Viele Unternehmen nutzen Anwendungen für Business Intelligence (BI), um interne Daten aufzubereiten und zu analysieren. Doch belegte jetzt eine empirische Untersuchung der Universität Duisburg-Essen über den Reifegrad von BI-Systemen, dass bisher unstrukturierten Daten wie Dokumente und Daten aus externen Quellen über Marktentwicklung und Wettbewerb intern kaum berücksichtigt werden. Dabei stecken in ihnen wichtige Informationen zur Entscheidungsunterstützung

Integration aller Daten

Sollen BI-Systeme künftig mehr zur Wertschöpfung beitragen, müssen sie Teil der Geschäftsprozesse werden und jede Art von Daten einsetzen können. Ein integriertes BI-System bietet Vorteile. Es hilft Controllern oder Fachbereichsleitern aus Produktion und Vertrieb, Daten auszuwerten, um effektiv planen und auf kurzfristige Änderungen reagieren zu können. Verspätet sich eine Materiallieferung, kann das BI-System dem Fachbereichsleiter sofort eine Warnung schicken, damit dieser die Produktionsplanung kurzfristig ändert. Veröffentlicht ein Wettbewerber seinen Unternehmensbericht und kündigt beispielsweise Produktneueinführungen an, kann das BI-System den eigenen Vertrieb alarmieren.

Solche Szenarien sind nur möglich, wenn sich die Datenbestände auch in Echtzeit aktualisieren lassen. Dabei besteht die Gefahr, die Empfänger mit unwichtigen Detailinformationen zu überfrachten. Intelligente und automatische Auswahlprozesse können dem entgegenwirken, indem sie per "publish and subscribe" qualitative und quantitative Informationen adressatengerecht verteilen. Das BI-System nutzt dabei sein eigenes Gedächtnis, das heißt, Reaktionen der Anwender auf die angebotenen Informationen fließen in individuelle Benutzerprofile ein. So kann das System durch ein adaptives Lernverfahren die Präferenzen der Nutzer zunehmend besser einschätzen. Das stellt jedoch höchste inhaltliche und technische Anforderungen an die Systeme.

Quantitative Daten liegen in Data Warehouses strukturiert als Fakten vor, werden durch Dimensionen beschrieben und sind als Zeitreihen analysierbar. Qualitative Daten sind hingegen Texte, Grafiken oder sonstige Dokumente. Um beide Welten zu verbinden, bedarf es einer semantischen Ebene, die gemeinsame Eigenschaften identifiziert und verknüpft. Diese Aufgabe können die Metadaten eines Data Warehouse übernehmen, die dann alle relevanten Informationsquellen inhaltlich verknüpfen. Navigationstechniken über Star-Schemata und Hierarchisierungskonzepte müssen ebenfalls auf Fakten und auf verbundene Dokumente zugreifen können. Ein Problem ist dabei der Zugang auf den Inhalt (Content) von Dokumenten.

Suchtechnik kein Allheilmittel

Zwar versprechen mittlerweile einige Anbieter, dass ihre BI-Suites dank integrierter Suchmaschine einen intuitiven Zugriff auf qualitative Informationen ermöglichen. Doch fehlt ein schlüssiges Konzept zur Datenintegration. Diese kann automatisch durch Algorithmen des Text-Minings wie "Support Vector Machine" oder "Naïve Bayes" geschehen. Die Trefferquote liegt hier allerdings nur bei 80 bis 85 Prozent. Wer mit dieser Integrationsqualität nicht zufrieden ist, muss manuell sichten und zuordnen. Ein BI-Redakteur weist dann neue Dokumente via Metadaten den entsprechenden Analysebereichen zu. In der Praxis finden sich meist beide Ansätze wieder. So verwendet die SAP für das Text-Mining ihre Suchmaschine "Trex", während qualitative, externe Informationen mit der Komponente "Business Information Collection" (BIC) der Analysesoftware "SAP SEM" organisiert und abgelegt werden.

Von einem aktiven Wissens-Management sind Unternehmen jedoch noch weit entfernt. Oft fehlt es selbst an einfachen Werkzeugen wie Kommentierungs- und Dokumentationsfunktionen, die eine flexible Verwaltung von Interpretationen zu Analysen und Reports ermöglichen könnten. Derweil wächst der Druck: Vor allem im Controlling und im externen Rechnungswesen müssen Fakten und Business-Logik heute integriert betrachtet werden. Hilfe bietet Portaltechnik als Frontend einer BI-Architektur, die strukturierte und unstrukturierte Informationen gemeinsam darstellen und bearbeiten hilft. So lassen sich Berichte oder Analyseergebnisse aus einem Data Warehouse beispielsweise mit Kommentaren versehen, um Umsatzeinbrüche oder die Bewertung von Bilanzpositionen näher zu erläutern.

Standards und Anforderungen

Das Konzept einer Service-orientierten Architektur (SOA) wird zudem helfen, die Kommunikation innerhalb einer Portaloberfläche oder zwischen verschiedenen Applikationen zu standardisieren. Auch externe unstrukturierte Informationen lassen sich im Portal über (Web-)Services sinnvoll in eine BI-Landschaft integrieren. Ein Beispiel ist die Recherche branchenspezifischer Meldungen für die Planung, etwa über die Preisentwicklung.

Analyse- und Berichtslösungen dienen bisher zur Abfrage und Aufbereitung von Daten. Der Zugriff auf sie erfolgt in der Regel lesend. Die heute propagierten Anwendungen für ein Corporate-Performance-Management (CPM) erfordern hingegen weitere Funktionen wie etwa das Rückschreiben von Daten.

Ausbau der Analysesoftware

So bieten einige Hersteller von Analysesoftware für Online Analytical Processing (Olap) bereits die Möglichkeit, quantitative Daten beispielsweise für Planung und Forecast in die Cubes zurückzuschreiben. Ferner lassen sich Informationen wie Kommentare zusammen mit den Zahlen speichern. Doch stoßen solche Lösungen bisher schnell an ihre Grenzen: Soll etwa ein Monatsbericht zusammen mit den Berichtsdaten dauerhaft kommentiert werden, versagen die meisten Produkte, etwa wenn es um formatierte Kommentare mit gefetteten Überschriften oder angefügte Dokumente geht. Zudem müsste sich der Inhalt dieser Dokumente per portaltypische Suchfunktionen finden lassen.

In der Praxis analysieren viele Konzerne Markt und Unternehmen - zumindest für die dokumentengestützten Planungsläufe - aber noch immer mit Powerpoint und Word-Dokumenten. Der Aufbau einer integrierten semantischen Ebene, die Implementierung von teilautomatisierten (Planungs-) Prozessen und der damit verbundene Content-gesteuerte Zugriff auf Dokumente stehen noch aus. Einen ersten Schritt in diese Richtung geht das "Composite Application Framework" der SAP. Ebenso sind die Techniken zur intelligenten Kombination von strukturierten und unstrukturierten Informationen sind bereits verfügbar, müssen allerdings sinnvoll kombiniert werden. Es existieren erste Prototypen, die ein Mapping von Metadaten des Data Warehouse mit Textinhalten bereitstellen. Als Brücke vom Inhalt zu den numerischen Zeitreihen kann Text Mining dienen. (as)