Inhalt
  1. Warum Dubletten im CRM teurer sind, als sie aussehen
  2. Woher Dubletten kommen
  3. Erkennungsregeln: So findest du Dubletten zuverlässig
  4. Zusammenführen ohne Datenverlust
  5. Prüfregeln bei der Eingabe: Dubletten gar nicht erst entstehen lassen
  6. Verantwortung und Kennzahl: die Dublettenquote
  7. Aus der Praxis: Dubletten an der Quelle stoppen
  8. Fazit
  9. Häufige Fragen

Das Wichtigste in Kürze

  • Dubletten im CRM entstehen häufig durch Importe, Webformulare, Schnittstellen und unterschiedliche Schreibweisen und weniger durch Nachlässigkeit Einzelner.
  • Zuverlässig findest du sie mit wenigen Regeln: gleiche E-Mail-Adresse, gleiche normalisierte Telefonnummer und gleicher bereinigter Firmenname mit gleicher Postleitzahl.
  • Beim Zusammenführen bestimmst du zuerst den führenden Datensatz und legst Feld für Feld fest, welcher Wert gewinnt, damit Aktivitäten, Verkaufschancen und Kundennummern erhalten bleiben.
  • Dauerhaft sauber bleibt das CRM nur mit Prüfregeln bei jeder Eingabe, einer klar benannten verantwortlichen Person und einer regelmäßig gemessenen Dublettenquote.

Warum Dubletten im CRM teurer sind, als sie aussehen

Eine Dublette ist ein Datensatz, der dieselbe Firma oder dieselbe Person ein zweites Mal abbildet. Für sich genommen wirkt das harmlos. In der Praxis zieht jede Dublette eine Kette von Problemen nach sich:

  • Zwei Vertriebler betreuen denselben Kunden, ohne voneinander zu wissen, und schicken im Zweifel unterschiedliche Angebote.
  • Aktivitäten, Angebote und Umsätze verteilen sich auf zwei Datensätze. Ein wichtiger Kunde wirkt im Bericht kleiner, als er ist.
  • Ein Werbewiderspruch steht nur an einem der beiden Kontakte. Der andere bekommt weiter Newsletter, und das ist mehr als ein Schönheitsfehler.
  • Schnittstellen zum ERP oder Marketing-Tool finden zwei Treffer, brechen ab oder schreiben in den falschen Datensatz.

Das Tückische: Dubletten fallen meist erst auf, wenn schon etwas schiefgegangen ist. Deshalb lohnt es sich, das Thema systematisch anzugehen, statt nur auf Hinweise aus dem Team zu reagieren.

Woher Dubletten kommen

Beim Thema Dubletten fällt oft der Satz „Da muss halt jeder besser aufpassen“. Viele Dubletten entstehen aber gar nicht beim Abtippen, sondern an Stellen, an denen Daten automatisch ins System kommen:

  • Importe: Messelisten, Adressen aus Altsystemen oder Excel-Tabellen werden eingespielt, ohne sie vorher mit dem Bestand abzugleichen.
  • Webformulare: Jede Anfrage erzeugt einen neuen Lead, auch wenn die Person längst als Kontakt existiert.
  • Schnittstellen: Ein Webshop oder ein ERP legt bei jeder Übertragung einen neuen Datensatz an, statt einen vorhandenen zu aktualisieren.
  • Schreibweisen: „Müller Metallbau GmbH“, „Mueller Metallbau“ und „Müller Metallbau GmbH & Co. KG“ sind für das System drei verschiedene Firmen.
  • Getrennte Objekte: In Systemen mit eigenem Lead-Objekt wie Salesforce oder Zoho CRM existiert eine Person oft gleichzeitig als Lead und als Kontakt.

Diese Liste ist wichtig, weil sie zeigt, wo die Prüfregeln später sitzen müssen. Wer nur den Bestand bereinigt, aber die Quellen offen lässt, hat in einem halben Jahr dasselbe Problem.

Erkennungsregeln: So findest du Dubletten zuverlässig

Eine Erkennungsregel beschreibt, wann zwei Datensätze als mögliche Dublette gelten. Gute Regeln vergleichen keine Rohdaten, sondern normalisierte Werte. Normalisieren heißt, Werte vor dem Vergleich in eine einheitliche Form zu bringen. Mit diesen Regeln deckst du die meisten Fälle ab:

RegelGilt fürNormalisierungTreffsicherheit
Gleiche E-Mail-AdresseKontakte, LeadsKleinschreibung, Leerzeichen entfernenhoch
Gleiche TelefonnummerKontakte, Firmeninternationales Format, nur Ziffernmittel bis hoch
Gleicher Firmenname und gleiche PLZFirmenRechtsform und Satzzeichen entfernen, Umlaute auflösenmittel
Gleiche Website-DomainFirmenohne „www“ und Pfad, Freemail-Domains ausnehmenhoch
Gleicher Vor- und Nachname bei gleicher FirmaKontakteKleinschreibung, Umlaute auflösenmittel

Wie Normalisierung konkret aussieht

Aus „030 / 123 45-67“ und „+49 (0)30 1234567“ wird nach der Normalisierung in beiden Fällen „+49301234567“. Aus „Müller Metallbau GmbH & Co. KG“ und „Mueller Metallbau GmbH“ wird „mueller metallbau“. Erst dann erkennt der Vergleich, dass es sich vermutlich um dieselbe Firma handelt.

Zwei Ausnahmen musst du einplanen. Telefonnummern von Zentralen teilen sich oft viele Kontakte, deshalb ist eine gleiche Nummer bei Personen nur ein Hinweis. Und Firmen mit gleichem Namen, aber unterschiedlicher Postleitzahl können Niederlassungen sein. Sie werden nicht zusammengeführt, sondern über eine Firmenhierarchie verknüpft.

Die großen Systeme bringen je nach Edition eigene Werkzeuge mit. Salesforce arbeitet mit Abgleichs- und Duplikatsregeln, HubSpot gleicht Kontakte standardmäßig über die E-Mail-Adresse und Firmen über die Domain ab und schlägt mögliche Dubletten zur Prüfung vor, und Zoho CRM bietet eine Duplikatsuche sowie Felder, die keine doppelten Werte zulassen. Für normalisierte Vergleiche wie bei Telefonnummern brauchst du je nach System ein Hilfsfeld, das per Automatisierung befüllt wird.

Zusammenführen ohne Datenverlust

Das Zusammenführen ist der heikelste Teil, weil es sich in den meisten Systemen nicht oder nur mühsam rückgängig machen lässt. Deshalb lohnt sich eine feste Reihenfolge:

  1. Sichern: Die betroffenen Datensätze samt IDs exportieren, damit du jeden Schritt nachvollziehen kannst.
  2. Führenden Datensatz bestimmen: Das ist der Datensatz, der bleibt. Gibt es eine ERP-Kundennummer, gewinnt der Datensatz, an dem sie hängt. Sonst nimmst du den älteren mit den meisten Aktivitäten.
  3. Feldregeln festlegen: Der führende Wert gewinnt, leere Felder werden aus der Dublette gefüllt. Bei Einwilligungen und Widersprüchen gilt immer der strengere Wert. Ein Widerspruch darf beim Zusammenführen niemals verloren gehen.
  4. Verknüpfte Daten prüfen: Aktivitäten, Notizen, Verkaufschancen, Tickets und Anhänge ziehen die Systeme meist automatisch mit. Bei eigenen Objekten und Verknüpfungsfeldern lohnt ein genauer Blick.
  5. Externe Verweise anpassen: Speichert das ERP oder das Marketing-Tool die CRM-ID des gelöschten Datensatzes, legt die nächste Synchronisation die Dublette sonst einfach neu an.
  6. Stichprobe kontrollieren: Nach jedem Durchgang zehn zusammengeführte Datensätze öffnen und prüfen, ob alles da ist.
Praxis-Tipp: Fang mit den sicheren Fällen an, also mit exakt gleicher E-Mail-Adresse. Das sind oft schon viele Dubletten, die sich schnell und mit geringem Risiko bereinigen lassen. Die unsicheren Fälle nach Name und Postleitzahl prüft danach ein Mensch in kleinen Paketen.

Automatisches Zusammenführen ohne Prüfung empfehle ich nur für Regeln mit sehr hoher Treffsicherheit und nach einem Testlauf. Alles andere landet auf einer Prüfliste. Wenn du gerade ohnehin einen Systemwechsel planst, gehört die Bereinigung vor den Import. Mehr dazu findest du in den Best Practices zur CRM-Datenmigration.

Prüfregeln bei der Eingabe: Dubletten gar nicht erst entstehen lassen

Die Bereinigung ist einmalige Arbeit. Dauerhaft wirken nur Prüfregeln an jeder Stelle, an der Daten ins CRM kommen:

  • Manuelle Eingabe: Das System warnt beim Anlegen, wenn ein ähnlicher Datensatz existiert. Dazu gehört die Teamregel „erst suchen, dann anlegen“.
  • Webformulare: Eine Anfrage mit bekannter E-Mail-Adresse aktualisiert den vorhandenen Kontakt und hängt die Anfrage als Aktivität an, statt einen neuen Lead zu erzeugen.
  • Importe: Jeder Import läuft im Modus „aktualisieren oder anlegen“ mit einem Abgleich über E-Mail oder Kundennummer. Vorher kommt ein Testimport mit wenigen Zeilen.
  • Schnittstellen: Systeme gleichen über eine gemeinsame externe ID ab, zum Beispiel die ERP-Kundennummer. Dieses Prinzip heißt Upsert, eine Kombination aus Update und Insert: vorhandene Datensätze aktualisieren, nur fehlende neu anlegen.
  • Formate: Land als Auswahlliste, Postleitzahl mit Formatprüfung, Telefonnummer im einheitlichen Format.

Bei harten Sperren bin ich vorsichtig. Wenn das System das Speichern komplett verhindert, tragen Leute schnell Fantasiewerte ein, um weiterarbeiten zu können. Eine deutliche Warnung plus ein wöchentlicher Bericht ist meist die bessere Wahl. Solche Prüfungen in Formularen und Schnittstellen technisch umzusetzen, gehört zu meiner Arbeit im Bereich Automatisierung und Schnittstellen.

Verantwortung und Kennzahl: die Dublettenquote

Datenqualität, für die alle zuständig sind, ist am Ende niemandes Aufgabe. Deshalb braucht es eine benannte Person, die sich um den Datenbestand kümmert. In kleineren Teams ist das kein eigener Job, sondern ein fester Teil einer Rolle, oft im Vertriebsinnendienst oder bei der CRM-Administration. Ihre Aufgaben:

  • einmal pro Woche die Prüfliste möglicher Dubletten abarbeiten,
  • Importe freigeben und durchführen,
  • Erkennungsregeln pflegen, wenn neue Quellen dazukommen,
  • neue Kolleginnen und Kollegen in die Eingaberegeln einweisen.

Damit diese Person sieht, ob ihre Arbeit wirkt, misst sie die Dublettenquote: Anteil der Datensätze, die nach deinen Erkennungsregeln mindestens einen Doppelgänger haben, an allen Datensätzen eines Objekts. Ein Rechenbeispiel: Von 8.000 Firmen gehören 400 zu einer Dublettengruppe, die Quote liegt bei 5 Prozent.

Noch aufschlussreicher ist die Zahl der neuen Dubletten pro Monat, aufgeteilt nach Quelle. Kommen die meisten aus einem Formular oder einer Schnittstelle, weißt du genau, wo du nachbessern musst. Ein allgemeingültiger Zielwert für die Quote ist mir nicht bekannt. Entscheidend ist, dass sie sinkt und dass aus Schnittstellen praktisch keine neuen Dubletten mehr kommen.

Aus der Praxis: Dubletten an der Quelle stoppen

In einem aktuellen Projekt gehörten Dubletten zu den Datenproblemen, die wir angehen mussten. Bevor eine Auswertung je Kunde oder je Vertriebsmitarbeiter verlässlich ist, muss jeder Kunde genau einmal im System stehen.

Wie Dubletten an einer Schnittstelle entstehen, zeigt ein typisches Szenario. Angenommen, ein Webshop legt bei jeder Bestellung ohne Kundenkonto einen neuen Kontakt im CRM an, auch wenn die Person dort längst existiert. Die Zahl der Kontakte wächst dann deutlich schneller als die Zahl der Kunden, und die Bestellhistorie eines Kunden verteilt sich auf viele Datensätze.

Die Lösung folgt der Reihenfolge aus diesem Artikel: Zuerst wird die Schnittstelle auf einen Abgleich über die normalisierte E-Mail-Adresse umgestellt, bei Firmenbestellungen zusätzlich über die Kundennummer aus dem ERP. Erst danach wird der Bestand in Paketen bereinigt, die sicheren Fälle automatisch, die unsicheren über eine Prüfliste. Andersherum liefert die Schnittstelle neue Dubletten nach, während das Team noch die alten bereinigt.

Fazit

Dubletten im CRM sind kein Zeichen von schlampigem Arbeiten, sondern von offenen Eingangstüren. Mit wenigen Erkennungsregeln, einem sorgfältigen Zusammenführen und Prüfregeln an jeder Quelle bekommst du den Bestand dauerhaft sauber. Die Dublettenquote zeigt dir, ob es wirkt.

Mein Rat für den ersten Schritt: Lass dir einen Bericht aller Kontakte mit identischer E-Mail-Adresse ausgeben und schau, aus welcher Quelle sie stammen. Damit hast du mit wenig Aufwand sowohl die ersten sicheren Dubletten als auch die Eingangstür, die du zuerst schließen solltest.

Häufige Fragen

Am schnellsten geht es über die E-Mail-Adresse: Ein Bericht, der Kontakte nach E-Mail gruppiert und nur Gruppen mit mehr als einem Eintrag zeigt, liefert die sicheren Fälle. Bei Firmen hilft eine Gruppierung nach Website-Domain. Für unsichere Fälle wie Schreibvarianten im Firmennamen brauchst du normalisierte Vergleichswerte oder die Duplikatsuche deines CRM.
Aktivitäten, Notizen und Verkaufschancen übernehmen die gängigen CRM-Systeme beim Zusammenführen meist automatisch. Bei einzelnen Feldern gewinnt aber nur ein Wert, deshalb solltest du vorher festlegen, welcher Datensatz führt und welche Werte Vorrang haben. Vor größeren Bereinigungen gehört ein Export der betroffenen Datensätze dazu, weil sich ein Zusammenführen oft nicht rückgängig machen lässt.
Automatisch nur dann, wenn die Erkennungsregel sehr treffsicher ist, zum Beispiel bei exakt gleicher E-Mail-Adresse, und nach einem Testlauf. Fälle, die nur über Name und Postleitzahl erkannt werden, sollte ein Mensch prüfen, weil sich dahinter auch Niederlassungen oder verschiedene Personen verbergen können. Einwilligungen und Widersprüche müssen beim Zusammenführen immer erhalten bleiben.
Die Dublettenquote ist der Anteil der Datensätze in einem CRM-Objekt, die nach festgelegten Erkennungsregeln mindestens einen Doppelgänger haben. Sie zeigt, wie sauber der Bestand ist und ob Bereinigung und Prüfregeln wirken. Aussagekräftiger als ein einzelner Wert ist der Verlauf über die Zeit, ergänzt um die Zahl neuer Dubletten je Quelle.

Wie viele Dubletten stecken in deinem CRM?

Ich analysiere deinen Datenbestand, lege mit dir die Erkennungsregeln fest und führe die Dubletten kontrolliert zusammen. Danach richte ich Prüfregeln für Formulare, Importe und Schnittstellen ein, damit der Bestand sauber bleibt.

Kostenloses Erstgespräch Mehr zur Leistung