Bei einer S/4HANA-Migration rücken Stammdaten in den Fokus, wie es außerhalb eines Transformationsprogramms nur selten der Fall ist.
In der Regel wird der Umfang der Stammdaten jedoch zunächst daran ausgerichtet, was das S/4HANA-Programm für die Migration und den Betrieb benötigt. Material-/Produkt-, Geschäftspartner- und Finanzdaten sind möglicherweise für die ERP-Umstellung bereits ausreichend geregelt, während zugehörige Inhalte, Beziehungen und Klassifizierungen im Produktinformationsmanagement (PIM), im Produktlebenszyklusmanagement (PLM), im Kundenbeziehungsmanagement (CRM), in Lieferantensystemen und in regionalen Anwendungen außerhalb des unmittelbaren Umfangs des Programms bleiben.
Die Probleme treten später zutage, wenn eine KI-Initiative darauf angewiesen ist, dass Lieferanten-, Produkt- und Finanzdaten miteinander übereinstimmen, und ihr diese Grundlage fehlt.
Bis dahin stehen Ihnen möglicherweise weder das Programmbudget noch die Aufmerksamkeit der Führungskräfte zur Verfügung, die die Arbeit ursprünglich erst ermöglicht haben.
Stammdatenmanagement (MDM) ist die Arbeit, die hinter dieser Grundlage steht.
Es legt fest, wem ein Datensatz gehört, welchen Regeln er unterliegt und mit welchen Systemen er verbunden ist. Die meisten S/4HANA-Programme bauen genug davon auf, um das ERP zu unterstützen. Für KI benötigen Sie jedoch einen weitaus umfassenderen Ansatz.
Was ist der Unterschied zwischen MDM für das ERP und MDM für KI?
ERP-zentriertes MDM optimiert geregelte Stammdaten für die Betriebsmodelle und Prozesse, die das ERP benötigt.
KI-fähiges MDM erweitert diese Grundlage über Domänen, Systeme und Beziehungen hinweg, sodass KI auf der Grundlage eines konsistenten Geschäftskontexts statt isolierter Datensätze Schlussfolgerungen ziehen kann.
Für manche mag das wie ein kleiner Unterschied klingen, doch es verändert, was die Daten leisten können.
Ein KI-Agent, der Lieferanten-, Produkt- und Finanzdaten übergreifend arbeitet, liest nicht einen Datensatz nach dem anderen. Er schlussfolgert über Beziehungen hinweg. Welcher Lieferant ist mit welchem Material verbunden, und welches Material fließt in welche Produktkonfiguration ein, die wiederum je nach Markt einen unterschiedlichen Preis hat.
Dieser umfassendere Kontext ergibt sich nicht automatisch aus einem S/4HANA-System. SAP Master Data Governance (MDG) kann SAP- und Daten von Drittanbietern steuern und konsolidieren, doch viele Unternehmen verwalten angrenzende Daten nach wie vor in separaten Anwendungen. Solange diese Bereiche nicht gezielt harmonisiert werden, kann ein und dieselbe Entität systemübergreifend weiterhin unterschiedliche Definitionen und Beziehungen annehmen.
Beispiele hierfür sind:
- PIM-Daten
- Lieferantenportale
- Regionale Datenbanken
- E-Commerce-Plattformen
- Kundenstammdaten
Ohne ein unternehmensweites Governance-Modell können Identifikatoren, Definitionen und Beziehungen über diese Systeme hinweg weiterhin voneinander abweichen.
Warum ist eine S/4HANA-Migration der beste Zeitpunkt, um Stammdaten für KI zu bereinigen?
Unternehmensweite Transformationsprogramme sind einer der wenigen Zeitpunkte, an denen Unternehmen sowohl den Auftrag der Unternehmensleitung als auch die operative Dynamik haben, Stammdaten in großem Maßstab anzugehen.
Außerhalb dieser Programme wird der Bedarf zwar erkannt, aber möglicherweise nicht finanziert. Konkurrierende Prioritäten führen dazu, dass das Thema immer wieder zurückgestellt wird.
Ein S/4HANA-Programm zwingt dazu, Fragen zu stellen, die normalerweise unbeantwortet bleiben:
- Wem gehören diese Daten?
- Wer sorgt für die Einhaltung der Regeln?
- Wie werden regionale Varianten abgeglichen?
Mit einem eigenen Budget für die Migration/Transformation und einem eigenen Projektteam haben Sie die seltene Gelegenheit, diese Probleme zu lösen. Nach der Inbetriebnahme lassen diese gezielte Unterstützung und Finanzierung oft nach.
Das bedeutet jedoch nicht, dass eine MDM-Plattform die Migrationswerkzeuge von SAP ersetzt. SAP führt die Umstellung durch und validiert sie; die Aufgabe von STEP, der bewährten Intelligence-Plattform von Stibo Systems, besteht darin, die Stammdaten, auf denen diese Prozesse beruhen, vorzubereiten, zu harmonisieren und zu steuern und diese Steuerung nach dem Go-Live im gesamten System zu gewährleisten.
Das gleiche Problem taucht später wieder auf, oft wenn eine KI-Initiative konsistente Daten benötigt, aber keine Grundlage vorfindet, auf die sie zurückgreifen kann, und kein Programm mehr vorhanden ist, um die Behebung zu finanzieren.
Was macht eine Datenbasis bereit für KI und nicht nur für S/4HANA?
1. Sie sorgt für die domänenübergreifende Abstimmung der Daten
Ein Produkt hat dieselbe Bedeutung, unabhängig davon, ob es von Beschaffungs-, Vertriebs- oder Finanzteams betrachtet wird. Lieferantenklassifizierungen stimmen mit Materialspezifikationen überein. Markthierarchien bleiben von Region zu Region konsistent.
2. Es verankert Governance-Regeln, anstatt sie nur zu dokumentieren
Regeln sind in der Infrastruktur selbst verankert und werden automatisch auf jeden Datensatz angewendet, anstatt in einem Richtliniendokument zu stehen, das in einem hektischen Quartal niemand überprüft.
3. Es macht KI-Eingaben nachvollziehbar
Wenn regulierte Daten Informationen zu Herkunft, Provenienz, Beziehungen und Regelkontext enthalten, lassen sich die an ein KI-System übermittelten Informationen bis zu ihren Quellen zurückverfolgen. Das macht zwar nicht jede Modellentscheidung von Natur aus erklärbar, sorgt aber dafür, dass der Datenkontext überprüfbar und leichter zu untersuchen ist.
4. Es liefert Daten in der Aktualität, die der Anwendungsfall erfordert
Viele operative und agentenbasierte KI-Anwendungsfälle – wie Preisgestaltung, Bestandsausgleich oder Lieferantenrisikomonitoring – benötigen aktuelle oder nahezu in Echtzeit verfügbare Daten. Eine Infrastruktur, die ausschließlich für periodische Abgleiche ausgelegt ist, kann diese Anforderungen möglicherweise nicht erfüllen.
Der entscheidende Unterschied liegt daher nicht einfach in der Unterscheidung zwischen SAP und Nicht-SAP oder zwischen Batch-Verarbeitung und Echtzeit. Es kommt vielmehr darauf an, ob Governance, Semantik und Bereitstellung systemübergreifend so ausgelegt sind, dass sie den Aktualitätsanforderungen gerecht werden, von denen der KI-Anwendungsfall tatsächlich abhängt.
Ein auf SAP ausgerichtetes MDM kann die ersten beiden Aspekte innerhalb des ERP-Systems bereitstellen. Die letzten beiden – insbesondere der Echtzeitbetrieb über Systeme hinweg, die nicht zu SAP gehören – erfordern eine Grundlage, die von Anfang an mit Blick auf KI konzipiert wurde.
Welche vier Ergebnisse ergeben sich aus der Bereinigung von Stammdaten während einer S/4HANA-Migration?
Wenn dies im Rahmen des Projekts richtig umgesetzt wird, ergeben sich vier positive Auswirkungen.
1. Tests und die Umstellung werden nicht mehr durch Dateninkonsistenzen behindert, die bereits früher hätten erkannt werden müssen.
Wenn Materialien, Produkte, Lieferanten und wichtige Hierarchien klar definiert sind und eindeutige Verantwortliche haben, muss das für das Programm zuständige Team nicht mitten in einem Testzyklus Datenprobleme aufspüren.
2. Die Harmonisierung der Daten über Länder und Geschäftsbereiche hinweg erfolgt schneller. Lokale Varianten bei Attributen, Klassifizierungen und Maßeinheiten werden anhand eines gemeinsamen Modells abgeglichen, während wichtige Marktunterschiede erhalten bleiben. Das bedeutet weniger Nacharbeit während des Programms und weniger Bereinigungsaufwand nach der Inbetriebnahme.
3. Ein geregeltes kanonisches Modell für Materialien/Produkte, Lieferanten und andere Stammdatenobjekte reduziert maßgeschneiderte Stammdatenzuordnungen und bietet nachgelagerten Integrationen eine konsistente semantische Quelle.
4. Die Grundlage für die Zeit nach der Inbetriebnahme ist geschaffen:
- S/4HANA standardisiert den Ablauf von Prozessen
- Stammdaten standardisieren die Bedeutung der Daten
Ein veröffentlichter Kundenbericht von Stibo Systems aus der Fertigungsbranche zeigt, wie dies auf Unternehmensebene aussehen kann. Im Rahmen der S/4HANA-Umstellung reduzierte das Unternehmen mehr als 200 Altsystem-Datenmodelle auf fünf semantische Modelle, die über 500 Anwendungen und mehr als 1.000 Schnittstellen hinweg 600 globale Projekte unterstützen.
Wo ordnet sich das unternehmensweite MDM im Zusammenhang mit SAP MDG und der SAP Business Data Cloud ein?
SAP MDG ist eine leistungsfähige Option für zentrale Governance, Konsolidierung und Massenverarbeitung über SAP-Stammdatenbereiche hinweg und kann mit Datenquellen von SAP sowie von Drittanbietern arbeiten. Die Übernahme von Reltio durch SAP stärkt zudem die Position von SAP im Bereich des multidomänenübergreifenden MDM innerhalb der Business Data Cloud.
Dadurch ändert sich die architektonische Fragestellung. Es geht nicht mehr darum, ob SAP Daten über S/4HANA hinaus verwalten kann, sondern darum, wo das Unternehmen die Verantwortung für Unternehmensstammdaten, deren Semantik und Governance über SAP-, Nicht-SAP- und zukünftige Anwendungslandschaften hinweg ansiedeln möchte.
STEP bietet eine unabhängige, domänenübergreifende Governance-Ebene, die SAP MDG ergänzen, neben der SAP Business Data Cloud bestehen oder als Steuerungsebene für die unternehmensweiten Stammdaten in der gesamten Landschaft dienen kann. Mit STEP können Unternehmen:
- Produkt-, Lieferanten-, Kunden- und Standortdaten innerhalb eines gemeinsamen, domänenübergreifenden Modells verwalten, wobei Beziehungen und Hierarchien explizit dargestellt werden
- Anbindungen an SAP R/3, ECC und S/4HANA sowie eine Bibliothek mit über 100 vorgefertigten Konnektoren und Integrationen nutzen
- Governance-Regeln, Workflows, Validierungen und Berechtigungen anwenden, unabhängig davon, ob Änderungen von Mitarbeitern oder automatisch initiiert werden
- einen nachvollziehbaren Verlauf und die Herkunft der gesteuerten Änderungen aufzeichnen, um die Rückverfolgbarkeit zu gewährleisten
- Gewähren Sie KI-Agenten über „Data as a Service“ und den Stibo Systems MCP Server standardbasierten Zugriff auf verwaltete Stammdaten und semantische Kontexte, wodurch der Bedarf an maßgeschneiderten Agentenintegrationen reduziert wird
Zusammenfassend
Eine S/4HANA-Migration bietet Ihnen die seltene Gelegenheit, Stammdaten aufzubauen, die über das ERP-System hinaus von Nutzen sind.
Wenn Sie den Umfang während des Projekts richtig festlegen, zahlt sich das für beide Seiten aus. Das Testen verläuft reibungsloser, die Harmonisierung erfordert weniger Nacharbeit und die Integration wird einfacher.
KI-Agenten, die Lieferanten-, Produkt- und Finanzdaten analysieren, sind darauf angewiesen, dass diese Grundlage bereits vorhanden ist. Verpassen Sie diesen Zeitpunkt, müssen Sie die gleiche Arbeit später noch einmal erledigen – ohne das Programmbudget und die Aufmerksamkeit der Führungskräfte, die dies beim ersten Mal ermöglicht haben.
Um genauer zu verstehen, warum sich dieses Zeitfenster gerade jetzt eröffnet und was eine KI-fähige Datengrundlage erfordert, laden Sie unser gemeinsam mit Accenture verfasstes Whitepaper„AI at Scale“ herunter.
FAQ
Wie standardisieren Sie Material- und Lieferantendaten vor einer SAP S/4HANA-Migration?
Beginnen Sie damit, die Verantwortung für jede Domäne einem bestimmten Team zuzuweisen, und kodieren Sie dann die Regeln, die entscheiden, was als gültige, vollständige oder doppelte Daten zählt, anstatt sie in einem Dokument zu belassen.
Von dort aus die verschiedenen Versionen in ERP, PIM und Lieferantenportalen in einem verwalteten Datensatz pro Entität zusammenführen und diesen Datensatz mit jedem System verbinden, das ihn nutzt.
Wenn dies vor dem Cutover erfolgt, bedeutet dies, dass das Migrationsteam gegen saubere Daten testet, anstatt die Inkonsistenzen während des Go-Live zu finden.
Welche MDM-Plattform funktioniert am besten mit SAP S/4HANA?
Es gibt keine universelle Antwort. Die Wahl hängt von der Zielarchitektur, dem Governance-Betriebsmodell, den Domänen, den Koexistenzanforderungen und dem Umfang ab, in dem vertrauenswürdige Stammdaten über SAP hinausgehen müssen.
SAP MDG ist eine gute Wahl, wenn Organisationen eine SAP-zentrierte zentrale Governance und Konsolidierung wünschen. STEP passt gut, wenn die Multidomain-Governance unabhängig vom ERP bleiben und SAP sowie ein breiteres heterogenes Umfeld bedienen muss. In einigen Architekturen koexistieren die beiden.
SAP MDG oder dediziertes Multidomain-MDM, welche ist die bessere langfristige Wahl?
Es kommt auf die architektonische Verantwortung an, nicht auf die pauschale Wahl eines Werkzeugs, das „besser“ ist. SAP MDG und Reltio innerhalb der SAP Business Data Cloud bieten SAP-Kunden erweiterte Master-Daten-Optionen.
Eine dedizierte, unabhängige Multidomain-Plattform wie STEP ist am differenziertesten, wenn die Organisation eine Governance-Schicht und ein semantisches Modell über mehrere ERPs, PLM/PIM, CRM, Lieferantensysteme, Kanäle und zukünftige KI-Konsumenten hinweg wünscht, ohne die Unternehmens-Masterdatenabhängigkeit von einer einzigen Anwendungs-Suite abhängig zu machen.
Muss diese Arbeit vor dem Go-Live erledigt werden, oder kann sie danach erfolgen?
Es kann danach geschehen, aber die Kosten ändern sich. Während des Programms hängt die Arbeit an den Stammdaten vom Budget und der bereits für die Migration vorhandenen Aufmerksamkeit der Führungskräfte ab.
Nach dem Go-Live verschieben sich dieses Budget und diese Aufmerksamkeit auf andere Prioritäten, sodass dieselbe Arbeit normalerweise ihren eigenen Business Case, Sponsor und Finanzierungszyklus benötigt, um genehmigt zu werden.
Decken SAP-Objekttypen dasselbe Gebiet wie Geschäftsdomänen wie Produkt oder Lieferant ab?
Nicht unbedingt. ERP-Stammdatenobjekte sind hauptsächlich auf die transaktionalen und prozessualen Anforderungen des ERP ausgelegt. Eine Unternehmensgeschäftsdomäne kann reichhaltigere Beziehungen, Klassifikationen, Inhalte und Governance-Kontexte umfassen, die über angrenzende Systeme gehalten werden.
Ein Produkt kann beispielsweise SAP-Material-/Produktattribute mit PIM-Inhalten, PLM-Spezifikationen, regionalen Klassifikationen und Lieferantenbeziehungen kombinieren. Die Architektur muss die vollständige Geschäftsbedeutung steuern und nicht annehmen, dass jedes relevante Attribut in eine Anwendung gehört.
Wird die Behebung von Stammdaten während der Migration das S/4HANA-Programm verlangsamen?
Es fügt Arbeit hinzu, aber nicht unbedingt Zeit. Die Datenrationalisierung kann parallel zur Prozessgestaltung und -prüfung erfolgen, anstatt als separate Phase an den Zeitplan angehängt zu werden.
Das Auslassen der Arbeit kann Datenqualitätsprobleme in die Testphase oder nach dem Go-Live verschieben, wo sie im Allgemeinen schwieriger und störender zu lösen sind.
