In vielen Unternehmen beginnt jede Analyse mit derselben Übung: Daten aus der Buchhaltung exportieren, Daten aus dem ERP exportieren, Daten aus dem CRM exportieren – und dann in Excel zusammenführen. Ergebnis: Jeder Bereich hat leicht andere Zahlen, und in der Sitzung wird über die Zahlen diskutiert statt über die Entscheidungen. Ein Data Warehouse setzt genau hier an.
Was ist ein Data Warehouse?
Ein Data Warehouse (DWH) ist eine zentrale Datenbank, in der Daten aus verschiedenen Quellsystemen gesammelt, bereinigt und für Auswertungen aufbereitet werden. Es ist für Lesen und Analysieren optimiert, nicht für das tägliche Erfassen von Belegen. Ziel ist eine „Single Source of Truth“: eine einzige, verlässliche Datenbasis für alle Berichte.
Der ETL-Prozess
- Extract: Daten werden aus den Quellsystemen gelesen – Finanzbuchhaltung, Warenwirtschaft, Lohnverrechnung, CRM.
- Transform: Sie werden bereinigt und vereinheitlicht: gleiche Kundennummern, gleiche Kontenlogik, Währungen umgerechnet, Dubletten entfernt.
- Load: Die aufbereiteten Daten werden ins Warehouse geladen – typischerweise jede Nacht.
Moderne Ansätze drehen die Reihenfolge teilweise um (ELT): Rohdaten werden zuerst geladen und erst im Warehouse transformiert. Für das Controlling ändert das wenig – entscheidend ist, dass die Regeln für die Aufbereitung zentral und nachvollziehbar sind.
Fakten und Dimensionen
Daten im Warehouse werden meist in einem Sternschema organisiert:
- Fakten sind die Zahlen: Umsatzbeträge, Mengen, Stunden, Kosten.
- Dimensionen beschreiben die Zahlen: Wann (Datum), was (Produkt), wer (Kunde), wo (Kostenstelle, Gesellschaft).
Diese Trennung macht Auswertungen flexibel. Ob man den Umsatz nach Monat, Kunde oder Produktgruppe sehen will – es ist immer dieselbe Faktentabelle, nur anders gefiltert.
Data Warehouse, Data Lake, Datenbank – was ist was?
| Operative Datenbank | Data Warehouse | Data Lake | |
|---|---|---|---|
| Zweck | Tagesgeschäft erfassen | Auswerten und berichten | Rohdaten speichern |
| Daten | Aktuell, detailliert | Historisch, bereinigt | Roh, jedes Format |
| Struktur | Fest, normalisiert | Fest, analyseoptimiert | Flexibel |
| Nutzer | Sachbearbeitung | Controlling, Management | Data Scientists |
Lohnt sich das für den Mittelstand?
Ein Data Warehouse muss kein Großprojekt sein. Für viele mittelständische Unternehmen reicht eine schlanke Datenbank in der Cloud oder auf einem eigenen Server, befüllt aus drei bis fünf Quellen, mit Power BI oder Excel als Oberfläche. Es lohnt sich, wenn:
- dieselben Auswertungen regelmäßig aus mehreren Systemen zusammengebaut werden,
- Zahlen zwischen Bereichen nicht übereinstimmen,
- historische Daten beim Systemwechsel verloren gehen würden,
- mehrere Gesellschaften gemeinsam ausgewertet werden sollen.
Die Rolle des Controllings
Ein Data Warehouse ist kein reines IT-Projekt. Das Controlling bringt die fachliche Logik ein: Welche Kennzahlen, welche Definitionen, welche Hierarchien (GuV-Struktur, Kostenstellenbaum, Produktgruppen)? Ohne diese Arbeit entsteht ein technisch perfektes System, das niemand versteht.
Fazit
Ein Data Warehouse ist das Fundament für verlässliche Berichte. Es spart wiederkehrende Handarbeit, schafft eine gemeinsame Zahlenbasis und bewahrt die Historie. Klein anfangen, fachlich sauber definieren und Schritt für Schritt ausbauen – dann ist es auch für mittelständische Unternehmen gut machbar.
- Power Query – Dokumentation – Daten aus vielen Quellen laden und vereinheitlichen – ein guter erster Schritt Richtung Data Warehouse
- Power BI Desktop herunterladen – kostenlose Oberfläche, um Sternschemata in der Praxis auszuprobieren
Häufige Fragen
Was bedeutet ETL?
Extract, Transform, Load: Daten werden aus Quellsystemen gelesen, bereinigt und vereinheitlicht und anschließend ins Data Warehouse geladen.
Was ist der Unterschied zwischen Data Warehouse und Data Lake?
Ein Data Warehouse speichert bereinigte, strukturierte Daten für Auswertungen. Ein Data Lake speichert Rohdaten in beliebigem Format für spätere Analysen.
Brauche ich für ein Data Warehouse eine eigene IT-Abteilung?
Nicht zwingend. Schlanke Lösungen lassen sich mit externer Unterstützung aufbauen. Wichtig ist, dass das Controlling die fachliche Logik verantwortet.