ERP-Technologie

Operational Business Intelligence

Lesedauer:  3 Minuten
haenel top 1

Operational Business Intelligence ermöglicht Unternehmen die Analyse täglicher Geschäftsaufgaben zur Unterstützung der Wettbewerbsfähigkeit. Allerdings bedarf es einer fachlichen Ausrichtung analytischer Anwendungen an eine operative Entscheidungsfindung und deren spezifischen Merkmalen der Wertschöpfung. Der vorliegende Beitrag schlägt eine Kombination der Modellierung von Geschäftsszenarios und analytischer Anwendungen vor. Der fachliche Ansatz wird anhand einer Fallstudie aus der metallverarbeitenden Industrie dargestellt.

Operational Business Intelligence (OpBI) adressiert die Analyse des aktuellen Tagesgeschäfts, um das Leistungspotenzial wertschaffender Prozesse auszuschöpfen [1]. Derartig umgesetzte Konzepte müssen mit der betriebswirtschaftlichen Motivation eines Unternehmens im Einklang stehen, sodass Entscheider ein System wie OpBI für die Leistungsanalyse der täglichen Aufgabenerfüllung nutzen. Ziel des Beitrages ist daher die Darstellung der Überführung eines Geschäftsszenarios in ein entsprechendes fachliches Datenmodell im Rahmen einer OpBI-Anwendung.
Der Literatur zu OpBI fehlt es gegenwärtig an einer Diskussion fachlicher Ansätze, die eine Ableitung von Analysestrukturen aus Geschäftsszenarios adressiert. Diese Diskussion ist wichtig, um Nutzen oder Hürden für eine OpBI-Anwendung ausgehend von der betriebswirtschaftlichen Motivation eines Unternehmens abzuschätzen. Es bedarf eines fachlichen Bezugs zwischen dem analytischen Verarbeitungsmodell von OpBI und der Wertschöpfungslogik eines Unternehmens. Zu diesem Zweck tragen wir zur Diskussion über die Strukturierung von Geschäftsszenarios zugunsten einer Leistungsanalyse in wertschaffenden Prozessen bei.

Status quo

OpBI integriert und analysiert Daten zur Unterstützung operativer Entscheidungen [1]. Daraus lässt sich schließen, dass das Entscheidungsumfeld durch Anforderungen des operativen Managements bestimmt wird. Die Erfüllung wiederkehrender Aufgaben ist an dieser Stelle charakteristisch. Informationen sind detailliert vorzuhalten und der betreffende Sachverhalt präzise darzustellen. Operative Tätigkeiten beziehen schon aufgrund ihrer Ebene in der Unternehmenspyramide viele Anwender ein, die häufig Entscheidungen treffen. Ebenfalls charakterisierend ist, dass die Anwendungssysteme über längere Zeiträume genutzt und kontinuierlich angepasst werden.
OpBI-Systeme müssen Informationen aus dem operativen Entscheidungsumfeld derart aufbereiten, als dass ein Entscheidungsträger zeitnah sein Handlungserfordernis erkennen und geeignete Maßnahmen ableiten kann [1]. Mit abnehmender Strukturierung der Informationen besteht die Gefahr, dass fehlerhafte Entscheidungen getroffen werden und der Aufwand der Entscheidungsfindung zunimmt [2]. Die Gefahr besteht für Entscheidungen, die aufgrund ihrer Häufigkeit einen signifikanten Einfluss auf ein Unternehmen haben.
OpBI ist hinsichtlich der Aufbereitung entscheidungsrelevanter Informationen mit dem Anspruch einer Reduktion von Latenzzeiten bis hin zu einer Datenverarbeitung in Echtzeit verbunden [1]. Allerdings begegnen Systeme dieser Anforderung aus technischer Sicht schon eine längere Zeit. Seien es ursprünglich Datenbanktrigger und Spiegelungsmechanismen, so sind es heutzutage Frameworks wie Hadoop, die beispielsweise den Zugriff auf große Datenmengen ermöglichen [3]. In-Memory-Datenbanken können transaktionale und analyseorientierte Datenstrukturen gleichermaßen berücksichtigen [4]. Die Integration von Daten lässt sich durch eine Virtualisierung verbessern [5]. Die technischen Entwicklungen fokussieren aber nur auf die Bereitstellung von Daten und sind anwendungsneutral hinsichtlich der Analyse eines operativen Entscheidungsumfelds. Dieses Umfeld hängt von der Wertschöpfungslogik eines Unternehmens ab und ist nicht per se für ein technisches System zugänglich. Daher wird im Folgenden anhand einer Fallstudie aufgezeigt, wie ein operatives Geschäftsszenario in ein fachliches Datenmodell überführt und als IT-basiertes Arbeitssystem beschrieben werden kann.

Fallstudie Metallverarbeitung

Das hier betrachtete Unternehmen führt Lohnfertigungsaufträge für den allgemeinen und spezialisierten Maschinenbau aus. Die Untersuchung erfolgt in drei Phasen: (1) Beschreibung des Geschäftsszenarios, (2) Erstellung des fachlichen Datenmodells und (3) Beschreibung des IT-basierten Arbeitssystems.

ERP Management 3/2014 im Shop bestellen

 

Ihre Downloads


Das könnte Sie auch interessieren

Intelligentes Kalkulationsmanagement

Intelligentes Kalkulationsmanagement

Abweichungen erkennen, bevor sie teuer werden
Budgetabweichungen entstehen im industriellen Projektgeschäft häufig nicht erst während der Ausführung. Ihre Ursachen liegen vielfach bereits in frühen Annahmen, unvollständigen Mengengerüsten und fehlender Abstimmung. Intelligentes Kalkulationsmanagement verbindet Kalkulation, Risikoanalyse, ERP-Daten und Projektsteuerung. Der Beitrag zeigt, wie Unternehmen Abweichungen früher sichtbar machen und Verantwortung systematisch verankern können.
ERP ist nicht mehr das Betriebssystem des Unternehmens

ERP ist nicht mehr das Betriebssystem des Unternehmens

Vom System of Record zum kontrollierten System of Action
ERP-Systeme bleiben das transaktionale Rückgrat von Unternehmen – doch in der KI-nativen Welt reicht ihre Rolle allein nicht mehr aus. Unternehmenswissen verteilt sich über zahlreiche Systeme, während KI Kontext, Governance und systemübergreifende Prozesse benötigt. Ein Business-Operating-System kann diese Lücke schließen: als semantische, KI-fähige und systemunabhängige Schicht zwischen Menschen, Daten, Prozessen und Anwendungen.
Steuer-Compliance im ERP-Kontext

Steuer-Compliance im ERP-Kontext

Steuer-Compliance im ERP systematisch gestalten
 1. Steuerliche Anpassungen außerhalb des ERP-Systems? Im Jahresabschluss werden steuerliche Abweichungen von handelsrechtlichen Wertansätzen häufig außerhalb des ERP-Systems ermittelt und in Excel fortgeschrieben. So bildete ein Unternehmen handelsrechtlich eine Drohverlustrückstellung von 50 Mio. Euro, die steuerlich grundsätzlich nicht angesetzt werden darf. Die steuerliche Korrektur lag ausschließlich in mehreren Excel-Dateien. Bei einer späteren Prüfung mussten unterschiedliche Versionen abgestimmt und die Verbindung zum ursprünglichen Geschäftsvorfall aufwendig rekonstruiert werden. Das Praxisproblem liegt damit im Medienbruch: Der handelsrechtliche Wert befindet sich im ERP-System, der steuerliche Wert und seine Herleitung dagegen außerhalb. Unterschiedliche Bearbeitungsstände und manuelle Abstimmungen erschweren die Nachvollziehbarkeit. Hinzu kommen Anforderungen der GoBD an Nachvollziehbarkeit und Unveränderbarkeit. Der Tax Ledger als ...
Integrierte Prozessarchitektur: Basis digitaler Wertschöpfung

Integrierte Prozessarchitektur: Basis digitaler Wertschöpfung

Erkenntnisse aus der Wohnungswirtschaft
Die Wohnungswirtschaft braucht neue Antworten auf steigende Komplexität, Kostendruck und wachsende Digitalisierungsanforderungen. Eine integrierte Prozessarchitektur schafft dafür den Ordnungsrahmen: Sie verbindet end-to-end-Prozesse, wiederverwendbare Prozessmodule, Workflows und interoperable IT-Systeme. Das ERP wird dabei vom zentralen Prozessführer zum stabilen System of Record und schafft Raum für flexible, spezialisierte digitale Lösungen.
Task-Management-Tools im Vergleich: 5 im Praxistest

Task-Management-Tools im Vergleich: 5 im Praxistest

Stärken, Schwächen und Funktionen anhand klarer Bewertungskriterien
Ob Excel-Liste oder Kanban-Board: Die Wahl des richtigen Task-Management-Systems entscheidet mit darüber, ob wachsende Unternehmen den Überblick behalten oder im Chaos versinken. Der Artikel stellt listenbasierte und kanban-orientierte Ansätze gegenüber – Struktur versus Flexibilität, lineare Ordnung versus visueller Workflow. Anhand konkreter Tools und Praxisszenarien zeigt sich, welches Konzept in welchem Szenario wirklich überzeugt.
Agentic AI : Unterstützung statt Dashboard-Dschungel

Agentic AI : Unterstützung statt Dashboard-Dschungel

Wie aktive Agenten den Betriebs Workflow neu definieren
IT-Betriebsteams verwalten heute vielschichtige Ökosysteme mit immer mehr Tools für Monitoring, Observability, ITSM, CMDB, Automatisierung, Security und Asset-Management. Diese liefern aber selten ein einheitliches Lagebild. Koordinierte KI-Agenten, die Datenquellen zusammenführen, Ursachenhypothesen bilden, Maßnahmen vorschlagen und (im klar abgegrenzten Rahmen) Teile der Ausführung übernehmen, werden Teams zukünftig aktiver unterstützen.