Data-Warehousing wird momentan von jedem Hersteller propagiert, der große Datenbanken oder noch größere Server im Angebot hat. Ein Data-Warehouse ist geradezu "in" bei den Anbietern, denn auch die Marktchancen scheinen hervorragend zu sein. Da DW-Anwendungen von den operativen und OLTP-Systemen abgekoppelt sind, muß eine eigene Infrastruktur für Datenhaltung, -pflege und -Retrieval aufgebaut werden, und zwar keine triviale. Höchste Anforderungen werden dabei an Hardware, Datenbank und Prozeßdefinitionen gestellt.

Der mögliche Nutzen ist allerdings entsprechend: Verspricht der Einsatz eines Data-Warehouse doch Antworten auf wichtige Fragen: Was steckt hinter den Daten? Welche Besonderheiten in deren Entwicklung sind festzustellen? Welche Geschäftschancen lassen sich daraus ableiten? Einer Analyse der Meta Group zufolge gibt es sowohl in USA als auch in Deutschland kein größeres Unternehmen mehr, das sich nicht mit DW beschäftigt. Nicht jeder nennt es mehr Data-Warehouse, schon beginnt sich der Begriff abzunutzen.

Die Grundüberlegung für ein DW ist immer die gleiche: ein besserer Zugriff auf die Unternehmensdaten. Als Haupteinsatzgebiete und wesentliche Anwendungsklassen stehen Systeme für die Bereiche Marketing, Kundeninformation, Vertriebssupport und Produktanalyse im Vordergrund.

Ziel eines Data-Warehouse ist, unternehmenseigene und -fremde Daten in Informationen und schließlich in Wissen zu transferieren. Diese Sammlung von Informationen gibt Auskunft über Erfolg und Auffälligkeiten einer Produkt- oder Kundengruppe, über eine Marketing-Aktion oder über das gesamte Unternehmen. Ein ganzheitlicher Ansatz soll bei der Entscheidung helfen, mit welchen Kunden welche Geschäfte zu tätigen sind, wie profitabel diese sind und wie sich das Unternehmen verhalten muß, um keine Kunden zu verlieren. Ein Rückkoppelungsmechanismus zwischen Geschäftsprozeß und DW justiert im Idealfall permanent die Handlungsweise eines Unternehmens, und zwar in Richtung eines absolut marktgerechten Verhaltens.

Soweit die Theorie! Doch unrealistische Erwartungshaltungen, schlechte Umsetzung und falsche Einschätzung der Schwierigkeiten lassen ein DW-Projekt nur allzuoft scheitern. Denn Data-Warehousing ist kein Produkt und keine spezielle Datenbank, sondern ein Konzept. Und das braucht Grundlagen. Der bloße Einsatz eines Data-Warehouse-Tools steigert noch lange nicht den Wettbewerbsvorteil oder den Unternehmenserfolg. Wichtig ist zu wissen, was das Unternehmen in Zukunft plant, wie es seine Wettbewerbsfähigkeit, seine Unternehmensziele definiert und wie flexibel es seine Geschäftsprozesse aufgebaut haben will. Erst dann ist die passende Hard- und Software auszuwählen. Vor jeder Entscheidung für bestimmte Produkte müssen deshalb zwei wesentliche Fragen geklärt sein - und zwar unabhängig von Produkt und Anbieter:

- "Was soll gemessen werden?" Diese Frage löst für gewöhnlich eine kontroverse Diskussion über Effizienz und Ineffizienz diverser Rechenmodelle aus. Es geht um die aussagekräftigsten Kennzahlen zur Beurteilung des Unter- nehmens- oder Bereichserfolgs. Als Faustregel gilt hier: Die Form der Zielvorgaben für einen Bereich oder eine Produktgruppe definiert die Form der Erfolgskontrolle. Dies setzt aber voraus, daß die Zielvorgaben nach zeit- gerechten Kriterien gesetzt werden.

- "Wie wird gemessen?" Hier geht es darum herauszuarbeiten, in welchen Unterteilungen die Auswertung der Kennzahlen möglich sein soll. Ziel der Aufgabenstellung ist es nicht, möglichst viele und damit verwirrende Sichten der Informationen zu erhalten, sondern eine Gewichtung der unterschiedlichen Aufteilungen vorzunehmen. Hilfreich ist hier meist der Organisationsplan des Unternehmens. Etwas überspitzt formuliert: Gibt es Länderorganisationen, macht die Darstellung des Unternehmenser-folgs nach Breitengraden keinen Sinn, da sich niemand zuständig fühlt.

Vor dem Einsatz von Werkzeugen ist also exakt zu klären, welche Informationen benötigt werden. Darüber hinaus spielt die Kombination der richtigen Werkzeuge eine eminent wichtige Rolle bei der Erfüllung der DW-Ziele.

"Alles-aus-einer-Hand" ist nicht der Normalfall

Alle Anbieter von DW-Tools verfolgen das Ziel der bestmöglichen Unterstützung bei Zugriff und Auswertung vorhandener Informationen. Doch Vorsicht: Alles-aus-einer-Hand-Lösungen sind nicht unbedingt der Normalfall. Da für den Aufbereitungsprozeß der Daten verschiedenste Schritte notwendig sind, können natürlich Produkte eingesetzt und kombiniert werden, die jeweils nur Teile der Gesamtaufgabe erfüllen.

Zu diesen Teilaufgaben gehören beispielsweise:

-Die Extraktion/Propagation von Daten aus einem Produktions-Datenbanksystem. Dies ist die einzige Schicht in der DW-Architektur, die vom OLTP-System beeinflußt wird. Diese muß bei signifikanten Änderungen des OLTP-Systems angepaßt oder auch ausgelöst werden.

-Die Umformung von Daten, um optimierte Auswertungen zu erlauben (Transformation und Bereinigung).

-Die Verwaltung der Informationen über die Inhalte des Data-Warehouse (Meta-Data).

Für den Endanwender sind die Auswahl der optimalen Speicherungsform der Informationen (relational oder multidimensional) und die Selektion der Zugriffs- und Präsentationswerkzeuge weitere Herausforderungen, die im Rahmen eines Projekts bewältigt werden müssen.

Zunächst ist es für den Aufbau eines kundenspezifischen DW unerheblich, mit welchen Abfrage-Tools, Softwaretechnologien oder auch Systemumgebungen ein Unternehmen arbeitet oder arbeiten will. Im übrigen ist nicht jedes Tool für alle Stufen eines DW geeignet - die Produkte haben ihre Stärken und Schwächen. Technologie-Consultants können bei der Auswahl helfen. Architektur und Aufbau sind von den betrieblichen Prozessen abhängig.

Wer nun meint, sich allein durch den Einsatz eines Reportgenerators schon ein Data-Warehouse aufgebaut zu haben, ist auf halbem Weg stehengeblieben. Wirkliche Performance-Steigerungen und Verbesserung der Informationsqualität, Genauigkeit und Verfügbarkeit werden nur über eine unternehmensspezifische DW-Architektur erreicht. Hier liegt auch das künftige Optimierungspotential.

Natürlich kann es für den Moment angeraten sein, mit einer Pilotinstallation in kleinem Maßstab zu beginnen. Hier können die ersten Vorbereitungen für eine spätere Vorgehensweise in einem überschaubaren Aufwand- und Kostenrahmen erfolgen. Bei einer sauberen DW-Struktur ist es aus Kundensicht aber unerheblich, welche Standard-Anwendungen oder Systemplattformen die Infrastruktur bietet und welche Auswertungs-Tools der Überlegung zugrunde gelegt werden.

Gerade bei den zuletzt genannten sollte eher der Grundsatz gelten, daß der Endbenutzer bestimmt, welches Auswertungswerkzeug er nutzen will. Wer gegen dieses Prinzip verstößt, wird mit Akzeptanzproblemen und deren Folgen rechnen müssen.

Vielmehr sollte die Empfehlung lauten: In der Projektimplementierung muß der "produktneu- trale" Aufbau im Vordergrund stehen. Das entspricht auch der Grundidee eines Data-Warehouse, das ausgehend von den zu Beginn festgelegten Grundgedanken ständig erweitert werden kann.

Aus diesem Grund ist es wichtig, die Zusammenhänge und die Grundprinzipien der DW-Architektur schon bei der Planung zu antizipieren. Hierbei ist zu berücksichtigen, daß unterschiedliche Tools verschiedene Flexibilitätsgrade aufweisen. Speziell multidimensionale Datenbanken erfordern hohen Zeit- und Ressourcenaufwand, sollen neue Informationsbestandteile hinzugefügt und integriert werden. "Think big, start small" ist deshalb sicherlich eine sinnvolle Devise.Planen und Einführen

Eine Vorstudie ist eine Möglichkeit, mit überschaubarem Aufwand zu evaluieren, welche Optionen ein Data-Warehouse einem Unternehmen eröffnet. Dabei sollten Projektziele definiert und der Ausgangsdatenbestand beurteilt werden. Die fachlichen Anforderungen sind genauso zu beschreiben wie die DV-technischen. Eine Prognose über das zu erwartende Datenvolumen schützt vor Fehlentscheidungen bezüglich der Hardwareplattform.

Das Know-how für den Aufbau und die Grundlagen für eine solide Projektarbeit sind deshalb so wichtig, weil ein Data-Warehouse nicht von der Stange gekauft wird, sondern gebaut werden muß. Das ist nicht trivial, Verwirrung und Skepsis im Markt sind groß, seit sich viele Anbieter mit dem Etikett Data-Warehouse schmücken, aber nur Teile davon aufbauen können.

Unterstützung bei Planung und Einführung von Data-Warehouse-Lösungen bietet eine Seminarreihe von Astech Solutions. Dort wird ein Überblick über Problemstellung, Aufgaben und Architektur eines Data-Warehouse gegeben und anhand von Beispielen aus unterschiedlichen Industriesektoren dargestellt. Die Seminare sind system- und plattformunabhängig. Adressaten sind alle IT-Manager und -Entwickler, die ihre nächsten Schritte sinnvoll und strukturiert planen wollen. Auch die Rahmenbedingungen - sprich Kostenfaktoren und Eckdaten für den Aufwand - werden geklärt, so daß keine unliebsamen Überraschungen bei der Realisierung eines DW auftreten.

Angeklickt

Der Aufbau eines Data-Warehouse ist ein Prozeß und eine Investition mit Langzeitwirkung. Wunder sollte man zunächst nicht erwarten, sondern von Anfangan Faktoren einplanen, die dem Verhalten der Anwender folgen. Denn selbst sorgfältigst geplante Budgets können durch unerwartet hohen Netzwerkverkehr oder eine zu kleine Auslegung der Data-Warehouse-Maschine gesprengt werden. Und: Für ein Data-Warehouse müssen Sponsoren bereitstehen. Am besten beginnt man an den Brennpunkten im Unternehmen, wo es am dringendsten erscheint und der Zugriff auf den Datenpool am schnellsten Früchte zu tragen verspricht.

*Silvia Stahl-Schwarz ist Senior-Consultant bei Astech Solutions Inc. und leitet das europäische Projektbüro mit Sitz in Deutschland (Wimsheim bei Stuttgart).