Vier Schritte zum effektiven Material Master Data Management in der Produktion

In den Produktionsprozessen von Fertigungsunternehmen steckt enorm viel Potential zur Digitalisierung. Doch diese scheitert oft im Anfangsstadium an schlecht gepflegten Stammdaten. Warum setzen gut gepflegte Stammdaten Digitalisierung voraus und welche Vorteile hat eine hohe Datenqualität bei m Master Data Management vor allem für produzierende Unternehmen?

Thema Master Data Management: ganz oben auf der Agenda

Ein Jahr zuvor hat Lünendonk festgestellt, dass von 155 Befragten Führungskräften und Datenverantwortlichen 58 Prozent die eigenen Stammdaten im Unternehmen als mittelmäßig bis schlecht einordnen. Laut einer aktuellen Studie von BARC steht das Thema Master Data Management nun an erster Stelle der Unternehmensstrategie. Die Wichtigkeit von sauberen Stammdaten im Unternehmen scheint in den Führungsetagen angekommen zu sein. Für den Aufbau eines datengesteuerten Unternehmens ist das Vertrauen in korrekte Stammdaten unerlässlich. Sind diese aber nicht konsistent und fehlt es an Kontrollmechanismen, die eine reibungslose Datenpflege garantieren, stehen Analyse-Systeme und damit die Entscheidungsfindung im Unternehmen in Frage.

Diese vier Schritte sorgen für eine gute Datenqualität

1. Einbettung in die Unternehmensstrategie

Stammdaten bilden, wie die roten Blutkörperchen im menschlichen Organismus, die Grundlage des Unternehmens. Sie sind Teil der gesamten Wertschöpfungskette. Möchten Sie ihre Datenqualität erhöhen, reicht es nicht aus, an einer Stellschraube zu drehen, Sie sollten vielmehr das wichtige Thema ganzheitlich und langfristig betrachten.

2. Single Point of truth (SPOT)

Der Single Point of truth beschreibt einen allgemeingültigen Datenbestand im Unternehmen. Fehlt der Überblick und pflegen die Mitarbeiter aus verschiedenen Abteilungen die Daten unterschiedlich, kann es beispielsweise zu Dubletten kommen. Die Stammdaten sind nicht verlässlich und möglicherweise veraltet.

3. Data Governance im Unternehmen

Data Governance gewährleistet, dass Stammdaten im Unternehmen auf Verfügbarkeit, Integrität und Sicherheit überprüft sowie die Datenpflege fortlaufend überwacht wird und Verfahren für eine höhere Datenqualität umgesetzt werden – unersetzlich, um eine langfristig hohe Datenqualität zu erhalten.

4. Effiziente technologische Unterstützung

Unternehmen investieren zwar in digitale Lösungen für Master Data Management, haben es allerdings verpasst, geeignete Prozesse und Strukturen zu digitalisieren. Die Realität besteht oft aus einer zentralen Datenverwaltung, aber einer manuellen Datenerfassung, sodass die Daten immer noch recht inkonsistent und von Übertragungsfehlern geprägt sind.

So profitiert die Produktion von korrekten Stammdaten

Der gesamte Produktionsprozess – von der Anlage der Materialstammdaten und Stücklisten über die Beschaffung, Lieferung und Produktion, mitsamt der aufwendigen Koordination zwischen den Abteilungen, bis hin zur Auslieferung – birgt ein hohes Potential für Fehler und Zeitverzögerungen. In aller Kürze: Ein Ingenieur braucht nur in SAP ein Material mehrmals anzulegen, schon kommt es zu Dubletten und damit zu falschen Kalkulationswerten. Gerade Unternehmen der Fertigungsbranche profitieren also von einer möglichst lückenlosen Digitalisierung der Prozesse, wie einer automatisierten Materialstamm-Anlage und erlangen damit entscheidende Wettbewerbsvorteile: angepasste Wiederbeschaffungszeiten, optimierte Losgrößen und Mindestbestellmengen, verlässlicher Informationsaustausch, Verkürzung der Durchlaufzeiten und Supply Chain und somit messbare Kosteneinsparungen.

Warum Sie Digitalisierung vorantreiben sollten

Für Produktionsunternehmen sind weitreichende Nutzungsszenarien in Bezug auf automatisierte Kontrollen und sogar automatisierte Korrekturen denkbar: Datenauswertungen von Rüst-, Fertigungs-, Liege-, und Reifezeiten, aber auch von Materialverbrauch und Mindestbestände werden möglich.
Zusammenfassend führt ein ausgefeiltes Master Data Management zu besseren datenbasierten Entscheidungen und schließlich zu Unternehmenswachstum.

Wie das Internet der Dinge das SAP Master Data Management herausfordern wird

Die Treiber für die nächste Stufe der Komplexität im SAP Master Data Management liegt in der zunehmenden Vernetzung. Das Internet der Dinge (IoT) zieht in alle Bereiche unseres Lebens ein.

Das Management von Stammdaten ist ein komplexes Thema. Viele Unternehmen, die über Jahre hinweg kontinuierlich in ihre SAP-Systeme investiert haben, stellen heute mitunter nüchtern fest: Nicht alle Prozesse laufen reibungslos. Häufig hakt es, weil vermeintlich automatisierte Workflows ins Stocken geraten. Eine der Ursachen dafür sind fehlerhafte Stammdaten, die reibungslose Abläufe aufgrund von Falscheingaben oder Dubletten unmöglich machen.

Stammdaten sind ein wesentlicher Bestandteil aller SAP-basierten Prozesse in Unternehmen. Ohne saubere Stammdaten keine Digitalisierung von Geschäftsprozessen – und ohne Digitalisierung keine Automatisierung! Wer seine SAP-Investitionen optimal nutzen möchte, sollte sich dringend mit dem Master Data Management (MDM) beschäftigen. Doch in der betrieblichen Praxis gestaltet sich die Pflege von SAP-Stammdaten alles andere als einfach.

Ohne saubere Stammdaten keine Digitalisierung von Geschäftsprozessen – und ohne Digitalisierung keine Automatisierung!

Beispielsweise umfasst ein Material-Stammdatensatz in SAP MM bis zu 600 Einzelfelder. An deren Pflege können bis zu einem Dutzend Abteilungen eines Unternehmens beteiligt sein. In global aufgestellten Unternehmen kommen verteilte Produktionsstandorte und unübersichtliche Organisationsstrukturen hinzu – und das Chaos ist perfekt. Wie bekommen Unternehmen diese Komplexität in den Griff?

Die gute Nachricht: Es gibt vielfach erprobte digitale Lösungen für das Stammdatenmanagement. Doch darauf werden wir, zumindest in diesem Blogbeitrag, nicht weiter eingehen. Hier beschäftigen wir uns damit, warum in Zukunft alles noch viel komplexer wird!

Universelle Vernetzung führt zu exponentiellem Datenwachstum

Die Treiber für die nächste Stufe der Komplexität im SAP Master Data Management liegt in der zunehmenden Vernetzung. Das Internet der Dinge (IoT) zieht in alle Bereiche unseres Lebens ein. Mithilfe vernetzter Sensoren verschmelzen physische und digitale Welten miteinander und verweben sich zu einem digital integrierten Ökosystem.

Möglich wird dieses zum einen durch rasant fallende Preise für Sensoren, die sich in kürzester Zeit halbiert haben. Zum anderen steht mit 5G ein neuer Mobilfunkstandard vor der Tür, der für die universelle Vernetzung entwickelt wurde und „always on“ in Hochgeschwindigkeit ermöglicht. McKinsey beziffert den makroökonomischen Wert des Internet der Dinge auf bis zu 11 Billionen Dollar jährlich. Mit mehr als 75 Milliarden vernetzten Geräten im Jahr 2025 wird das IoT jeden Teil unseres Lebens berühren.

Natürlich zieht das Internet der Dinge auch in Unternehmen ein. Vernetzte Fertigungsabläufe – Stichwort Industrie 4.0 – sind längst Realität, wenn auch in vielen Organisationen erst in einer zaghaften ersten Ausbaustufe. Durch die neuen technischen Möglichkeiten des IoT lassen sich Geschäftsprozesse neu denken. „Wir werden wirklich andere Dinge tun, anstatt die Dinge nur anders zu machen“, formuliert es Daniel Wellers von SAP in einem sehr lesenswerten Beitrag für das World Economic Forum.

Für das Master Data Management hält das Internet der Dinge jede Menge neuer Herausforderungen bereit. Wenn wir uns vor Augen führen, dass sich mit der voranschreitenden IoT-Vernetzung die Menge der weltweit erzeugten Daten in den kommenden zehn Jahren verdoppelt, bekommen wir eine ungefähre Vorstellung von der Herausforderung für das Datenmanagement.

Wir haben uns drei Szenarien angesehen, anhand derer wir einen guten Eindruck gewinnen, wie das Internet der Dinge das Master Data Management mit SAP herausfordern wird.

Datenexplosion überfrachtet manuelles MDM

Eine der größten Herausforderungen im Stammdaten-Management liegt schon heute in der unternehmensweiten Zusammenführung unterschiedlicher Datenquellen. Unternehmen, die SAP im Einsatz haben, managen ihre Materialstammdaten in SAP-MM. Hinzu kommen ein CRM-System für Kundendaten und eventuell zwei bis drei weitere Systeme. Geschäftsprozesse können Stammdaten nur dann reibungslos verarbeiten, wenn diese sauber gepflegt sind.

Dafür sorgt das Master Data Management, das Lücken identifiziert und einen Workflow zur Korrektur anstößt. Durchgeführt werden diese Korrekturen in der Regel manuell von einem dafür beauftragten Team. Mit der wachsenden IoT-Vernetzung entlang der gesamten Wertschöpfungskette wächst das Datenvolumen exponentiell. Manuelle Prozesse zur Verbesserung der Datenqualität dürften schnell an Grenzen stoßen, weil die Datenflut die Bearbeitungskapazitäten übersteigt.

Semantische Herausforderungen im Datenwirrwarr

Das Internet der Dinge generiert nur dann Mehrwert für ein Unternehmen, wenn es den Zusammenhang zwischen den aus der Vernetzung generierten Daten und den Materialstammdaten herstellen kann. Beispielsweise könnte eine Produktionsmaschine Auslastungsdaten mit einer anderen Maschine teilen. Im Fall von Produktionsspitzen können beide Maschinen eine Empfehlung zur Verbesserung der Kapazitätsauslastung an die Produktionsleitung übermitteln.

Ein solches Anwendungsbeispiel setzt voraus, dass der semantische Kontext für die Stammdaten und die sensorischen IoT-Daten definiert ist. Liefert beispielsweise ein Sensor mit der Kennzeichnung „ABCDE12345“ die Information „123.456.789“, entsteht erst aus dem Bezug zu den Stammdaten eine wertvolle Information. Angesichts der zu erwartenden enormen Anzahl an Sensoren und Ereignistypen kommt da eine spannende semantische Herausforderung auf Unternehmen zu.

Kann MDM auch Master Big Data Management?

Bis dato wurden Lösungen für das Master Data Management nicht für Big Data konzipiert. Zwar sind einzelne Datensätze in sich komplex. Bei der Anzahl der Datensätze bewegen sich die meisten Unternehmen in Dimensionen von einigen zehntausend Datensätzen wie beispielsweise beim Materialmanagement.

Mit dem Internet der Dinge wächst das Datenvolumen. Komplexe Analysen schaffen erst dann Mehrwert, wenn sie bestehende Stammdaten in Beziehung zu neu entstehenden IoT-Datenpunkten setzen. Dafür dürften viele der bestehenden Datenbankkonzepte nicht ausgelegt sein. Gerade auf Basis relationaler Datenbank-Technologien lassen sich zwar statistische Auswertungen erstellen. Verlässliche Prognosen wie etwa das erwartete Nachfrageverhalten von Kunden oder die prognostizierten Ausfallzeiten von Fertigungsmaschinen lassen sich damit noch nicht erstellen.

Es gibt also noch einiges zu tun und mit der tieferen Integration des Internet der Dinge in Unternehmensprozesse werden Daten noch stärker als bisher zum entscheidenden Wettbewerbsfaktor. Jetzt ist der ideale Zeitpunkt, mit Ihrem Master Data Management aufzuräumen, bevor sich die Komplexität im Zuge der IoT-Vernetzung weiter erhöht.