ERP-Daten – das moderne Gold des 21. Jahrhunderts? Warum auch Sie sich intensiv mit Datenanalysen beschäftigen sollten und welche Chancen darin liegen, das erfahren Sie in dieser ERP-Podcast-Folge mit Stefan Wenig und Philipp Kiencke.
Viel Vergnügen!
ERP-Daten – das moderne Gold des 21. Jahrhunderts? Im zweiten Teil dieses Interviews sprechen wir über die Möglichkeiten der Datenanalyse in SAP-Systemen, über Potenziale in der Automatisierung und die zukünftige Datenanalytik.
Viel Vergnügen!
Webempfehlung:
- dab: Daten – Analysen & Beratung GmbH
- dab: Blog
- Forschungsprojekt DeepScan des Lehrstuhls für BWL und Wirtschaftsinformatik (Prof. Winkelmann)
————————–
Wenn Ihnen unsere Folgen gefallen, dann freuen wir uns über eine 5-Sterne-Bewertung auf Ihrer Wunschplattform, damit auch andere auf diesen Podcast aufmerksam werden und wir das Angebot weiter verbessern können. Zeitaufwand: 1-2 Minuten.
In diesem Sinne: keep connected.
Herzlichst
Ihr
Axel Winkelmann
Transcript:
ERP-Podcast, Datenanalyse Ihrer ERP-Daten, Chancen statt Pflicht, ein Interview mit Stephan Wenig und Philipp Kindtke, DAB GmbH. ERP-Daten, das moderne Gold des 21. Jahrhunderts? Warum auch Sie sich intensiv mit Datenanalysen beschäftigen sollten und welche Chancen daran liegen, das erfahren Sie in dieser ERP-Podcast-Folge mit Stephan Wenig und Philipp Kindtke.
Viel Vergnügen! Herzlich Willkommen zum ERP-Podcast, dem Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen auseinandersetzen wollen. Mit diesem Podcast möchte ich Sie mit eigenen Gedanken und Interviews bei der Gestaltung moderner IT-Konzepte nebenbei, also zum Beispiel beim Spazierengehen oder Autofahren begleiten. Damit möchte ich Ihnen in dieser von technologischen Veränderungen geprägten Zeit Informationen anbieten, die sich in Zeitschriften, Fachbüchern und wissenschaftlichen Artikeln in dieser Form nicht darlegen lassen und für die sich im hektischen Alltag ohnehin nicht die Zeit findet.
Mein Name ist Axel Winkelmann. Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg. Herzlich Willkommen zurück zum ERP-Podcast.
Wir wollen uns heute ein bisschen mit dem Thema Datenanalyse auseinandersetzen. Das Thema Datenanalyse ist in aller Munde. Big Data Analytics, operative Datenanalyse, das moderne Gold, wie es auch einige Beratungsunternehmen genannt haben.
Und ich begrüße dazu gleich zwei Studiogäste, Herrn Kientke und Herrn Wenig. Beide kommen von der DAB GmbH, beraten Unternehmen bei ihrer Datenanalyse, was sie genau machen, was das Thema Datenanalyse, moderne Datenanalyse bedeutet. Darüber werden wir uns heute unterhalten.
Ich freue mich, dass Sie beide bei mir hier im Studio sein können. Herr Kientke, Herr Wenig, herzlich Willkommen hier im ERP-Podcast. Hallo, guten Morgen, Herr Winkelmann, grüß Sie.
So, ich fange direkt mal an, den Ball an Sie weiterzugeben. Wer sind die Personen? Philipp Kientke, Stefan Wenig, mögen Sie sich zunächst einmal selber vorstellen. Ja, mein Name ist Stefan Wenig.
Ich bin einer der beiden Geschäftsführer der DAB Datenanalysen und Beratung GmbH. Wir machen Datenanalyse, ist der Name ja schon andeutet, seit dem Jahr 2004. Im Schwerpunkt tun wir das für interne Revision, internes Kontrollsystem und natürlich immer mit starkem ERP- und konkreter SAP-Bezug in unserem Fall.
Also schon einige Jahre am Markt und relativ viel Erfahrung, eine steile Lernkurve, gerade in den Anfangsjahren. Da freue ich mich, die hier vielleicht auch mit Ihnen im Rahmen dieses Podcasts zu teilen. Neben mir mein Kollege Philipp Kientke.
Genau, ich darf die Firma seit letztem Jahr unterstützen. Ich bin Berater für Datenanalyse und auch für data-driven governance, risk and compliance Themen und habe an der Uni Würzburg studiert. Daher mein Bezug vielleicht auch zu Ihnen, Herrn Winkelmann, und zum ERP-Podcast.
Ist ein guter Tipp in diesem Titel, oder? Durchaus, ich bin ganz zufrieden und ich glaube, mein Kollege Herr Wenig hoffentlich auch mit dem, wie ich ausgebildet wurde. Können Sie nochmal eben sagen, was Sie studiert haben, bitte? Ich habe Wirtschaftsinformatik an der Universität Würzburg studiert mit Schwerpunkt ERP-Systeme und Prozessen in ERP-Systemen. Okay, das reicht an Eigenwerbung, dankeschön.
Sie arbeiten beide für die Firma DAB, Sie machen Datenanalyse. Vielleicht können wir nochmal kurz reingehen in die Firma DAB. Wo kommen Sie her? Wo ist die Idee entstanden, sich mit Datenanalyse zu beschäftigen? Wie groß ist das Unternehmen, für wen arbeiten Sie? Begonnen haben wir damit im Jahr 2002, kann man sagen, an der Hochschule Deckendorf.
Dort gab es den Lehrgang Finanzen und Controlling. Dort wurde von Professor Georg Herde vor allem das Tool oder die Software ACL eingesetzt. ACL ist eine kanadische Software, steht für Audit Command Language.
Da merkt man schon, wo die Reise hingeht. Also eine Datenanalyse-Software speziell für den Bereich interne Revision. War nicht besonders sexy, kann man so sagen.
Manche unserer Kunden sagen so Excel auf Steroiden damals. Hatte den Vorteil, dass man unbegrenzte Datenmengen analysieren konnte. Zudem, ich bin auch Wirtschaftsinformatiker, ein Großteil unserer Kollegen sind Wirtschaftsinformatiker, weil wir eben die Schnittstelle zwischen IT und den Prozessaspekten und den betriebswirtschaftlichen Fragestellungen, die Lücke, schließen.
Da hat man auch schon immer starken SAP-Bezug bei uns an der Hochschule. Ein Kollege von mir hatte damals eine Schnittstelle zu SAP entwickelt, um Daten aus dem System rauszuziehen. Vielleicht kommen wir später noch drauf, aber SAP hatte zu dem Zeitpunkt noch relativ wenige Möglichkeiten, Daten wirklich zielführend und flexibel zu analysieren.
Das heißt, wir haben da mit dem Tool die Daten rausbekommen und hatten die in der Analyse-Software vorliegen. Dann haben wir gemerkt, die Analyse-Software ist schön und gut, aber die war auch bei vielen Konzernen in Deutschland bereits im Einsatz, aber wurde selten genutzt, weil der Content fehlte. Die Leute hatten die Software, hatten aber weder die Daten noch die Ideen, wie die betrieben werden soll.
Dann haben wir begonnen, die mit analytischen Fragestellungen zu füllen, also Auswertungen zu standardisieren. Ich sage immer, wir haben die Datenanalyse industrialisiert, weil was früher rein von dem Big Four als Dienstleistung geleistet wurde, haben wir dann wirklich als Content in Form lauffähiger Analysen verpackt. Und dann so 2002 kam ja auch noch die GDPDU auf, die Grundsätze zum Datenzugriff und zur Prüfbarkeit digitaler Unterlagen.
Sprich, die Unternehmen haben den Druck bekommen. Die mussten dann die Daten salopp gesagt den Finanzbehörden geben. Mittelbarer Zugriff, unmittelbarer Zugriff, Datenträgerüberlassung usw.
Aber sprich, da kam die Angst auf, weil die Unternehmen wissen mussten, was ist denn überhaupt in den Daten verborgen, die ich da dem Betriebsprüfer gebe. Und so nahm das Thema zusätzlich Fahrt auf und dann haben wir 2004 die Firma gegründet und hatten dann das große Glück. Ich habe damals eine Schulung 2005 gehalten für die Bayer AG, für die Revision.
Die hatten genau das Problem. ACL war im Haus, aber die Software wurde nicht genutzt oder nicht in dem Umfang, wie sich das Unternehmen das gewünscht hat. Und da haben wir unsere Schnittstelle zur SAP vorgestellt und auch die standardisierten Auswertungen.
Und da kam einer der damaligen Revisionsleiter oder stellvertretende Leiter ins Haus zu uns und hat dann mit uns ein Projekt gestartet. Wir waren damals drei Leute und das Projekt hat dann am Anfang 1000 Personentage umfasst. Sie können sich vorstellen, das war für uns als Startup damals so natürlich ein Riesending und das hat uns ermöglicht, auch die Datenanalyse da wirklich auf ein Niveau zu heben, sodass wir mittlerweile eine Menge an DAX-Konzernen als Kunden haben.
Klingt nach Riesenwachstum, wir sind immer noch 20 Leute, wir sitzen hier in Niederbayern, aber haben das große Glück, dass wir ein bekannter Player am Markt sind, wir sind international tätig, also wir waren in knapp 20 Ländern unterwegs mit unseren Themen in den letzten Jahren und haben ein Team von 20 hochspezialisierten Leuten zum Großteil Wirtschaftsinformatik und Programmierer, die die Themen da vereinen und die Datenanalyse bei den Unternehmen zum Fliegen bringen. Jetzt hake ich da mal ein. Erstens, vielleicht können Sie nochmal für die Zuhörer, die nicht ganz so tief in den Firmeninternen Themen sind, kurz erklären, was die Notwendigkeit der internen Revision ist.
Lasse ich das erstmal stehen. Vielleicht können Sie das erstmal erklären. Ja, die interne Revision grundsätzlich hat oft einen sehr risikobasierten Ansatz.
Wenn Sie sich aktuelle Themen nehmen, zum Beispiel CEO-Fraud, also wenn von außen versucht wird, zum Beispiel Mitarbeiter des Unternehmens dazu zu bringen, Bankverbindungsänderungen vorzunehmen, um dann mit einer manuellen Zahlung Geld, salopp gesagt, an ein Konto nach China zu überweisen. Sprich, die interne Revision prüft, gibt es irgendwo Einfalltore, gibt es Risiken, gerade im Kontext von Fraud und Betrug, aber auch Wirksamkeit des internen Kontrollsystems. Wie ist es um die Third Line of Defense bestellt? Wie ist es um die internen Kontrollen? Sind diese wirksam? Kann dadurch Schaden vom Unternehmen abgehalten werden? Um das zu prüfen, brauche ich natürlich Datenanalyse, weil natürlich kann es sein, dass auf dem Papier eine Kontrolle existiert, zum Beispiel im ERP-System konkret eine Kontrolle, die vermeidet, dass eine Rechnung doppelt bezahlt wird.
Der Revisor kann dann entsprechend in den Daten gucken, ob es denn, wenn ich jetzt in die historischen Daten schaue, seiner Auffassung nach, wenn er eine Datenanalyse durchführt und er findet Doppelzahlungen und er findet viele Doppelzahlungen, dann scheint zwar diese Kontrolle auf dem Papier zu existieren, aber sie scheint nicht besonders wirksam zu sein. Das heißt, er schreibt dann wiederum ins Pflichtenheft der Fachabteilung, vielleicht der Accounting-Abteilung und so weiter, dass hier noch nachgebessert werden muss und dass hier das interne Kontrollsystem entsprechend Mängel aufweist. Das ist nur ein Aspekt der internen Revision, aber, denke ich, gerade im Bereich Datenanalyse eben so ein klassischer Anwendungsfall.
Er muss dazu zu der geprüften Einheit, zu der geprüften Einheit hin oder er macht es remote. Er zählt sich die Daten, die diese Einheit betreffen, hat dazu in der Regel einen formellen Prüfauftrag und analysiert dann die Daten, basierend auf verschiedenen Fragestellungen. Und da kann man dann schnell in den Bereich Standardisierung rein, weil diese zwei Wochen prüft er vielleicht die Einheit in China, zwei Wochen später prüft er die Einheit in Kanada, zwei Wochen später prüft er die Einheit in Brasilien.
Die Fragestellungen sind in der Regel ähnlich und quasi wiederholen sich. Die Daten sind auch natürlich ähnliche, weil es sind Buchhaltungsdaten, Einkaufsdaten. Und so kann man schnell in den Bereich rein, Datenanalyse durchführen zu müssen und diese auch wiederholt mit kleinen Fragestellungen zu tun und da entsprechend dann Möglichkeiten aufzubauen, wie ich das möglichst effektiv, effizient und so weiter mache.
Genau, und gerade im zeitlichen Verlauf auch nochmal wichtig, Sie möchten ja auch wissen, ob sich was geändert hat, ob sich was verbessert hat, wenn Sie Datenanalyse in diesem Jahr durchführen. Sie stellen Mängel fest. An dem Beispiel hatten wir es eben Doppelzahlung.
Wir haben sehr viele Doppelzahlungen aufgedeckt, möchten eine neue Kontrolle einführen, dass das in Zukunft vielleicht nicht mehr so ist. Dann möchten wir in einem oder in zwei Jahren schauen, hat sich tatsächlich was verbessert. Und da ist es wichtig, dass wir die gleiche Analyse, die gleiche Grundlage, die gleiche Datengrundlage nochmal wählen, weil wenn ich dort anders analysiere, komme ich vielleicht zu ganz anderen Ergebnissen und habe die Vergleichbarkeit überhaupt nicht mehr gegeben.
Ja, gibt es eine gesetzliche Grundlage, die Firmen in diese interne Revision rein zwingt? Ja, also es gibt für Banken und Versicherungen durchaus Gesetze. Das sind also Spezialfälle, diese Arten von Firmen. Für viele andere Firmen kommt es ein bisschen darauf an, welches Land, also in den USA gelten andere Kontrollvorschriften als beispielsweise in Deutschland.
Dennoch müssen die meisten Firmen in Deutschland keine eigene Revision führen, was sich vor allen Dingen, wir arbeiten ja auch mit dem Mittelstand sehr viel zusammen, dort bemerkbar macht, wo das Thema Revision doch sehr stark in den Hintergrund fällt. Man beschäftigt sich mit Risikomanagement, mit Compliance-Themen, vernachlässigt aber häufig die ganz normale interne Revisionsarbeit und da merkt man schon, dass dort gesetzlich nichts vorgeschrieben ist. Was hier natürlich noch ein tolles Spiel, wenn ich noch kurz einhaken darf, wenn Sie sich den Jahresabschluss der Unternehmen anschauen und der muss ja auch dann entsprechend attestiert werden, zum Beispiel Wirtschaftsprüfer, und da spielt natürlich schon eine Rolle, wie wirksam das interne Kontrollsystem ist und ob ich die Korrektheit des Jahresabschlusses gefährdet sehe aufgrund von Systemmängeln usw.
Und da kann man natürlich dann schon auch das Interesse ableiten, zu sagen, okay, da gucke ich auch intern drüber, ob das alles passt, bevor entsprechend seitens Jahresabschlussprüfung, Wirtschaftsprüfung entsprechend hier Mängel festgestellt werden. Ihr Ziel, ihr Unternehmenskern ist für mich deswegen so interessant, weil wir selber gerade ein Forschungsprojekt starten, wo wir auf Basis von künstlicher Intelligenz in idealerweise Echtzeit Anomalien, Compliance und Risikoverstöße innerhalb des Unternehmensdatenfundaments oder ERP-Systems aufdecken wollen. Das ist dann quasi sozusagen der nächste Schritt, den man geht, also nicht zu sagen, in Zyklen auf den Daten quasi postfaktisch zu schauen, sondern direkt proaktiv zu sehen, dass mögliche Verstöße passieren.
Da werden wir jetzt aber auch gerade erst anfangen mit dem Projekt. Spannend. Jetzt mal die Frage, wir sprechen über Daten.
Ja. Man muss schon blind und mit geschlossenen Ohren durch die Welt gehen, um das Thema Big Data Analytics bla bla bla nicht gehört zu haben. Wir sprechen aber eigentlich hier in Ihrem Zusammenhang über ganz andere Daten.
Vielleicht können wir so ein bisschen rausdrüsseln, was meint Big Data und was meint Datenanalyse in Ihrem Kontext eigentlich? Ja, also wir haben ja unser, dass wir damals so auch mit Veröffentlichungen begonnen haben, 2.4, 2.5, 2.6. Da sprachen wir immer von digitaler Massendatenanalyse. Klingt jetzt nicht ganz so nett wie Big Data, aber für uns war es damals in der Form Big Data, als dass wir große Datenmengen aus ERP-Systemen, speziell SAP, zu verarbeiten hatten. Also wir waren damals bereits im 2005, 2006 im Terabyte-Bereich unterwegs.
Wenn man da zurückblickt, was damals noch in Sachen Hardware und in Sachen Rechnerleistung bedeutet hat, waren wir da eigentlich schon ganz gut dabei, würde ich sagen. Und über die Jahre, wie Sie richtig sagen, Herr Winkelmann, hat sich das Thema immer heißer gelaufen. Mittlerweile, wenn man von Big Data spricht, umfasst es strukturierte Daten, aber auch unstrukturierte Daten, jetzt die Daten, die auf YouTube liegen, oder vielleicht auch Podcasts, und auch diese möglicherweise analysieren zu können.
Wir sind da noch ein bisschen, sag ich mal, straightforward unterwegs. Wenn wir von Massendaten sprechen, aus ERP-Systemen, dann sind es im Schwerpunkt strukturierte Daten. Also wenn man jetzt in Tabellen und Feldern denkt, in Attributen, in Datentypen, in Daten, die einfach in strukturierter Art und Weise vorliegen, jetzt mal dargestellt, ob sie gut oder schlecht sind, aber zumindest sie liegen theoretisch strukturiert vor, das ist unsere Welt.
Dass es dabei durchaus um riesige Datenmengen gehen kann, die ja auch heutzutage noch eine Challenge für die IT-Abteilungen sind, auf welchen Servern die vorgehalten und verarbeitet werden, das ist dann eine zweite Geschichte. Ein ERP-Hersteller hat mal zu mir gesagt, mit so einem leicht süffisanten Lächeln, als ich ihn auf das Thema Big Data ansprach, ja Mensch, das ist schön, dass die ganze Welt immer über Big Data spricht, aber eigentlich müssen wir unsere Hausaufgaben erst mal im Small Data Bereich machen. Sprich, viele Unternehmen haben dieses Unternehmensdatenfundament überhaupt noch nicht aufgebaut, haben die Qualität der Daten überhaupt noch nicht vorliegen, um überhaupt sinnvolle Auswertungen auf den Daten machen zu können.
Ja, also ich würde es anders formulieren, also ich würde es nicht mit den gleichen Worten sagen, weil das hat für mich nicht mit Big oder Small zu tun, sondern es hat für mich über das Anspruchsdenken zu tun, wenn ich mit Datenanalyse starte. Sie haben ja vorhin schon Künstliche Intelligenz, Machine Learning, alles Dinge, die wahnsinnig Fahrt aufnehmen. Andererseits, wenn ich jetzt so die Unternehmensrealitäten betrachte, beliebige DAX-Unternehmen, you name it, weltweit, und ich schaue mir da einfach nur die Stammdatenqualität an, die Lieferantenstammsätze, die Kundenstammsätze, die Integrität der Zahlungsbedingungen, also wirklich Basics, und ich sehe, wie durchwachsend die Qualität da ist, wie oft ich Duplikate vorfinde, Fake-Einträge, Monkey-Typing und so weiter, und das in den Systemen einfach schlummert und nicht gefunden wird.
Insoweit gehe ich konform, dass ich sage, fangen wir mit dem Start an, first things first, und das ist tatsächlich aus meiner Sicht unter anderem die Datenqualität und wirklich die terministische Fragestellungen, die ich mit einfachen Regeln prüfen kann, zum Beispiel Doppelzahlungen, manuelle Zahlungen und so weiter, CPD, habe ich was bestellt, wo ich keine Rechnung bekommen habe, habe ich zu viel Rechnung bekommen, dann klingt das vielleicht nicht super spannend und sagt, ja man, wir haben das Jahr 2018, dann geht das nicht automatisch, aber da muss man tatsächlich anfangen, erstmal da die Hausaufgaben zu machen, das hängt aber nicht an Big oder Small Data, das hängt an der Qualität der Fragestellung und dem Anspruchsdenken, so würde es sich beschreiben aus meiner Sicht. Jetzt haben wir glaube ich so ein bisschen herausgearbeitet, Big, Small oder nicht Small, wie auch immer, also operative Daten und jetzt kommen Sie aus dieser Auditperspektive eigentlich auf die Daten, also Sie machen interne Revisionen, Sie machen den Aufbau von Kontrollsystemen, Sie führen entsprechende Prüfungen durch, wie entscheidet sich die Analyse, die Sie dort fahren, von ganz normalen analytischen Fragestellungen, die wir ja letztendlich in den ERP-Systemen eigentlich auch über Dashboards oder im Data Warehouse oder ähnliches tagtäglich machen? Vielleicht kurz eingehend auf die Onboard-Möglichkeiten, weil Sie jetzt zum Beispiel Data Warehouse oder SAP Business Warehouse ansprechen und Dashboards, die im Unternehmen in den ERP-Systemen vielleicht auch schon drin sind. Erstmal so, wieso haben wir nicht von vornherein schon in SAP die Auswertungen direkt gemacht? Ich meine, damals gab es auch speziell zum Beispiel bei Bayer die Business Warehouse-Systeme, die da im Einsatz waren, aber andererseits, wenn Sie sich jetzt, und das gilt jetzt nicht nur für SAP aus meiner Sicht, sondern beliebige ERP-Systeme, die müssen ja erst mal eine gewisse Flexibilität aufweisen, weil ich bei verschiedensten Firmen verschiedenste Prozesse mit dem gleichen System abbilden können muss.
Das heißt, ich brauche da eine Flexibilität, wenn es um Erfassung geht, wenn es um Eingaben geht, wie kann ich das System verbiegen, damit es auf möglichst viele Passt geht. Das heißt, die Systeme waren früher im ersten Schritt nicht daran interessiert, eine gute Datenqualität notwendigerweise zu schaffen. Da war erst mal die Maßgabe, den Prozess abbilden zu können.
Und dann auch im Sinne von Auswertungen. Das Thema Datenanalyse hat die letzten Jahre stark Fahrt aufgenommen, aber davor war es relativ, stand es nicht immer im Vordergrund. Das heißt, wenn Sie damals Auswertungen zum Beispiel in SAP gebraucht haben und haben Sie an die IT-Abteilung einen Request geschickt, die haben dann ein ABAP-Programm erstellt, das dann auf dem einen System wirksam war, gut oder schlecht nicht dokumentiert, das musste dann ans nächste System vielleicht manuell übertragen werden, alles Riesenaufwände.
Natürlich ist die Richtung mittlerweile eine, gleich kommen wir noch darauf, Stichwort SAP SVH, wo man sich das Ganze natürlich wieder anschauen muss. Aber zumindest jetzt aus Sicht der Historie hat es durchaus Sinn gemacht, das Ganze außerhalb der Systeme zu analysieren. Und jetzt zur eigentlichen Frage, soll ich was ausholen? Zum einen hat die Revision immer so ein bisschen risikoorientiertere Ansätze gefahren, zumindest in den ersten Jahren, sage ich mal.
Mittlerweile gibt es natürlich Überschneidungen, weil einfach die Revision auch sich häufiger nicht als Kontrollinstanz und als auf die Fingerklopfer ansieht, sondern wirklich als beratende Abteilung im Unternehmen. Ich meine, da gibt es noch die Diskussion immer, second line, third line of defense, wer ist wofür zuständig, internes Kontrollsystem oder Kontrolle der Kontrolle. Aber grundsätzlich überschneiden sich die Themen mehr, so dass auch auf Aspekte wie Datenqualität, wie sieht der Prozess aus, dass es da auch mehr Überschneidungen gibt.
Natürlich gibt es dann auch wiederum Überschneidungen zu den Möglichkeiten, die das ERP-System an sich bietet. Aber da kommen wir zu dem, was Sie, glaube ich, vorhin kurz angeschnitten haben, wenn Sie von der Datenbasis oder der Datenlandschaft eines Unternehmens sprechen. Wir haben Kunden, die haben 15 verschiedene SAP-Systeme weltweit oder 200 oder 500 sogar.
Und dann haben die noch Navision Dynamics-Systeme, die haben J.D. Edwards, was weiß ich, die haben bei einer ganz kleinen Einheit eine Dativbuchhaltung. Da geht es darum zu sagen, jetzt habe ich so eine bunte ERP-Landschaft, bedeutet aber auch eine heterogene Datenlandschaft. Und kann ich das vielleicht nicht dann, Stichwort Single Point of Truth, dass ich sage, ich habe ein Datenverständnis, eine Datenbasis, kann ich da nicht eine Wahrheit an zentraler Stelle schaffen, die diese Datenpools bestmöglich integriert.
Also es gibt Überschneidungen thematisch. Es gibt ein paar Aspekte, die die Revision spezieller anguckt. Die Fraudthemen vielleicht, die risikoorientierten Themen.
Aber mittlerweile das Bestreben, dass aus Unternehmenssicht eine Transparenz geschaffen wird, eine Wahrheit geschaffen wird und da alle beteiligt sind, die Revision, aber auch die Fachbereiche und so weiter. Das ist das, wo eigentlich die Reise aktuell hingeht und auch hingehen muss. Vielleicht da noch mal eine kleine Anekdote zu.
Ich war letztes Jahr bei einem großen deutschen DAX-Konzern und habe mit der Revision gesprochen. Wir wissen, Sie fahren, wenn Sie auf Prüfung fahren, ins Ausland. Das Erste, was Sie machen, ist tatsächlich sich erstmal, obwohl Sie sich auch Lieferanten oder Tochterunternehmen mit SAP-Systemen anschauen, Sie lassen sich einmal den Prozess zeigen, wie der durchlaufen wird in deren Systemen.
Weil alles, was Sie manuell ändern können an Feldern, kann so oder so ausgelegt werden. Das heißt, man hat vielleicht eine Datenbasis, die sehr gleich aussieht von der Benennung der Felder und so weiter. Aber die Interpretation, was ich da eingebe und wie ich das interpretiere, die ist unterschiedlich.
Und wenn ich das jetzt im System quasi für alle gleich aussuche, weil ich das gleich auslese, komme ich nicht unbedingt weiter und kann da sehr schnell an Grenzen stoßen. Und deswegen ist es teilweise wichtig, noch mal zu schauen, auch wenn die Systeme gleich sind, ist auch der Umgang damit tatsächlich gleich. Können Sie mal so ein Beispiel bringen, was so eine Fehlinterpretation oder eine unterschiedliche, nennen wir es mal positiv unterschiedliche Interpretation von einzelnen Eingabefeldern sein kann? Die Datumsfelder sind so ein typisches Beispiel.
Es gibt Datumsfelder, die werden von SAP gesetzt. Es gibt Datumsfelder, die können noch manuell verändert werden. Und einige berufen sich jeweils auf die von SAP erstellten Felder und rechnen ab dem Datum.
Andere sagen, erst wenn jemand das tatsächlich bearbeitet und dieses Datum setzt, ab dann rechnen wir. Wenn es um Zeiten geht, sagen wir zwei Wochen ab Datum X. Und da kann man dann durchaus durcheinander kommen mit den Daten. Wenn da drei, vier Tage dazwischen liegen, kommt man schon nicht mehr hin.
Jetzt sind Sie als Unternehmen ja schon relativ lange auf dem Markt und haben ja letztendlich auch die Entwicklung nicht nur SAP, sondern auch von anderen ERP-Herstellern gelebt, sozusagen in den Unternehmen mitbekommen. Ich selber bin auch schon sehr, sehr lange mit ERP-Systemen in Berührung. Wenn wir unsere Projekte machen, wenn wir auch Forschungsprojekte machen, dann hängen wir häufig auch nicht nur an den Masken, sondern wir sind ganz tief unten im System, beispielsweise auf der Datenbank, auf den Tabellen sozusagen.
Ich könnte Ihnen jetzt hier auch Geschichten erzählen, aber es ist ja sozusagen nicht meine Folge, sondern ich begrüße Sie ja hier als Gäste da. Aber vielleicht können Sie mal so ein bisschen skizzieren, wie auch die ERP-Hersteller vielleicht aufwachen und diese Datenanalyse vereinfachen und was sich da überhaupt in den Systemen auch verändert. Also ich glaube, auch wenn ich jetzt wieder auf dem Beispiel SAP herumbreite, aber das auch exemplarisch zu nennen einfach, früher lag der Fokus, wie schon geschildert, weniger auf den Auswertungen.
Das war aber auch, wenn Sie sagen, Sie sind direkt auf den Daten unterwegs, auch so dem Systemdesign geschuldet. Die Anekdote, die ich hier immer dann erzähle, es gibt zum Beispiel in SAP, wenn Sie sich auf Tabellenebene bewegen und Sie schauen sich die Buchhaltungsdaten an, dann reden wir immer von Tabellennamen und technischen Feldnamen in der Datenbank und der Betrag einer Buchung in der Finanzbuchhaltung, das Feld trägt den technischen Namen DM-BTR. Die Älteren werden sich erinnern, DM, die Deutsche Mark.
Das heißt, beim Datenbankdesign wurde das Feld Deutscher Marktbetrag, salopp gesagt, benannt. Und so heißt es bis heute. Weil auf der untersten Ebene, auf der Datenbank, eben so viel mittlerweile aufbaut, dass eine Änderung quasi undenkbar wird bei dem Ganzen, was dann noch an Reports dranhängt, wo die Mittelschicht drauf aufsetzt und so weiter und so fort.
Und wenn man sich jetzt die Entwicklungen anschaut, die es mit dem, die es S4HANA anbelangt speziell, da wird dann eher auch schon bei diesen Aspekten in Richtung Analyse gedacht. Das heißt, da wird wirklich das Datenmodell komplett neu überdacht. Dinge wie Aspekte von früher, wo man noch klassisch gelernt hat, das relationale Datenbankmodell, wie ich das aufbauen muss, damit ich Redundanzen vermeide und so weiter, gehen wieder gegenläufige Trends, dass ich sage, Redundanzen sind egal, weil ich habe die Power entsprechend, ich mache das entsprechend denormalisiert wieder in einem einzigen Tabellum und kann dann meine Auswertungen schneller fahren.
Das heißt, technische Veränderungen sind da durchaus, wie an diesem Beispiel gezeigt, werden natürlich schon aufgegriffen, weil der Trend natürlich klar erkannt wird. Und zum Zweiten gibt es auch Erweiterungen der Bereich Compliance, Internetkontrollsystem, war auch lange etwas vernachlässigt, aber aufgrund von Regularien und so weiter, kommt da natürlich auch Druck auf die Hersteller auf, wenn sie jetzt SAP GISI zum Beispiel nehmen, da entsprechende Kontrollen auch im System vornehmen zu können. Natürlich auch eine Umsatzchance, zu sagen, ich verkaufe da was zusätzlich vielleicht, kann man es natürlich auch sehen, aber um Ihnen die Frage zu beantworten, ich denke, es hat nicht super schnell funktioniert, dass die SAP Hersteller diesem Trend folgen, weil einfach viel dranhängt und es nicht einfach von heute auf morgen gemacht wird.
Wo sich aber die Chance bietet, wird entsprechend in diese Richtung auch gesteuert. Ja, ich sehe so ein bisschen auch, wie sich die Hersteller, gerade auch die Größeren natürlich, sehr stark verändern. Aus meiner wissenschaftlichen Sicht, wir haben es eigentlich versäumt, die Doppik auch vielmehr in die ERP Welt reinzubringen. Also wir schreiben die daten direkt aus dem System in irgendwelche kryptischen Tabellen nach dem Motto: „Friss oder stirb“, anstatt dort irgendeine Verbuchung zu machen, wie wir das aus dem Finanzbereich kennen. Das ist natürlich das Problem mit dem Sie jeden Tag umgehen müssen. Genau, also gerade auch so die Gegenkontinatiken wo sie dann gar nicht eindeutig zuordnen können wie sich soll und haben Seite von den Beträgen aufteilen. All des sind vielleicht auch Designschwächen, die man als Analyst ausbauen muss. Ich würde da gerne gleich nochmal drauf eingehen, bzw mit blick auf die Uhr würde ich für heute die Folge gerne abrunden und ich würde gerne mit Ihnen das Thema nächste Woche nochmal aufgreifen. Ich weiß dass sie sehr viel mit SAP bei großen Unternehmen machen. Und genau über die se Themen SAP Datenanalyse, Processmining, wie sieht die Zukunft des ganzen Themen aus würde ich nächste Woche gerne nochmal ansetzen. Wir würden uns Freuen!
Ihnen hat der ERP-Podcast gefallen und Sie konnten wertvolle Erkenntnisse gewinnen? Dann würde ich mich über eine Bewertung auf iTunes freuen, damit auch andere von diesem Podcast erfahren können. Eine Anleitung für die Bewertung finden Sie auf www.erp-podcast.de. Dort finden Sie auch weitere Hinweise, Links und Aktualisierungen zu dieser Folge. Das war der ERP-Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen losgelöst von Fachzeitschriften, Büchern und wissenschaftlichen Veröffentlichungen, zum Beispiel beim Spazierengehen oder Autofahren auseinandersetzen wollen.
Mein Name ist Axel Winkelmann. Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg. Bis zum nächsten Mal.