Ein mittelständischer Maschinenbauer stand vor einer typischen Herausforderung: Daten aus ERP, CRM und Produktion lagen in Silos, Reporting war manuell und fehleranfällig, und das Management traf Entscheidungen auf Basis veralteter Excel-Reports. Der Auftrag: In sechs Monaten ein modernes Data Warehouse aufbauen — mit automatisierten ETL-Prozessen, Self-Service-Reporting und einer skalierbaren Architektur.

Ausgangslage: Datensilos und manuelle Prozesse

Das Unternehmen nutzte SAP als ERP-System, Salesforce für CRM und verschiedene Eigenentwicklungen für die Produktionsdaten. Monatliche Reports wurden manuell in Excel zusammengestellt — ein Prozess, der allein drei Arbeitstage pro Monat beanspruchte und regelmäßig zu Inkonsistenzen führte.

Architekturentscheidung: Cloud-native mit Azure Synapse

Nach einer zweiwöchigen Evaluierungsphase fiel die Entscheidung auf Azure Synapse Analytics in Kombination mit Azure Data Factory für ETL und Power BI für Reporting. Die Cloud-native Architektur ermöglicht Skalierbarkeit und minimiert den Betriebsaufwand.

Umsetzung in drei Phasen

Das Projekt wurde in drei Phasen umgesetzt: Phase 1 (Monat 1–2) konzentrierte sich auf die Datenintegration, Phase 2 (Monat 3–4) auf das Data Modeling und die Transformation, und Phase 3 (Monat 5–6) auf Reporting und den Roll-Out.

Ergebnis: Von drei Tagen auf drei Minuten

Nach Go-Live stehen alle wesentlichen KPIs in Echtzeit zur Verfügung. Der monatliche Reporting-Aufwand wurde von drei Arbeitstagen auf wenige Minuten reduziert. Das Management hat jederzeit Zugriff auf aktuelle Finanzdaten, Vertriebskennzahlen und Produktionsmetriken.