Thought Leadership
Mit dem angekündigten Wartungsende des SAP ERP Central Components (ECC) beschleunigt sich der Umstieg auf S/4HANA in der Industrie. Die meisten Unternehmen planen die wichtige Transformation nur als Software-Projekt.
Dabei übersehen sie Faktoren, die über den Projekterfolg entscheiden: Qualität, Struktur, und Menge der vorhandenen Stammdaten – kurz Data Readiness. Denn S/4HANA verfolgt ein konsequent vereinfachtes und zentralisiertes Datenmodell. Business Partner, Material Master und Equipment bilden die Grundlage nahezu aller Geschäftsprozesse – von Einkauf und Vertrieb über Produktion, Logistik und Instandhaltung bis zu Analysen in Echtzeit.
Mangelnde Datenqualität
Die über Epochen gewachsenen Stammdaten in ERP-Systemen wurden selten zentral gepflegt. Aktuelle und veraltete Daten leben als Dubletten nebeneinanderher. Zudem reicht es nicht, die ERP-Daten zu betrachten: Auch Daten aus CAD- und PDM- Lösungen, Dokumentenmanagement und Exceldateien sind relevant für durchgehende Geschäftsprozesse. Aktuelle Untersuchungen zeigen, dass die Bereinigung und Qualitätsverbesserung der Daten zu den größten Herausforderungen einer S/4HANA-Migration gehört.
Neue Stammdaten-Struktur
Darüber hinaus erwartet S/4HANA anders strukturierte Informationen als herkömmliche ERP-Systeme. Besonders deutlich wird dies am Objekt SAP Business Partner, das die bisher getrennten Kunden- und Lieferantenstammdaten ersetzt. Ein Geschäftspartner kann gleichzeitig Kunde, Lieferant, Dienstleister oder Rechnungsempfänger sein und benötigt dafür eine Vielzahl neuer Rollen und Attribute. Bestehende Stammdaten lassen sich deshalb nur selten unverändert übernehmen.
Bei dem Versuch, die benötigten Daten zu ergänzen, stehen Unternehmen fragmentierten Datenquellen und eingeschränktem Datenzugriff gegenüber. Um neue Kategorien und Pflichtfelder zu befüllen oder Rollenbeziehungen zu klären, müssen die Daten richtig interpretiert werden. Die Informationen aus Nebensystemen oder anderen Datenquellen werden oft mühsam von Hand nachgepflegt.
Umstrukturieren statt Überspielen
Dies gilt nicht nur für Business Partner – auch Materialstämme, Equipments und Dokumentinfosätze stellen neue Anforderungen an Vollständigkeit, Struktur und Klassifizierung. Häufig fehlen Klassifizierungen und Merkmale vollständig. Diese werden dann über Pflichtattribute eingefordert und müssen gesucht und manuell ergänzt werden. Erst während des Migrationsprojekts wird deutlich, dass die eigentliche Aufgabe nicht darin besteht, Daten nach SAP S/4HANA zu übertragen. Vielmehr müssen Informationen zunächst zusammengeführt, harmonisiert, ergänzt und an die Zielstruktur angepasst werden.
Von der Analyse zur Data Readiness
Data Readiness beschreibt genau diese Vorarbeit. Statt klassischer Datenbereinigung geht es darum, eine vollständige, konsistente und zukunftsfähige Datenbasis zu schaffen, die den Anforderungen des neuen SAP-Datenmodells gerecht wird und gleichzeitig eine hohe Prozessqualität sicherstellt. Hier setzt simus systems als Spezialist für die Analyse, Bereinigung und Strukturierung umfangreicher Stammdatenbestände an. Jahrelange Erfahrung mit SAP-Systemen, die Software simus classmate, bewährte Methodik und automatisierte Schnittstellen sorgen für nachhaltige Erfolge. Dabei beginnt jedes Projekt mit einer detaillierten Bestandsaufnahme. Gemeinsam mit den Fachbereichen werden vorhandene Datenquellen identifiziert, ihre Qualität bewertet und die Zielstruktur für SAP S/4HANA definiert.
Hochwertige Stammdaten schaffen die Voraussetzung für stabile Geschäftsprozesse, transparente Auswertungen und einen hohen Automatisierungsgrad.
Dr. Ing. Arno Michelis, simus systems
Im Gegensatz zu klassischen Migrationsprojekten umfasst dies auch CAD-, PDM- und PLM-Systeme, Dokumentenmanagement, Ersatzteilkataloge oder weitere Fachanwendungen. Gerade dort befinden sich häufig die Informationen, die SAP S/4HANA künftig als Pflichtattribute oder Klassifizierungsmerkmale benötigt.
Regelbasierte Verfahren
Im nächsten Schritt werden alle Informationen in der Softwareplattform simus classmate zusammengeführt. Die Software erkennt Dubletten, analysiert Strukturen, vereinheitlicht Benennungen und ergänzt fehlende Informationen. Materialien werden automatisch klassifiziert, technische Merkmale standardisiert und Stammdaten nach unternehmensweit einheitlichen Kriterien harmonisiert.
Der entscheidende Unterschied liegt dabei in der Methodik. Statt einzelne Datensätze manuell zu korrigieren, entwickelt simus mit jedem Kunden intelligente Regelwerke. Sie definieren beispielsweise, wie Materialbezeichnungen aufgebaut sind, welche Klassifizierungen verwendet werden oder welche Merkmale für bestimmte Produktgruppen erforderlich sind. Diese Regeln lassen sich beliebig oft anwenden und sorgen dafür, dass die Datenaufbereitung nachvollziehbar, reproduzierbar und skalierbar bleibt.
Gerade bei umfangreichen Materialstämmen mit mehreren hunderttausend Datensätzen reduziert dieser Ansatz den Aufwand von Tagen auf Stunden.
Migration als Start für Master Data Management
Mit der erfolgreichen Einführung von SAP S/4HANA ist die Arbeit an den Stammdaten nicht abgeschlossen. Im Gegenteil zeigt sich jetzt, ob die während des Projekts geschaffene Datenqualität dauerhaft Bestand hat. Neue Geschäftspartner entstehen, Materialien werden ergänzt oder technische Objekte erweitert. Ohne klare Prozesse entstehen erneut Dubletten, uneinheitliche Bezeichnungen und unvollständige Datensätze. Die Qualität der Stammdaten sinkt – und mit ihr die Qualität der Geschäftsprozesse.
Kundenspezifische Regelwerke, Routinen und Workflows
Um dies zu verhindern, werden nach den im Projekt entwickelten Regelwerken standardisierte MDG-Prozesse zur täglichen Stammdatenpflege eingerichtet. Anschließend werden neue Materialien, Business Partner oder technische Objekte über diese MDG-Prozesse angelegt und automatisch auf Vollständigkeit und Konsistenz geprüft. Intelligente Plausibilitätsprüfungen und Suchmechanismen verhindern Dubletten bereits bei der Erfassung neuer Datensätze und fördern die Wiederverwendung vorhandener Materialien und Komponenten.
Gleichzeitig automatisiert die Software zahlreiche Routinetätigkeiten. Materialkurztexte und Langtexte lassen sich auf Basis hinterlegter Regeln generieren, Klassifizierungen werden automatisch vorgeschlagen und fehlende Attribute ergänzt. Während SAP die führende Plattform für die Stammdaten bleibt, übernimmt simus classmate die benutzerfreundliche Organisation der Pflegeprozesse. Die Datenhoheit verbleibt vollständig im ERP-System, da die Daten über spezielle Schnittstellen in beliebigen Intervallen synchronisiert werden.
Nachhaltige Investition in Datenqualität
So wird der einmalige Aufwand für Data Readiness in strategisches Master Data Management überführt – einen kontinuierlichen Prozess, von dem Unternehmen dauerhaft profitieren können. Hochwertige Stammdaten schaffen die Voraussetzung für stabile Geschäftsprozesse, transparente Auswertungen und einen hohen Automatisierungsgrad. Gleichzeitig bilden sie die Grundlage für digitale Zwillinge, Predictive Maintenance, KI-gestützte Analysen und weitere datengetriebene Anwendungen.
