Datenarchitektur neu denken

Eine solche Plattform ist heute unverzichtbar, weil Daten zu einem strategischen Wettbewerbsfaktor geworden sind. Unternehmen, die Daten schnell und verlässlich nutzen, treffen bessere Entscheidungen, reagieren flexibler auf Marktveränderungen und erschließen neue Geschäftsmodelle. Veraltete Strukturen hingegen bremsen Innovation und erschweren zugleich die Erfüllung regulatorischer Anforderungen.

Angesichts von SAP S/4HANA-Migrationen, steigenden Datenvolumina und wachsendem KI-Druck stellt sich daher nicht mehr die Frage, ob eine moderne Datenarchitektur benötigt wird, sondern wie sie gestaltet sein muss.

Viele Unternehmen sind mit einer zentralen Datenarchitektur gestartet – etwa mit einem klassischen Data Warehouse oder SAP BW als „Single Point of Truth“. Dieses Modell hat über einen langen Zeitraum hinweg verlässliche Berichte geliefert und Finanz- sowie Planungsprozesse stabil unterstützt. Für moderne Analytics- und KI-Anforderungen reicht es jedoch nicht mehr aus.

Die Herausforderungen liegen auf der Hand:

• Neue Anforderungen in den Bereichen Analyse, KI oder Echtzeit-Verarbeitung lassen sich nur schwer und langsam umsetzen
• Skalierungsprobleme bei wachsenden Datenvolumina und zunehmender Datenvielfalt
• Fachbereiche bleiben stark von der IT abhängig und warten auf die Umsetzung neuer Anforderungen
• Neue datengetriebene Anwendungen brauchen oft deutlich länger als nötig, bis sie produktiv sind
• Hoher Anpassungs- und Migrationsaufwand bei jeder strukturellen Änderung

„Das ist kein Tool-Problem. Das ist ein strukturelles Problem der Architektur.“

- aus unserer Praxis mit Unternehmen in der Transformation

Nicht die Technologie selbst ist das Problem, sondern die Annahme, dass ein zentraler Ansatz alle Anforderungen zugleich erfüllen kann. Genau hier setzt das Umdenken an.

Eine hybride Datenarchitektur ist kein Schlagwort, sondern ein Ansatz, der vier zentrale Bausteine zusammenführt:

• Stabile Kernsysteme für Finance, Planung und regulatorisches Reporting – On-Premise oder als Private Cloud
• Skalierbare Cloud-Komponenten für Analysen, KI, Echtzeit-Verarbeitung und Self-Service-BI
• Zentrale Leitplanken für Sicherheit, Datenkataloge und plattformübergreifende Zugriffsregeln
• Klare Verantwortung in den Fachdomänen für die eigenen Datenprodukte

Entscheidend ist die Trennung nach Use Cases, nicht nach Zufall oder Technologie. Finanz- und Compliance-Daten benötigen maximale Stabilität und Genauigkeit, während IoT- oder Analytics-Daten explorativer verarbeitet werden können. Eine moderne Datenarchitektur schafft dafür den passenden Rahmen.

Aus der Beratungspraxis lassen sich fünf Leitprinzipien ableiten, die moderne Datenarchitekturen prägen:

1. Business-Fokus & Entscheidungsfähigkeit
   Architekturentscheidungen sollten von den geschäftskritischen Anwendungsfällen ausgehen. Ohne die Fachbereiche entsteht selten eine Lösung, die die wirklich relevanten Probleme löst.
2. Die richtige Kombination statt einer einzigen Lösung
   Statt alles in eine einzige Lösung zu pressen, sollten spezialisierte Plattformen sinnvoll zusammenspielen. SAP-Systeme bleiben das Rückgrat für Kernprozesse, während Cloud-Plattformen wie Microsoft Azure, Azure Databricks oder Microsoft Fabric Anforderungen rund um Analysen, KI und Echtzeitdaten unterstützen. Entscheidend ist das Zusammenspiel, nicht die Ablösung.
3. Von Anfang an auf KI und Wachstum ausgerichtet
   Datenplattformen sollten von Beginn an so konzipiert sein, dass sie KI und Machine Learning unterstützen können. Dafür braucht es offene Datenformate, skalierbare Speicher- und Rechenressourcen sowie klare Schnittstellen für die Weiterverarbeitung.
4. Früh sichtbar machen, was die Plattform bringt
   Die Wirkung sollte früh sichtbar werden. Hybride Architekturen ermöglichen ein schrittweises Vorgehen: Kernprozesse bleiben stabil, während neue Daten- und Innovationsschichten parallel entstehen.
5. Governance von Anfang an mitdenken
   Governance sollte von Anfang an mitgedacht werden – mit Datenkatalogen, klaren Zugriffsregeln, nachvollziehbaren Verantwortlichkeiten und Transparenz über Datenflüsse. So entsteht breiter Datenzugang, ohne die Kontrolle zu verlieren.

Das Zielbild einer hybriden Datenarchitektur lässt sich in fünf Merkmale fassen:

• Verlässliche Kernsysteme für Finanzen, Planung und regulatorisches Reporting auf einer auditfähigen Basis
• Skalierbare Cloud-Komponenten für Data Lakehouse, KI, Echtzeit-Verarbeitung und Self-Service-BI
• Zentrale Regeln für Datenkataloge, Sicherheit, Qualität und Zugriffe über alle Plattformen hinweg
• Klare Verantwortung der Fachdomänen für ihre eigenen Datenprodukte
• Eine zukunftsfähige Basis für KI und Machine Learning

Typische Ausprägungen hybrider Datenarchitekturen sind zum Beispiel:

• Zentrale Datenplattform plus domänenspezifische Datenprodukte
• SAP-basierte Kernprozesse kombiniert mit Cloud-Analytics und KI
• Klassisches Reporting ergänzt durch Echtzeit- und Advanced-Analytics-Schichten

SAP bleibt das System of Record für Finance und Logistik, während KI- und Analytics-Use-Cases auf einer Azure-Datenplattform umgesetzt werden. So bleiben geschäftskritische Kernprozesse stabil und auditierbar, während neue Anwendungsfälle schneller entwickelt, skaliert und in die Fachbereiche integriert werden können.

Bevor über Technologien, Plattformen oder Zielarchitekturen entschieden wird, lohnt sich ein ehrlicher Blick auf die eigene Ausgangslage. Genau dabei helfen diese Fragen:

• Wo steht Ihre Organisation heute zwischen Stabilität und Innovationsdruck – und wo soll sie in den nächsten zwei Jahren stehen?
• Gibt es bereits ein klares Zielbild für die Datenarchitektur – oder entstehen Entscheidungen noch vor allem aus Einzelfällen heraus?
• Welche geschäftskritischen Use Cases geben heute wirklich die Richtung für Architekturentscheidungen vor?
• Ist die aktuelle Datenarchitektur bereits so aufgestellt, dass KI- und datengetriebene Anwendungsfälle skalierbar unterstützt werden können?
• Welche Rolle spielt die S/4HANA-Transformation auf dem Weg zu einer neuen Datenstrategie?
• Und welcher nächste Schritt wäre realistisch, sinnvoll und wirksam – ohne alles gleichzeitig anzugehen?

Auf diese Fragen gibt es keine allgemeingültigen Antworten. Sie machen jedoch deutlich, dass eine hybride Datenarchitektur kein reines Technologieprojekt ist, sondern ein strategisches und organisatorisches Vorhaben.

Hybride Datenarchitekturen sind keine Übergangslösung, sondern die strategische Antwort auf eine Realität, in der Stabilität und Innovation zugleich gefordert werden. Entscheidend ist die richtige Balance: verlässliche Kernsysteme, skalierbare Innovationsschichten, integrierte Governance und eine aktive Rolle der Fachbereiche in der Datenstrategie.

Unternehmen, die diesen Ansatz konsequent verfolgen, schaffen nicht nur eine belastbare Dateninfrastruktur. Sie gewinnen an Entscheidungsfähigkeit, Reaktionsgeschwindigkeit und Zukunftsfähigkeit.

Möchten Sie wissen, wo Ihre Organisation auf diesem Weg steht? Dann sprechen Sie uns an – von der Standortbestimmung bis zur Umsetzung.