Was leistet die Kommentierung von KPI-Dashboards im Berichtsalltag?

Die Kommentierung von KPI-Dashboards übernimmt die Formulierung von Fließtext zu Kennzahlenveränderungen, die heute meist Controllerinnen und Controller von Hand schreiben. Sie werten Zahlen bereits belastbar aus, das System liefert zusätzlich den ersten Textentwurf zu Abweichungen, Trends und Schwellenwertüberschreitungen. Die Zahlenlieferung selbst bleibt unverändert Aufgabe des bestehenden Reportings, nicht der Kommentierung.

Im heutigen Monatsabschluss sichten Controllerinnen und Controller die fertigen Dashboards, identifizieren auffällige Kennzahlen und formulieren dazu Erläuterungssätze für Bereichsleitung und Geschäftsführung. Dieser Schritt erfolgt oft am letzten Arbeitstag vor Versand, unter Zeitdruck und parallel zu anderen Abschlussarbeiten. Je nach Anzahl der Kennzahlen und Berichtsempfänger wiederholt sich diese Textarbeit für mehrere Cockpits nahezu identisch.

Ein System zur automatischen Dashboard-Kommentierung übernimmt genau diesen wiederkehrenden Formulierungsschritt: Es erkennt Abweichungen gegenüber Vorperiode, Plan oder Budget und schlägt dazu einen Kommentartext vor. Die fachliche Einordnung, warum eine Abweichung entstanden ist, bleibt Aufgabe der Fachleute, die den Vorschlag prüfen und ergänzen, bevor er verschickt wird.

Die Abgrenzung ist damit klar: Datenaufbereitung und Kennzahlenberechnung laufen wie bisher über das vorhandene Reporting, etwa in gepflegte Berichtsstrecken gepflegte Berichtsstrecken. Die Kommentierung setzt erst an, wo aus einer bereits berechneten Zahl ein verständlicher Satz werden soll.

Welche Berichte eignen sich für die Kommentierung von KPI-Dashboards?

Für die Kommentierung von KPI-Dashboards eignen sich vor allem Monatsberichte, Vertriebs-Cockpits, Produktionskennzahlen, Servicekennzahlen und Liquiditätsübersichten. Gemeinsam ist diesen Berichten eine feste Wiederholfrequenz, eine über Perioden hinweg stabile Kennzahlendefinition und eine klare Vergleichsbasis wie Vorjahr, Plan oder Budget, gegen die Abweichungen eindeutig gemessen werden können.

Der Monatsbericht mit Umsatz, Deckungsbeitrag und Kostenarten ist der klassische Einstiegsfall, weil die Kennzahlen seit Jahren gleich definiert sind und der Soll-Ist-Vergleich fest etabliert ist. Ein Vertriebs-Cockpit mit Auftragseingang und Pipeline je Region folgt demselben Muster, ebenso Produktionskennzahlen wie Ausschussquote oder Anlagenverfügbarkeit, die täglich oder wöchentlich aktualisiert werden.

Servicekennzahlen wie Reaktionszeit oder Ticketaufkommen und die Liquiditätsübersicht mit Zahlungseingängen und offenen Posten lassen sich ebenso automatisiert kommentieren, sofern die zugrunde liegenden Auswertungen aus DATEV- oder Excel-Auszügen konsistent strukturiert sind. Wo Kennzahlendefinitionen häufig wechseln oder Vergleichswerte fehlen, etwa bei neu eingeführten Projektkennzahlen ohne Historie, liefert die Kommentierung dagegen wenig verlässliche Aussagen.

Als Faustregel gilt: Je stabiler Definition und Turnus eines Berichts, desto eher lohnt sich der Einstieg. Berichte mit wechselnder Struktur eignen sich erst, wenn ihre Kennzahlenlogik so weit gefestigt ist wie die eines bestehenden Cockpits.

Wie unterscheidet sich ein Muster von einer Erklärung?

Ein Muster ist eine beobachtete Veränderung in den Daten, etwa ein Rückgang der Marge um mehrere Punkte gegenüber dem Vorjahr. Eine Erklärung unterstellt zusätzlich eine Ursache, etwa gestiegene Einkaufspreise. Die Kommentierung von KPI-Dashboards kann Muster zuverlässig benennen, eine Ursache aber nur dann, wenn sie tatsächlich in den angebundenen Daten sichtbar ist.

Genau an dieser Stelle liegt das Halluzinationsrisiko: Ein Sprachmodell formuliert grammatisch überzeugende Sätze auch dann, wenn die eigentliche Ursache gar nicht in den Daten hinterlegt ist. Steht in den angebundenen Systemen nur der Margenrückgang, aber keine Einkaufspreisdaten, kann ein System dennoch einen plausibel klingenden, aber unbelegten kausalen Satz erzeugen.

Die Trennung wird im Berichtstext deshalb sichtbar gemacht, statt sie zu verwischen: Beobachtungen werden als Feststellung formuliert, zum Beispiel „Die Marge sank im Vergleich zum Vorjahr um mehrere Punkte“. Mögliche Erklärungen werden als Hypothese gekennzeichnet, zum Beispiel „Ein möglicher Zusammenhang besteht mit den gestiegenen Einkaufspreisen, eine Bestätigung steht noch aus“. Diese sprachliche Kennzeichnung schützt davor, dass eine Vermutung als gesicherte Tatsache gelesen wird.

Diese Grenze ist kein Nebenaspekt der Textgestaltung, sondern der zentrale Qualitätsmechanismus der gesamten Kommentierung. Wo ein System aus Datenmangel eine Erklärung nicht belegen kann, bleibt es beim Muster, und die Einordnung der Ursache verbleibt bei den Fachleuten, die die Zusammenhänge tatsächlich kennen.

Wie wird die Kommentierung von KPI-Dashboards an vorhandene Werkzeuge angebunden?

Die Kommentierung von KPI-Dashboards wird an das bereits genutzte BI-Werkzeug angebunden, nicht als separates System danebengestellt. Power BI, Tableau, Qlik und SAP Analytics Cloud bringen dafür bereits Grundfunktionen mit, die als Ausgangspunkt dienen und um kontrollierte Freigabeschritte ergänzt werden, statt die vorhandene Berichtslandschaft zu ersetzen.

In Power BI übernimmt Copilot zusammen mit dem Smart-Narrative-Visual die erste Textzusammenfassung eines Berichts, Tableau Pulse liefert über den Insights-Generator eine Newsfeed-artige Übersicht erkannter Änderungen. Qlik stellt mit Insight Advisor und dem Discovery Agent ähnliche Funktionen bereit, SAP Analytics Cloud nutzt dafür Smart Insights und Smart Discovery. Wo Kennzahlen weiterhin aus Excel-Tabellen oder DATEV-Auszügen stammen, werden diese Quellen strukturiert eingebunden, statt einen Parallelprozess aufzubauen.

ANCUD IT prüft in der Bestandsaufnahme, welche dieser Bordmittel bereits vorhanden sind, und ergänzt sie um eine Freigabestrecke und eine saubere Trennung von Muster und Erklärung, die die Werkzeuge allein nicht durchgängig leisten. Die technische Integration erfolgt über bestehende Schnittstellen, etwa im Rahmen einer der jeweiligen Umgebung der jeweiligen Umgebung.

Die folgende Übersicht zeigt, welche Funktion die verbreiteten Werkzeuge jeweils bereits mitbringen.

Welche Daten braucht die Kommentierung von KPI-Dashboards?

Die Kommentierung von KPI-Dashboards braucht eine eindeutige Kennzahlendefinition, eine einheitliche semantische Schicht, hinterlegte Vergleichswerte, festgelegte Schwellenwerte und eine belastbare Stammdatenqualität. Fehlt eine dieser Voraussetzungen, entstehen Texte, die zwar flüssig klingen, aber falsche oder widersprüchliche Aussagen zu den Kennzahlen enthalten.

Die Kennzahlendefinition legt fest, was etwa als Umsatz oder Deckungsbeitrag zählt und wie er berechnet wird, damit derselbe Begriff in jedem Bericht dasselbe bedeutet. Die semantische Schicht sorgt dafür, dass diese Definition systemübergreifend gleich verwendet wird, statt in jedem Tool leicht abweichend gepflegt zu sein. Vergleichswerte wie Vorjahr, Plan oder Budget liefern den Maßstab, an dem eine Veränderung überhaupt als Abweichung erkennbar wird, Schwellenwerte legen fest, ab wann eine Abweichung kommentierungswürdig ist.

Stammdatenqualität ist dabei keine Nebenbedingung, sondern Voraussetzung im engeren Sinn: Ist eine Kostenstelle falsch zugeordnet oder ein Kundenstamm doppelt gepflegt, übernimmt die Kommentierung diesen Fehler ungeprüft in den Text. Garbage in, garbage out gilt hier unmittelbar, nicht nur als Redewendung. Eine technische Bestandsaufnahme vor Projektbeginn prüft deshalb gezielt, wo Kennzahlendefinitionen uneinheitlich sind oder Stammdaten Lücken aufweisen, bevor ein Kommentierungsprojekt aufgesetzt wird.

Diese Prüfung fällt in den Bereich der Datenaufbereitung, wie sie auch in anderen Vorhaben im Datenaufbereitung üblich ist, bevor überhaupt automatisierte Texte erzeugt werden.

Wer gibt die erzeugten Berichtstexte frei?

Die erzeugten Berichtstexte gibt grundsätzlich ein Mensch frei, niemals das System selbst. Das Controlling erstellt den ersten Textvorschlag mit Unterstützung der Kommentierung, die Bereichsleitung ergänzt fachlichen Kontext und die Geschäftsführung erhält den Bericht erst nach dieser Prüfung. Damit bleibt die inhaltliche Verantwortung dort, wo sie auch bisher lag.

Dieses Vier-Augen-Prinzip ist bewusst so aufgebaut, dass die erste Person nicht zugleich die letzte ist: Wer den Textvorschlag aus dem System übernimmt, ist nicht dieselbe Person, die ihn final freigibt. Jede Änderung am automatisch erzeugten Textvorschlag wird protokolliert, sodass im Nachhinein nachvollziehbar bleibt, welcher Satz vom System stammt und welcher von Fachleuten ergänzt oder korrigiert wurde.

Diese Protokollierung ist auch deshalb wichtig, weil Kennzahlen mit Personenbezug, etwa Vertriebsleistung je Mitarbeiterin oder Mitarbeiter, unter die Anforderungen der Datenschutz-Grundverordnung fallen können. Solange Menschen die inhaltliche Interpretation vornehmen und freigeben, greift die Regelung zu automatisierten Einzelentscheidungen nach Artikel 22 DSGVO in aller Regel nicht, weil keine automatisierte Entscheidung, sondern ein geprüfter Textvorschlag vorliegt.

Die Rollenverteilung wird vor der Einführung schriftlich festgelegt, ähnlich wie bestehende Freigabewege im geregelt sind. So bleibt nachvollziehbar, wer wann welchen Berichtstext verantwortet.

Wie zuverlässig sind KI-generierte Texte zu Kennzahlen?

Zahlenwerte selbst gibt die Kommentierung von KPI-Dashboards zuverlässig wieder, weil sie direkt aus dem angebundenen Berichtssystem stammen. Schwächer wird es bei der Ursachenzuschreibung: Warum ein Wert gestiegen oder gefallen ist, kann das System nur vermuten, nicht wissen. Diese Unterscheidung zwischen korrekter Wiedergabe und plausibel klingender Erklärung ist der Kernpunkt jeder Qualitätsprüfung.

In der Praxis bedeutet das: Ein Umsatzwert von 1,2 Millionen Euro im Vergleich zum Vormonat wird korrekt benannt, die Formulierung dazu ist grammatikalisch sauber und im Ton konsistent. Sobald der Text aber einen Grund nennt, etwa eine Marktentwicklung oder eine interne Maßnahme, verlässt er den Bereich der gesicherten Daten und beginnt zu interpretieren, ohne dass diese Interpretation im Datensatz belegt ist.

Beobachtungen aus vergleichbaren Reporting-Projekten zeigen, dass die Qualitätskontrolle je Bericht einen spürbaren Restaufwand behält: Auch bei stabiler Textqualität liest eine fachlich zuständige Person jeden generierten Kommentar vor Versand, weil die Fehlerquote bei Ursachenaussagen höher liegt als bei reinen Zahlenaussagen. Wer die Kommentierung von KPI-Dashboards einführt, plant diesen Prüfschritt von Anfang an als festen Bestandteil ein, nicht als Übergangslösung.

Kann eine KI Kennzahlen falsch interpretieren?

Ja, und das typische Fehlerbild betrifft nicht die Zahl selbst, sondern die genannte Ursache. Ein Sprachmodell kann einen Umsatzanstieg einer Marketingkampagne zuschreiben, obwohl im betreffenden Zeitraum gar keine Kampagne lief. Die Formulierung wirkt kompetent, ist aber frei erfunden, weil das System einen plausiblen Zusammenhang sucht, auch wenn keiner in den Daten hinterlegt ist.

Solche Aussagen entstehen, weil das Modell Muster aus Trainingsdaten überträgt, statt nur die tatsächlich gelieferten Werte zu beschreiben. Ohne Gegenmaßnahme liest sich ein falscher Kausalzusammenhang genauso überzeugend wie ein richtiger, was ihn im Berichtsalltag gefährlich macht.

Wirksam dagegen sind drei feste Regeln: Der Text bleibt strikt an die gelieferten Daten gebunden und darf keine Werte oder Ereignisse erwähnen, die nicht im Datensatz stehen. Ursachenbehauptungen sind grundsätzlich untersagt, zulässig sind nur als Vermutung gekennzeichnete Hinweise. Und jeder Kommentar durchläuft vor dem Versand eine Pflichtlektüre durch eine benannte Person im Controlling. Diese Kombination lässt sich technisch ähnlich absichern wie andere Verfahren der intelligenten Dokumentenverarbeitung, bei denen ebenfalls Aussagen an eine geprüfte Datengrundlage gebunden werden, statt sie frei generieren zu lassen.

Wie bleibt die Prüfung dauerhaft wirksam?

Die Prüfung bleibt wirksam durch feste Stichprobenquoten, rotierende Zuständigkeiten und eine Rückmeldeschleife, die falsche Aussagen dokumentiert. Ohne diese Struktur lässt die Wachsamkeit nach, sobald wochenlang kein Fehler auffällt, und genau in dieser Phase entstehen die riskantesten Freigaben, weil Prüfende beginnen, Texte nur noch zu überfliegen.

Arbeitswissenschaftliche Beobachtungen zu wiederkehrenden Kontrollaufgaben bestätigen dieses Muster: Bei gleichbleibend niedriger Fehlerrate sinkt die Aufmerksamkeit gegenüber Routinetexten deutlich, unabhängig davon, wie sorgfältig eine Person zu Beginn geprüft hat. Eine feste Stichprobenquote, etwa jeder zehnte Bericht in voller Tiefe, hält die Prüfung auch dann aufrecht, wenn der Alltag ruhig verläuft.

Rotierende Prüfzuständigkeit verhindert zusätzlich, dass eine einzelne Person über Monate dieselben Formulierungsmuster gewohnt wird und dadurch Abweichungen seltener bemerkt. Wird ein falscher Kausalzusammenhang entdeckt, fließt er in eine Rückmeldeschleife: Das Muster wird dokumentiert, die Formulierungsregeln werden nachgeschärft, und der Fall dient als Beispiel für die nächste Schulung. So bleibt die Kommentierung von KPI-Dashboards über die Zeit belastbar, statt nach der Einführungsphase an Sorgfalt zu verlieren.

Wie klingt ein guter Berichtskommentar?

Ein guter Berichtskommentar ist kurz, sachlich und folgt einer festen Reihenfolge: zuerst der Wert, dann die Abweichung, zuletzt eine als Vermutung gekennzeichnete Einordnung. Er verzichtet auf Superlative und auf Ursachenbehauptungen, die nicht durch Daten gedeckt sind, und bleibt im Konjunktiv, sobald er über die reine Zahl hinausgeht.

Für eine Abweichung eignet sich ein Muster wie: „Der Wert liegt 8 Prozent unter dem Plan. Möglich wäre ein Zusammenhang mit dem saisonal niedrigeren Auftragseingang im Vormonat, dies wäre jedoch gegenzuprüfen.“ Für einen Trend: „Die Kennzahl steigt seit drei Monaten kontinuierlich an.“ Für einen Ausreißer: „Der Einzelwert weicht deutlich vom bisherigen Verlauf ab und sollte gesondert betrachtet werden.“

Wichtig ist, dass Vermutungen sprachlich als solche erkennbar bleiben, etwa durch Formulierungen wie „könnte“, „wäre denkbar“ oder „legt nahe“. Feste Formulierungsbausteine für Abweichung, Trend und Ausreißer lassen sich technisch ähnlich hinterlegen wie Textbausteine in anderen automatisierten Verfahren, etwa bei der automatisierten Testgenerierung eingesetzten Dokumentenlogik, bei der wiederkehrende Textstrukturen ebenfalls klar von freien Einschätzungen getrennt werden.

Welche rechtlichen Fragen berührt die Kommentierung von KPI-Dashboards?

Rechtlich relevant wird die Kommentierung von KPI-Dashboards vor allem dann, wenn Kennzahlen personenbezogen sind, etwa Vertriebs- oder Supportzahlen je Mitarbeiter. Dann greifen Regeln zum Umgang mit personenbezogenen Daten, insbesondere wenn Auswertungen automatisiert erstellt werden. Reine Sachkommentare zu Umsatz oder Kostenverläufen ohne Personenbezug berühren diese Fragen in der Regel nicht.

Automatisierte Entscheidungsfindung im Sinne der Datenschutz-Grundverordnung betrifft üblicherweise nicht die reine Textkommentierung, solange ein Mensch die Interpretation liest und freigibt, bevor sie Wirkung entfaltet. Kritisch wird es erst, wenn ein generierter Kommentar unmittelbar in eine Personalbewertung einfließt, etwa in eine Leistungsbeurteilung, ohne dass jemand ihn zuvor geprüft hat.

Für den EU AI Act gilt eine ähnliche Einordnung: reine Berichtskommentierung fällt meist in die Kategorie mit minimalem Risiko. Eine Einstufung als Hochrisiko-System kommt erst infrage, wenn Kommentare direkt personalbezogene Bewertungsentscheidungen mitbestimmen. Enthält ein Dashboard Leistungsdaten von Mitarbeitenden, ist zudem zu prüfen, ob der Betriebsrat im Rahmen der Mitbestimmung einzubeziehen ist, bevor die Kommentierung produktiv geschaltet wird. Eine technische Bestandsaufnahme im Rahmen der KI-Beratung für Unternehmen klärt solche Fragen vor dem Start.

Wo liegen die Grenzen der Kommentierung von KPI-Dashboards?

Die Grenzen liegen dort, wo Wissen außerhalb der angebundenen Daten gebraucht wird. Das System kennt weder die Marktlage noch informelle Ereignisse wie den Verlust eines Großkunden, solange diese nicht als Datenpunkt vorliegen. Es kann Zahlen beschreiben, aber keine strategische Entscheidung bewerten oder gegen unternehmerische Ziele abwägen.

Ein Beispiel: Bricht der Umsatz in einer Region ein, weil ein einzelner Großkunde gewechselt hat, sieht das System nur den Rückgang, nicht den Grund. Ohne diesen Kontext in den Daten bleibt der Kommentar zwangsläufig oberflächlich oder er formuliert eine falsche Vermutung, wenn die Prüfregeln nicht greifen.

Deshalb ersetzt die Kommentierung von KPI-Dashboards das Controlling nicht, sie ergänzt es. Wiederkehrende Beschreibungsarbeit entfällt, die fachliche Einordnung, die Bewertung strategischer Optionen und die Kommunikation mit der Geschäftsführung bleiben bei den Menschen im Controlling. Wer prüfen möchte, wo diese Grenze im eigenen Reporting konkret verläuft, findet einen Einstieg über eine strukturierte Use-Case- und Datenevaluierung, die bestehende Systeme und Datenquellen erfasst, bevor Automatisierung eingeführt wird.

Wie läuft ein Pilotprojekt zur Kommentierung von KPI-Dashboards ab?

Ein Pilotprojekt zur Kommentierung von KPI-Dashboards dauert vier bis acht Wochen, beschränkt sich auf einen Bericht und läuft anschließend zwei Berichtszyklen im Parallelbetrieb neben der bisherigen Kommentierung. Fachbereich, Controlling und IT legen vorab gemeinsam fest, wann die Ergebnisse als abgenommen gelten. Erst nach dieser Prüfung entscheidet die Fachseite über eine Ausweitung auf weitere Berichte.

In der ersten Woche sitzen Controlling und BI-Team zusammen mit ANCUD IT an einem Tisch und legen fest, welcher Bericht als Pilot dient, welche Kennzahlen kommentiert werden und wie die bestehende semantische Schicht aussieht. Diese Abstimmung entscheidet später über den Aufwand, ähnlich wie bei der Auswahl eines Anwendungsfalls in der Auswahl eines Anwendungsfalls.

Danach folgt die technische Anbindung an die vorhandene Datenquelle, etwa Power BI oder SAP Analytics Cloud, und die Formulierung der Sprachregeln: Welche Abweichung gilt als auffällig, welche Formulierungen sind im Haus üblich, wer erhält welche Detailtiefe. Erste Entwürfe der Kommentare gehen an ausgewählte Empfängerinnen und Empfänger, nicht sofort an den vollen Verteiler.

Im Parallelbetrieb laufen automatisch erzeugte und manuell erstellte Kommentare zwei Berichtszyklen lang nebeneinander. Das Controlling vergleicht beide Fassungen, dokumentiert Abweichungen und entscheidet anhand der vorab festgelegten Abnahmekriterien, ob die automatisierte Kommentierung in den Regelbetrieb übernommen wird.

Was kostet die Kommentierung von KPI-Dashboards?

Die Kosten für die Kommentierung von KPI-Dashboards hängen von der Zahl der zu kommentierenden Kennzahlen, dem Zustand der semantischen Schicht, der Zahl der Berichtsempfänger, dem gewählten Betriebsmodell und der Zahl der benötigten Sprachen ab. Feste Pauschalpreise wären an dieser Stelle unseriös, deshalb steht am Anfang immer eine technische Bestandsaufnahme.

Eine saubere semantische Schicht mit eindeutig definierten Kennzahlen reduziert den Aufwand erheblich, während gewachsene Excel-Landschaften mit uneinheitlichen Bezeichnungen zunächst bereinigt werden müssen. Auch die Zahl der Berichtsempfänger wirkt sich aus: Ein einzelner Managementbericht mit fester Zielgruppe ist günstiger zu kommentieren als ein Portal mit rollenabhängigen Kommentaren für viele Abteilungen.

Das Betriebsmodell beeinflusst sowohl die einmaligen als auch die laufenden Kosten. Ein lokaler Betrieb erfordert eigene Infrastruktur und Wartung, ein Cloud-Betrieb verlagert diesen Aufwand in ein laufendes Nutzungsentgelt. Werden Kommentare in mehreren Sprachen benötigt, steigt der Prüfaufwand, weil jede Sprachfassung fachlich gegengelesen werden muss.

Die folgende Tabelle ordnet die wichtigsten Kostentreiber ein und zeigt, worauf sie sich jeweils auswirken.

Wie lange dauert die Einführung?

Bei sauber definierten Kennzahlen und einer bestehenden semantischen Schicht lässt sich die Kommentierung von KPI-Dashboards oft innerhalb weniger Wochen produktiv nehmen. Liegt dagegen eine gewachsene Excel-Landschaft mit uneinheitlichen Kennzahlendefinitionen vor, verlängert sich die Einführung, weil zunächst Begriffe und Berechnungslogik geklärt werden müssen.

Verzögerungen entstehen meist nicht durch die eigentliche Technik, sondern durch offene Fragen zur Datenbasis: Wird der Umsatz brutto oder netto gerechnet, gilt eine Abweichung ab drei oder ab fünf Prozent als auffällig, welche Kennzahl hat in welcher Abteilung Vorrang. Solche Klärungen sind Aufgabe des Fachbereichs und lassen sich nicht durch mehr Entwicklungsleistung abkürzen.

Auch die Zahl der beteiligten Systeme spielt eine Rolle. Bezieht die Kommentierung Daten aus mehreren Quellen, etwa DATEV für Finanzkennzahlen und einem separaten Vertriebscockpit, braucht die Anbindung zusätzliche Abstimmung. Grundlage dafür bildet ein sauberes Datenmanagement, wie es in der Datenverarbeitung im Reporting beschrieben ist.

Realistisch ist deshalb eine Spanne von wenigen Wochen bei guter Datenlage bis zu mehreren Monaten, wenn Kennzahlen zunächst harmonisiert werden müssen. Diese Spanne wird bereits in der Bestandsaufnahme grob eingegrenzt, damit der Fachbereich intern planen kann.

Wie wird die Lösung betrieben und weiterentwickelt?

Die Kommentierung von KPI-Dashboards läuft entweder lokal auf der eigenen Infrastruktur oder als Cloud-Betrieb, je nach Anforderungen an Datenhaltung und internen Kapazitäten. Beide Modelle sehen vor, dass Änderungen an Kennzahlen, Sprachregeln und Schwellenwerten dokumentiert und von einer verantwortlichen Person im Controlling freigegeben werden, bevor sie wirksam werden.

Ändert sich eine Kennzahlendefinition, etwa weil eine neue Produktkategorie hinzukommt, muss diese Änderung sowohl in der semantischen Schicht als auch in den Sprachregeln nachgezogen werden. Dafür braucht es feste Zuständigkeiten, ähnlich den Abläufen aus dem Change Management, damit Anpassungen nicht an unterschiedlichen Stellen widersprüchlich vorgenommen werden.

Sprachregeln werden nicht einmalig festgelegt, sondern regelmäßig überprüft: Formulierungen, die anfangs passend wirkten, können sich nach einigen Berichtszyklen als missverständlich erweisen. Diese Anpassung liegt beim Controlling, technisch umgesetzt wird sie durch das Betriebsteam.

Updates der zugrunde liegenden Werkzeuge, etwa neue Funktionen in Power BI oder SAP Analytics Cloud, erfordern eine Prüfung, ob bestehende Sprachregeln weiterhin greifen. Diese Wartung ist Teil des laufenden Betriebs und wird nicht dem Zufall überlassen, sondern in einem festen Turnus eingeplant.

Wie unterstützt ANCUD IT bei der Kommentierung von KPI-Dashboards?

ANCUD IT übernimmt die technische Bestandsaufnahme, die Anbindung an bestehende Berichtswerkzeuge, die Formulierung der Sprachregeln gemeinsam mit dem Controlling und die Übergabe an den internen Betrieb. Die Kommentierung von KPI-Dashboards wird dabei an vorhandene Systeme angebunden, nicht als isolierte Insellösung aufgebaut.

Die Zusammenarbeit erfolgt eng mit Controlling und BI-Team: Das Controlling liefert die fachliche Logik hinter jeder Kennzahl, das BI-Team kennt die technischen Datenquellen und deren Eigenheiten. ANCUD IT moderiert diese Abstimmung und überführt sie in nachvollziehbare, testbare Sprachregeln, wie es auch bei anderen Projekten der KI-Beratung für Unternehmen üblich ist.

Nach der Pilotphase wird die Lösung nicht einfach übergeben, sondern gemeinsam mit dem internen Betriebsteam eingerichtet: Zuständigkeiten für Wartung, Änderungen an Kennzahlen und Freigaben werden dokumentiert, sodass der Betrieb ohne dauerhafte externe Abhängigkeit weiterläuft.

Als Unternehmen mit Sitz in Nürnberg arbeitet ANCUD IT in kurzen Abstimmungswegen mit Fachbereich und IT vor Ort, ergänzt durch Remote-Termine, wo das ausreicht. Mehr zum Unternehmen und zur Arbeitsweise findet sich auf der Seite Unternehmen.