Modellen und Datenverträge, indem es die genehmigte Definition jedes in einem Modell verwendeten Merkmals dokumentiert.
Die Zuständigkeit erstreckt sich auf zwei Ebenen. Das Programm selbst fällt in der Regel in den Zuständigkeitsbereich einer Data Governance , eines Chief Data Officers oder eines Data-Steward-Gremiums – also derjenigen, die Beständigkeit für die Datenqualität und Beständigkeit verantwortlich sind. Die Verantwortung für einzelne Begriffe liegt bei den Geschäftsverantwortlichen, die für das jeweilige Konzept am stärksten verantwortlich sind (z. B. ist der CFO für Umsatzdefinitionen zuständig, der CMO für Definitionen zur Marketing-Attribution). Das Datenteam fungiert als Verwalter – es sorgt für die technische Korrektheit –, sollte jedoch nicht der alleinige Urheber oder Maßstab für die geschäftliche Bedeutung sein.
Beachten Sie den obigen Beispiel-Eintrag für „Net Revenue Retention“. Ein vollständiger Eintrag umfasst: Begriffsbezeichnung, Definition in allgemein verständlicher Sprache, Berechnung (sofern es sich bei dem Begriff um eine Kennzahl handelt), maßgebliches Quellsystem, Geschäftsverantwortlicher, Datenverantwortlicher, Genehmigungsstatus, Gültigkeitsdatum sowie Links zu verwandten Begriffen. Zu den optionalen Feldern gehören Verwendungshinweise, Ausschlüsse und Links zu nachgelagerten Dashboards oder Katalogelementen.
Die Datenherkunft (Data Lineage) bildet den Weg der Daten von den Quellsystemen über verschiedene Transformationen bis hin zu ihrem endgültigen Ziel in Berichten oder Modellen ab. Ein Geschäftsglossar dieBedeutungder Konzepte an den Endpunkten dieser Datenherkunft. Zusammen beantworten sie sowohl die Frage „Woher stammt diese Zahl?“ (Datenherkunft) als auch „Was bedeutet diese Zahl?“ (Glossar). Für regulierte Branchen und die KI-Governance ist die Verknüpfung der Datenherkunft mit im Glossar genehmigten Definitionen eine zentrale Kontrollmaßnahme – sie ermöglicht es, eine gemeldete Kennzahl bis zu ihrer Quelle zurückzuverfolgen und zu bestätigen, dass sie durchgehend gemäß der genehmigten Definition berechnet wurde.
