Abstract

Die zweite Fassung der Forschungsarbeit vertieft die Untersuchung der Stammdatenoptimierung im Procure-to-Pay-(P2P)-Prozess und erweitert die Analyse um Aspekte der Automatisierung, Datenintegration und Governance.
Während die erste Version primär Grundlagen, Problemfelder und klassische Optimierungsansätze beleuchtete, zeigt Version 2, wie sich technologische Entwicklungen (z. B. Schnittstellen, Automatisierung, KI-gestützte Datenbereinigung) auf die Effizienz von ERP-Prozessen auswirken.
Besonderes Augenmerk liegt auf der Verknüpfung von organisatorischen Maßnahmen mit technischen Lösungen, um nachhaltige Datenqualität sicherzustellen.
Siehe hierzu : P2P-Stammdatenoptimierung in ERP-Prozessen

Zusammenfassung

Die Forschungsarbeit untersucht weiterhin den P2P-Prozess als zentralen Bestandteil des ERP-gestützten Einkaufs, rückt jedoch stärker die operative Umsetzung von Stammdatenmaßnahmen in den Vordergrund.
Im Fokus stehen Qualitätssicherung, Standardisierung und Automatisierung, die über reine Prozessanalysen hinausgehen und konkrete Handlungsempfehlungen für die Praxis geben.

Problemstellung

• Trotz Digitalisierung sind fehlerhafte Stammdaten nach wie vor ein Haupthindernis für effiziente ERP-Prozesse.
• Neue Anforderungen (Compliance, Automatisierung, Integration mehrerer Systeme) erhöhen die Komplexität.
• Forschungsfrage Version 2: Wie können Organisation und Technologie zusammenwirken, um Stammdatenqualität langfristig sicherzustellen?

Ansatz & Vorgehen

• Erweiterung der Prozessanalyse durch Einbeziehung von Automatisierungstechnologien.
• Vertiefte Betrachtung von Data Governance & Compliance im ERP-Kontext.
• Vergleich von klassischen Optimierungsansätzen mit KI-gestützten Methoden (z. B. semantische Dublettenerkennung, regelbasierte Validierung).
• Entwicklung eines umsetzungsorientierten Maßnahmenkatalogs für Unternehmen.

Ergebnis & Wirkung

• Version 2 zeigt, dass technologische Ansätze die klassische Prozessoptimierung ergänzen und erheblich beschleunigen.
• Automatisierung reduziert manuelle Pflegeaufwände und senkt Fehlerraten.
• Stärkere Betonung auf organisationaler Verankerung (Data Stewardship, Verantwortlichkeiten).
• Lessons Learned: Nachhaltige Stammdatenqualität erfordert die Verzahnung von Mensch, Organisation und Technologie.

Weiterentwicklung gegenüber Version 1

• Ergänzung um Automatisierung und KI-Methoden.
• Erweiterte Perspektive: nicht nur Prozessanalyse, sondern Governance & Compliance.
• Praktischer Maßnahmenkatalog statt rein theoretischer Ableitungen.

Tech-Stack (optional)

• ERP-Systeme (SAP als Leitbeispiel)
• Datenqualitätsmanagement-Tools
• Automatisierung & KI-Ansätze (z. B. semantische Analyse, Validierungsalgorithmen)
• BPMN für Prozessmodellierung

Persönliche Note

Die Arbeit an Version 2 hat mir gezeigt, dass Datenqualität nicht nur technisch lösbar ist. Erfolgreiche Optimierung erfordert eine strategische Verzahnung von IT, Organisation und Einkauf. Damit spiegelt das Projekt meine Überzeugung wider, dass Digitalisierung nur dann Wirkung entfaltet, wenn sie menschenzentriert gestaltet wird.

Neugierig?

Interessiert an praxisnaher Stammdatenoptimierung?

⭐️ Neugierig?

Interessiert an praxisnaher Stammdatenoptimierung?

Jetzt kostenlosen Beratungstermin vereinbaren!