Aktualisiert am 7. Oktober 2026 von Nicolas Finet, CEO von Sortlist. Neu sind ein Vergleich der MDM-Betriebsmodelle und aktueller Plattformen, belastbare Kennzahlen, ein Kostenrechner sowie Entscheidungshilfen für die Einführung.
Stammdatenmanagement, kurz MDM, verbindet Prozesse, Richtlinien, Verantwortlichkeiten und Technologien, um zentrale Geschäftsobjekte wie Kunden, Produkte und Lieferanten systemübergreifend konsistent zu verwalten. Seit der Erstveröffentlichung dieses Artikels 2022 ist vor allem die Rolle verlässlicher Stammdaten für Cloud-Anwendungen, Automatisierung und KI stärker in den Vordergrund gerückt.
Das Wichtigste in Kürze
- Stammdatenmanagement verhindert Dubletten, widersprüchliche Werte und veraltete Datensätze durch gemeinsame Regeln, Prüfungen und klar benannte Verantwortliche.
- Ein MDM-System allein löst keine Qualitätsprobleme: Datenverantwortung, Freigabeworkflows und messbare Qualitätsziele müssen zuerst definiert werden.
- Beginnen Sie mit einer geschäftskritischen Domäne und einem messbaren Problem, statt sofort alle Kunden-, Produkt-, Lieferanten- und Finanzdaten zu migrieren.
Was hat sich beim Stammdatenmanagement seit 2022 geändert?
Die grundlegende Definition ist stabil geblieben: Stammdatenmanagement umfasst Prozesse, Richtlinien, Dienstleistungen und Technologien zum Erstellen, Pflegen, Vereinheitlichen und Verwalten betrieblicher Kerndaten. Verändert hat sich der Nutzungskontext. In der am 28. Mai 2026 aktualisierten MDM-Einführung nennt SAP neben effizienteren Abläufen und besseren Entscheidungen ausdrücklich verlässliche KI als Ziel einer konsistenten Datenbasis.
Auch die Werkzeuge wurden erweitert: Informatica kündigte am 2. April 2025 neue KI-gestützte Cloud-Funktionen für Integration und MDM an. Semarchy stellte am 9. September 2025 eine vereinheitlichte Plattform für Datenintegration, Governance und Stammdaten vor. Für SAP S/4HANA Cloud Public Edition 2608 kamen mit Gültigkeit ab 15. Juli 2026 neue Produktdaten-Apps für zentrale Governance, Konsolidierung, Datenqualität und Massenpflege hinzu. Diese Entwicklungen ändern das Grundproblem nicht, erweitern MDM aber von der Pflege eines „Golden Record“ zur kontrollierten Datenversorgung für Anwendungen, Analysen und KI.
Vier MDM-Betriebsmodelle im Vergleich
SAP unterscheidet vier verbreitete MDM-Ansätze. Die passende Architektur hängt davon ab, wo Datensätze angelegt werden dürfen und welche Systeme Änderungen zurückerhalten müssen.
| Ansatz | Funktionsweise | Geeignet, wenn | Wesentliche Grenze |
|---|---|---|---|
| Registry-MDM | Ein zentrales Verzeichnis verknüpft zusammengehörige Datensätze; die Originaldaten verbleiben in den Quellsystemen. | eine gemeinsame Sicht benötigt wird, operative Systeme aber unverändert bleiben sollen. | Fehler werden erkannt, jedoch nicht automatisch an ihrer Quelle beseitigt. |
| Konsolidierungs-MDM | Daten aus mehreren Quellen werden für Reporting und Analysen in einem zentralen Bestand zusammengeführt. | zunächst ein verlässlicher Analysebestand aufgebaut werden soll. | Die Quellsysteme können weiterhin voneinander abweichende Werte führen. |
| Koexistenz-MDM | Ein zentraler Hub und die Quellsysteme tauschen freigegebene Änderungen in beide Richtungen aus. | Fachbereiche Daten dezentral pflegen, aber gemeinsame Standards einhalten müssen. | Synchronisation und Konfliktauflösung erhöhen die technische und organisatorische Komplexität. |
| Zentralisiertes MDM | Stammdaten werden in einem führenden System erstellt und von dort an nachgelagerte Anwendungen verteilt. | eine verbindliche Quelle und strenge Freigabeprozesse durchsetzbar sind. | Die Umstellung greift stark in bestehende Prozesse und Systemzuständigkeiten ein. |
Aktuelle MDM-Software: Funktionen und Einordnung
Die folgende Bewertung ist eine redaktionelle Eignungseinschätzung anhand der veröffentlichten Funktionen, keine unabhängige Labornote. Prüfen Sie die Produkte mit eigenen Daten, Schnittstellen, Rollen und Qualitätsregeln.
| Plattform | Veröffentlichte Kernfunktionen | Bereitstellungsschwerpunkt | Redaktionelle Bewertung |
|---|---|---|---|
| SAP Master Data Governance | Konsolidierung, zentrale Governance, Datenqualitätsmanagement, Workflows und Massenpflege | SAP S/4HANA sowie Cloud-Varianten | Sehr passend für SAP-geprägte Prozess- und Datenlandschaften; der genaue Funktionsumfang unterscheidet sich nach Edition. |
| Informatica MDM | Multidomain-MDM, KI-gestütztes Match-and-Merge, 360-Anwendungen und API-basierter Zugriff | Cloud-native, heterogene Unternehmenslandschaften | Passend, wenn zahlreiche Domänen und Nicht-SAP-Systeme gemeinsam integriert und gesteuert werden müssen. |
| Semarchy Data Platform | Golden Records, multidimensionale Modelle, Datenqualität, Lineage, Workflows und generierte Schnittstellen | Cloud, On-Premises und hybride Architekturen | Interessant für flexible Datenmodelle und Data-Product-Ansätze; Governance-Aufwand und Integrationsfit sollten im Pilotprojekt geprüft werden. |
| Reltio Multidomain MDM | Entity Resolution, laufende Datenqualitätsprüfung, Referenzdaten, Hierarchien, Lineage und Beziehungsgraph | Cloud-native SaaS-Plattform | Passend für operative Echtzeitfälle und komplexe Beziehungen; Eignung und Gesamtkosten müssen anhand des eigenen Datenvolumens bewertet werden. |
Welche Kennzahlen sind belastbar?
- 4 Betriebsmodelle: Registry, Konsolidierung, Koexistenz und Zentralisierung sind die vier von SAP beschriebenen MDM-Ansätze.
- 5 beispielhafte Kerndomänen: SAP nennt Kunden, Lieferanten, Produkte, Materialien und Anlagen als typische Stammdatenobjekte.
- 60 % und 20 %: SAP nennt für seine S/4HANA-Cloud-Lösung eine mögliche Verringerung des Aufwands für das Erstellen von Änderungsanträgen um 60 % und für deren Prüfung um 20 %. Dabei handelt es sich um eine Herstellerangabe zum konkreten Produkt, nicht um einen branchenweiten Vergleichswert.
- 5 %: Dieselbe Produktseite nennt eine mögliche Verringerung des jährlichen Betriebsergebnisverlusts durch verspätete oder fehlerhafte Stammdatenänderungen um 5 %. Auch dieser Wert sollte als anbieterseitiges Nutzenmodell und nicht als garantierter Projekterfolg gelesen werden.
Für Ihr eigenes Programm sind Dublettenquote, Pflichtfeld-Vollständigkeit, Durchlaufzeit einer Änderung und Zahl zurückgewiesener Datensätze aussagekräftiger als allgemeine Marktwerte. Ergänzend helfen ein dokumentiertes Verständnis der Stammdaten, klare Regeln zur Datensicherheit und die Einbettung in die digitale Transformation.
Praxisstimme: Der Nutzen zeigt sich im Prozess
„Vor der MDM-Lösung dauerte die Vergabe eines Flughafencodes zwei bis drei Tage; heute geht das in Sekunden.“
Nouman Ali, Senior Director Global Data Governance & MDM, in einem von Reltio veröffentlichten Kundenbericht
Das Beispiel ist kein allgemeines Leistungsversprechen. Es zeigt jedoch, warum ein MDM-Projekt an einem konkreten Ablauf gemessen werden sollte: Bearbeitungszeit vor und nach der Einführung, Zahl manueller Übergaben, Fehlerquote und Wartezeit bei Abwesenheiten.
Mini-Rechner: Was kostet manuelle Stammdatenkorrektur?
Tragen Sie Ihre monatlichen Werte ein. Die Voreinstellungen sind reine Beispielwerte; berechnet werden Datensätze × Fehlerquote × Korrekturzeit × interner Stundensatz.
Der Rechner bildet ausschließlich direkte Korrekturzeit ab. Umsatzverluste, Lieferverzögerungen, falsche Reports oder Compliance-Risiken sind nicht eingerechnet und sollten separat dokumentiert werden.
Stammdatenmanagement in sechs Schritten einführen
- Geschäftsproblem festlegen: Wählen Sie etwa doppelte Kundenkonten, fehlerhafte Lieferadressen oder uneinheitliche Produktattribute als klar begrenzten Anwendungsfall.
- Domäne und Systeme erfassen: Dokumentieren Sie, welches System einen Wert anlegt, verändert, freigibt und konsumiert.
- Verantwortung vergeben: Ein Data Owner entscheidet über Standards; Data Stewards prüfen Ausnahmen und bearbeiten Qualitätsprobleme.
- Regeln definieren: Legen Sie Pflichtfelder, gültige Formate, Dublettenlogik, Prioritäten der Quellsysteme und Löschregeln fest.
- Pilot messen: Erfassen Sie Ausgangswerte und Zielwerte für Dublettenquote, Vollständigkeit, Bearbeitungszeit und Nacharbeit.
- Schrittweise skalieren: Erweitern Sie Domänen und Systeme erst, wenn Synchronisation, Freigaben und Eskalationen im Pilotbetrieb funktionieren.
Wenn für Datenmodell, Integration oder Governance externe Unterstützung fehlt, können Sie passende Daten- und Digitalagenturen über Sortlist vergleichen.
Häufige Fragen zu Stammdatenmanagement
Was ist der Unterschied zwischen Stammdatenmanagement und Data Governance?
Data Governance definiert unternehmensweite Regeln, Rollen und Kontrollen für Daten. Stammdatenmanagement wendet diese Vorgaben auf wiederverwendete Geschäftsobjekte wie Kunden, Produkte, Lieferanten oder Standorte an und ergänzt sie um Bereinigung, Abgleich und Verteilung.
Was ist ein Golden Record?
Ein Golden Record ist der nach festgelegten Regeln zusammengeführte und freigegebene Datensatz zu einem Geschäftsobjekt. Er entsteht beispielsweise durch Standardisierung, Dublettenerkennung, Priorisierung vertrauenswürdiger Quellen und menschliche Prüfung strittiger Werte.
Braucht jedes Unternehmen eine MDM-Software?
Nein. Bei wenigen Systemen und überschaubaren Datenmengen können dokumentierte Zuständigkeiten, Validierungsregeln und kontrollierte Freigaben ausreichen. Spezialisierte Software wird eher relevant, wenn mehrere Systeme dieselben Objekte verändern, große Datenmengen abgeglichen oder Änderungen laufend synchronisiert werden müssen.
Mit welcher Stammdatendomäne sollte man beginnen?
Beginnen Sie mit der Domäne, deren Qualitätsfehler einen klar messbaren Geschäftsprozess beeinträchtigen. Das können Kundenstammdaten bei Zustellproblemen, Produktdaten bei fehlerhaften Shop-Inhalten oder Lieferantenstammdaten bei verzögerten Freigaben sein.
Wie lässt sich der Erfolg eines MDM-Projekts messen?
Sinnvolle Kennzahlen sind Dublettenquote, Pflichtfeld-Vollständigkeit, Anteil automatisch validierter Datensätze, durchschnittliche Freigabezeit und monatlicher Korrekturaufwand. Ausgangswert, Zielwert, Messzeitraum und verantwortliches System müssen für jede Kennzahl feststehen.
In einem Unternehmen wimmelt es heutzutage nur so von Informationen. Es werden Stammdaten von Kunden, Produkten, Lieferanten, Mitarbeitern und Marketingstrategien gesammelt und genutzt. Um die Informationen gewinnbringend nutzen zu können, müssen diese stets aktuell und korrekt sein, was einer ordentlichen Verwaltung bedarf.
Was zunächst nicht sehr kompliziert erscheinen mag, stellt bei der immensen Datenflut der heutigen Zeit gerade bei modernen Unternehmen eine nicht zu unterschätzende Herausforderung dar. Genau an dieser Stelle kommt das Stammdatenmanagement bzw. Master Data Management (MDM) ins Spiel. Eine ordentliche Stammdatenverwaltung ist unverzichtbar, um ein hohes Niveau der vorhandenen Datenbestände aufrechtzuerhalten. In solchen Fällen spricht man auch von einem „goldenen Datensatz“.
Das Sammeln von Daten, deren Speicherung und die Verwaltung dienen zu dem Zweck, Informationen in Echtzeit abrufen und gewinnbringend nutzen zu können. Dies kann durch die Kombination aus Fachwissen und entsprechenden Tools gewährleistet werden. In diesem Artikel befassen wir uns näher damit, was es mit Stammdatenmanagement auf sich hat, welcher Nutzen damit einhergeht und wie eine Umsetzung funktionieren kann.
Was sind Stammdaten? Definition
Für Stammdaten wird häufig auch der englische Begriff Master Data verwendet. Darunter sind Informationen zu verstehen, die relativ statisch sind, sich also nicht sehr häufig verändern. In einem Unternehmen können dies beispielsweise Daten zu Kunden, Produkten, Lieferanten, Partnern, Mitarbeitern oder dem eigenen Unternehmen sein.
Sowohl für logistische Zwecke als auch für den Bereich des Marketings spielen die Kundenstammdaten in vielen Unternehmen eine wesentliche Rolle. Hierzu gehören unter anderem der Name des Kunden, das Geburtsdatum, eine aktuelle Adresse und eine Telefonnummer. Bei dieser Aufzählung wird deutlich, dass einige Informationen wie das Geburtsdatum des Kunden niemals geändert werden. Auch der Namen, die Adresse oder weitere Stammdaten werden in der Regel nur selten gewechselt.
Den relativ statischen Stammdaten stehen die Bewegungsdaten gegenüber, die sich durch eine höhere Dynamik auszeichnen. Hierunter fallen Informationen, die sich häufig ändern wie zum Beispiel die letzte Bestellung eines Kunden.
Wenn Sie mehr über das Thema herausfinden möchten, z. B. welchen Nutzen diese haben, dann lesen Sie unseren ausführlichen Artikel zu Stammdaten.
Was ist Stammdatenmanagement?
Nachdem wir erläutert haben, worum es sich bei Stammdaten handelt, scheint es einfach zu sein, zu verstehen, was es mit Stammdatenmanagement auf sich hat: Die Fülle an Informationen wird verwaltet. Hierbei handelt es sich um eine wesentlich komplexere Aufgabe, als man denken mag.
Viele Unternehmensdaten werden querbeet über die verschiedenen Abteilungen verwendet und möglicherweise in unterschiedlichen Systemen gespeichert. Hieraus ergibt sich zwangsläufig die Gefahr, dass der Datenbestand nur unzureichend gepflegt wird. Eine mangelnde Übersicht kann ein genauso großes Problem darstellen wie veraltete Daten. In solchen Fällen ist das Abrufen und Nutzen von Informationen mit großen Herausforderungen verbunden.
Stelle man sich beispielsweise die Frage nach Gewinnmargen einzelner Produkte, Leistungsfähigkeit einzelner Abteilungen oder gewissen Eigenschaften der Zielgruppe kann es schwierig werden, diese zu beantworten, wenn die entsprechenden Daten nicht geordnet und abrufbar sind.
Das Stammdatenmanagement bzw. Master Data Management setzt genau hier an. Durch diese strategische Methode der Datenverwaltung wird eine Konsistenz gewährleistet. Über verschiedene Abteilungen und Systeme hinweg wird die Fülle an Informationen ordnungsgemäß verwaltet, um so jederzeit und einfach abrufbar zu sein.
Es liegt außerdem in der Verantwortung des Stammdatenmanagements, dass die Daten stets aktuell und korrekt sind. Darüber hinaus gehört die Sicherheit der Daten ebenfalls zu den Aufgaben der Stammdatenverwaltung.
Je nach Branche unterscheidet sich die Art des Stammdatenmanagements. Es gibt jedoch einige Charakteristika, die gleichbleibend sind.
- Relativ statisch: Stammdaten verändern sich im Vergleich zu anderen Datensätzen nur sehr selten. Manche Informationen bleiben durchweg unverändert.
- Keine Transaktionsdaten: Auch wenn Stammdaten Teil des Kauf- bzw. Verkaufsprozesses sind, gehören sie nicht zu den Transaktionsdaten.
- Komplex: Aus der Sammlung von Stammdaten ergeben sich umfangreiche Datensätze mit verschiedenen Komponenten. Die Verwaltung dieser Hülle an Informationen ist somit sehr komplex.
- Wertvoll: Die Erfassung, Speicherung und Analyse von Stammdaten hat einen wertvollen Nutzen. Sie können Geschäftsprozesse reibungsloser gestalten, Abläufe vereinfachen, die Kundenzufriedenheit erhöhen und Marketingstrategien optimieren.
Vorteile von Stammdatenmanagement
Daten sind in der heutigen Zeit der Schlüssel zum Erfolg eines Unternehmens. Dementsprechend ist es fast schon selbsterklärend, dass die Verwaltung derselben einen hohen Stellenwert haben sollte. Wir wollen Ihnen in diesem Abschnitt im Detail erläutern, welche Vorteile ein ordentliches Stammdatenmanagement mit sich bringt.
Abteilungs- und systemübergreifende konsistente Informationen
Um effiziente und qualitativ hochwertige Arbeit leisten zu können, ist es erforderlich, dass jedem Mitarbeiter ein einfacher Zugang zu stets aktualisierten Daten zur Verfügung steht. Durch ein integriertes Stammdatenmanagement kann die Hochwertigkeit und Aktualität der Datensätze über verschiedene Systeme und Abteilungen sichergestellt werden.
Bessere Einsicht in die Aktivitäten Ihrer Kunden
Analysieren Sie mithilfe des Master Data Managements die gesammelten Kundendaten in Zusammenhang mit den Lieferketten. Auf diese Weise erhalten Sie aufschlussreiche Informationen, welche Vorlieben die verschiedenen Zielgruppen haben.
Effizientere Geschäftsprozesse
Durch das Master Data Management (MDM) wird es Ihnen ermöglicht einen optimale Übersicht über Ihre Organisationsdatenbestände zu erhalten. Diverse Informationen zu Produkten, Lieferanten und Verbrauchern werden nicht länger abgetrennt voneinander betrachtet, sondern abteilungsübergreifend. Auf diese Weise können Geschäftsprozesse rationalisiert und automatisiert werden.
Hochwertige Datenqualität
Durch eine ordentliche Stammdatenpflege wird sichergestellt, dass Informationen stets korrekt und aktuell sind – und das über alle Abteilungen hinweg. Dies wirkt sich sowohl positiv auf die Unternehmenspolitik als auch auf die Kundenbeziehungen aus. Schließlich erzeugen veraltete Daten oder Informationen verminderter Qualität ein schlechtes Image.
Wie setzt man Stammdatenmanagement ein? Wie läuft es ab?
Für die Umsetzung bzw. den Einsatz von Master Data Management stellt die Data Governance eine wesentliche Rolle. Dabei handelt es sich um die vom Unternehmen definierten Richtlinien, was beim Umgang mit Daten zu beachten gilt. Darunter fallen beispielsweise die konkreten Vorgaben, wie die Eingabe von neuen Informationen ins System zu erfolgen ist, was es bei der Freigabe von Daten zu berücksichtigen gilt und wie die Pflege zu funktionieren hat.
In der Praxis könnte es so aussehen, dass im Rahmen der Data Governance alle Mitarbeiter dazu bewegt sind, neue Datensätze anzulegen. Diese Erfassung wird dann von einer zentralen Stelle geprüft und validiert. Anhand von sogenannten „Requests“ kann die regelmäßige Pflege bzw. Überprüfung der Daten an die zuständigen Personen delegiert werden.
Funktionsweise von Stammdatenmanagement
Geht es nun konkret darum, ein Stammdatenmanagement einzuführen, bedeutet dies, ein übergeordnetes System einzurichten, an dem sich der gesamte Datenbestand eines Unternehmens orientiert. Das führende System enthält folglich die korrekten Informationen, die auf die weiteren Systeme übertragen werden.
Die Pflege von Stammdaten erfolgt demnach nur noch in dem übergeordneten System, von wo die Informationen dann an die Sub-Systeme weitergeleitet werden. In der Praxis handelt es sich bei einem solchen System um eine Software-Lösung, die auf MDM zugeschnitten ist.
Der Stammdatenmanager
Um ein ordnungsgemäßes Stammdatenmanagement einzuführen und umzusetzen, ist es sinnvoll, darüber hinaus einen Stammdatenmanager zu beauftragen. Auch als Data Stewards bezeichnet, sind diese dafür verantwortlich zu überprüfen, dass sich alle Mitarbeiter des Unternehmens den in der Data Governance festgelegten Richtlinien folge leisten. Neben der Überwachung, ob Regeln eingehalten werden, sind Stammdatenmanager außerdem dafür zuständig, fehlerhafte Datensätze auszumachen und die Datensicherheit zu prüfen.
Beispiele aus der Praxis
Genug Theorie, jetzt kommt die Praxis. Um zu verstehen, wie sinnvoll Stammdatenmanagement bzw. wie fatal eine mangelnde Stammdatenverwaltung sein kann, wollen wir zwei Praxisbeispiele aufführen.
Beispiel 1 aus der Pharma-Industrie
Aus unserem ersten Beispiel geht hervor, welche Auswirkungen es haben kann, wenn Stammdaten zu Produkten nicht ordnungsgemäß erfasst bzw. gepflegt wurden:
Ein Kunde bestellt einen Impfstoff, der vom Hersteller versandt wurde, ohne dass diese ausreichend gekühlt wurde. Die hohen Sommertemperaturen führten dazu, dass der Impfstoff entsorgt werden musste. Neben einem unzufriedenen Kunden entstand außerdem ein Schaden in Millionenhöhe. Beides hätte durch ordnungsgemäße Stammdatenverwaltung vermieden werden können. Das Problem war nämlich gewesen, dass die benötigte Lagertemperatur nicht in den Stammdaten des Impfstoffes hinterlegt wurde, sondern nur ein Default-Wert, der zu hoch angesetzt wurde.
Beispiel 2 aus der Logistik-Branche
In einer Firma für Fertigungskleinteile kommt es häufig zu Problemen im Bereich des Versands. Entweder treffen die Pakete verspätet ein oder es ergeben sich ungeplant höhere Versandkosten, worunter die Kundenzufriedenheit leidet. Hintergrund dieses logistischen Mehraufwandes ist durch die fehlerhafte Eingabe von Stammdaten der Produkte zu erklären. Immer wieder kommt es zu falschen Angaben von Gewichtigen und Größe, was erst beim Prozess des Verpackens und Versendens erkannt wird.
Das Unternehmen entscheidet sich, der Stammdatenverwaltung zu widmen und beginnt sich mit der Data Governance zu befassen. In diesem Zusammenhang wird deutlich, dass die Zuständigkeiten für die Eingabe und Pflege von Produktstammdaten nie eindeutig geklärt wurden.
Wie aus den zwei Praxisbeispielen hervorgeht, ist die Verwaltung und Nutzung von Stammdaten von immenser Bedeutung, um zum einen unnötige Ausgaben einzusparen und zum anderen die Kundenzufriedenheit hochzuhalten. Mit einem gut funktionierenden Master Data Management können diverse Probleme vermieden werden.
Fazit: Stammdatenmanagement ist unverzichtbar
In kleinen Betrieben mit wenigen Mitarbeitern mag die Fülle an Stammdaten noch nicht ins Unermessliche steigen, so dass es auch ohne spezifische Verwaltung möglich ist, den Überblick zu behalten. Bei mittelständischen und großen Betrieben ist es in der heutigen Zeit hingegen unverzichtbar, ein System zu schaffen, das sich der Herausforderung der Datenflut stellt.
Stammdaten – seien es die von Produkten, Kunden oder Lieferanten – können richtig genutzt einen wahren Mehrgewinn für das Unternehmen darstellen. Dafür ist jedoch erforderlich, dass die Daten aktuell, korrekt und in allen Abteilungen konsistent sind. Hinzu kommt selbstverständlich, dass diese bei Bedarf in Echtzeit abgerufen werden können. Dies kann durch gutes Stammdatenmanagement gewährleistet werden, was dem Unternehmen nicht nur wertvolle Zeit einspart, sondern auch Geld und die Kundenzufriedenheit erhöht.
Sollten Sie in Ihrem Unternehmen noch kein System für die Stammdatenverwaltung implementiert haben, können wir Ihnen nur empfehlen, sich mit dieser Thematik auseinanderzusetzen. Die Mehrarbeit, die sich zunächst ergibt, wird definitiv Früchte tragen.
