Der Vertrieb meldet steigenden Umsatz, die Geschäftsführung sieht einen schwächeren Zahlungseingang und die Projektleitung berichtet über gut gefüllte Auftragsbücher. Alle drei Aussagen können richtig sein. Sie beziehen sich auf unterschiedliche Größen. Business Intelligence beginnt deshalb nicht mit einem besonders eindrucksvollen Diagramm, sondern mit der Frage, was eine Kennzahl tatsächlich bedeutet.

Für mittelständische Unternehmen kann eine gemeinsame Reportinggrundlage helfen, Daten aus mehreren Systemen verständlich zusammenzuführen. Dafür sind Definitionen, Qualität und Zuständigkeiten entscheidend. Ein Dashboard macht Daten sichtbar; ob daraus eine gute Entscheidung entsteht, hängt von ihrem Kontext und der Interpretation ab.

Von der Entscheidung zur Kennzahl

Am Anfang sollte eine konkrete betriebliche Frage stehen. Soll die Auslastung geplant, ein Liquiditätsrisiko erkannt oder die Entwicklung einzelner Produktgruppen beurteilt werden? Unterschiedliche Fragen benötigen unterschiedliche Daten und Zeiträume. Ein allgemeines Management-Dashboard mit möglichst vielen Zahlen kann die eigentliche Aufgabe eher verdecken.

Für jede Kennzahl werden Bedeutung, Einheit und Berechnung beschrieben. Beim Umsatz ist beispielsweise zu klären, ob Auftragseingang, gestellte Rechnung oder eine andere fachlich definierte Größe gemeint ist. Stornierungen, Gutschriften und interne Vorgänge können das Ergebnis beeinflussen. Die Definition muss von den zuständigen Fachbereichen verstanden und getragen werden.

Datenquellen und Verantwortung erfassen

Eine Datenlandkarte zeigt, welche Anwendung welche Informationen liefert. Kunden, Artikel und Organisationseinheiten können in mehreren Systemen unterschiedlich bezeichnet sein. Für ihre Zusammenführung werden stabile Zuordnungen benötigt. Ein Namensvergleich allein ist oft unzuverlässig, weil Schreibweisen und organisatorische Bezeichnungen wechseln.

Wichtig ist außerdem die führende Quelle. Wenn zwei Systeme unterschiedliche Werte enthalten, muss die Reportingplattform wissen, welche Bedeutung und Gültigkeit sie haben. Eine technische Zusammenführung darf Widersprüche nicht unbemerkt glätten. Unklare Zuordnungen gehören in einen nachvollziehbaren Prüfprozess, bevor sie in einer Managementgrafik als eindeutige Wahrheit erscheinen.

Ein Datenmodell mit klarer Körnung

Die Körnung beschreibt, was eine Zeile fachlich repräsentiert: beispielsweise eine Auftragsposition, einen Tagesbestand oder einen Monatswert pro Standort. Werden Daten mit unterschiedlichen Körnungen unbedacht verbunden, können Summen mehrfach gezählt werden. Dieser Fehler kann in einer optisch plausiblen Auswertung lange verborgen bleiben.

Ein verbreiteter Modellierungsansatz unterscheidet Fakten und Dimensionen. Fakten enthalten messbare Vorgänge oder Zustände, Dimensionen beschreiben etwa Zeit, Produkt und Standort. Die Microsoft-Dokumentation zum Sternschema erläutert diese Trennung. Sie ist eine nützliche Orientierung, ersetzt aber nicht die konkrete Prüfung von Beziehungen und Berechnungen im eigenen Datenbestand.

Bestände nicht wie Bewegungen summieren

Ein Monatsumsatz entsteht aus Vorgängen in einem Zeitraum. Ein Lagerbestand beschreibt dagegen einen Zustand zu einem Zeitpunkt. Werden tägliche Bestände einfach addiert, entsteht eine andere Größe als der Monatsendbestand. Solche Unterschiede müssen in Modell und Darstellung berücksichtigt werden. Die Einheit und zeitliche Bedeutung einer Kennzahl gehören deshalb zur fachlichen Definition.

Aktualität sichtbar machen

Nicht jede Auswertung muss in Echtzeit erfolgen. Für eine monatliche Ergebnisbetrachtung kann ein anderer Aktualisierungsrhythmus sinnvoll sein als für eine operative Bestandsanzeige. Häufig erhöht ein unnötiger Echtzeitanspruch die Komplexität, ohne die Entscheidung zu verbessern. Der benötigte Rhythmus sollte aus der Aufgabe abgeleitet werden.

Das Dashboard sollte zeigen, bis wann Daten berücksichtigt wurden und ob ein Import vollständig abgeschlossen ist. Ein aktueller Zeitstempel auf der Website beweist nicht, dass alle Quellen aktuell sind. Bei unterschiedlichen Aktualisierungsständen ist eine entsprechende Kennzeichnung erforderlich. Andernfalls werden möglicherweise Zahlen verglichen, die nicht denselben Zeitraum abdecken.

Datenqualität als laufenden Prozess behandeln

Vor dem ersten Bericht sind Pflichtfelder, Dubletten und unplausible Werte zu prüfen. Auch später können sich Schnittstellen oder fachliche Regeln ändern. Qualitätsprüfungen sollten deshalb wiederkehrend laufen und verständliche Ergebnisse liefern. Eine auffällige Änderung muss einer verantwortlichen Person zugeordnet werden können.

Hilfreich sind Abgleiche mit freigegebenen Referenzwerten. Stimmen beispielsweise Monatssumme und Zahl der berücksichtigten Vorgänge mit der Quelle überein? Werden ausgeschlossene Datensätze begründet? Ein Bericht sollte nicht stillschweigend problematische Werte verlieren. Wenn eine Kennzahl wegen fehlender Daten unsicher ist, muss diese Einschränkung sichtbar bleiben.

Diagramme passend zur Frage wählen

Ein zeitlicher Verlauf eignet sich für eine Linie, ein Vergleich weniger Kategorien häufig für Balken. Die Darstellung sollte Unterschiede verständlich machen, ohne sie durch ungeeignete Achsen oder dekorative Effekte zu übertreiben. Ein Diagramm ist kein neutraler Behälter: Auswahl, Skalierung und Sortierung beeinflussen die Interpretation.

Zusätzlich sollten genaue Werte und eine verständliche Beschreibung erreichbar sein. Farbe allein reicht nicht, um Kategorien oder Warnungen zu vermitteln. Für mobile Ansichten können vereinfachte Ausschnitte sinnvoll sein. Eine große Desktopgrafik auf einem kleinen Bildschirm zusammenzustauchen verbessert weder Vergleichbarkeit noch Lesbarkeit. Die wichtigste Entscheidung muss auch dort erkennbar bleiben.

Filter und Berechtigungen zusammen denken

Filter nach Zeitraum, Standort oder Abteilung helfen, Zusammenhänge zu untersuchen. Ihre Wirkung muss jedoch transparent sein. Nutzende sollten sehen, welche Auswahl aktiv ist und ob sie sich auf alle dargestellten Kennzahlen auswirkt. Unterschiedliche Filterlogik kann sonst scheinbare Widersprüche erzeugen.

Berechtigungen dürfen nicht nur die sichtbare Auswahl begrenzen. Auch Exporte und direkte Abfragen müssen auf die erlaubten Daten beschränkt sein. Besonders bei personenbezogenen Leistungs- oder Beschäftigtendaten sind Zweck und Zulässigkeit sorgfältig zu prüfen. Ein BI-Projekt darf nicht beiläufig zu einer unklaren Überwachungslösung werden. Zuständige Fachpersonen und gegebenenfalls Interessenvertretungen sollten früh beteiligt werden.

Berichte und Exporte kontrollierbar halten

PDF- oder Tabellenexporte sind praktisch für Besprechungen. Sie sollten Zeitraum, Filter und Aktualisierungsstand enthalten. Sonst kursieren später mehrere Fassungen ohne erkennbaren Bezug. Außerdem verlassen exportierte Dateien den unmittelbaren Schutz der Anwendung. Für vertrauliche Informationen sind daher geeignete Ablage- und Weitergaberegeln erforderlich.

Automatisch verteilte Berichte benötigen aktuelle Empfängerlisten und eine definierte Verantwortung. Ein ehemaliger Mitarbeiter darf nicht weiterhin vertrauliche Auswertungen erhalten. Auch die Zustellung ist zu unterscheiden vom bloßen Start eines Versandprozesses. Eine nachvollziehbare Reportingstrecke umfasst Erstellung, Prüfung, Verteilung und spätere Korrekturen.

Abweichungen erklären statt nur markieren

Ein roter Wert auf einem Dashboard zeigt zunächst eine Abweichung, aber noch keine Ursache. Für die Interpretation braucht es Vergleichsmaßstab und Kontext. Liegt ein saisonaler Effekt vor, wurde eine große Rechnung verschoben oder hat sich die Datenbasis geändert? Eine automatische Warnung sollte deshalb zu einer nachvollziehbaren Untersuchung führen können.

Hilfreich sind abgestufte Ansichten: von der Kennzahl über betroffene Bereiche bis zu den zugrunde liegenden, berechtigt zugänglichen Vorgängen. Diese Verbindung muss fachlich konsistent sein. Wenn die Details andere Filter verwenden als die Übersicht, können Nutzende den Gesamtwert nicht reproduzieren. Eine solche Abweichung schwächt das Vertrauen in die gesamte Auswertung.

Auch Zielwerte benötigen Pflege. Ein unverändert übernommenes Vorjahresziel passt möglicherweise nicht zu einer neuen Organisationsstruktur. Werden Standorte zusammengelegt oder Produktgruppen neu zugeordnet, muss geklärt werden, wie Vergleiche über die Änderung hinweg erfolgen. Historische Auswertungen dürfen nicht stillschweigend ihre Bedeutung wechseln.

Vor einer Veröffentlichung im Managementkreis empfiehlt sich deshalb eine fachliche Abstimmung mit Beispielrechnungen. Verantwortliche sollten erklären können, wie ein Wert entsteht und welche Einschränkungen gelten. Ein Dashboard wird dadurch weniger spektakulär, aber belastbarer. Genau diese Nachvollziehbarkeit ist für Entscheidungen wichtiger als eine große Zahl gleichzeitig sichtbarer Diagramme.

Mit einer Frage und wenigen Kennzahlen beginnen

Ein guter Pilot beantwortet eine konkrete Frage mit wenigen fachlich abgestimmten Größen. Die beteiligten Personen vergleichen Ergebnisse mit ihren bisherigen Auswertungen und erklären Abweichungen. Erst wenn Begriffe und Datenfluss stimmen, lohnt die Erweiterung auf zusätzliche Bereiche. So wird das Projekt nicht von einer großen Oberfläche getrieben.

GRITTMANN kann individuelle Analyseoberflächen und Datenverbindungen konzipieren. Unser BI-Anwendungsbeispiel verwendet ausschließlich Demodaten und zeigt eine mögliche Darstellung. Für eine konkrete Lösung stehen zunächst die Entscheidungen, Datenquellen und Berechnungsregeln Ihres Unternehmens im Mittelpunkt.

Quellen und weiterführende Dokumentation

Fachliche Grundlagen und ergänzende Hinweise der jeweiligen Herausgeber. Links zuletzt geprüft am 25.10.2026.