Strategy Sprint
Use-Case-Priorisierung, Datenreife-Bewertung, Roadmap und Business Case. Entscheidung in der Geschäftsführung: SPoT vor KI-Pilot.
Case · Lebensmittelproduktion · 600 MA
Aus 8 Reporting-Quellen wurde 1 Single Point of Truth – in 14 Wochen
Wie ein mittelständischer Lebensmittelhersteller seine Datenlandschaft so umstrukturiert hat, dass Reporting, Steuerung und KI auf derselben Grundlage arbeiten.
−68 %Reporting-Aufwand
8 → 1Datenquellen konsolidiert
14 Wo.Time-to-Production
< 12 Mo.Pay-back-Periode
Die Ausgangslage
Acht Quellen.
Acht Quellen.
Neun Tage Monatsabschluss
Wachsendes Unternehmen, gewachsene Systemlandschaft, langjährige Excel-Workarounds in Controlling und Fachbereichen. Die KI-Initiative stand auf der Agenda – aber niemand wusste, auf welcher Basis sie aufsetzen sollte.
Vertriebs-, Produktions- und Finanzkennzahlen waren auf acht verschiedene Quellen verteilt: ERP, MES, drei Excel-basierte Reportings, ein BI-Tool, manuelle Konsolidierung in Controlling-Sheets, ein zusätzliches Werkzeug aus dem Vertrieb.
Der Effekt: Monatsabschlüsse dauerten neun Werktage. Die Geschäftsführung bekam KPIs jeweils mit zwei Wochen Verzug. Im Controlling banden manuelle Konsolidierungen ein Drittel der Kapazität.
Die geplante KI-Initiative – konkret: ein Forecast-Modell für die Produktionsplanung – hing in der Luft. Auf welchen Daten sollte das Modell überhaupt aufsetzen, wenn die Quellen sich widersprechen?
Vorgehen
Drei Phasen.
Drei Phasen.
14 Wochen Gesamtdauer
Wir starten mit einem Strategy Sprint, um die Hebel zu klären – bevor irgendwas gebaut wird. Erst danach geht die Konsolidierung los, gefolgt vom Rollout in den Fachbereichen.
Datenkonsolidierung
SPoT-Architektur, Modellierung mit dbt, Datenqualitäts-Tests, Migration der bestehenden Reportings auf die neue Basis.
Rollout & Befähigung
Schulung von Controlling und Fachbereichen, Übergabe der Architektur an die interne IT, Start des KI-Pilots auf belastbarer Basis.
Ergebnis
Was es konkret
Was es konkret
verändert hat
Operativ und strategisch. Beides messbar im ersten Quartal nach Rollout.
Operativ
- Monatsabschluss von 9 auf 3 Werktage verkürzt
- KPIs in Echtzeit verfügbar (vorher: 2 Wochen Verzug)
- 1 statt 8 Quellen, ein konsistentes Datenmodell
- Controlling-Kapazität für Analyse statt für Konsolidierung
Strategisch
- KI-Pilot konnte starten – auf belastbarer Datenbasis
- Forecast-Modell mit messbaren Ergebnissen in Pilot-Fachbereich
- Investition vollständig amortisiert in unter 12 Monaten
- Skalierungsbasis für weitere Fachbereiche steht bereit
Was wir mitnehmen
Drei Erkenntnisse,
Drei Erkenntnisse,
die immer wieder gelten
Lessons Learned aus diesem Projekt – die für uns nicht nur einmalig galten, sondern in vielen ähnlichen Konstellationen wiederkehren.
Datenkonsolidierung vor KI-Pilot zahlt sich aus
Der Versuch, KI auf widersprüchlichen Daten zu trainieren, kostet meistens mehr Zeit, als die Quellen vorab zu strukturieren.
Akzeptanz steht und fällt mit Sichtbarkeit
Sobald Fachbereiche „ihre" KPIs in Echtzeit sehen, sinkt der Widerstand gegen die Architekturumstellung deutlich.
Klares Format vor Stundenzettel
Ein klar abgegrenzter Scope zwingt zur Priorisierung – und liefert messbare Ergebnisse, statt offener Beratungsschleifen.
Weiter lesen
Verwandte Cases
Verwandte Cases
& Insights
Wenn dieser Case Sie angesprochen hat: Diese Inhalte gehen tiefer.
Stehen Sie vor einer
ähnlichen Ausgangslage?
Im 30-Min-Discovery-Call prüfen wir gemeinsam, ob ein Strategy Sprint zu Ihrer Situation passt. Kein Pitch, keine Verkaufsdramaturgie.