Stammdatenmanagement

Stammdaten sind ein immaterielles Wirtschaftsgut mit dem Potenzial, für seinen Besitzer nachhaltig und wiederholt betriebswirtschaftlichen Nutzen zu stiften. Die Stammdaten geben dabei einerseits Auskunft über verfügbare Potenziale für die Wertschöpfung und bieten damit die Grundlage für operative Entscheidungen, zum anderen werden sie im Rahmen einer vernetzten Logik zur automatisierten Steuerung der Wertschöpfungsprozesse genutzt. Durch ihre Transformation in ein digitales Format ist es sachlogisch, dass nur vollständige und vollkommen korrekte Stammdaten zu fehlerfreien und flüssigen Geschäftsprozessen führen. Um die Fehlerfreiheit und Vollständigkeit von Stammdaten zu garantieren, sind verbindliche Regeln und Verantwortlichkeiten im Unternehmen zu definieren und durchzusetzen.

Angesichts sich permanent verschärfender Wettbewerbsbedingungen, kürzerer Innovationszyklen, wachsender Komplexität und einem hohen Druck, Wertschöpfungsprozesse immer schneller ablaufen zu lassen, sind Automatisierung und Digitalisierung die Hebel, diesen Herausforderungen erfolgreich zu begegnen. Dabei ist letzte die Grundlage jeglicher Automatisierung. Sie beruht darauf, dass die Information codiert und in eine interpretierbare Abfolge der Werte 0 und 1 verarbeitet wird. Nur ein korrekter Code kann richtig interpretiert werden. Auf Digitalisierung beruhende Lösungen sind nicht in der Lage, Informationen anders zu interpretieren, als ihnen dies durch den vorliegenden Code vorgegeben ist. Insofern sind die Vollständigkeit und Richtigkeit des Codes in digitalisierten Daten unverzichtbare Grundlagen. Diese Erkenntnis führt dazu, der Qualität von Daten ein hohes Maß an Aufmerksamkeit zu widmen und Zeit sowie finanzielle Mittel in dieses hochwertige Wirtschaftsgut zu investieren.

Stammdaten im ERP-System sind häufig mangelhaft

Bei den Anwendern von ERP-Systemen sind zwei Dinge zu beobachten, die beide auf die unzureichende aktive Pflege und Bewirtschaftung der Stammdaten schließen lassen. Einerseits wird die Qualität der eigenen Stammdaten in der Regel stark überschätzt. Bei Projekten zur systematischen Stammdatenbereinigung, etwa im Zuge eines ERP-Systemwechsels vor der Datenübernahme, sind die Nutzer meist sehr erstaunt über die tatsächliche, mangelhafte Datenqualität, die sich in Redundanz, Unvollständigkeit und tatsächlich falschen Informationen ausdrückt. Andererseits zeigen einschlägige Umfrageergebnisse, dass die mit Abstand wichtigste Ursache für mangelhafte Datenqualität der Aufwand der Stammdatenpflege ist, die im Wesentlichen immer noch manuell durch die verantwortlichen Sachbearbeiter durchgeführt werden muss.

Vielfach wird sogar eine suboptimale Nutzung der ERP-Lösungen bewusst in Kauf genommen. Anwender erkennen durchaus mögliche attraktive Leistungsmerkmale ihrer Systeme, die jedoch einen zusätzlichen Aufwand an Stammdatenpflege erfordern würden; in diesen Fällen wird auf das zusätzliche Leistungsmerkmal verzichtet. Im Ergebnis führt das dazu, dass von den Unternehmen Leistungsmerkmale von ERP bezahlt, aber nicht genutzt werden. Aus Sicht von ERP-Anbietern ergibt sich, dass das Leistungsangebot der Systeme als unbefriedigend wahrgenommen wird oder dass gar Fehler, welche auf mangelhafte Datenqualität zurückzuführen sind, den Anwendern als Manko in der Software erscheinen. Bild 2 zeigt die Häufigkeit verschiedener Qualitätsprobleme in IT und Fachabteilungen.

Data Governance – Regeln und Verantwortlichkeiten

Bei der Data Governance stehen vor allem Regeln für die Datenbewirtschaftung und daraus folgende Verantwortlichkeiten im Fokus. So ist grundsätzlich zu regeln, bei wem die fachliche und operative Verantwortung für die Richtigkeit und Vollständigkeit von Stammdaten liegt. Demgegenüber obliegt die administrative Kontrolle der Stammdatenqualität einer zentralen Organisationseinheit, welche Regeln in Zusammenarbeit mit den fachlich Verantwortlichen bereichsübergreifend erstellt, diese Regeln überwacht und bei Mängeln deren Korrektur einfordert und durchsetzt.

Wichtig für das Gelingen eines derartigen Organisationsansatzes ist, dass alle maßgeblichen Beteiligten ein gemeinsames Verständnis für die Bedeutung einer guten Datenqualität erarbeiten und vereinbaren. Dabei ist anzustreben, dass das Thema aktiv von der Geschäftsführung begleitet und gefördert wird. Das Management ist in der Rolle des Treibers, während die Kontrolle durch eine Stabsstelle ausgeführt wird.

Zunächst sind konkrete Ziele für eine nachhaltig zu erreichende Datenqualität zu definieren. Dabei muss das Potenzial und der Nutzen einer guten Datenqualität ebenso wie die Prozessrisiken einer mangelhaften Datenqualität anschaulich beschrieben werden. Die Notwendigkeit einer hohen Datenqualität muss regelmäßig geschult werden.

Durch die regelmäßige Anwendung von Analysetools sind die Datenqualität und ihre Aufrechterhaltung zu prüfen. Typische Fehlermuster können hierbei kategorisiert werden und in die laufende Schulung der verantwortlichen Mitarbeiter einfließen, um hierzu ein Bewusstsein zu schaffen und das Auftreten der Fehler zu verhindern und zurück zu drängen.

Für die Anlage von Stammdaten müssen Konventionen vereinbart werden. Dabei ist vor allem auf eine einheitliche Me-trik und Syntax zu achten, sodass Mengenangaben und Begrifflichkeiten eindeutig sind und die Redundanz von Daten vermieden wird. Weiterhin sind Pflichtangaben zu definieren und möglichst in der Software hart einzustellen. Schließlich sollen Regeln für die Aktualität von Daten definiert und eine Vorgehensweise für die Archivierung nicht aktueller Daten festgelegt werden, um die Anzahl der Datensätze auf ein Mindestmaß zu beschränken.

Mit Hilfe von modernen Analysetools ist eine Datenanalyse durchzuführen und die Daten sind nachfolgend entsprechend zu korrigieren. Operativ geschieht dies z. B. durch die kontinuierliche Methode des „Data-Quality-Circle“:

• Messung und Bestimmen von Fehlerrate und Fehlerquote,
• Datenanalyse mit Fehlerquellen und Ursachenbestimmung,
• Normalisierung und Rekonstruktion von Daten und Datenformaten,
• Korrektur mit Überprüfung, Anpassung und Berichtigung,
• Identifikation redundanter Datensätze,
• Anreicherung und Ergänzen mit Zusatzinformationen,
• Zusammenführung verschiedener Datenquellen,
• Report und kontinuierliche Überwachung des Datenqualitätsprozesses.

Zentrale und dezentrale Verantwortlichkeiten für die Pflege und Qualität der Stammdaten sind festzulegen. Darüber hinaus müssen Methoden und Zyklen der Überprüfung der Stammdatenqualität vereinbart werden.

Moderne ERP-Lösungen müssen das Stammdatenmanagement nachhaltig und wirksam unterstützen. Dies geschieht bereits durch eine ergonomische und intuitive Benutzeroberfläche, die es dem Anwender leicht macht die Übersicht zu behalten und mögliche Fehleingaben zu erkennen. Letzteres wird maßgeblich durch Plausibilitäts- und Vollständigkeitskontrollen gewährleistet. Die Strukturierung von Informationen führt den Anwender dabei.

Workflows für die Stammdatenanlage erleichtern es, die Vollständigkeit und Richtigkeit der Datenanlage zu organisieren und schaffen die abteilungsübergreifende Verbindung bei der Organisation dezentraler Verantwortlichkeiten bei Stammdaten.

Die Auslaufsteuerung und Archivierung stellt in der Praxis eine große Herausforderung dar. In diesem Zusammenhang muss bereits bei Einführung einer ERP-Lösung die Auslaufsteuerung und Archivierung konzeptionell berücksichtigt werden. Die ERP-Anbieter sollten dazu Analyse- und Unterstützungstools bereitstellen.

Drei Hebel für automatisierte Stammdatenpflege

Um den Aufwand der Stammdatenpflege zu vermindern, bieten sich drei Lösungsansätze für eine vollständige oder teilweise Automatisierung von Stammdatenpflege, die zu einer massiven Entlastung bei den ERP-Systemnutzern und gleichzeitig zu einer deutlichen Qualitätsverbesserung der Stammdaten und damit der Funktionalität der ERP-Lösungen führen können.

ERP-Lösungen enthalten bereits viele Informationen, aus denen die Richtigkeit von Stammdaten abgeleitet werden kann. Sehr bekannt ist die in den meisten Systemen verfügbare Information über den gleitenden Einkaufpreis für Produkte. Erstaunlicherweise gibt es kein Pendant zur Wiederbeschaffungszeit eines Produkts. Dabei wäre diese Information sehr einfach im System zu ermitteln und gegen die entsprechenden Stammdaten abzugleichen. Folgt der Disponent dem Vorschlag seines ERP-Systems und bestellt vor dem Hintergrund der in seinen Stammdaten abgelegten Wiederbeschaffungszeit ein Produkt, dann wird sich jeweils eine Lieferzeit ergeben, die mit dem Wareneingang dokumentiert wird. Dieser Beschaffungszeitraum lässt sich sehr einfach abgleichen und die Stammdaten gegebenenfalls aktualisieren. Entsprechendes gilt beispielsweise auch für Fertigungsaufträge.

Eine zweite Quelle für die Anreicherung und Optimierung von Stammdaten könnten in den Unternehmen eingesetzte, weitere IT-Lösungen sein, über die der Datenaustausch mit Kunden oder Lieferanten umgesetzt wird. So könnte ERP z. B. den E-Mail-Verkehr laufend analysieren und erkennen, ob Informationen von Kunden oder Lieferanten eingehen, die in den Stammdaten noch nicht erfasst oder anderslautend hinterlegt sind wie z. B. Adress- oder Kontaktinformationen. In diesen Fällen ist es möglich die Sachbearbeiter gezielt auf die Differenzen hinzuwiesen, sodass die Daten ggf. einfach korrigiert werden.

Schließlich könnten, in Zeiten von Industrie 4.0, die Systeme von Lieferanten und Kunden natürlich miteinander kommunizieren und insbesondere Produktinformationen austauschen, die der Lieferant ohnehin besser kennt als der Kunde (Preise, Lieferzeiten, Artikeländerungen, Länge, Breite, Höhe, Gewicht, Zolltarifnummern etc.), was dann kundenseitig gar nicht mehr manuell eingepflegt werden müsste und in der Regel auch sachlich richtig wäre.

Handlungsempfehlungen

ERP-Anwender müssen erkennen, dass eine Digitalisierung nicht ohne eine hohe Stammdatenqualität umsetzbar ist. Im digitalen Code wird die Information in 0 und 1 abgebildet. Stimmt dieser Code nicht, so laufen die digital gesteuerten Prozesse fehlerhaft oder überhaupt nicht. Vor diesem Hintergrund muss Stammdatenmanagement in den Unternehmen höchste Priorität erhalten.

ERP-Anbieter müssen erkennen, dass eine ausschließlich manuelle Stammdatenpflege vor dem Hintergrund der umfassenden Funktionalität und der enormen Komplexität ihrer Lösungen für die Anwender nicht mehr möglich ist. Vielmehr müssen moderne ERP-Lösungen den Anwender bei der Datenpflege umfassend und nachhaltig unterstützen. Dies muss in erster Linie durch Werkzeuge geschehen, welche die Daten auf Plausibilität und Vollständigkeit untersuchen und ggf. automatisch Änderungen vollziehen oder den Nutzern Änderungen vorschlagen.

Das könnte Sie auch interessieren

Zehn ERP-Praktiker über Projekterfolg Was in Auswahl, Implementierung und Betrieb wirklich zählt

ERP-Projekte scheitern selten an der Software selbst, sondern an unklaren Prozessen, fehlender Vorbereitung und mangelnder organisatorischer Einbindung. Zehn erfahrene ERP-Praktiker aus Deutschland und der Schweiz berichten aus ihrer Projektpraxis und zeigen, welche Faktoren bei Auswahl, Einführung und Betrieb von ERP-Systemen wirklich entscheidend sind – von der oft unterschätzten Phase Null bis zur realistischen Einordnung von KI.

Ohne ERP-System keine KI-Transformation im Mittelstand Im Mittelstand entscheidet das ERP über Tempo und Wirkung von KI

Künstliche Intelligenz gilt als Treiber der digitalen Transformation –doch im Mittelstand entscheidet nicht der Algorithmus, sondern das ERP über Tempo und Wirkung. Gut gepflegte ERP-Systeme liefern die verknüpften, kontextualisierten Daten, die KI erst produktiv machen. Sie bilden die Basis für Prozessoptimierung, Automatisierung und neue Geschäftsmodelle. Wer nachhaltige Innovation realisieren will, muss beim ERP ansetzen.

„Der Fokus muss auf Individualisierungen liegen, die ein Unternehmen einzigartig machen“ Im Management-Talk mit enventa CEO Daniel Plohnke

Was bedeutet die Auszeichnung „ERP-System des Jahres“ für Sie? Es ist toll, dass die Energie und die Leidenschaft, die unser Team in das Produkt steckt, ausgezeichnet werden. Das zeigt uns, dass wir auf dem richtigen Weg sind, und es ist eine Anerkennung für alle, die über die Jahre daran mitgewirkt haben. Was unterschied Ihre Lösung von den anderen Finalisten? Unser Produkt hat einen klaren Branchen-Fokus auf die Bekleidungs- und Lifestyle-Branche – und ist dazu eine echte Standard-Lösung. Welchen Kundenmehrwert konnten Sie im Wettbewerb am besten zeigen? Die Durchgängigkeit und Transparenz über das gesamte Unternehmen hinweg. Die verschiedenen Geschäftsmodelle, die ein Modeunternehmen heutzutage beherrschen muss, sind eine Herausforderung. Ihre Orchestrierung in einer Lösung erlaubt unseren Kunden, diese mit maximaler Effizienz zu bewältigen. Wie tragen Cloud-Technologien zur Lösungs strategie bei? Speziell in unserem Zielmarkt gibt es häufiger ...

Fünf teure Stolpersteine bei der ERP-Einführung Mit diesen Empfehlungen bewältigen Unternehmen solche Hürden

Den meisten Mittelständlern ist längst klar, dass sie im Zuge des digitalen Wandels ihre Prozesse vernetzen müssen. Kaum ein Weg führt dabei an ERP-Systemen vorbei – sie sorgen für Geschwindigkeit und vor allem Transparenz. Doch die Angst vor hohen Kosten, komplexen Projekten und Unruhe in der Belegschaft bremst viele Unternehmen aus. Fünf Hürden gilt es zu umgehen, um das Potenzial voll auszuschöpfen.

RICE-Scoring bringt Struktur in ERP-Entscheidungen Mit einer simplen Formel treffen KMU klare Projektentscheidungen

KMU stehen oft vor der Herausforderung, zu viele Digitalisierungswünsche mit zu wenig Ressourcen unter einen Hut zu bringen. Häufig entscheiden Bauchgefühl oder Abteilungsdruck, was umgesetzt wird – mit teuren Fehlstarts als Folge. Das RICE-Scoring bietet eine einfache Formel zur objektiven Priorisierung: Anhand von Reichweite, Wirkung, Zuversicht und Aufwand erkennen Unternehmen, welche ERP-Projekte den größten Nutzen bringen.

Methoden-Toolkit für bessere Entscheidungen Mit Argumentenbilanz, Nutzwertanalyse und Co. Alternativen bewerten und Risiken erkennen

Entscheidungstechniken machen den Unterschied zwischen Bauchgefühl und fundiertem Urteil. Sie strukturieren Informationen, zeigen Alternativen auf, gewichten Argumente und machen Folgen transparent. Ob Argumentenbilanz, Nutzwertanalyse, Entscheidungsbaum oder Business Case – die Methoden liefern Entscheidern nachvollziehbare Grundlagen. Am Ende gilt: Gut vorbereitete Entscheidungen zahlen direkt auf den Unternehmenserfolg ein.