Zentrale Datenplattform Wie die 4a-Gruppe ihr Reporting neu aufstellt

Anbieter zum Thema

pmOne AG

QUNIS GmbH

Fivetran Germany GmbH

Prüf- und Testsysteme für die aktive Fahrzeugsicherheit, Materialcharakterisierung und Simulation sowie akustische Komponenten für die mobile Kommunikation und 5G: Die österreichische 4a-Gruppe vereint mehrere spezialisierte Technologieunternehmen unter einem Dach. Gleichzeitig benötigt das Management einen konsistenten Blick auf Kennzahlen, Entwicklungen und wirtschaftliche Zusammenhänge über alle Geschäftsbereiche hinweg.

Die 4a-Gruppe nutzte für das Reporting bereits Power BI und verfügte damit über ein leistungsfähiges Frontend für Analysen und Visualisierung. Die Datenbasis dahinter war jedoch historisch gewachsen: Excel-Dateien, lokale Datenmodelle und einzelne Report-Dateien bildeten die Grundlage für Auswertungen. Was zunächst flexibel und effizient wirkte, entwickelte sich mit zunehmender Nutzung zu einem komplexen Geflecht. In der Folge kursierten zum Teil mehrere Versionen von Berichten, Daten wurden redundant gespeichert, und die Frage nach der „richtigen“ Kennzahl ließ sich nicht immer eindeutig beantworten. Gleichzeitig wuchs der Druck, den Umgang mit sensiblen Unternehmensdaten besser zu kontrollieren. Ein typischer Fall für Unternehmen, deren Reporting organisch entstanden ist und nun an strukturelle Grenzen stößt.

Ein „funktionierendes“ Reporting reicht nicht aus

Aus fachlicher Sicht lieferte das bestehende Setup weiterhin die erforderlichen Ergebnisse, das heißt, die jeweiligen Berichte ließen sich erstellen und die Kennzahlen wurden als Grundlage für Entscheidungen analysiert. Doch die Art und Weise, wie diese Ergebnisse zustande kamen, wurde zunehmend zur Herausforderung. So erfolgte beispielsweise die Bereitstellung der Datenbasis für das Reporting direkt über einzelne Dateien, die dezentral zu pflegen waren. Dadurch erhöhte sich die Gefahr, dass unterschiedliche Datenstände entstehen, Kennzahlen inkonsistent berechnet werden und keine einheitliche, nachvollziehbare Datenbasis für unternehmensweite Entscheidungen vorliegt. Ein grundlegendes Problem war zudem, dass Zugriffsrechte sich nur eingeschränkt steuern ließen, insbesondere im Zusammenspiel mit lokalen Power-BI-Desktop-Anwendungen. Gleichzeitig erschwerte die dezentrale Datenhaltung eine konsistente Berechnung von Kennzahlen über verschiedene Geschäftsbereiche hinweg.

Mit zunehmender Datenmenge und einer wachsenden Zahl von Berichten stieß das bestehende Setup zudem an Grenzen bei Skalierbarkeit und Wartbarkeit. Fehlende Standards und eine zentrale Steuerung führten zu zusätzlichem manuellen Aufwand, während unterschiedliche Versionen von Dateien und Reports die Nachvollziehbarkeit erschwerten. Darüber hinaus fehlte eine durchgängige Transparenz über Datenherkunft und Datenflüsse. Kurz gesagt: Das Reporting erfüllte seinen Zweck, war jedoch weder ausreichend skalierbar noch durchgängig kontrollierbar. Spätestens aus Sicht von Governance, Auditierbarkeit und Compliance entstand daraus konkreter Handlungsbedarf.

Der Perspektivwechsel: Daten vor Reports

Im Rahmen eines Data Strategy Assessments analysierte pmOne gemeinsam mit 4a technology zunächst die bestehende Situation und entwickelte ein Zielbild für ein zukunftsfähiges Reporting. Die zentrale Erkenntnis: Nicht die Visualisierung musste verbessert werden, sondern die Datenbasis. An die Stelle verteilter Datenbestände sollte eine zentrale Datenplattform treten, die alle relevanten Informationen zusammenführt und konsistent bereitstellt. Reports greifen in diesem Modell nicht mehr auf individuelle Datenstände zu, sondern auf eine gemeinsame, definierte Grundlage. Ein anschließender Proof of Concept bestätigte die Funktionalität und Wirksamkeit dieses Ansatzes und bildete die Basis für die Umsetzung.

Aufbau einer integrierten und automatisierten Datenplattform

Kern der neuen Lösung ist eine zentrale Datenplattform in der Azure Cloud, die als Lakehouse-Architektur auf Basis des Medaillon-Ansatzes – also mit schrittweiser Veredelung von Rohdaten zu qualitätsgesicherten Business-Daten – aufgebaut wurde. Dieser Ansatz erweitert klassische Data-Warehouse-Konzepte um Cloud-native Eigenschaften wie flexible Skalierung, direkte Anbindung heterogener Datenquellen und die Trennung von Speicherung und Verarbeitung. Für die Integration und Verarbeitung der Daten setzte das Projektteam hierbei auf eine Kombination aus Azure Data Factory und Azure Databricks.

Während Data Factory die Orchestrierung und Anbindung der Quellsysteme übernimmt, steuert Databricks die Transformation und Aufbereitung der Daten bis hin zur Bereitstellung für analytische Zwecke. Über die Plattform werden Daten aus ERP- und CRM-Systemen, SharePoint- und Dataverse-Anwendungen, internen Fachsystemen sowie Dateiquellen wie Excel- und CSV-Dateien zusammengeführt. Ergänzend bindet die Lösung externe Datenquellen ein, etwa Wechselkurse der Europäischen Zentralbank. Auf diese Weise entsteht eine gemeinsame Datenbasis für Bereiche wie Finance, Operations, Sales, Einkauf, IT-Service und HR.

Governance und Weiterentwicklung von Beginn an mitgedacht

Ein entscheidender Unterschied zur vorherigen Lösung liegt jedoch weniger in den einzelnen Komponenten als in der Art, wie die Plattform betrieben wird: Die gesamte Azure-Architektur wird automatisiert über Infrastructure-as-Code bereitgestellt. Infrastruktur, Datenpipelines und zentrale Komponenten lassen sich damit reproduzierbar aufsetzen und versionieren. Das reduziert nicht nur den manuellen Aufwand, sondern schafft auch eine belastbare Grundlage für Governance und Weiterentwicklung, das heißt: Änderungen an der Plattform lassen sich kontrolliert, nachvollziehbar und konsistent über Entwicklungs- und Produktionsumgebungen hinweg durchführen.

Reporting auf gemeinsamer Datenbasis

Das Reporting selbst erfolgt zentral über den Power BI Service, das heißt, alle Nutzer innerhalb der 4a-Gruppe greifen auf denselben Datenbestand zu (Single-Point-of-Truth) und sämtliche Reports werden zentral bereitgestellt, wobei sich die individuelle und rechtebasierte Sicht auf die Daten über Row-Level Security exakt steuern lässt. Dadurch reduziert sich die Zahl unterschiedlicher Berichtsversionen erheblich und die Datenbasis bleibt konsistent. Zudem wurde die Plattform so aufgebaut und Mitarbeiter entsprechend geschult, dass 4a technology die Lösung eigenständig weiterentwickeln kann. Hierbei ermöglicht eine strukturierte DevOps-Umgebung mit getrennten Entwicklungs- und Produktionsstufen eine kontinuierliche Anpassung und Erweiterung der Lösung. Darüber hinaus steht pmOne – unter anderem per Support-Vertrag – dem Unternehmen hierzu als Ansprechpartner weiterhin zur Verfügung.

Einheitliche Kennzahlen und weniger Abstimmungsaufwand

Mit der neuen Architektur veränderte sich vor allem eines: die Verlässlichkeit der Daten. Kennzahlen werden nun zentral berechnet und stehen allen Bereichen in konsistenter Form zur Verfügung. Das reduziert unterschiedliche Berechnungsstände und Interpretationen von Kennzahlen. Gleichzeitig sank dadurch auch der operative Aufwand: Da Daten nicht mehr manuell exportiert und zusammengeführt werden müssen, verkürzen sich die Reporting-Zyklen, das heißt, Berichte stehen schneller zur Verfügung und lassen sich einfacher aktualisieren.

Auch die Kontrolle über sensible Daten ist nun verbessert, da die Daten innerhalb der zentralen Systemlandschaft verbleiben und eine systematische Steuerung der Zugriffsrechte erfolgt. Das reduziert potenzielle Risiken im Umgang mit sensiblen Daten und erleichtert die Einhaltung von Compliance-Vorgaben.

Für das Management bedeutet die neue Lösung vor allem einen schnelleren Zugriff auf zuverlässige Informationen und damit eine bessere Grundlage für Entscheidungen. „Mit dem neuen MDWH hat unser Reporting im Grunde ein neues Level erreicht. Wir sind nicht nur effizienter und flexibler unterwegs, sondern erfüllen auch die Sicherheits- und Compliance-Anforderungen deutlich besser“, so Daniel Steinwiedder, verantwortlicher Projektleiter bei 4a technology.

Grundlage für weitere datengetriebene Anwendungen

Mit dem zentralen Datenhaushalt hat die 4a Gruppe zugleich den Grundstein für zukünftige Entwicklungen gelegt. Ab sofort lassen sich neue Datenquellen einfacher integrieren und zusätzliche Reports können im Self-Service entstehen, ohne die Konsistenz der Kennzahlen zu gefährden. Darüber hinaus eröffnet die konsolidierte Datenbasis Perspektiven für weitergehende Analysen. Die Plattform schafft die Voraussetzungen für klassische Analytics- und Prognoseverfahren sowie perspektivisch auch für den Einsatz von KI. Denkbar sind beispielsweise Anwendungen im Bereich Predictive Analytics, die zukünftige Entwicklungen auf Basis historischer Daten prognostizieren, generative KI zur Wissensaufbereitung oder intelligente Assistenten zur Automatisierung von Abläufen.

Organisch gewachsene Strukturen als „Klassiker“

Der Weg von 4a technology entspricht der Situation in vielen Unternehmen: Das Reporting wächst oft aus der Praxis heraus und stößt erst mit zunehmender Komplexität an seine Grenzen. Der kritische Punkt ist dabei weniger die Leistungsfähigkeit einzelner Tools als die fehlende strukturelle Grundlage. Ein zentrales Datenmodell, eine klare Governance und eine integrierte Architektur schaffen hier Abhilfe. „Für uns ist eine Umstellung auf eine integrierte Cloud-Architektur nie Selbstzweck, sondern immer ein Mittel, um diese Anforderungen technisch umzusetzen. Der eigentliche Mehrwert liegt hierbei in einer stabilen, verlässlichen Basis für die unternehmerische Steuerung“, so Tim Wernick, Data Engineer bei pmOne.

(ID:50949140)