Wie Sie Ihr unternehmensweites SAP Master Data Management optimieren

Unternehmen, die ihre betrieblichen Abläufe auf Basis von ERP-Systemen wie SAP abbilden, sollten den Aufwand für die Pflege ihrer Stammdaten nicht unterschätzen. Falsche oder nicht aktuelle Daten verursachen Probleme bei der Verarbeitung in SAP-Anwendungen – und können Ihre betrieblichen Abläufe im schlimmsten Fall zum Stillstand bringen. Jedes Unternehmen, dass seine Geschäftsprozesse in SAP abbildet, sollte sich deshalb mit den folgenden Fragen beschäftigen:

• SAP-Stammdaten-Workflow: Haben Sie einen Prozess etabliert, mit dem Sie Ihre Stammdaten regelmäßig und idealerweise automatisiert auf Fehler und Dubletten überprüfen?
• SAP Master Data Governance: Sind in Ihrer Organisation die Verantwortlichkeiten für die Stammdatenpflege klar geregelt und wissen alle beteiligten Mitarbeiter, was wann zu tun ist?
• SAP Master Data Management Best Practices: Setzen Sie bei Ihrem unternehmensweiten SAP Master Data Management auf etablierte Standards und legen Sie damit die Grundlage für die erfolgreiche Digitalisierung Ihrer Geschäftsprozesse?

Im Zuge des explodierenden Datenvolumens hat sich MDM zu einem der spannendsten Bereiche im globalen IT-Markt entwickelt. Jährliche Wachstumsraten von mehr als 15 Prozent und ein jährliches Umsatzvolumen von rund 15 Milliarden Euro mit MDM-Lösungen bis 2026 bestätigen: Master Data Management ist auf der IT-Agenda vieler Unternehmen ganz oben angekommen.

Das ist nur logisch, denn datengetriebene Geschäftsmodelle in Zeiten der Digitalisierung basieren maßgeblich auf funktionierendem Master Data Management. Die strukturierte Pflege von Stammdaten, die sich auf Objekte wie Kunden, Produkte, finanzielle Transaktionen, Lieferanten und Geschäftspartner beziehen, wird zur Kernaufgabe von Unternehmen. Das ist einerseits eine logische Folge der digitalen Transformation in nahezu allen Branchen. SAP-Stammdaten zu optimieren ist andererseits die Voraussetzung für die Digitalisierung von Geschäftsprozessen.

Hohe Kosten infolge inkorrekter Master Data vermeiden

Effektives Master Data Management in Unternehmen hat die Aufgabe, Geschäftsprozessen und SAP-Transaktionen konsistente und korrekte Stammdaten zur Verfügung zu stellen. Die Folgekosten inkorrekter Stammdaten sind hoch. Sind erst einmal nicht aktuelle oder redundante Daten ins SAP-System geflossen, entsteht ein hoher Aufwand für Nachbesserungsarbeiten. Dieser Aufwand lässt sich bei einem von vornherein optimierten MDM-Prozess komplett vermeiden.

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.

Insbesondere in Logistik- und Produktionsabläufen haben fehlerhafte Stammdaten oft katastrophale Auswirkungen. Dubletten und nicht gepflegte Stammdaten in SAP können zu Fehllieferungen und Material-Engpässen führen, die wiederum erhebliche Störungen Ihrer Geschäftsprozesse in der Materialwirtschaft zur Folge haben. Ihre Mitarbeiter müssen schließlich mithilfe manueller Workarounds die Auswirkungen minimieren, um die Kundenzufriedenheit nicht zu gefährden und die Folgekosten in Grenzen zu halten.

Das Stammdatenmanagement in SAP ist alles andere als eine triviale Aufgabe. Allein ein Material-Stammdatensatz in SAP MM umfasst bis zu 1.000 Einzelfelder.

SAP-Stammdaten zu pflegen und fortlaufend zu optimieren erfordert deshalb die Einrichtung einer umfassenden SAP-Stammdaten-Governance und die Implementierung eines Workflows, der weitgehend automatisiert läuft.

Von der Beantragung neuen Materials bis zur werksübergreifenden SAP-Stammdaten-Optimierung profitieren Unternehmen von einem strukturierten Prozess in vier Schritten, der sich vor allem für MDM-Aufgaben in Logistik und Produktion bewährt hat:

• Schritt 1 – Stammdatenanlage bei der Beantragung neuen Materials: Benötigt ein Ingenieur neues Material, gibt er die grundlegenden Stammdaten direkt in eine auf seine Rolle zugeschnittene SAP-Eingabemaske ein. Mit Hilfe der SAP Materialstamm-Sichten werden nicht relevante Felder gar nicht erst eingeblendet, um Fehler bei der Materialanlage zu vermeiden. Bei Bedarf lassen sich zusätzliche Dokumente und Spezifikationen an den Antrag anhängen.
• Schritt 2 – Freigabe in der Master-Data-Zentrale: Eine zentrale Abteilung in Ihrer Organisation ist für die Überprüfung und Freigabe von neu angelegten Stammdatensätzen in SAP verantwortlich. Diese SAP-Master-Data-Zentrale erhält über einen automatisierten Workflow neue Anträge, die sie überprüft und gegebenenfalls an den Antragsteller zurückgibt, falls der initiale Datensatz fehlerhaft gewesen ist.
• Schritt 3 – Überprüfung auf Stammdaten-Redundanzen: Mit Hilfe digitaler Add-on-Lösungen lassen sich SAP-Anwendungen auf Dubletten untersuchen. Bei redundanten Stammdaten weist die Lösung Ihre SAP-Master-Data-Zentrale auf mögliche Dubletten hin, woraufhin Ihre Mitarbeiter die Prüfung abschließen und den fehlerhaften Stammdatensatz aktualisieren können.
• Schritt 4 – Globale SAP Master Data Governance: Eine der großen Herausforderungen in der Stammdatenpflege liegt im standortübergreifenden MDM in verteilten Organisationen. Während einige Datenfelder global gültig sind, unterscheiden sich andere von Werk zu Werk. Mit Speziallösungen lassen sich unterschiedliche Werkssichten definieren und die Lösung legt automatisch die für die definierten Werke relevanten Sichten an.

Mit der Verknüpfung eines solchen vierstufigen MDM-Workflows mit Ihrem SAP-System können Sie die Risiken und Folgekosten infolge nicht korrekter Stammdaten auf ein Minimum reduzieren. Gerade in Zeiten der Digitalisierung wird Stammdatenmanagement zur Königsdisziplin für Unternehmen, die auf die Automatisierung von Logistik- und Produktionsprozessen setzen.

Materialstammdaten als Baustein des digitalen Unternehmens

Stammdaten sind Grundinformationen über sämtliche betrieblich relevanten Objekte wie Kunden, Lieferanten, Mitarbeiter und Produkte. Alle weiteren Daten im Unternehmen können erst dann sinnvoll eingesetzt werden, wenn sie in Bezug zu den richtigen Stammdaten stehen. Wir haben die Erfahrung gemacht, dass unsaubere Stammdaten einer der Hauptgründe für das Scheitern von Digitalisierungsinitiativen ist.

Nehmen wir jetzt einmal an, dass Ihre Stammdaten vollkommen fehlerfrei sind. Welche Möglichkeiten ergeben sich daraus? Und wie können Sie Ihre Stammdaten verbessern, wenn es Optimierungsbedarf gibt?

Was ermöglichen saubere Stammdaten?

Saubere Stammdaten sind essentiell im Unternehmen. Während fehlerhafte Stammdaten erheblichen Schaden anrichten können, wollen wir uns hier auf die Gelegenheiten konzentrieren, die saubere Stammdaten mit sich bringen. Ihr Unternehmen kann von diesen vier Perspektiven profitieren.

Alles aus Ihrem SAP-System herausholen

Ein ERP-System wie SAP ist keine unerhebliche Investition für ein Unternehmen. Die meisten Firmen erhoffen sich dadurch verbesserte Prozesse und einen signifikanten ROI. Leider wird dieser oft nicht realisiert, da Betriebe die Möglichkeiten des SAP-Systems nicht vollständig ausschöpfen.

Obwohl sich vielfältige Möglichkeiten zur Automatisierung bieten, wird trotzdem noch vieles manuell erledigt. Von reibungslosen Abläufen kann leider keine Rede sein. Ein Grund ist, dass die notwendigen Daten entweder gar nicht vorhanden oder fehlerhaft sind – und dies müssen Mitarbeiter mit zum Teil erheblichem manuellen Aufwand überbrücken. Ihr SAP-System kann nur so gut arbeiten, wie es die vorhandene Datenbasis zulässt. Um das volle Potenzial und den erwarteten ROI zu erzielen, braucht es fehlerfreie Stammdaten.

Geschäftsprozesse und Entscheidungen automatisieren

Stellen Sie sich vor, Ihre Prozesse laufen quasi von selbst ab. Das Internet der Dinge liefert beständig Daten, welche Analytics-Tools auswerten. Künstliche Intelligenz nutzt diese, um Entscheidungen zu treffen und die richtigen Prozesse anzustoßen.

All das kann automatisch ohne viel menschliches Eingreifen passieren. Es werden keine Entscheidungen mehr aus dem Bauch heraus getroffen, denn alles basiert auf Daten und ist hundertprozentig nachvollziehbar. Würde dies nicht enorme Kapazitäten bei Ihren Mitarbeitern freisetzen? Diese könnten sich nun anderen Dingen widmen, wie der Optimierung des Systems oder neuen Innovationen und Geschäftsmodellen.

Analytics und künstliche Intelligenz nutzen

Die Unmengen von Daten, die erhoben werden, existieren natürlich nicht zum Selbstzweck. Um sie sinnvoll zu nutzen, kommen immer häufiger Analytics-Tools und künstliche Intelligenz zum Einsatz.

Diese können beispielsweise wertvolle Einblicke in das Verhalten Ihrer Kunden gewähren. Dadurch lassen sich Verkaufszahlen voraussagen, sowie Materialbedarfe und Fertigstellungstermine kalkulieren. Sie erhalten auch Insights, mit welchem Teil der Dienstleistung Kunden nicht zufrieden sind und entsprechend handeln.

All dies funktioniert nur, wenn die zugrundeliegenden Daten korrekt sind. Sind sie fehlerhaft, generieren die Tools verfälschte Ergebnisse und Vorhersagen. Diese werden wiederum als Grundlage für Entscheidungen genutzt, welche sich höchstwahrscheinlich als falsch herausstellen werden.

Vorteile des Internet der Dinge ausschöpfen

Bis 2025 soll es weltweit 75 Milliarden vernetzte Geräte geben. Mithilfe von Sensoren tauschen diese bereits jetzt permanent Daten aus und lassen so die physische und digitale Welt verschmelzen. Für Unternehmen ergeben sich vielfältige Möglichkeiten, mit diesen Daten ihre Prozesse zu automatisieren und zu verbessern, sowie wertvolle Zeit und Kosten zu sparen.

Beispiel Produktion: Maschinen übermitteln stetig ihre Auslastung. Werden diese Daten ausgewertet, können Empfehlungen zur besseren Auslastung der Kapazitäten abgeleitet werden.

Beispiel Reinigungsdienstleistung: Sensoren übertragen die Personenzahlen in verschiedenen Stockwerken von Gebäuden. Das System erstellt daraus einen bedarfsgerechten Reinigungsplan basierend auf dem Nutzungsgrad.

Die Möglichkeiten für den Einsatz dieser Daten sind nahezu endlos. Aber das Internet der Dinge kann nur dann einen wirklichen Mehrwert generieren, wenn die empfangenen Daten in Zusammenhang mit den vorhandenen Stammdaten gebracht werden.

Häufige Probleme mit Stammdaten

Die Qualität der Stammdaten bildet leider für viele Unternehmen immer noch ein großes Hindernis bei der Realisierung von Digitalisierungsinitiativen. Oft sind Stammdaten …

• nicht auffindbar,
• in unterschiedlichen Systemen verstreut,
• veraltet und unbrauchbar,
• inkonsistent und widersprechen sich,
• in einer unbrauchbaren Form gespeichert.

Darüber hinaus findet sich bei Fragen oft kein Ansprechpartner. Auch nach einem standardisierten Prozess zur Anlage und Pflege der Stammdaten sucht man oft vergebens.

Obwohl Datenqualität und Stammdatenmanagement laut einer Studie des Business Application Research Center (BARC) seit mehreren Jahren zur Priorität für Entscheider gehören, werden Initiativen zur Steigerung der Datenqualität nur zögerlich gestartet. Oftmals nehmen Unternehmen diese als zu übermächtig, aufwändig und unkalkulierbar wahr. Das muss so nicht sein. Die Optimierung der Stammdaten kann sich einfacher gestalten, als Sie vielleicht ahnen.

Wie klappt die Optimierung der Stammdaten?

Die Voraussetzung für saubere, fehlerfreie Stammdaten bildet ein durchdachtes Master Data Management im Unternehmen. Dieses hat die folgenden Aufgaben:

• Etabliert Prozesse, um Stammdaten regelmäßig und automatisiert auf Fehler und Dubletten zu überprüfen.
• Regelt interne Verantwortlichkeiten für die Stammdatenpflege und definiert, was alle beteiligten Mitarbeiter zu tun haben.
• Implementiert Data Governance-Standards und Best Practices, um eine hohe Datenqualität, -sicherheit und Compliance zu gewährleisten.

Eine der größten Herausforderungen besteht darin, dass ERP-Anwendungen wie SAP keine standardisierten Prozesse zur Stammdatenpflege bieten und Nutzer durch ihre Komplexität oft überfordern. Die Lösung ist eine spezielle Software, wie das Stammdatenmanagement. Diese ist zu 100 Prozent in SAP integriert und baut direkt auf der SAP Workflow Engine auf.

Eine digitale Zusatzlösung für das Stammdatenmanagement sorgt für transparente Prozesse, verbessert die Datenqualität und reduziert den Administrationsaufwand. Vor allem spart sie Kosten, da die Prozessdauer verkürzt und Fehler sowie indirekte Prozesskosten eliminiert werden.

Es gibt vorkonfigurierte Best-Practice-Ansätze, die sich im Standard schon innerhalb von wenigen Wochen realisieren lassen. Unsere Lösung amortisiert sich in der Regel bereits vollständig innerhalb eines Jahres – oft auch schneller.

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.

Die Bedeutung einer unternehmensweiten Master Data Governance für SAP-Anwender

Unternehmen verarbeiteten immer größere Mengen an Daten aus den unterschiedlichsten Quellen (Stichwort: Internet der Dinge). Die Wichtigsten sind dabei die Stammdaten, welche grundlegende Informationen über Kunden, Lieferanten, Mitarbeiter und Produkte enthalten. Sie bilden die Grundlage für die Digitalisierung und Automatisierung von Geschäftsprozessen. Richtig genutzt, können Firmen mit Hilfe von Daten besser auf Kundenanforderungen und Marktveränderungen reagieren.

Sind Daten allerdings fehlerhaft, können sie zu falschen Entscheidungen führen und erheblichen Schaden anrichten. Wenn personenbezogene Daten nicht rechtskonform gehandhabt werden, kann dies Unternehmen sogar in rechtliche Schwierigkeiten bringen.

Deshalb brauchen Organisationen heute eine Strategie für das richtige Verwalten und Verarbeiten von Stammdaten. Data Governance sorgt für die nötigen Rahmenbedingungen. In diesem Beitrag erhalten Sie einen Einstieg in das Thema und erfahren, warum jetzt kein Unternehmen mehr darauf verzichten kann.

Die Digitalisierung der industriellen Produktion ist eines der bedeutendsten Zukunftsprojekte. Investieren Sie heute in Materialmanagement und Materialstammdaten und schaffen Sie die Voraussetzung für die digitalisierte Produktion.

Was ist Data Governance?

Unter Data Governance versteht man die ganzheitliche Handhabung und Steuerung aller Daten, die in einem Unternehmen verarbeitet werden. Die Data Governance besteht aus Richtlinien und Vorgehensweisen, die die Qualität, den Schutz und die Sicherheit der Daten gewährleisten. Des Weiteren soll dadurch garantiert werden, dass rechtliche Vorgaben stets eingehalten werden.

Data Governance ist kein einmaliges Projekt, was implementiert und abgehakt werden kann. Es ist vielmehr ein kontinuierlicher Prozess, mit dem abhängig von der Unternehmensgröße einzelne Personen (oft Data Governance Officer oder Chief Data Officer genannt) oder sogar komplette Abteilungen beschäftigt sind.

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.

Was sind die Ziele von Data Governance im Unternehmen?

Das oberste Ziel der Data Governance ist, firmeninternes Wissen zu erhalten und weiter anzureichern. Darüber hinaus soll damit folgendes erreicht werden:

• Datenqualität: Alle Daten sollten stets aktuell und vollständig vorliegen sowie immer verfügbar sein.
• Datenpflege: Daten müssen, wenn nötig, angereichert und korrigiert werden.
• Datenschutz: Vertrauliche und personenbezogene Daten müssen vor unrechtmäßiger Nutzung geschützt werden.
• Datensicherheit: Unbefugtes Zugreifen, Lesen oder Löschen von Daten muss ausgeschlossen werden.
• Data Compliance: Unternehmen müssen gesetzliche Vorgaben sowie firmen- und brancheninterne Standards einhalten.

Viele Firmen arbeiten mit ERP-Anwendungen, die ein Teil dieser Ziele bereits abdecken. Beispielsweise kann in SAP ganz klar geregelt werden, wer Zugriff auf welche Stammdaten hat. Unbefugter Zugriff wird somit ausgeschlossen. Allerdings bietet SAP im Standard keine vollständige Lösung für die Data Governance an.

Warum Sie nicht auf Data Governance verzichten können

In Zeiten digitaler Transformation sind korrekte Stammdaten entscheidend für die Handlungsfähigkeit und Agilität von Unternehmen. Diese vier Gründe sprechen für die Bedeutung von Data Governance.

Fehler und Folgekosten vermeiden

Welchen Schaden unsaubere Daten anrichten können, möchten wir am Beispiel von Materialstammdaten erklären. Diese bilden die Grundlage für viele essenzielle Prozesse in der Fertigung und Logistik.

Um Materialstamm-Datensätze in SAP korrekt anzulegen, müssen bis zu 600 Felder ausgefüllt werden. Die Anlage und Pflege dieser Datensätze involviert zahlreiche Abteilungen und sogar externe Stakeholder wie Kunden und Lieferanten. Die Abstimmung aller Beteiligten wird zu einer echten Herausforderung.

Ohne einen transparenten Prozess zur Stammdatenanlage und -pflege bleiben die meisten Fehler unentdeckt, was gravierende Folgen haben kann. Wird beispielsweise ein falsches Material bestellt, können sich Fertigstellungstermine verzögern. Das kann erheblichen wirtschaftlichen Schaden für Unternehmen bedeuten.

Grundlage für die erfolgreiche Digitalisierung von Geschäftsprozessen

In unserer langjährigen Erfahrung sind schlecht gepflegte Daten eine der Hauptursachen für das Scheitern von Digitalisierungsprojekten. Viele Unternehmen haben in ERP-Systeme, wie SAP, investiert, um die Digitalisierung ihrer Prozesse voranzutreiben. Aber SAP kann seine Wirkungskraft nur dann voll entfalten, wenn saubere Stammdaten vorhanden sind.

Der nächste Schritt in der Digitalisierung ist der Einsatz von Analytics und künstlicher Intelligenz. Auch diese Tools brauchen saubere Stammdaten, um richtige Vorhersagen treffen zu können. Im schlimmsten Fall werden fehlerhafte Daten zur Grundlage von falschen Entscheidungen.

Rechtskonform und sicher arbeiten

Ein besonderes Augenmerk gilt den personenbezogenen Daten, wie den Kunden- und Mitarbeiterstammdaten. Hier greift beispielsweise innerhalb der Europäischen Union die Datenschutz-Grundverordnung (DSGVO), die Grundsätze zur Verarbeitung von personenbezogenen Daten festlegt. Unternehmen müssen die Einhaltung dieser nachweisen. Werden diese Grundsätze nicht rechtskonform umgesetzt, müssen Firmen mit Strafen von bis zu 4 % des gesamten weltweit erzielten Jahresumsatzes rechnen.

Datenmengen und Komplexität nehmen weiter zu

Die wachsende Vernetzung von Geräten im Internet der Dinge liefert einen kontinuierlichen Datenstrom, der in kürzester Zeit verarbeitet werden muss. Bis 2025 sollen ganze 175 Zettabytes an Daten weltweit vorhanden sein, was die Komplexität des Datenmanagements immer weiter erhöhen wird.

Eine größere Vernetzung und Komplexität bedeutet auch, dass schon kleine Fehler in Stammdaten ungeahnte Kettenreaktionen auslösen können. Falschen Daten werden daher zu einem immer größeren Risiko für Unternehmen.

Die ersten Schritte zur Data Governance im Unternehmen

Die erste Herausforderung besteht darin, Data Governance in der Unternehmensorganisation richtig zu verankern. Es muss klar sein, dass Stammdatenmanagement keine reine IT-Aufgabe ist. Alle Abteilungen, die mit Daten arbeiten sind daran beteiligt. Dann können diese drei Schritte folgen.

1. Mit einem Bereich beginnen

Ein firmenweites Data Governance-Projekt ist je nach Unternehmensgröße eine Mammutaufgabe, denn es gibt unzählige Arten von Daten und Stakeholdern, die mit einbezogen werden müssen. Wo also sollten Sie beginnen?

Wir empfehlen, mit einem Bereich zu starten, bei dem eine Optimierung eine große Wirkung erzielen kann. Dies sind für viele Unternehmen die Materialstammdaten. Haben Sie erste Erfahrungen gesammelt, wird es einfacher die Data Governance-Standards auf andere Bereiche zu transferieren.

2. Ist-Zustand feststellen

Zunächst muss die Realität des Datenmanagements im Unternehmen abgebildet werden. Dabei helfen Fragen wie: Wer ist Eigentümer der Stammdaten? Wer verwaltet die Stammdaten? Und wer hat welche Zugriffsrechte? Bei den Materialstammdaten muss besonders der Prozess zur Anlage und Pflege der Datensätze unter die Lupe genommen werden.

3. Data Governance-Prozesse festlegen

Im nächsten Schritt werden Prozesse definiert, die beschreiben, wie Ihre Daten gesichert, geschützt, gespeichert und archiviert werden sollen. Dazu gehören auch Vorgaben, wie bestimmte Daten verwendet werden dürfen und welche Personen oder Abteilungen für welche Aktionen autorisiert sind. Des Weiteren sind Kontrollprozesse erforderlich, die für eine kontinuierliche Überwachung der Compliance und die Einhaltung rechtlicher Vorgaben sorgen.

Digitale Lösungen erleichtern die Data Governance

Stammdatenmanagement ist besonders in SAP-Umgebungen sehr komplex und überfordert nicht nur Gelegenheitsnutzer. Bisher bietet SAP keinen einfachen, standardisierten Data Governance-Prozess. Aber es gibt spezialisierte Software-Lösungen, wie das Stammdatenmanagement für SAP, die diese Rolle übernehmen können.

Sie sorgen für transparente Prozesse und bessere Datenqualität. Mit einer einfach zu bedienenden Oberfläche reduzieren sie den Administrationsaufwand und automatisierte Abläufen nehmen Mitarbeitern viel Arbeit bei der Datenpflege ab.