Datenbasierte Entscheidungen im KMU: so starten Sie

Datenbasiert entscheiden heißt für ein KMU: eine konkrete betriebliche Frage mit Daten beantworten, die im Betrieb schon entstehen – im ERP, an der Kasse, an Maschinen, in der Zeiterfassung. Ein neues Analysewerkzeug ist dafür selten der erste Schritt. Zuerst braucht es eine klare Frage, verbundene Datenquellen und geprüfte Datenqualität. Erst dann liefern Zahlen eine bessere Grundlage als das Bauchgefühl.

Welche Daten hat ein KMU eigentlich schon?

Viele kleine und mittlere Betriebe haben mehr Daten, als sie nutzen. Das Problem ist selten der Mangel an Daten, sondern dass die Daten in getrennten Systemen liegen, die nie dafür gebaut wurden, miteinander zu sprechen. Ein typischer Betrieb arbeitet mit mehreren Quellen, die jede für sich einen Teil des Geschäfts abbilden.

• ERP- oder Warenwirtschaftssystem: Aufträge, Bestände, Einkauf, Rechnungen, Kunden- und Lieferantenstammdaten
• Kassensystem: Verkäufe nach Zeit, Filiale, Artikel und Zahlungsart
• Maschinen und Anlagen: Laufzeiten, Stillstände, Stückzahlen, Störmeldungen – oft über Steuerungen oder Sensoren abrufbar
• Zeiterfassung: Anwesenheit, Arbeitszeiten pro Auftrag oder Kostenstelle, Überstunden
• Buchhaltung: Kosten, Erlöse und Liquidität, meist mit Verzögerung gegenüber dem operativen Geschehen
• Tabellen und E-Mails: Planungslisten, Angebotsübersichten und Notizen, die nirgends sonst stehen

Die letzte Kategorie wird gern unterschätzt. In vielen Betrieben steckt das eigentliche Steuerungswissen in einer Excel-Liste, die eine einzelne Person pflegt. Wer datenbasierte Entscheidungen einführen will, muss diese Listen genauso ernst nehmen wie das ERP-System.

Warum reicht es nicht, die Daten einfach zu exportieren?

Ein Export aus jedem System und eine große Tabelle wirken wie eine schnelle Lösung. In der Praxis scheitert dieser Weg an drei Dingen: Die Exporte sind nach kurzer Zeit veraltet, die Zuordnung zwischen den Systemen passiert händisch und fehleranfällig, und niemand kann später nachvollziehen, woher eine Zahl stammt. Eine Entscheidung auf Basis einer Tabelle, die nur eine Person versteht, ist kaum datenbasierter als eine Entscheidung aus dem Bauch.

Datenquellen sollten deshalb über Schnittstellen verbunden werden, sodass die Daten regelmäßig und automatisch an einem Ort zusammenlaufen. Das kann eine kleine Datenbank sein, ein Data-Warehouse oder auch eine gut gebaute Integrationsschicht zwischen ERP und Auswertung. Die Größe der Lösung ist zweitrangig. Der Weg der Daten muss nachvollziehbar und wiederholbar sein.

Wie bringt man Daten aus ERP, Kasse und Maschinen zusammen?

Das Zusammenführen von Daten beginnt mit einem gemeinsamen Schlüssel. Ein Auftrag im ERP, die dazugehörigen Arbeitsstunden in der Zeiterfassung und die Laufzeit an der Maschine müssen über eine Auftragsnummer, eine Artikelnummer oder eine Kostenstelle eindeutig zueinander passen. Fehlt dieser gemeinsame Schlüssel, lässt sich auch mit guter Software keine verlässliche Verbindung herstellen.

1. 01Eine konkrete Frage festlegen, zum Beispiel: Welche Aufträge bringen nach tatsächlichem Aufwand wirklich Deckungsbeitrag?
2. 02Die Quellen bestimmen, die diese Frage beantworten – meist zwei oder drei Systeme, nicht alle.
3. 03Prüfen, über welchen Schlüssel die Daten zusammenpassen, und Lücken in der Erfassung benennen.
4. 04Schnittstellen einrichten, die die Daten automatisch und regelmäßig an einen Ort übertragen.
5. 05Die ersten Ergebnisse mit den Menschen gegenprüfen, die den Prozess täglich kennen.
6. 06Erst wenn die Zahlen stimmen, die Auswertung verstetigen und die nächste Frage angehen.

Diese Reihenfolge verhindert, dass ein Betrieb ein großes Datenprojekt startet, das am Ende viele Zahlen liefert, aber keine einzige Entscheidung verbessert. Eine beantwortete Frage ist mehr wert als viele halbfertige Auswertungen.

Welche Fallen verfälschen datenbasierte Entscheidungen?

Die falsche Kennzahl

Die häufigste Falle ist eine Kennzahl, die leicht zu messen ist, aber die eigentliche Frage nicht beantwortet. Umsatz pro Kunde sagt nichts über den Ertrag, wenn ein Teil der Kunden überdurchschnittlich viel Aufwand verursacht. Maschinenauslastung sagt nichts über Lieferfähigkeit, wenn die Maschine die falschen Teile produziert. Eine gute Kennzahl ist direkt mit einer Entscheidung verknüpft: Wenn sich die Zahl ändert, ist klar, was jemand anders machen würde. Wie man solche Kennzahlen in ein Dashboard bringt, das im Alltag genutzt wird, beschreiben wir in einem eigenen Beitrag.

Schlechte Datenqualität

Datenqualität ist in KMU selten ein technisches Problem, sondern ein Erfassungsproblem. Arbeitszeiten werden im Nachhinein aus dem Gedächtnis eingetragen, Artikel werden unter einer Sammelnummer gebucht, Stillstände an der Maschine haben keinen Grund hinterlegt. Jede Auswertung übernimmt diese Ungenauigkeit. Bevor eine Zahl eine Entscheidung trägt, sollte jemand prüfen, wie sie entsteht und wo sie lückenhaft ist.

Gleiche Begriffe, unterschiedliche Bedeutung

Ein „Auftrag“ im ERP ist nicht automatisch dasselbe wie ein „Auftrag“ in der Zeiterfassung, und „Umsatz“ bedeutet in der Kasse etwas anderes als in der Buchhaltung. Wer Daten zusammenführt, muss solche Begriffe einmal sauber definieren und schriftlich festhalten. Sonst diskutiert die Geschäftsführung über Zahlen, die verschiedene Abteilungen unterschiedlich verstehen.

Zahlen ohne Kontext aus dem Betrieb

Daten zeigen, was passiert ist, aber selten, warum. Ein Einbruch bei den Stückzahlen kann an einer Maschine liegen, an fehlendem Material oder an einem Schichtausfall. Die Menschen, die den Prozess täglich erleben, gehören deshalb in die Auswertung. Datenbasiert entscheiden ersetzt Erfahrung nicht, sondern macht sie überprüfbar.

Braucht ein KMU dafür KI?

Für die meisten datenbasierten Entscheidungen im KMU braucht es keine künstliche Intelligenz, sondern verbundene Systeme und saubere Daten. KI kann später helfen, etwa beim Erkennen von Mustern in Störmeldungen von Maschinen oder beim Beantworten von Fragen zu internen Unterlagen. Sie setzt aber dieselbe Grundlage voraus: auffindbare, konsistente Daten. Ohne diese Grundlage fängt KI am falschen Ende an. KI-Assistenten lassen sich auch lokal im eigenen Netz betreiben, was beim Datenschutz nach DSGVO und bei den Anforderungen des EU AI Act den Überblick erleichtert.

Wer sollte im Betrieb für die Daten verantwortlich sein?

Datenbasierte Entscheidungen brauchen klare Zuständigkeiten. Für jede wichtige Datenquelle sollte feststehen, wer für die Richtigkeit der Erfassung sorgt – meist die Abteilung, die mit dem System täglich arbeitet, nicht die IT. Die IT oder ein externer Partner sorgt dafür, dass die Verbindungen zwischen den Systemen laufen und die Daten sicher gespeichert sind.

Zusätzlich braucht es eine Person, die die Definitionen der wichtigsten Begriffe und Kennzahlen pflegt und Änderungen abstimmt. In kleineren Betrieben ist das oft die Geschäftsführung selbst oder das Controlling. Ohne diese Rolle wachsen neben jeder Auswertung schnell eigene Varianten, und am Ende stehen wieder mehrere Wahrheiten nebeneinander.

• Fachabteilung: verantwortet, dass Daten vollständig und richtig erfasst werden
• IT oder IT-Partner: verantwortet Schnittstellen, Speicherung, Zugriffsrechte und Datensicherung
• Geschäftsführung oder Controlling: verantwortet Begriffe, Kennzahlen und welche Fragen beantwortet werden

Wie NDVDL das für Ihren Betrieb übernimmt

NDVDL beginnt nicht mit einem Werkzeug, sondern mit einem Termin in Ihrem Betrieb. Wir sehen uns an, wie Aufträge, Material und Zeiten tatsächlich fließen, welche Systeme dabei Daten erzeugen und welche Entscheidungen Ihnen heute schwerfallen.

• Termin vor Ort: welche Fragen sollen die Daten beantworten, und wo werden sie heute erfasst?
• Schriftlicher Vorschlag: welche Quellen verbunden werden, welche Kennzahlen sinnvoll sind und was es dafür braucht
• Umsetzung: Schnittstellen zwischen ERP, Kasse, Maschinen und Zeiterfassung, bei Bedarf eine passende Auswertung
• Betrieb und Wartung: Wir halten die Verbindungen am Laufen, auch wenn sich Systeme ändern, mit einem festen Ansprechpartner

Damit bleibt die Entscheidung bei Ihnen, aber die Arbeit, Daten verlässlich zusammenzubringen, nicht. Wenn sich ein Standardsystem ändert oder eine neue Maschine dazukommt, passt NDVDL die Anbindung an, statt dass die Auswertung still veraltet.