Was ist Business Intelligence?

Business Intelligence (BI) umfasst die Methoden und Werkzeuge, mit denen ein Unternehmen Daten aus seinen Systemen sammelt, aufbereitet und so darstellt, dass Führungskräfte fundiert entscheiden können. Typische Ergebnisse sind Dashboards, Berichte und Auswertungen zu Umsatz, Deckungsbeitrag, Liquidität, Vertrieb oder Auslastung, die sich aus den laufenden Systemen selbst aktualisieren.

Im Alltag vieler Geschäftsführer sieht Business Intelligence so aus: Am Monatsende exportiert jemand Zahlen aus drei Programmen, kopiert sie in eine Excel-Datei, und die Antwort auf „Wie läuft es eigentlich?“ kommt zwei Wochen zu spät. BI soll diese Lücke zwischen Geschehen und Wissen schließen.

Was Business Intelligence umfasst

Der Begriff ist bewusst weit gefasst. Er beschreibt weniger ein bestimmtes Programm als einen Kreislauf:

1. Fragen stellen: Welche Kunden bringen wirklich Deckungsbeitrag? Welche Filiale hat steigende Retouren? Wie viele Anfragen bleiben unbeantwortet?
2. Daten zusammenführen: Die Antworten liegen verteilt in ERP, CRM, Buchhaltung, Kasse und Shop.
3. Auswerten und darstellen: Kennzahlen werden berechnet und in Diagrammen, Tabellen und Ampeln sichtbar gemacht.
4. Handeln: Aus der Auswertung folgt eine Entscheidung – und später die Frage, ob sie gewirkt hat.

Als Begriff verbreitet hat sich Business Intelligence ab Ende der 1980er-Jahre, als Marktforscher ihn für datengestützte Entscheidungsunterstützung populär machten. Die Idee ist älter, die Werkzeuge haben sich stark verändert: Früher waren BI-Systeme Großprojekte für Konzerne mit eigener Abteilung, heute lassen sich erste Auswertungen in wenigen Wochen aufsetzen.

Business Intelligence blickt dabei vor allem auf das, was passiert ist und gerade passiert. Die Frage „Was wird passieren?“ gehört eher zu benachbarten Disziplinen.

Die Bausteine eines BI-Systems

Bekannte BI-Werkzeuge sind Microsoft Power BI, Tableau und Qlik, dazu Open-Source-Lösungen wie Metabase oder Apache Superset. Die Wahl des Werkzeugs ist allerdings selten die schwierigste Entscheidung. Schwieriger ist, sich auf Definitionen zu einigen: Zählt eine stornierte Bestellung zum Umsatz? Ab wann ist ein Lead ein Lead?

Beispiele aus dem Mittelstand

• Bauunternehmen: Soll-Ist-Vergleich je Baustelle aus Kalkulation, Zeiterfassung und Eingangsrechnungen. Die Bauleitung sieht nicht erst bei der Schlussrechnung, dass eine Baustelle aus dem Ruder läuft.
• Einzelhändler mit mehreren Filialen: Umsatz, Warenkorbwert und Bestandsreichweite je Standort auf einer Seite, täglich aktualisiert aus dem Kassensystem.
• Dienstleister: Auslastung und Reaktionszeit des Teams, offene Angebote und Zahlungseingänge auf einem KPI-Dashboard, das die Geschäftsführung morgens öffnet.
• Hersteller: Deckungsbeitrag je Produktgruppe und Kunde, um Preisverhandlungen mit belastbaren Zahlen zu führen.

BI, Reporting und Predictive Analytics

Reporting ist ein Teil von BI: feste Berichte, die regelmäßig in derselben Form erscheinen. BI geht weiter und erlaubt auch, spontan nachzufragen und in die Daten hineinzuzoomen. Predictive Analytics wiederum nutzt statistische Verfahren und Machine Learning, um Entwicklungen vorherzusagen, etwa den Bedarf der nächsten Wochen. Die Grenzen sind fließend: Moderne BI-Werkzeuge bringen einfache Prognosen mit, und KI-Assistenten beantworten Fragen an die Daten zunehmend in normaler Sprache.

Warum BI-Projekte stocken

• Zu groß gestartet: Ein Dashboard mit Dutzenden Kennzahlen, das niemand öffnet. Besser: mit den fünf Fragen beginnen, die die Geschäftsführung jede Woche stellt.
• Unsaubere Daten: Wenn Kunden doppelt angelegt sind oder Buchungen verspätet kommen, zeigt das schönste Diagramm falsche Zahlen. Das Vertrauen ist dann schnell weg.
• Keine Zuständigkeit: Jede Kennzahl braucht jemanden, der sie verantwortet und reagiert, wenn sie aus dem Rahmen fällt.
• Zahlen ohne Kontext: Ein Umsatz von X sagt wenig ohne Vormonat, Vorjahr oder Ziel. Gute Auswertungen zeigen Entwicklung, nicht nur Stand.
• Lizenz- und Pflegeaufwand: BI-Werkzeuge kosten laufend Geld und Pflege. Ändert sich ein Quellsystem, müssen die Anbindungen nachgezogen werden.

In der Praxis: Kennzahlen ohne großes BI-Projekt

Viele mittelständische Unternehmen brauchen kein umfangreiches BI-Projekt, sondern Antworten auf wenige wiederkehrende Fragen. Dafür haben wir PultOS entwickelt: Es legt sich über Bank, Kasse, Buchhaltung, Postfach und Messenger und zeigt Geld, Vertrieb und offene Anfragen auf einer Seite – ohne eigenes Data Warehouse und ohne Datenexport am Monatsende. PultOS läuft zu 100 % auf Servern in Deutschland und ist heute bei 9 Unternehmen im Einsatz. Fehlt einem Quellsystem die Anbindung, bauen wir sie über die Systemintegration.

Häufige Fragen

Lohnt sich Business Intelligence für kleine Unternehmen?

Ja, wenn die Fragen klar sind. Schon wenige Kennzahlen, die automatisch und aktuell erscheinen, ersparen die monatliche Excel-Arbeit und machen Entwicklungen früher sichtbar. Ein großes Werkzeug ist dafür nicht nötig.

Brauche ich für BI ein Data Warehouse?

Nicht zwingend. Bei wenigen Quellen genügen oft direkte Anbindungen. Ein Data Warehouse lohnt sich, wenn viele Systeme zusammenkommen, Historie über Jahre gebraucht wird oder Auswertungen die laufenden Systeme nicht belasten dürfen.

Kann KI Business Intelligence ersetzen?

KI-Assistenten können Fragen an vorhandene Daten in normaler Sprache beantworten und Auffälligkeiten erklären. Sie brauchen dafür aber dieselbe Grundlage wie jedes BI-Werkzeug: saubere, verbundene Daten und klare Definitionen. Ohne diese Grundlage liefert auch die beste KI nur überzeugend formulierte, aber falsche Zahlen.

Was ist Self-Service-BI?

Fachabteilungen erstellen ihre Auswertungen selbst, ohne für jeden Bericht die IT zu fragen. Das funktioniert gut, wenn ein sauberes Datenmodell und einheitliche Definitionen vorhanden sind.