Business Intelligence (BI) ist die Disziplin, mit der Unternehmen aus ihren Daten verstehbare und entscheidungsfähige Informationen machen. Diese Seite erklärt, was BI ist, woraus sie besteht, wann sie sich lohnt und wie sich BI von verwandten Begriffen abgrenzt.
Business Intelligence umfasst Prozesse, Methoden und Technologien, die Rohdaten aus operativen Systemen in entscheidungsfähige Informationen verwandeln. Konkret heißt das: Daten aus ERP-, CRM- oder Produktionssystemen werden zusammengeführt, bereinigt, modelliert und so aufbereitet, dass Management und Fachbereich daraus Berichte, Kennzahlen, Dashboards und Analysen ableiten können. BI beantwortet vor allem die Frage „was ist passiert und warum“, während Advanced Analytics zusätzlich auf „was wird passieren“ zielt.
Eine BI-Architektur ist kein einzelnes Werkzeug, sondern ein gestaffelter Stack. Die folgenden vier Schichten finden sich in nahezu jeder gewachsenen BI-Landschaft.
Operative Anwendungen wie ERP, CRM, MES, Webshop oder Marketing-Automation. Hier entstehen die Rohdaten, die BI später zusammenführt.
ETL- und ELT-Strecken überführen Daten in ein Data Warehouse oder einen Data Lake. Hier werden Daten harmonisiert, historisiert und für Analyse modelliert.
Berichte, Dashboards, Self-Service-Analysen und semantische Modelle. Diese Schicht macht die Daten für Fachbereich und Management nutzbar.
Endgeräte und Kanäle, über die Nutzer mit BI arbeiten. Vom Standardbericht im E-Mail-Postfach bis zur interaktiven App im mobilen Dashboard.
Standardisierte Berichte, KPIs und Dashboards. Vergangenheitsorientiert, hochgradig wiederholbar, in der Breite des Unternehmens genutzt. Werkzeuge wie Power BI, Tableau oder Qlik Sense.
Statistische Modelle, Forecasts, Prognosen, Predictive Maintenance. Bringt Vorhersagen in operative Entscheidungen, oft als Erweiterung der BI-Schicht.
Explorative Forschung, Machine Learning, eigenständige Modellentwicklung. Häufig in spezialisierten Teams, prozessual entkoppelt vom klassischen Reporting.
Pipeline-Health, Forecast-Genauigkeit, Conversion-Rates und Hit-Rates entlang der Funnel-Stufen. Frühwarnindikatoren für drohende Quartalsabweichungen.
Konsolidierung mehrerer Gesellschaften, Plan-Ist-Abgleich, Working-Capital-Berichte und Liquiditätsplanung in einer einheitlichen, abgestimmten Sicht.
OEE, Rüstzeiten, Ausschussquote und Liefertreue. BI verbindet MES- und ERP-Daten zu einer durchgängigen Sicht auf Fertigung und Logistik.
Wenn der Monatsabschluss aus zusammengesetzten Excel-Mappen besteht und tagelange Konsolidierung kostet, ist ein BI-System der nächste logische Schritt.
ERP, CRM und Webshop liefern leicht unterschiedliche Umsatzzahlen. Eine zentrale BI-Schicht beendet die endlose Diskussion über die „richtige“ Zahl.
Wenn Marketing, Vertrieb oder Operations heute jede neue Auswertung bei der IT anfragen müssen, verschenkt das Unternehmen Geschwindigkeit. Self-Service-BI bringt Entscheidungstempo zurück.
Sei es CSRD, MaRisk oder neue Compliance-Themen. Wer auditierbare Zahlen nicht zentral und reproduzierbar bereitstellen kann, riskiert Befunde und Mehraufwand.
Spätestens jenseits weniger Millionen Zeilen gerät Excel an seine Grenzen. Ein modernes BI-System verarbeitet hundertfach größere Datenmengen problemlos.
Welche Arten von BI-Software es gibt und welche zu welcher Aufgabe passt. Von Self-Service über klassisches Reporting bis Embedded Analytics.
Zu den Kategorien →Tableau, Power BI, Qlik Sense und Looker im Vergleich. Wann sich Self-Service lohnt und wann eher klassisches Reporting die richtige Wahl ist.
Self-Service BI ansehen →Fünfphasiges Vorgehen, acht Kriterien und vier typische Fehler bei der BI-Auswahl.
Auswahl-Vorgehen →MethodikVier Phasen, sechs Rollen und fünf Erfolgsfaktoren für eine BI-Einführung.
Einführung ansehen →BrancheAnforderungen, ROI und passende Werkzeuge für mittelständische BI-Vorhaben.
Zum Mittelstand →Nein. Reporting ist eine Disziplin innerhalb von BI. BI ist breiter und umfasst auch Dashboards, Self-Service-Analyse, semantische Modellierung und die Datenintegrationsschicht darunter.
Nicht zwingend. Kleinere Initiativen starten oft direkt auf Quellsystemen oder mit einem leichten semantischen Layer. Sobald jedoch mehrere Quellen zusammengeführt und historisiert werden müssen, wird ein Data Warehouse fast unverzichtbar.
Die Spannweite ist groß. Für KMU starten cloudbasierte Self-Service-Tools im niedrigen vierstelligen Bereich pro Jahr. Komplexe Enterprise-Setups mit Data Warehouse, Modellierung und Beratung erreichen schnell sechsstellige Investitionssummen. Find-Your-BI hilft, das richtige Modell für Ihr Unternehmen zu identifizieren.
Kleine Self-Service-Projekte sind in Wochen produktiv. Konzernweite Datenplattformen mit Migration aus Altsystemen benötigen mehrere Monate bis Jahre. Mit einer gezielten Vorauswahl (Matching) verkürzen Sie die Projektzeit deutlich.
Für den Betrieb ja, mindestens in geringem Umfang. Die genaue Aufstellung hängt vom Stack ab. Moderne Self-Service-Tools reduzieren den IT-Aufwand erheblich, ersetzen aber kein Mindestmaß an Datenverantwortung im Fachbereich.
Statt sich durch endlose Anbieterlisten zu kämpfen: Geben Sie Ihre Unternehmens-URL ein und erhalten Sie in sechs Minuten eine neutrale, datenbasierte Shortlist passender BI-Systeme.
Matching starten →Wer die Grundlagen kennt, will als Nächstes die Auswahl strukturieren. Das Portal macht aus dem BI-Begriff konkrete Anforderungen, Bewertungen und Entscheidungen.
Zum Portal →UC 01 · InitialisierungIst-Aufnahme der Quellsysteme, Zielbild definieren, Stakeholder-Karte aufsetzen. Portal liefert Vorlagen für die erste Projektphase.
UC 02 · ArchitekturQuellsysteme, Data Warehouse, BI-Layer und Konsumschicht im IT Landscape Designer modellieren. Anbieter passend zur Architektur bewerten.
UC 03 · StakeholderBis zu 200 Stakeholder im Portal. Rollen, Rechte und Verantwortlichkeiten definieren. Amatus erinnert proaktiv an offene Aufgaben.