SAP Analytics: Wie bekommt man Ordnung rein? – mit Ingo Biermann
In dieser Folge des SAP-IT-Podcasts spricht Ingo Biermann, Bereichsleiter und Experte für SAP-Beratung, mit Tobias Harmes darüber, warum viele Unternehmen den Überblick über ihre Reporting- und Analytics-Landschaften verlieren – und wie sich gewachsene Tool- und Excel-Strukturen Schritt für Schritt modernisieren und KI-ready aufstellen lassen.
…zum Anschauen
YOUTUBE-CHANNEL abonnieren: https://www.youtube.com/@sap-it-podcast
…zum Lesen
Warum viele Analytics-Landschaften heute an ihre Grenzen stoßen
In vielen Unternehmen wurde das Thema Reporting über Jahre hinweg nebenbei weiterentwickelt. Neue Anforderungen kamen hinzu, einzelne Fachbereiche bauten eigene Lösungen auf und häufig entstanden zusätzliche Excel-Auswertungen außerhalb der eigentlichen SAP-Systeme. Dadurch arbeiten Abteilungen teilweise mit unterschiedlichen Datenständen und Kennzahlen. Vertrieb, Controlling oder Management greifen dann auf verschiedene Reports zu – und häufig ist nicht mehr eindeutig nachvollziehbar, welche Zahlen eigentlich korrekt sind.
Das Ergebnis sind unterschiedliche Kennzahlen in verschiedenen Reports; Datenstände, die nicht zusammenpassen; ein hoher manueller Aufwand; komplexe Tool-Landschaften und Unsicherheit bei Entscheidungen. Besonders nach einer S/4HANA-Transformation wird dieses Problem sichtbar: Während der digitale Kern modernisiert wurde, hinkt die Analytics-Landschaft oft noch hinterher. Viele Unternehmen müssen außerdem handeln, weil ältere SAP-Analytics-Lösungen wie Business Objects oder Lumira aus dem Support laufen oder nicht mehr weiterentwickelt werden.
In diesem Workshop führen wir Ist-Stand, Anforderungen und Zielarchitektur zusammen – inklusive Hilfe bei der Lösungsauswahl. Jetzt anfragen!
SAP Analytics umfasst mehr als klassisches Reporting
Im Podcast macht Ingo Biermann deutlich: Analytics bedeutet heute deutlich mehr als reine Berichte oder Dashboards. Im Mittelpunkt steht dabei vor allem die Frage, wie Unternehmen Daten nutzen können, um bessere und schnellere Entscheidungen zu treffen. Analytics soll nicht nur Informationen anzeigen, sondern Entscheidungsprozesse aktiv unterstützen. Unternehmen beschäftigen sich vor allem mit drei zentralen Bereichen:
1. Reporting
Beim Reporting zählt der klassische Blick auf bestehende Daten und Kennzahlen. Unternehmen analysieren vergangene und aktuelle Entwicklungen, um Transparenz zu schaffen.
2. Planung
Hier geht es darum, zukünftige Entwicklungen selbst zu modellieren – beispielsweise Umsatz-, Absatz- oder Budgetplanungen.
3. Prediction und KI
Der nächste Schritt: Systeme unterstützen Unternehmen dabei, Prognosen automatisch aus vorhandenen Daten abzuleiten. KI und Machine Learning gewinnen dabei zunehmend an Bedeutung.
Warum viele Unternehmen jetzt handeln
Ein wichtiger Auslöser für neue Analytics-Strategien ist laut Biermann die technologische Entwicklung rund um S/4HANA. Moderne SAP-Systeme bieten heute deutlich mehr Möglichkeiten für Echtzeit-Analysen und integrierte Auswertungen. Gleichzeitig laufen ältere Lösungen teilweise aus dem Support oder werden nicht mehr aktiv weiterentwickelt. Dadurch stehen viele Unternehmen vor der Frage, wie ihre zukünftige Analytics-Landschaft aussehen soll. Klar ist, dass es dabei nicht nur um neue Tools geht. Viel wichtiger ist zunächst die Frage, welche Anforderungen das Unternehmen überhaupt hat und welche Daten zukünftig wirklich relevant sind.
Der erste Schritt: Transparenz schaffen
Viele Unternehmen denken bei der Modernisierung zuerst an neue Tools oder Dashboards. Im Gespräch wird jedoch deutlich, dass zunächst die bestehende Analytics-Landschaft analysiert und eine klare Strategie definiert werden sollte. Oft zeigt sich dabei erst, wie viele unterschiedliche Systeme, Reports und Datenquellen parallel existieren.
Wichtige Fragen sind dabei:
- Welche Reports sind geschäftskritisch?
- Welche Prozesse sollen zentralisiert werden?
- Welche Tools passen langfristig zur Unternehmensstrategie?
- Welche Anforderungen entstehen zukünftig durch KI?
Außerdem sollte die Zielarchitektur nicht nur von der IT definiert werden. Auch Fachbereiche wie Controlling, Vertrieb oder Einkauf müssen eingebunden werden, um langfristig eine einheitliche Analytics-Strategie aufzubauen. Deshalb setzen viele Unternehmen zunehmend auf konsolidierte Plattformen wie SAP Datasphere oder SAP Analytics Cloud. Entscheidend ist dabei vor allem, dass die gewählte Architektur langfristig zusammenpasst und sich flexibel erweitern lässt.
KI wird auch im Analytics-Bereich immer wichtiger
Ein weiteres großes Thema ist der Einfluss von Künstlicher Intelligenz. Laut Biermann beschäftigen sich inzwischen viele Unternehmen mit der Frage, wie sie ihre Analytics-Landschaft „KI-ready“ aufstellen können. SAP integriert bereits heute KI-Funktionen in verschiedene Produkte – beispielsweise mit Joule oder KI-gestützten Analysefunktionen in der SAP Analytics Cloud.
Allerdings wird auch deutlich, dass KI nur dann sinnvoll eingesetzt werden kann, wenn eine saubere Datenbasis vorhanden ist. Genau deshalb wird der Aufbau zentraler und strukturierter Datenplattformen immer wichtiger.
Warum viele Unternehmen auf schrittweise Transformation setzen
Ein Praxisbeispiel aus der Energiebranche zeigt, wie Unternehmen ihre Analytics-Landschaft modernisieren können: Statt alle Systeme auf einmal auszutauschen, wurde die neue Zielarchitektur schrittweise aufgebaut. Einzelne Reporting-Bereiche und bestehende Lösungen wurden nach und nach in die neue Landschaft überführt. Der Vorteil: Unternehmen müssen ihre bestehende Analytics-Landschaft nicht per Big Bang ersetzen, sondern können die Transformation deutlich besser planen und kontrolliert umsetzen.
Fazit
Viele Unternehmen stehen heute vor der Herausforderung, gewachsene Reporting- und Analytics-Landschaften zu modernisieren. Unterschiedliche Tools, manuelle Prozesse und steigende Anforderungen durch Echtzeitdaten und KI machen deutlich, dass klassische Reporting-Strukturen oft nicht mehr ausreichen.
Das Gespräch mit Experte Ingo Biermann zeigt, dass es dabei nicht nur um neue Technologien geht, sondern vor allem um eine klare Strategie und eine zentrale Datenbasis. Wer seine Analytics-Landschaft frühzeitig strukturiert und zukunftssicher aufstellt, schafft nicht nur mehr Transparenz, sondern auch die Grundlage für datengetriebene Entscheidungen und zukünftige KI-Anwendungen.
