Insight

Wem gehört der Datenpunkt? Data Ownership beim Versicherer

Kunde, Vertrag, Vermittler, Schaden: Jeder Bereich legt diese Begriffe anders aus. Ohne Verantwortung je Datenpunkt bleibt AI ein Einzelprojekt.

Organisation und Kultur

5 min Lesezeit

Kernaussage

Daten ohne benannte Verantwortung sind für AI unbrauchbar, gleich wie gut das Modell ist. Ownership je Datenpunkt ist eine Entscheidung über Zuständigkeit im Management und keine Aufgabe der IT.

Kleine Glasscheiben im Kreis um eine große Scheibe mit blauem Rand: ein Datenpunkt mit klarer Verantwortung in der Mitte

Die wichtigsten Erkenntnisse

Jeder Bereich definiert Kunde und Schaden anders.

Kulturelle Widerstände wiegen schwerer als Budget.

Ownership beginnt bei wenigen Schlüsseldatenpunkten.

Ein Kunde, vier Definitionen

Für das Marketing ist ein Kunde jeder Kontakt mit Einwilligung, für die Sachsparte jeder Versicherungsnehmer, für den Vertrieb jeder Haushalt, für die Finanzfunktion jeder Beitragszahler. Solange Menschen die Zahlen deuten, fällt das kaum auf. Owner eines Datenpunkts ist beim Versicherer der Bereich, der seine Definition, Qualität und Bereitstellung für alle Nutzer verantwortet. Diese Zuordnung trifft das Management, nicht die IT.

Warum wird Ownership mit AI zur Voraussetzung?

Weil ein AI-System nicht nachfragt. Laut einer Gartner-Umfrage haben 63 Prozent der Organisationen nicht die richtigen Praktiken im Datenmanagement für AI oder sind unsicher, ob sie sie haben („Lack of AI-Ready Data Puts AI Projects at Risk“, Februar 2025). Dieselbe Mitteilung verweist auf eine Befragung von 1.203 Verantwortlichen für Datenmanagement im Juli 2024. Die Erhebung ist branchenübergreifend und international. Für Versicherer mit gewachsenen Bestandssystemen je Sparte dürfte die Ausgangslage aus unserer Sicht eher schwieriger sein als im Durchschnitt.

Woran scheitert Data Governance in der Praxis?

An der Kultur häufiger als am Geld. In einer Gartner-Umfrage unter 223 Verantwortlichen für Daten und Analytik vom März 2026 wog kultureller Widerstand als Grund für das Scheitern von Governance-Initiativen schwerer als fehlende Finanzierung, 60 gegenüber 40 Prozent. Dahinter steht eine einfache Logik: Ownership bedeutet Arbeit für andere. Ein Bereich soll Daten so pflegen, dass auch fremde Bereiche sie nutzen können, und bekommt dafür zunächst nichts.

Welcher Rahmen gilt für Daten in AI-Systemen?

Daten-Governance gehört zu den Grundsätzen, die EIOPA für AI-Systeme im Versicherungsgeschäft hervorhebt. Die „Opinion on Artificial Intelligence governance and risk management“ (August 2025) setzt keine neuen Anforderungen, sondern wendet die bestehenden an, risikobasiert und verhältnismäßig. Wer AI in Vertrieb, Schaden oder Service einsetzt, muss also ohnehin zeigen können, woher die Daten stammen und wer für sie einsteht. Wie Datenstrategie und AI zusammenhängen, vertieft der Beitrag zur Datenstrategie für AI.

Was gehört zur Definition eines Datenpunkts?

Fünf Angaben auf einer Seite. Was der Begriff bedeutet und was nicht. Aus welchem System der führende Wert kommt. Welche Qualität verlangt ist, etwa Vollständigkeit und Aktualität. Wer den Datenpunkt lesen und wer ihn ändern darf. Und wer entscheidet, wenn zwei Bereiche unterschiedliche Werte haben.

Die fünfte Angabe ist die wichtigste. Ohne sie bleibt jede Abweichung ein Fall für eine Abstimmungsrunde. Mit ihr gibt es eine Stelle, die entscheidet, und eine Frist, in der das geschieht.

Was unterscheidet den Owner von der IT?

Der Owner entscheidet, was ein Datenpunkt bedeutet, welche Qualität er haben muss und wer ihn nutzen darf. Die IT speichert, sichert und liefert. Ein häufiger Fehler ist aus unserer Sicht, die IT zum Owner zu erklären, weil die Daten in ihren Systemen liegen. Sie kann die fachliche Bedeutung nicht festlegen. Owner ist der Bereich, in dessen Arbeit der Datenpunkt entsteht oder der am stärksten von seiner Qualität abhängt. Für Streitfälle zwischen Bereichen braucht es eine Stelle, die entscheidet, sonst bleibt jede Definition ein Vorschlag. In vielen Organisationen genügt dafür ein bestehendes Gremium, das dieses Mandat ausdrücklich erhält.

Wie werden Konflikte zwischen Bereichen gelöst?

Über eine führende Definition und erlaubte Sichten. Der Vertrieb darf weiter in Haushalten denken und die Finanzfunktion in Beitragszahlern. Entscheidend ist, dass jede Sicht aus der führenden Definition abgeleitet ist und so benannt wird. Dann gibt es eine Zahl der Kunden und daneben klar bezeichnete Auswertungen.

Für AI-Systeme ist das die Voraussetzung dafür, dass eine Frage nach dem Kunden überall dieselbe Antwort ergibt. Für das Management hat es einen eigenen Nutzen: Berichte aus verschiedenen Bereichen werden vergleichbar, ohne dass jemand die Unterschiede erklären muss.

Woran lässt sich Fortschritt messen?

An drei Größen je Datenpunkt. Gibt es eine schriftliche Definition mit Owner. Wie hoch ist der Anteil der Datensätze, die die verlangte Qualität erfüllen. Und wie viele Anwendungen beziehen den Datenpunkt aus der führenden Quelle statt aus einer Kopie.

Die dritte Größe zeigt, ob Ownership im Betrieb angekommen ist. Solange Anwendungen eigene Kopien pflegen, entstehen die alten Abweichungen neu. Jede Anwendung, die auf die führende Quelle umgestellt wird, senkt den Abstimmungsaufwand dauerhaft.

Wie viele Owner braucht ein Versicherer?

Wenige. Eine Handvoll Schlüsseldatenpunkte mit je einem verantwortlichen Bereich decken den größten Teil der Anwendungsfälle in Vertrieb, Service und Schaden ab. Weitere Datenpunkte kommen hinzu, wenn ein konkretes Vorhaben sie braucht. Ein vollständiges Verzeichnis aller Daten vor dem ersten Anwendungsfall ist der sicherste Weg, das Thema zu verlieren.

Was ändert sich für die Bereiche im Alltag?

Weniger, als viele erwarten. Der Owner bekommt keine neue Abteilung, sondern eine benannte Zuständigkeit und einen festen Termin. Einmal im Quartal prüft er die Qualität seines Datenpunkts, entscheidet offene Abweichungen und nimmt Änderungswünsche der Nutzer auf. Das sind wenige Stunden, wenn die Definition steht.

Der größere Aufwand liegt am Anfang, wenn Definitionen ausgehandelt werden. Hier hilft ein konkretes Vorhaben als Anlass. Ein Bereich, der einen AI-Assistenten im Service einführen will, hat ein eigenes Interesse daran, dass der Begriff Kunde eindeutig ist. Ownership entsteht dann aus dem Bedarf und nicht aus einer Vorgabe.

Wie wird Ownership eingeführt, ohne ein Großprojekt zu starten?

  • Mit wenigen Schlüsseldatenpunkten beginnen, etwa Kunde, Vertrag, Vermittler und Schaden.

  • Je Datenpunkt einen Bereich als Owner benennen und die Definition schriftlich festlegen.

  • Festhalten, wer die Daten nutzt und welche Qualität diese Nutzer brauchen.

  • Den Aufwand der Owner anerkennen, in Zielen und in der Kapazitätsplanung.

  • Die Zuordnung an einem konkreten AI-Vorhaben erproben, bevor sie auf weitere Datenpunkte ausgeweitet wird.

  • Je Datenpunkt festlegen, wer bei abweichenden Werten entscheidet und in welcher Frist.

Ob zwei Bereiche der eigenen Organisation auf die Frage nach der Zahl der Kunden dieselbe Antwort geben, lässt sich in einer Woche klären.

Wer welche Daten verantwortet, lässt sich gut in einem ersten Gespräch sortieren. Wir freuen uns darauf.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Kleine Glasscheiben im Kreis um eine große Scheibe mit blauem Rand: ein Datenpunkt mit klarer Verantwortung in der Mitte

Die wichtigsten Erkenntnisse

Jeder Bereich definiert Kunde und Schaden anders.

Kulturelle Widerstände wiegen schwerer als Budget.

Ownership beginnt bei wenigen Schlüsseldatenpunkten.

Ein Kunde, vier Definitionen

Für das Marketing ist ein Kunde jeder Kontakt mit Einwilligung, für die Sachsparte jeder Versicherungsnehmer, für den Vertrieb jeder Haushalt, für die Finanzfunktion jeder Beitragszahler. Solange Menschen die Zahlen deuten, fällt das kaum auf. Owner eines Datenpunkts ist beim Versicherer der Bereich, der seine Definition, Qualität und Bereitstellung für alle Nutzer verantwortet. Diese Zuordnung trifft das Management, nicht die IT.

Warum wird Ownership mit AI zur Voraussetzung?

Weil ein AI-System nicht nachfragt. Laut einer Gartner-Umfrage haben 63 Prozent der Organisationen nicht die richtigen Praktiken im Datenmanagement für AI oder sind unsicher, ob sie sie haben („Lack of AI-Ready Data Puts AI Projects at Risk“, Februar 2025). Dieselbe Mitteilung verweist auf eine Befragung von 1.203 Verantwortlichen für Datenmanagement im Juli 2024. Die Erhebung ist branchenübergreifend und international. Für Versicherer mit gewachsenen Bestandssystemen je Sparte dürfte die Ausgangslage aus unserer Sicht eher schwieriger sein als im Durchschnitt.

Woran scheitert Data Governance in der Praxis?

An der Kultur häufiger als am Geld. In einer Gartner-Umfrage unter 223 Verantwortlichen für Daten und Analytik vom März 2026 wog kultureller Widerstand als Grund für das Scheitern von Governance-Initiativen schwerer als fehlende Finanzierung, 60 gegenüber 40 Prozent. Dahinter steht eine einfache Logik: Ownership bedeutet Arbeit für andere. Ein Bereich soll Daten so pflegen, dass auch fremde Bereiche sie nutzen können, und bekommt dafür zunächst nichts.

Welcher Rahmen gilt für Daten in AI-Systemen?

Daten-Governance gehört zu den Grundsätzen, die EIOPA für AI-Systeme im Versicherungsgeschäft hervorhebt. Die „Opinion on Artificial Intelligence governance and risk management“ (August 2025) setzt keine neuen Anforderungen, sondern wendet die bestehenden an, risikobasiert und verhältnismäßig. Wer AI in Vertrieb, Schaden oder Service einsetzt, muss also ohnehin zeigen können, woher die Daten stammen und wer für sie einsteht. Wie Datenstrategie und AI zusammenhängen, vertieft der Beitrag zur Datenstrategie für AI.

Was gehört zur Definition eines Datenpunkts?

Fünf Angaben auf einer Seite. Was der Begriff bedeutet und was nicht. Aus welchem System der führende Wert kommt. Welche Qualität verlangt ist, etwa Vollständigkeit und Aktualität. Wer den Datenpunkt lesen und wer ihn ändern darf. Und wer entscheidet, wenn zwei Bereiche unterschiedliche Werte haben.

Die fünfte Angabe ist die wichtigste. Ohne sie bleibt jede Abweichung ein Fall für eine Abstimmungsrunde. Mit ihr gibt es eine Stelle, die entscheidet, und eine Frist, in der das geschieht.

Was unterscheidet den Owner von der IT?

Der Owner entscheidet, was ein Datenpunkt bedeutet, welche Qualität er haben muss und wer ihn nutzen darf. Die IT speichert, sichert und liefert. Ein häufiger Fehler ist aus unserer Sicht, die IT zum Owner zu erklären, weil die Daten in ihren Systemen liegen. Sie kann die fachliche Bedeutung nicht festlegen. Owner ist der Bereich, in dessen Arbeit der Datenpunkt entsteht oder der am stärksten von seiner Qualität abhängt. Für Streitfälle zwischen Bereichen braucht es eine Stelle, die entscheidet, sonst bleibt jede Definition ein Vorschlag. In vielen Organisationen genügt dafür ein bestehendes Gremium, das dieses Mandat ausdrücklich erhält.

Wie werden Konflikte zwischen Bereichen gelöst?

Über eine führende Definition und erlaubte Sichten. Der Vertrieb darf weiter in Haushalten denken und die Finanzfunktion in Beitragszahlern. Entscheidend ist, dass jede Sicht aus der führenden Definition abgeleitet ist und so benannt wird. Dann gibt es eine Zahl der Kunden und daneben klar bezeichnete Auswertungen.

Für AI-Systeme ist das die Voraussetzung dafür, dass eine Frage nach dem Kunden überall dieselbe Antwort ergibt. Für das Management hat es einen eigenen Nutzen: Berichte aus verschiedenen Bereichen werden vergleichbar, ohne dass jemand die Unterschiede erklären muss.

Woran lässt sich Fortschritt messen?

An drei Größen je Datenpunkt. Gibt es eine schriftliche Definition mit Owner. Wie hoch ist der Anteil der Datensätze, die die verlangte Qualität erfüllen. Und wie viele Anwendungen beziehen den Datenpunkt aus der führenden Quelle statt aus einer Kopie.

Die dritte Größe zeigt, ob Ownership im Betrieb angekommen ist. Solange Anwendungen eigene Kopien pflegen, entstehen die alten Abweichungen neu. Jede Anwendung, die auf die führende Quelle umgestellt wird, senkt den Abstimmungsaufwand dauerhaft.

Wie viele Owner braucht ein Versicherer?

Wenige. Eine Handvoll Schlüsseldatenpunkte mit je einem verantwortlichen Bereich decken den größten Teil der Anwendungsfälle in Vertrieb, Service und Schaden ab. Weitere Datenpunkte kommen hinzu, wenn ein konkretes Vorhaben sie braucht. Ein vollständiges Verzeichnis aller Daten vor dem ersten Anwendungsfall ist der sicherste Weg, das Thema zu verlieren.

Was ändert sich für die Bereiche im Alltag?

Weniger, als viele erwarten. Der Owner bekommt keine neue Abteilung, sondern eine benannte Zuständigkeit und einen festen Termin. Einmal im Quartal prüft er die Qualität seines Datenpunkts, entscheidet offene Abweichungen und nimmt Änderungswünsche der Nutzer auf. Das sind wenige Stunden, wenn die Definition steht.

Der größere Aufwand liegt am Anfang, wenn Definitionen ausgehandelt werden. Hier hilft ein konkretes Vorhaben als Anlass. Ein Bereich, der einen AI-Assistenten im Service einführen will, hat ein eigenes Interesse daran, dass der Begriff Kunde eindeutig ist. Ownership entsteht dann aus dem Bedarf und nicht aus einer Vorgabe.

Wie wird Ownership eingeführt, ohne ein Großprojekt zu starten?

  • Mit wenigen Schlüsseldatenpunkten beginnen, etwa Kunde, Vertrag, Vermittler und Schaden.

  • Je Datenpunkt einen Bereich als Owner benennen und die Definition schriftlich festlegen.

  • Festhalten, wer die Daten nutzt und welche Qualität diese Nutzer brauchen.

  • Den Aufwand der Owner anerkennen, in Zielen und in der Kapazitätsplanung.

  • Die Zuordnung an einem konkreten AI-Vorhaben erproben, bevor sie auf weitere Datenpunkte ausgeweitet wird.

  • Je Datenpunkt festlegen, wer bei abweichenden Werten entscheidet und in welcher Frist.

Ob zwei Bereiche der eigenen Organisation auf die Frage nach der Zahl der Kunden dieselbe Antwort geben, lässt sich in einer Woche klären.

Wer welche Daten verantwortet, lässt sich gut in einem ersten Gespräch sortieren. Wir freuen uns darauf.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Kleine Glasscheiben im Kreis um eine große Scheibe mit blauem Rand: ein Datenpunkt mit klarer Verantwortung in der Mitte

Die wichtigsten Erkenntnisse

Jeder Bereich definiert Kunde und Schaden anders.

Kulturelle Widerstände wiegen schwerer als Budget.

Ownership beginnt bei wenigen Schlüsseldatenpunkten.

Ein Kunde, vier Definitionen

Für das Marketing ist ein Kunde jeder Kontakt mit Einwilligung, für die Sachsparte jeder Versicherungsnehmer, für den Vertrieb jeder Haushalt, für die Finanzfunktion jeder Beitragszahler. Solange Menschen die Zahlen deuten, fällt das kaum auf. Owner eines Datenpunkts ist beim Versicherer der Bereich, der seine Definition, Qualität und Bereitstellung für alle Nutzer verantwortet. Diese Zuordnung trifft das Management, nicht die IT.

Warum wird Ownership mit AI zur Voraussetzung?

Weil ein AI-System nicht nachfragt. Laut einer Gartner-Umfrage haben 63 Prozent der Organisationen nicht die richtigen Praktiken im Datenmanagement für AI oder sind unsicher, ob sie sie haben („Lack of AI-Ready Data Puts AI Projects at Risk“, Februar 2025). Dieselbe Mitteilung verweist auf eine Befragung von 1.203 Verantwortlichen für Datenmanagement im Juli 2024. Die Erhebung ist branchenübergreifend und international. Für Versicherer mit gewachsenen Bestandssystemen je Sparte dürfte die Ausgangslage aus unserer Sicht eher schwieriger sein als im Durchschnitt.

Woran scheitert Data Governance in der Praxis?

An der Kultur häufiger als am Geld. In einer Gartner-Umfrage unter 223 Verantwortlichen für Daten und Analytik vom März 2026 wog kultureller Widerstand als Grund für das Scheitern von Governance-Initiativen schwerer als fehlende Finanzierung, 60 gegenüber 40 Prozent. Dahinter steht eine einfache Logik: Ownership bedeutet Arbeit für andere. Ein Bereich soll Daten so pflegen, dass auch fremde Bereiche sie nutzen können, und bekommt dafür zunächst nichts.

Welcher Rahmen gilt für Daten in AI-Systemen?

Daten-Governance gehört zu den Grundsätzen, die EIOPA für AI-Systeme im Versicherungsgeschäft hervorhebt. Die „Opinion on Artificial Intelligence governance and risk management“ (August 2025) setzt keine neuen Anforderungen, sondern wendet die bestehenden an, risikobasiert und verhältnismäßig. Wer AI in Vertrieb, Schaden oder Service einsetzt, muss also ohnehin zeigen können, woher die Daten stammen und wer für sie einsteht. Wie Datenstrategie und AI zusammenhängen, vertieft der Beitrag zur Datenstrategie für AI.

Was gehört zur Definition eines Datenpunkts?

Fünf Angaben auf einer Seite. Was der Begriff bedeutet und was nicht. Aus welchem System der führende Wert kommt. Welche Qualität verlangt ist, etwa Vollständigkeit und Aktualität. Wer den Datenpunkt lesen und wer ihn ändern darf. Und wer entscheidet, wenn zwei Bereiche unterschiedliche Werte haben.

Die fünfte Angabe ist die wichtigste. Ohne sie bleibt jede Abweichung ein Fall für eine Abstimmungsrunde. Mit ihr gibt es eine Stelle, die entscheidet, und eine Frist, in der das geschieht.

Was unterscheidet den Owner von der IT?

Der Owner entscheidet, was ein Datenpunkt bedeutet, welche Qualität er haben muss und wer ihn nutzen darf. Die IT speichert, sichert und liefert. Ein häufiger Fehler ist aus unserer Sicht, die IT zum Owner zu erklären, weil die Daten in ihren Systemen liegen. Sie kann die fachliche Bedeutung nicht festlegen. Owner ist der Bereich, in dessen Arbeit der Datenpunkt entsteht oder der am stärksten von seiner Qualität abhängt. Für Streitfälle zwischen Bereichen braucht es eine Stelle, die entscheidet, sonst bleibt jede Definition ein Vorschlag. In vielen Organisationen genügt dafür ein bestehendes Gremium, das dieses Mandat ausdrücklich erhält.

Wie werden Konflikte zwischen Bereichen gelöst?

Über eine führende Definition und erlaubte Sichten. Der Vertrieb darf weiter in Haushalten denken und die Finanzfunktion in Beitragszahlern. Entscheidend ist, dass jede Sicht aus der führenden Definition abgeleitet ist und so benannt wird. Dann gibt es eine Zahl der Kunden und daneben klar bezeichnete Auswertungen.

Für AI-Systeme ist das die Voraussetzung dafür, dass eine Frage nach dem Kunden überall dieselbe Antwort ergibt. Für das Management hat es einen eigenen Nutzen: Berichte aus verschiedenen Bereichen werden vergleichbar, ohne dass jemand die Unterschiede erklären muss.

Woran lässt sich Fortschritt messen?

An drei Größen je Datenpunkt. Gibt es eine schriftliche Definition mit Owner. Wie hoch ist der Anteil der Datensätze, die die verlangte Qualität erfüllen. Und wie viele Anwendungen beziehen den Datenpunkt aus der führenden Quelle statt aus einer Kopie.

Die dritte Größe zeigt, ob Ownership im Betrieb angekommen ist. Solange Anwendungen eigene Kopien pflegen, entstehen die alten Abweichungen neu. Jede Anwendung, die auf die führende Quelle umgestellt wird, senkt den Abstimmungsaufwand dauerhaft.

Wie viele Owner braucht ein Versicherer?

Wenige. Eine Handvoll Schlüsseldatenpunkte mit je einem verantwortlichen Bereich decken den größten Teil der Anwendungsfälle in Vertrieb, Service und Schaden ab. Weitere Datenpunkte kommen hinzu, wenn ein konkretes Vorhaben sie braucht. Ein vollständiges Verzeichnis aller Daten vor dem ersten Anwendungsfall ist der sicherste Weg, das Thema zu verlieren.

Was ändert sich für die Bereiche im Alltag?

Weniger, als viele erwarten. Der Owner bekommt keine neue Abteilung, sondern eine benannte Zuständigkeit und einen festen Termin. Einmal im Quartal prüft er die Qualität seines Datenpunkts, entscheidet offene Abweichungen und nimmt Änderungswünsche der Nutzer auf. Das sind wenige Stunden, wenn die Definition steht.

Der größere Aufwand liegt am Anfang, wenn Definitionen ausgehandelt werden. Hier hilft ein konkretes Vorhaben als Anlass. Ein Bereich, der einen AI-Assistenten im Service einführen will, hat ein eigenes Interesse daran, dass der Begriff Kunde eindeutig ist. Ownership entsteht dann aus dem Bedarf und nicht aus einer Vorgabe.

Wie wird Ownership eingeführt, ohne ein Großprojekt zu starten?

  • Mit wenigen Schlüsseldatenpunkten beginnen, etwa Kunde, Vertrag, Vermittler und Schaden.

  • Je Datenpunkt einen Bereich als Owner benennen und die Definition schriftlich festlegen.

  • Festhalten, wer die Daten nutzt und welche Qualität diese Nutzer brauchen.

  • Den Aufwand der Owner anerkennen, in Zielen und in der Kapazitätsplanung.

  • Die Zuordnung an einem konkreten AI-Vorhaben erproben, bevor sie auf weitere Datenpunkte ausgeweitet wird.

  • Je Datenpunkt festlegen, wer bei abweichenden Werten entscheidet und in welcher Frist.

Ob zwei Bereiche der eigenen Organisation auf die Frage nach der Zahl der Kunden dieselbe Antwort geben, lässt sich in einer Woche klären.

Wer welche Daten verantwortet, lässt sich gut in einem ersten Gespräch sortieren. Wir freuen uns darauf.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.