Wawi Klausurumfang Skript

Warenwirtschaftssysteme
Vorlesungsskript
Klausurumfang
BA-Mosbach
Dozent: Günter Drews
v4.2
Das Vorlesungsmanuskript ist nur für den Gebrauch innerhalb der Vorlesung zu verwenden
und darf nicht weiter gegeben oder gesamt oder in Teilen veröffentlicht werden.
1 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Inhaltsverzeichnis
1 EINFÜHRUNG.............................................................................................................................. 4
1.1 Ziele der Vorlesung .......................................................................................................4
1.2 Vorgehensweise ............................................................................................................5
2 WARENWIRTSCHAFT .............................................................................................................. 6
2.1 Begriff der Warenwirtschaft: ..........................................................................................6
2.2 Prozesse in der Warenwirtschaft...................................................................................6
2.2.1 Begriff des Prozesses....................................................................................................... 6
2.2.2 Prozessbeschreibungen ................................................................................................... 8
2.2.3 Das H-Modell bei Prozessen der Warenwirtschaft ....................................................... 10
3 WARENWIRTSCHAFTSSYSTEME ....................................................................................... 13
3.1 Operative und analytische Systeme ............................................................................13
3.2 Klassifikation und Umfang von Warenwirtschaftssysteme ..........................................16
3.2.1 Abgrenzung zu ERP-Systemen....................................................................................... 16
3.2.2 Klassifikation der Warenwirtschaftssysteme ................................................................. 16
3.2.3 Zentrale und Filial-Warenwirtschaftssysteme............................................................... 17
3.3 Technologische und organisatorische Basis ...............................................................19
3.3.1 Basis-Informationen ...................................................................................................... 19
3.3.2 Marktposition ................................................................................................................ 20
3.3.3 DV-Kriterien.................................................................................................................. 21
3.3.4 Bedienungsaspekte ........................................................................................................ 22
3.3.5 Organisationsstrukturen................................................................................................ 22
3.3.6 Filialmanagement.......................................................................................................... 23
3.3.7 Führungsinformation..................................................................................................... 23
3.3.8 Datenaustausch ............................................................................................................. 24
3.4 Die Datenbasis: Stammdaten und Transaktionsdaten ................................................25
3.4.1 Stammdaten ................................................................................................................... 25
3.4.2 Die EAN......................................................................................................................... 26
3.4.3 Klassifizierungen ........................................................................................................... 29
3.4.4 Weitere standardisierte Kennzeichen ............................................................................ 31
3.4.5 Bewegungsdaten ............................................................................................................ 34
3.5 Die Prozesse ...............................................................................................................35
3.5.1 Der Beschaffungsprozess............................................................................................... 35
3.5.2 Das Lager ...................................................................................................................... 41
3.5.3 Der Distributionsprozess............................................................................................... 42
3.6 Der Softwareauswahlprozess......................................................................................45
3.7 Der Softwareeinführungsprozess ................................................................................46
3.7.1 Die Herausforderung .................................................................................................... 46
3.7.2 Einführungsstrategien ................................................................................................... 46
3.7.3 Einführungsmodelle....................................................................................................... 46
3.7.4 Das Key-User Konzept .................................................................................................. 48
4 DATA WAREHOUSE IN DER WARENWIRTSCHAFT ...................................................... 49
4.1 Problemstellung...........................................................................................................49
4.1.1 Motivation ..................................................................................................................... 49
4.1.2 Wo drückt der Schuh: Grenzen der traditionellen Entscheidungsunterstützung........... 51
4.1.3 Geforderte Lösung......................................................................................................... 52
4.2 Aufbau eines Data Warehouse....................................................................................53
4.3 OLAP ...........................................................................................................................55
4.3.1 Das Datenmodell ........................................................................................................... 55
4.3.2 Kennzahlen (Fakten) ..................................................................................................... 56
4.3.3 Dimensionen .................................................................................................................. 62

4.3.4 Navigation ..................................................................................................................... 62
4.4 Data Mining .................................................................................................................66
4.4.1 Klassifikationsmethoden................................................................................................ 67
4.4.2 Assoziation..................................................................................................................... 70
4.4.3 Clustering ...................................................................................................................... 74
4.4.4 Prognosen...................................................................................................................... 75
4.5 Die Präsentationsschicht .............................................................................................80
4.5.1 Management Cockpits ................................................................................................... 80
5 LITERATUR ZUM NACHARBEITEN: .................................................................................. 80

1 Einführung
1.1 Ziele der Vorlesung
Warenwirtschaftsysteme gehören zu den operativen Informationssysteme, die in
Handelsunternehmen eine weiter Verbreitung gefunden haben. Ihr Leistungsumfang ist
inzwischen weitgehend standardisiert, sodass sich die einzelnen WWS im Funktionsumfang
nicht mehr gravierend voneinander unterscheiden.
Wie die ERP-Systeme sind sie aber derzeit in einem grundlegenden Wandel begriffen:
1. Konzeptionell werden die operativen Systeme mehr als eine Zusammenstellung von
Services begriffen, als ein monolithisches System. Das Stichwort SOA, Service
Oriented Architecture gibt hier die Richtung vor.
2. Der Siegszug der webbasierenden Technologien bestimmt die technische Architektur
der Warenwirtschaftssysteme
3. Die Ausdifferenzierung der Management Informationskomponente in eigenständige
Data Warehouse-Lösungen.
Die Vorlesung verfolgt folgende Ziele.

• Einordnung der Warenwirtschaftssysteme und Abgrenzung zu anderen operativen
Informationssystemen.
• Klassifizierung der Warenwirtschaftsysteme
• Darstellung des Funktionsumfang der Warenwirtschaftssysteme anhand des H-
Modells der Prozesse der Warenwirtschaft.
• Darstellung der Optimierungsmöglichkeiten von Warenwirtschaftssysteme anhand
einer Fallstudie
• Der Einführungsprozess von Warenwirtschaftssystemen
• Data Warehouse Systeme in der Warenwirtschaft.

1.2 Vorgehensweise
People
Technology Process
Quelle: Ernst&Young
Analysen und auch konkrete Projekte haben in Organisationen immer drei Dimensionen:
• eine menschliche Dimension
• eine technische Dimension
• und eine organisatorische Dimension
Im Business Process Reengineering wurde der Begriff PSO-Projekte (People, Systems,

Organisations) geprägt:
Unsere Vorlesung folgt diesem Ansatz:

• die menschliche Dimension sind die unterschiedlichen Kategorien der Mitarbeiter,
die mit den operativen und analytischen Systemen umgehen.
• die technische Dimension sind WWS Konzepte und die Software.
• die organisatorische Dimension sind die Prozesse des Handels und im engeren
Sinne, die der Warenwirtschaft und des Controllings.

2 Warenwirtschaft
Wenn man etwas steuern will, muss man erst einen Begriff davon haben, was man steuern
möchte. Der Bereich, mit dem wir uns befassen, ist die Warenwirtschaft. Was wir steuern
wollen, sind die Prozesse der Warenwirtschaft. Die Stellglieder unserer Steuerung sind die
Kennzahlen. Die Systeme, die uns dabei unterstützen, sind die operativen und analytischen
Informationssysteme
2.1 Begriff der Warenwirtschaft:
Warenwirtschaft umfasst die Planungs- Steuerungs- und Kontrollprozesse für den gesamten
Warenfluss, vom Einkauf bis zum Verkauf, in Handels- und Produktionsbetrieben in mengen-
und wertmäßiger Hinsicht
Alle (einplanenden und ausführenden)Tätigkeiten, die in irgendeiner Weise mit Mengen-
Veränderungen zu tun haben
2.2 Prozesse in der Warenwirtschaft

2.2.1 Begriff des Prozesses
Begriff des Prozesses
Ein Prozess ist ein strukturierter Ablauf. Er transformiert einen gegeben Input mit jeweils
spezifischen Regeln in einen gewünschten Output.
Prozesse umfassen inhaltliche abgeschlossenen Vorgänge. Welche inhaltliche Tätigkeiten

jeweils zu einem Prozess zusammengefasst werden, hängt von der subjektiven Problemsicht
der handelnden Personen ab.
Innerhalb eines Prozesses erfolgt durch Kombination der Produktionsfaktoren ein
Wertezuwachs.
Michael Hammer stellt deshalb auch die Wertschöpfung aus Kundensicht n den
Vordergrund:

„Als Prozess betrachten wir jene Tätigkeiten, die zusammengenommen einen Wert für den
Kunden schaffen- z.B.. die Entwicklung eines neunen Produktes“2.
Eines der bekanntesten Prozessmodelle einer Unternehmung ist das Modell der
Wertschöpfungskette nach Porter
„Innerhalb des Prozesses erfolgt durch die Kombination der Einsatzgüter ein definierter
Wertzuwachs, der als Prozessergebnis weitergeleitet wird. Dieser Wertzuwachs (oder
Wertschöpfung) ist die Differenz zwischen dem Wert des Output (Marktpreis oder interner
Verrechnungspreis) und dem Wert des Input (Kosten der Wertschöpfungsaktivitäten) und
bildet letztendlich die vom Unternehmen erzielte Gewinnspanne. „Wert“ kann demgemäss
als derjenige Geldbetrag definiert werden, den ein interner oder ein externer Kunde zu
zahlen bereit ist. Aus diesem Wert heraus entstehen Wettbewerbsvorteile (Kostenvorteile),
wenn er die Kosten der Wertschöpfung übersteigt. (....)
Mit seine Wertkettenmodell stellt der amerikanische Wirtschaftswissenschaftler Porter
ein "analytisches Instrument“ vor, mit dessen Hilfe sämtliche Aktivitäten eines Unternehmens
und deren Wechselwirkungen systematisch untersucht werden können (.......).
Die Wertkette (value chain) gliedert ein Unternehmen in strategisch bedeutsame
Aktivitäten. Sie zeigt den Gesamtwert und besteht aus den wertschöpfenden Aktivitäten
("Wertaktivitäten“ nach Porter) und der Gewinnspanne. Wenn ein Unternehmen die
verschiedenen Aktivitäten besser und/oder zu geringeren Kosten durchführen kann als
konkurrierende Unternehmen, entstehen Wettbewerbsvorteile. Die Wertaktivitäten lassen
sich in primäre und sekundäre (unterstützende) Aktivitäten unterteilen, die je nach Branche
für den Wettbewerbsvorteil von entscheidender Bedeutung sein können (....)
• Die primären Aktivitäten beinhalten die physische Herstellung und den Vertrieb des
Produkts. Porter unterscheidet hier fünf Kategorien: die Eingangslogistik (Empfang,
Lagerhaltung und Distribution von Betriebsmitteln und Material), die Operationen (Be-
und Verarbeitung des Inputs), den Bereich Marketing und Vertrieb (Einsatz der
Marketinginstrumente, um die potentiellen Kunden zum Kauf des Produkts zu bewegen),
die Ausgangslogistik (Sammlung, Lagerung und physische Distribution des Produkts an
die Abnehmer) und den Kundendienst (Installation, Reparatur, Ersatzteilversorgung und
Produktanpassung).
• Demgegenüber sorgen die sekundären Aktivitäten dafür, dass die primären Tätigkeiten
überhaupt stattfinden können, indem sie die erforderlichen Inputs (Technologien,
2
Michael Hammer, James Champy:Business Reengineering. Eine Radikalkur für das Unternehmen.
München 1999. S.14.

menschliche und materielle Ressourcen) für die einzelnen Aktivitäten zur Verfügung
stellen. Die Unternehmensinfrastruktur (Unternehmensleitung, Finanz- und
Rechnungswesen, Unternehmensplanung, Qualitätswesen, Rechtsabteilung) unterstützt
übergreifend die gesamte Wertkette........“3
2.2.2 Prozessbeschreibungen
Der VDMA gibt in seiner Broschüre Prozesse beschleunigen und gewinnorientiert steuern4
Folgende 12 Regeln zur Beschreibung eines Prozesses:
1. Prozess Identifikation
a. Wie wird dieser Prozess bezeichnet
b. Wo beginnt der Prozess und wo endet er?
2. Prozess Eigner
a. Wer ist für die Beschreibung und die Weiterentwicklung des Prozesses
verantwortlich?
3. Prozess Beteiligte
a. Wer übernimmt eine Aufgabe in diesem Prozess?
b. Welche Funktion hat diese Person?
4. Prozess Ziel
a. Was ist die Aufgabe dieses Prozesses?
b. Welcher Nutzen hat dieser Prozess für den Kunden und das Unternehmen?
c. Wie können die Ziele gemessen und verfolgt werden.
5. Kunde (intern/extern)
a. Wer profitiert von den Ergebnissen (Dies können sein: Verantwortliche eines
Folgeprozesses, ein Folgeprozess an sich, der Gesetzgeber, der Käufer,
Benutzer, Anwender eines Produktes
6. Prozess Eingaben
a. Was löst den Prozess aus?
b. Was wird vom Prozess benötigt um ihn erfolgreich durchführen zu können? (Das
kann sein: Informationen, Dokumente, Produkte, festgelegte Zyklen)
7. Prozess Regelungen
a. Welche Vorgaben und Regeln gibt es für den Prozess? (Verfahren, Anweisungen,
Richtlinien, Methoden, Kriterien)
b. Welchen Einfluss haben diese Regeln auf den Prozess?
8. Prozess Ergebnis
a. Was ist das Ergebnis des Prozessablaufs? (Dies kann ein Produkt, eine
Dienstleistung, eine Entscheidung sein)
b. Wie wird das Ergebnis geprüft?
9. Nachweise und Dokumentation
a. Welche Dokumente und Aufzeichnungen werden für den Prozess benötigt?
b. Welche Dokumente und Aufzeichnungen werden von dem Prozess erzeugt?
10. Kennzahlen zur Steuerung
a. Mit welchen Kenngrößen wird der Prozess gesteuert? (Dies sind klassischerweise
Termin, Kosten- oder Zeitgrößen)
11. Wechselwirkung
a. Welche anderen Prozesse haben Einfluss auf diesen Prozess?
b. Welche Prozesse werden von diesem Prozess beeinflusst?
12. Prozess Lieferant
3 3
Dietmar Vahs: Organisation. Einführung in die Organisatonstheorie und –praxis. Stuttgart 2001. S.
194 ff.
4
VDMA (Hrsg):Prozesse beschleunigen und gewinnorientiert steuern. Frankfurt a. M 2002 (VDMA-
Verlag) S. 22 ff.

a. Wer muss für diesen Prozess die notwendigen Vorarbeiten leisten (Ergebnissen
(Dies können sein: Verantwortliche eines Folgeprozesses, ein Folgeprozess an
sich, der Gesetzgeber, der Käufer, Benutzer, Anwender eines Produktes)

2.2.3 Das H-Modell bei Prozessen der Warenwirtschaft5
Modellübersicht
Lagerprozess
Dienstleistungs
Streckenprozess
prozess
Aktionsprozess Zentralregulierungsprozess
Lagerprozesse
Das Lagergeschäft repräsentiert die wichtigste

Geschäftsart, mit der der Handel die Aufgabe der
mengenmäßigen, zeitlichen und räumlichen Überbrückung
erfüllt. Es umfasst die hochaggregierten Funktionen
Beschaffen, Lagern und Distribution.
In einer ersten Konkretisierung werden auf der
Beschaffungsseite die Funktionen Einkauf, Disposition,
Wareneingang, Rechnungsprüfung und
Kreditorenbuchhaltung differenziert, distributionsseitig
Marketing, Verkauf, Warenausgang, Fakturierung und
Debitorenbuchhaltung. Die Kopplung erfolgt durch das
Lager, das die Überbrückungsfunktionen erst ermöglicht.
Neben den operativen Funktionen sind die
betriebswirtschaftlich-administrativen Funktionen der
Haupt- und Anlagenbuchhaltung, der Kostenrechnung und der Personalwirtschaft
abzubilden.
Zu Zwecken der Unternehmenssteuerung werden Controllingsysteme, Executive Information
Systeme und Systeme zur Unterstützung der Unternehmensplanung erforderlich.
5
Das H-Modell stammt aus Becker,Schütte: Handelsinformationssysteme. 2. Aufl. Landsberg/Lech
2004.
Die nachfolgenden Folien, die sich auf das H-Modell beziehen sind entnommen aus:http://www.wi.uni-
muenster.de/is/projekte/handels-h-modell/lager/index.cfm abgerufen am 30.11.2005: Lehrstuhl für WI
und IM: Prof. Dr. Jörg Becker, Das Handels-H-Modell.
Das WI-Executive Program Information Management für (Nachwuchs-) Führungskräfte.
Journal Information Systems and e-Business Management (ISeB)

Das Streckengeschäft
Der Streckenprozess ist eine Geschäftsform, bei

der das Handelsunternehmen als Mittler
zwischen Industrieunternehmen und Abnehmer
auftritt, ohne dass es logistische Aufgaben
übernimmt. In den letzten Jahren hat der Anteil
des Streckengeschäfts in
Großhandelsunternehmen zugenommen. Bei der
"klassischen Strecke" bestellt ein Abnehmer beim
Handelsunternehmen, welches den Auftrag in
eine Streckenbestellung zum Lieferanten
umwandelt (s. Abbildung). Die Ware wird direkt
vom Lieferanten zum Abnehmer geliefert. Der
Lieferant stellt dem Handelsunternehmen die
Lieferung und dieses dem Abnehmer die Ware in
Rechnung. Rechtlich liegen zwei getrennte
Geschäftsvorfälle vor.
Das Zentralregulierungsgeschäft
Im Gegensatz zum Streckengeschäft werden beim

Zentralregulierungsgeschäft keine Artikel beim
Lieferanten bestellt, sondern die Leistung vom
Handelsunternehmen ist ausschließlich
abrechnungstechnisch. Der grundsätzliche Ablauf
der Zentralregulierung kann der folgenden
Abbildung entnommen werden.
Kreditoren- und Debitorenbuchhaltung werden eng
miteinander verzahnt, da die kreditorische
Rechnung unmittelbar in eine debitorische
Abrechnung Eingang findet. Auch die Stammdaten
von Kreditoren und Debitoren müssen eng
miteinander gekoppelt werden, wenn z. B. der
Kreditor mit dem Debitor bilateral besondere
Konditionen (Zahlungskonditionen, Sofortboni) vereinbart.

Das Aktionsgeschäft
Aktionen können definiert werden als zeitlich befristete
Einkaufs- und/oder Verkaufsmaßnahmen, die zur Ausnutzung
von Konditionen und sonstigen Angeboten der Lieferanten
und/oder der Förderung des Verkaufs dienen.
In Abhängigkeit von der Handelsbranche besitzt die Aktion
eine hohe (im Konsumgüterhandel im allgemeinen und im
Lebensmittelhandel im speziellen) bis geringe Bedeutung
(Produktionsverbindungshandel). Beim Aktionsprozess
werden Beschaffungsprozesse mit Distributionsprozessen
gekoppelt. Das Zusammenwachsen des linken und rechten
Astes des Handels-H-Modells veranschaulicht diesen
Sachverhalt .

3 Warenwirtschaftssysteme
Ziele, die mit dem Einsatz von Warenwirtschaftssystemen erreicht werden solle:
1. Zeitersparnis
2. Kostenersparnis
3. Qualitätsverbesserung
Dies wird durch den integrativen Aspekt der WWS-Systeme erreicht

Interne Integration
1. Datenintegration: Einmalige Erfassung der Daten und Verwendung an mehreren
Stellen.
2. Prozessintegration: Die Ergebnisse eines Prozesses, z.B. Verkaufsauftrag kann
unmittelbar in anderen Prozessen verwendet werden.
3. Benutzerintegration: Alle Benutzer arbeiten mit derselben Oberfläche. Moderne
Systeme benutzen dafür Portale.
Externe Integration
• Die Integration der Wertschöpfungskette.
3.1 Operative und analytische Systeme
Anwendungen für das Management von Geschäftsprozessen lassen sich in drei

unterschiedliche Kategorien einteilen:
1. Die Customer Fullfillment Programme. Dazu gehört die Beschaffung (Sourcing &
Procurement, das Management der Produkte von der Konstruktion bis zur
Verschrottung (Product Lifecycle Management, der Vertrieb(Demand&Revenue
Management),die Produktion über die ganze Lieferkette hinweg (Supply Chain
Management), Personalmanagement, (Human Capital Management), und der
Service (Service Lifecycle Management)
2. Enterprise Performance Management: Systeme für Managementinformation und
Controlling
3. Die Systeme für die Infrastruktur, wie Office Systeme, Content Management
Systeme, Systeme für die Verwaltung der IT etc.

Im Bereich der operativen Anwendungssysteme haben sich inzwischen der ERP-systeme
(Enterprise Resource Planning Systeme und als Teilbereich die Warenwirtschaftsysteme
(WWS)) weitgehend etabliert, in Großfirmen vollständig, im oberen Mittelstand nahezu
vollständig. Bei kleineren und mittleren Firmen ist der Markt derzeit heftig umkämpft.
Aufgabe der ERP/WWS-Systeme ist es die horizontale Prozesskette zu integrieren und zu
optimieren durch die Schaffung eines einheitlichen Benutzerinterfaces, durch eine integrierte
Datenbasis und durch die Integration der zentralen betrieblichen Funktionen.
Durch die langjährige Erfahrungen mit dem Einsatz dieser operativen Systeme haben sich
auch Bereiche und Anwendungen ausdifferenziert, deren Bedürfnisse durch diese Art der
operativen Systeme unzureichend abgedeckt sind. Ausdifferenziert haben sich die CRM-
Systeme (Customer Relationship Management-Systeme), die SCM-Systeme (Supply Chaine
Management Systeme und die analytischen Informationssysteme in der Form von Business-
Intelligence oder Performance Management Systemen.
Der Grund liegt in der unterschiedlichen Orientierung der Systeme
• Die ERP/WWS-Systeme orientieren sich an den betrieblichen Ressourcen, deshalb
ist der Aufbau um diese Ressourcen (Materialstamm, Stücklisten, Arbeitspläne)
gestaltet.
• Die Zentrale bei den CRM-Systemen ist der Kunde. Deshalb sind diese Systeme um
die Kundenadresse als zentralen Bezugspunkt aufgebaut
• SCM-Systeme haben nicht nur den einzelnen Betrieb im Auge, sondern die gesamte
interne und externe Wertschöpfungskette.
• Business Intelligence Systeme orientieren sich an den Bedürfnissen des
Managements und des Controllings und diese Bedürfnisse werden von den
operativen Systemen konzeptbedingt nur unzureichend befriedigt. Deshalb auch über
lange Zeit die Klage der Controller und des Managements, dass die ERP Systeme
nur Datensenken darstellen, und es erheblichen Anpassungsaufwand bedarf um
wenigstens die Informations-Grundbedürfnisse des Managements und des
Controllings zu befriedigen. Dies wird deutlich wenn man die unterschiedlichen
Blickwinkel von operativen und analytischen Systemen betrachtet.

6
6
Quelle:Lehner, Wolfgang: Datenbanktechnologie für Data-Warehouse-Systeme. Heidelberg 2003. S.
18

3.2 Klassifikation und Umfang von Warenwirtschaftssysteme
3.2.1 Abgrenzung zu ERP-Systemen

• Nach Schütte; Warenwirtschaftssystem ist ein System zur Unterstützung der
dispositiven und logistischen abrechnungsbezogenen Aktivitäten für die
Geschäftsprozesse des Handels
• Hertel definiert ein WWS funktionsbezogen als die „mengen- und wertmäßige
Darstellung und Steuerung des Warenflusses in einem Handelsunternehmen.“
• ERP-Systeme: Ein Informationssystem, das Geschäftsprozesse und Geschäftsregeln
sowohl innerhalb der Hauptfunktionsbereiche eines Unternehmens als auch über die
Bereiche hinweg abbildet und teilweise oder ganz automatisiert.
• Abgrenzung für diese Vorlesung: Ein Warenwirtschaftssystem ist ein ERP-System für
den Handel
• Warenwirtschaftssysteme befassen sich mit Endprodukten (Waren). Die
Erzeugnisstruktur spielt bei Warenwirtschaftssystemen eine untergeordnete Rolle
3.2.2 Klassifikation der Warenwirtschaftssysteme
Offene Warenwirtschaftssysteme:
Ein WWS wird als offen bezeichnet, wenn es entweder nur eingangs- oder
ausgangsorientiert arbeitet, d.h. entweder nur Daten über den Eingang bzw. Ausgang von
Waren registriert und verarbeitet. Es werden nur Eingangsdaten oder Ausgangsdaten erfasst
und kein Bezug oder Abgleich hergestellt
Geschlossene WWS:
Geschlossene Warenwirtschaftssysteme (GWWS) werden aus einer Zusammenführung der
Bestandsdaten von eingangs- bzw. ausgangsbezogenen Komponenten gebildet. Dabei
werden Daten über Warenbewegungen und Abverkäufe miteinander in Beziehung gesetzt. In
einem geschlossenen WWS werden die Warenbestände in allen Unternehmenseinheiten
artikelgenau geführt und kurzfristig fortgeschrieben. Während ein WWS in der Vergangenheit
durch eine Inventuraufnahme und Ermittlung der Differenz geschlossen wurde, d.h. ein Soll-
Ist-Abgleich durchgeführt wurde, kann dies heute durch Übernahme von Abverkaufsdaten
aus Scannerkassen und Anlieferungsdaten, automatisch erfolgen. (Hertel S. 6)

7
B e d a r f s e r m it t l u n g
B e s te llv o r s c h la g
A u t o m a tis c h e r A b r u f
6 2
B e s ta n d s fü h ru n g B e s te llu n g
W W S -In v e n tu r A u ftra g s rü c k s ta n d
1
S ta m m -
d a te n
( L is t u n g )
5 3
VK- W a r e n e in g a n g
D a te n e rfa s s u n g A u s z e ic h n u n g
L a g e ru n g
4
R e c h n u n g s p rü fu n g
R e g u lie r u n g
B u c h h a ltu n g
7
Einstufigen-mehrstufige WWS
Ein mehrstufiges Warenwirtschaftssystem ist in der Lage, die warenwirtschaftlichen

Prozesse über mehrere Handelsstufen hinweg abzubilden. Zu den modellierbaren Ebenen
gehören die Zentrale eines Handelsunternehmens, regionale Niederlassungen, Lager,
Verteilzentren, Vertriebsschienen und der Direktvertrieb. Bildet ein Warenwirtschaftssystem
lediglich eine Handelsstufe ab, spricht man von einem einstufigen Warenwirtschaftssystem.
Dezentrale oder zentrale WWS

Zentral in der Handelszentrale angesiedelt oder dezentral in den Filialen
Integrierte oder isolierte WWS

Integriert:
• Extern: Integration zu Handelspartnern
o Intern: Integration Zentrale, Filiale
o Schnittstellen zu anderen Anwendungssysteme: Integration der Datenbasis
• Isoliert: Stand Alone Systeme
3.2.3 Zentrale und Filial-Warenwirtschaftssysteme
„Ein Großteil der filialisierten Handelsunternehmen betreibt neben dem zentralen

Warenwirtschaftssystem zusätzliche Filial-Warenwirtschaftssysteme, die zumeist mit dem
zentralen System vernetzt sind. Insbesondere die technologische Weiterentwicklung der
Kassensysteme und der im Laden anfallenden Daten haben wesentlich zur Notwendigkeit
einer eigenen IT -Lösung in den Betriebsstätten beigetragen. Vom Funktionsumfang sind
Filial-Warenwirtschaftssysteme meist deutlich weniger leistungsfähig als Zentral-
Warenwirtschaftssysteme. Sie bieten jedoch neben der reinen Abverkaufserfassung auch
Bestandsführungs- und Auswertungsfunktionalität. Das Rechnungswesen eines
mehrstufigen Handelsunternehmens ist überwiegend zentralisiert. Grundsätzlich steht aber -
zumindest logisch - immer mindestens je ein dezentrales Filial- und ein Zentralsystem zur
Verfügung, wobei das dezentrale System in der Filiale mit Stamm- und Bewegungsdaten aus
der Zentrale versorgt wird und umgekehrt Bewegungs- resp. Abverkaufsdaten durch POS-
7
Hertel, J; Zentes, J; Schramm-Klein, H.: Supply-Chain-Management und Warenwirtschaftssysteme
im Handel, Springer-Verlag, Berlin, 2005 S.225

Upload an das zentrale System meldet. Bei den dezentralen Systemen können folgende
unterschiedlichen Integrationsgrade zwischen beiden Systemarten unterschieden werden
· Keine DV -Anbindung,
· reines POS-System ohne Filialwarenwirtschaft,
· Kombination von Filial-Warenwirtschaft und POS-System,
· Remote-Anbindung der Filiale an die Zentral-Warenwirtschaft.
Der Remote-Zugriff auf zentrale Warenwirtschaftssysteme gewinnt vor allem durch die
Internet-Technologie und Intranet-Lösungen an Popularität. Einige Warenwirtschaftssysteme
können vollständig über handelsübliche Browser bedient werden, so dass die Installation von
Software in der Filiale entfällt.“8
8
[BECK] S.104ff

3.3 Technologische und organisatorische Basis
3.3.1 Basis-Informationen
Lebensmittel Frische
Chemie Pharma
Allg. technische Handel
Elektro
Sanitaer Heizung
Branchenfokus
Baustoffe Fliessen
Mode
Unterhaltungselkekrt.
Versandhandel Einzelhandel
Sonstige Handelsstufe Grosshandel
EH/EG
Finanzbuchhaltung
Controlling Systemmerkmal 1:
Liquiditaetsplanung Basisinformation
Anlagenbuchhaltung 25.11.2006 - v5
Kassenbuch
Kostenstellenrechnung
Kostentraegerrechnung
Lagerverwaltung Weitere Funktionsbereiche
Personalwirtschaft
Personaleinsatzplanung
PPS
Zeiterfassung
EShop
Dokumentenmanagement
Customer Relationsship Management

3.3.2 Marktposition
Erst-Installation Installationszahlen
Systemmerkmal 2
Marktposition
25.11.2006 - v3
Versions-Nummer Gartner Magic Quadrant

3.3.3 DV-Kriterien
Hardware
Engeraete
Betriebssystem
Programmiersprachen
Systemmerkmal 3
DV-Kriterien
25.11.2006 - v5 Datenbank System
Webfaehigkeit
Lizenzpolitik

3.3.4 Bedienungsaspekte
Handbuch gedruckt
Mehrsprachigkeit Dokumentation Online
Kontextintensiv
Zeichenorientiert
Graphisch Frontends
Regelbasierte Systemkonfiguration
Webfrontend Betriebswirtschaftliche
Vordefinierte Prozessalternativen
Flexibilitaet
Sytemmerkmal 4: Pictogrammbasierte Definition von Workflows
Bedienungsaspekte User Exits
Berichtsgenerator
19.12.2006 - v5
Individuelle Menuegestaltung
Anpassbarkeit Berichte und
Maskeneditor Komplette Tastatursteuerung
Masken
Ausblenden von Maskenfeldern
Generelle systemweite Anpassungen
Berechtigungskonzept
Benutzerspezifische Anpassungen
Suchmechanismen
3.3.5 Organisationsstrukturen
Firmenuebergreifende Artikelstamm
Stammdaten Lieferantenstamm
Kundenstamm
Zentral-Filial-Strukturen
Mehrfirmenfaehigkeit
Firmenuebergreifende
Einkaufsvereinbarungen
Systemmerkmal 5:
Organisationsstrukturen
25.11.2006 - v4
Artikelgruppen
Firmenuebergreifende Hierarchien Einkaufsgruppen
Vertriebsgruppen
Manuell
Lieferung zwischen Firmen
Automatisch
Firmenuebergreifende
Bestandstransparenz

3.3.6 Filialmanagement
Bestandsfuehrung Wertmaessig (EK-Preis)
Wertmaessig VK-Preis
Elektronischer Ordersatz
Zentral
Dezentral
Dispositionsprinzip
Gemischt
Nachschubdisposition (one-sell-one-buy)
Automatische Bestandsverschiebung
Systemmerkmal 22 Umlagerung Manuelle Bestandsverschiebung
Filialmanagement Verkauf zu Zentrale und Filiale
25.11.2006 - v5
Gutscheinverwaltung
Download
Verdichtete Verkaufsvorgaenge
Unverdichtete Verkaufsvorgaenge
Upload
Anbindung an ein Kassensystem Warenbewegungen
Geldbewegungen
Eigene PC-Kasse
Kassenschnittstellen
3.3.7 Führungsinformation
Perioden
Artikel
Bezugsobjekt
Kunden
Regionen
Auftragseingang
Lieferungen
Prozessphase
Fakturen
Reklamationen
Systemmerkmal 23
Fuehrungsinformationssystem
Ist/Plan
30.11.2005 - v3 Vergleich Ist/Ist Vormonat
Ist/Ist Vorjahr
Kunden
Artikel
ABC-Analyse Umsatz
Deckungsbeitrag
Plan/Ist Abweichungen

3.3.8 Datenaustausch
Lieferantenanfrage
Lieferantenangebot
Belegarten Beschaffung
Lieferantenbestellungen
Lieferantenrechnung
Kundenanfrage
Kundenangebot
Belegarten Distribution Kundenauftrag
Kundenlieferavis
Kundenrechnung
Systemmerkmal 24
Datenaustausch
30.11.2005 - v2 SEDAS
EDI-Formate DATANORM
Weitere
EANCOM
Subset
Weitere

3.4 Die Datenbasis: Stammdaten und Transaktionsdaten
3.4.1 Stammdaten
Stammdaten sind Daten, die über einen längeren Zeitraum unverändert sind. Zu den
wichtigsten Stammdaten zählen:
• der Artikelstamm
• der Kundenstamm
• der Lieferantenstamm
Eine eindeutige Identifikation der einzelnen Stammsätze ist besonders wichtig. Möglichkeiten
dazu sind
• Identnummer
o Eindeutige und unverwechselbare Kennzeichnung. Am einfachsten eine
fortlaufende Nummerierung
• Klassifizierungsnummer
o “sprechende” Nummer. Vergabe von Nummern auf Grund von Eigenschaften
oder Attribute einer Menge gleichartiger Objekte
• Verbundnummern
o Ein klassifizierender Teil ist mit einer Zählnummer verbunden (Autokennzeichen)
• Parallelnummer
o Der identifizierende Teil ist vom klassifizierenden Teil getrennt
• Sachmerkmalsleiste nach DIN 4000
o Zusammenstellung der für eine Objektgruppe wichtigen Merkmale.
Der Artikelstamm ist das zentrale Konstrukt in der Warenwirtschaft.

Bei Artikel- oder Warenstämmen im Handel nimmt die EAN-Nummer eine gesonderte
Stellung ein.
Quelle: „Handels-H-Modell“ EINKAUF Vorlesung Handelsinformationssysteme Prof. Dr. J.
Becker SS 2005
Konzept eines Aufbaus eines Artikelstammsatzes

Quelle: Nach Schütte/Vehring, a.a.O., S.:177ff
3.4.2 Die EAN

Europäische Artikelnummer oder jetzt Internationale Artikelnummer
Die Europäische Artikelnummer gibt es als 13stellige oder verkürzte 8stellige Ziffernfolge.
Für die obige Abbildung heißt das: Herstellerland ist Deutschland, der Hersteller ist BASF,
das Produkt eine Videokassette E 300.

Zur Ländernummer:
Zur Betriebsnummer und Artikelnummer
Die Identifikationssysteme im Überblick
• ILN Internationale Lokationsnummer: zur Identifikation von Unternehmen und

Unternehmenseinheiten engl.: Global Location Number, GLN
• Internationale Artikelnummer (EAN) zur Identifikation von Artikeln (Verkaufs- und
Handelseinheiten) engl.: Global Trade Item Number, GTIN
• Nummer der Versandeinheit (NVE) zur Identifikation von Versandeinheiten, engl.:
Serial Shipping Container Code, SSCC
• EAN-Identnummer für Mehrweg-Transportverpackungen (MTV) zur Identifikation von
wiederverwendbaren Verpackungen und Transporthilfsmitteln, engl.: Global
Returnable Asset IDentifier, GRAI
Den Schlüssel zu den Nummernsystemen bildet die ILN. Die in ihr enthaltene Basisnummer
ist Grundlage für die darauf aufbauenden EAN-Artikelnummern, Nummern der
Versandeinheiten etc. Diese werden durch das regelgerechte Anfügen eigener
Nummernbestandteile von den Unternehmen selbst gebildet.

International verantwortliche Institution für diese Nummernsysteme ist die EAN-Organisation
mit über 70 nationalen Mitgliedern, welche auf Länderebene als autorisierte Vergabestellen
von entsprechenden (Basis-)Nummern fungieren. In Deutschland ist dies die GS1-Germany
GmbH. Die Zuweisung von ILN Nummern ist kostenpflichtig.
ILN - Internationale Lokationsnummern (Typ 1)
Diese 13-stellige Lokationsnummer weist jedem interessierten Wirtschaftsteilnehmer eine

spezifische Nummer zu. Diese dient beispielsweise der Identifikation bzw. Adressierung im
Austausch von Daten zwischen Geschäftspartnern
ILN - Internationale Lokationsnummer (Typ 2)
Diese ebenfalls 13-stellige Lokationsnummer besteht aus einer 7-, 8- oder 9-stelligen
Basisnummer, welche den jeweiligen Wirtschaftsteilnehmer identifiziert, einer 5-, 4- oder 3-
stelli-gen Nummer, die vom Wirtschaftsteilnehmer selbst generiert werden kann, sowie einer
1-stelligen Prüfziffer. Die selbst zu generierenden Ziffern ermöglichen es Unternehmen
beispielsweise für einzelne Filialen, Abteilungen oder auch einzelne Wareneingangsrampen
unterschiedliche Lokationsnummern zu definieren.
EAN - Internationale Artikelnummer
Die EAN ermöglicht eine eindeutige Identifizierung von Waren. Sie besteht ebenfalls aus 13
Stellen und ist vergleichbar der ILN Typ 2 zusammengesetzt. Die 7-, 8- oder 9-stellige
Basisnummer dient der Identifizierung des Markenherstellers (Hersteller oder Lieferant),
während die nächsten 5, 4 bzw. 3 Ziffern die handelsbetriebsinternen Artikelnummern sind,
welche vom jeweiligen Handelsbetrieb generiert werden. Die letzte Ziffer ist erneut eine
international abgestimmte Prüfziffer. Auch die EAN kann in strichcodierter Form dargestellt

werden. Dies ermöglicht beispielsweise ein Scannen des Preises an Warenkassen oder ein
Erfassen der Ar-tikel für Zwecke des Wareneingangs bzw. der Kommissionierung. Wenn
zusätzliche Artikel-informationen (Charge, Haltbarkeit etc.) erfasst werden sollen, steht
hierfür das System EAN 128 zur Verfügung.
NVE - Nummer der Versandeinheit

Die NVE ermöglicht eine eindeutige Identifikation von Sendungen auf ihrem Weg vom
Absender über das Transportunternehmen zum Empfänger. Die NVE setzt sich aus einem
Ver-packungskennzeichen, der 7- bis 9-stelligen Basisnummer, einem 9-, 8- oder 7-stelligen
Nummernteil zur Identifizierung der Versandeinheit sowie einer Prüfziffer zusammen. Die
Identifizierung von einzelnen Versandeinheiten ermöglicht beispielsweise die Verfolgung
einer Sendung, das Routing, Rückrufaktionen oder die Einrichtung von
Qualitätssicherungssystemen.9
Zur Prüfziffer:
Mit Hilfe der letzten Ziffer, der Prüfziffer, können falsche Artikelnummern festgestellt werden.
Dabei wird wie folgt geprüft: Von links nach rechts werden die einzelnen Ziffern abwechselnd
mit den Faktoren 1 und 3 multipliziert und die Produkte addiert. Der EAN wird nur dann
akzeptiert, wenn die so gebildete Prüfsumme ohne Rest durch 10 teilbar ist. Soll also die
Prüfziffer bestimmt werden, so bildet man zunächst die Prüfsumme für die ersten 12 Stellen.
Die richtige Prüfziffer ergibt sich dann durch Ergänzung zum nächsten Vielfachen
von 10.
Nachteile der EAN-Nummern

Mehrdeutigkeit: Für einen Artikel können mehrere EANs existieren wenn er
a) von mehreren Herstellern hergestellt wird oder
b) von einem Hersteller in mehreren Ländern
3.4.3 Klassifizierungen
3.4.3.1 Standardwarenklassifikation10
Die Standard-Warenklassifikation wird bereits seit 1978 in Deutschland genutzt. Aufbauend
auf der Binnenhandelsstatistik des Statistischen Bundesamtes umfasst sie heute nach
mehrmaliger Aktualisierung eine Vielzahl der unterschiedlichsten Warenbereiche und kann
damit branchenübergreifend eingesetzt werden. Besonders hohe Akzeptanz genießt die
Standard-Warenklassifikation in der Konsumgüterwirtschaft zur Unterstützung der
Geschäftsbeziehungen zwischen Industrie und Handel.
Aufbau
9
http://www.darmstadt.ihk24.de/servicemarken/branchen/Handel,_Absatzwirtschaft/~$EAN.jsp
abgerufen am 12.12.2006
10
Quelle:GS1: http://www.gs1-
germany.de/internet/content/produkte/ean/dienstleistungen/klassifikationen/gpc/index_ger.html vom
17.12.2006

Die Standard-Warenklassifikation ist ein dreistufiger, hierarchischer Klassifikationsschlüssel,
auf dessen dritter Stufe die vierstellige Nummer der Artikelgruppe zu finden ist.
Mit dem internationalen Klassfikationsstandard "Gobal Product Classification" steht

Anwendern ein effizientes Instrument für grenzüberschreitende Warenverkehre in Ergänzung
zur Standard-Warenklassifikation zur Verfügung.
3.4.3.2 Global Product Classification (GPC)

Angesichts des hohen grenzüberschreitenden Handelsaufkommens ist für international agie-
rende Unternehmen eine weltweit standardisierte Klassifikation erforderlich, um ihre Ein-
kaufs- und Beschaffungsprozesse zu erleichtern. Eine Anforderung, der die Global Product
Classification (GPC) gerecht wird. Seit Mai 2003 steht sie den Anwendern als anerkannter
EAN-Standard zur Verfügung. Die GPC umfasst heute die Warenbereiche Food, Beverages,
Tobacco Products sowie die FMCG-Bereiche Baby Care, Beauty-Personal Care-Hygiene,
Healthcare, Homecare und Pet Care. Weitere Warengruppen werden sukzessive ergänzt.
Aufbau
Global Product Classification (GPC)

Angesichts des hohen grenzüberschreitenden Handelsaufkommens ist für international agie-
rende Unternehmen eine weltweit standardisierte Klassifikation erforderlich, um ihre Ein-
kaufs- und Beschaffungsprozesse zu erleichtern. Eine Anforderung, der die Global Product
Classification (GPC) gerecht wird. Seit Mai 2003 steht sie den Anwendern als anerkannter
EAN-Standard zur Verfügung. Die GPC umfasst heute die Warenbereiche Food, Beverages,
Tobacco Products sowie die FMCG-Bereiche Baby Care, Beauty-Personal Care-Hygiene,
Healthcare, Homecare und Pet Care. Weitere Warengruppen werden sukzessive ergänzt.
3.4.3.3 United Nations Standards Products and Services Code (UNSPSC

Der United Nations Standards Products and Services Code – kurz UNSPSC – ist eine aus
dem nordamerikanischen Raum stammende Klassifikation. Sie wurde 1998 entwickelt und
wird seit Mai 2003 von GS1 US verwaltet. Aufgrund ihrer breit gefächerten Warenbereiche
kann sie branchenübergreifend zur Unterstützung elektronischer Einkaufs- und
Verkaufsprozesse eingesetzt werden.
Aufbau
Die hierarchische aufgebaute UNSPSC-Klassifikation umfasst vier Stufen. Ist ein tieferer
Detaillierungsgrad erwünscht, kann sie durch eine weitere, unternehmensspezifische Stufe
ergänzt werden.
Da die UNSPSC lediglich der reinen Klassifikation von Produkten dient, wird sie in
verschiedenen Segmenten, wie z. B. in den Bereichen Food, Beverages,Tobacco Products,
optimal durch die GPC ergänzt. Letztere bietet unter ihrer Brick-Ebene (entspricht der
Commoditiy-Ebene bei UNSPSC) Merkmale, mit deren Hilfe Anwender Produkte näher
beschreiben können.
3.4.3.4 Zentraler Stammdatenabgleich

Stammdaten Management
Die SINFOS GmbH betreibt das ursprünglich von GS1 Germany entwickelte Portal für
Artikelstammdaten. Industrie und Handel rationalisieren ihren Warenverkehr, indem sie ihre
Artikelstammdaten nicht bilateral, sondern multilateral über den zentralen Pool der SINFOS
GmbH abgleichen. Charakteristisch für das SINFOS-Portal ist, dass es sich auf international
standardisierte Inhalte, Prozess-Regeln und Funktionen stützt.
3.4.4 Weitere standardisierte Kennzeichen

3.4.4.1 NACE-Code
Der NACE Code: Die Klassifikation der Wirtschaftszweige der Europäischen Union
Mit der NACE (“Nomenclature statistique des Activités économiques dans la Communauté
Européenne” – Statistische Systematik der Wirtschaftszweige in der Europäischen
Gemeinschaft) wurde eine einheitliche statistische Systematik der Wirtschaftszweige in der
Europäischen Gemeinschaft geschaffen. Die Vergleichbarkeit zwischen den nationalen
Systematiken und der Gemeinschaftssystematik und zwischen den nationalen und den
gemeinschaftlichen Statistiken ist somit gewährleistet.
Der WZ2003 des statistischen Bundesamtes baut darauf auf.
01 Landwirtschaft, gewerbliche Jagd

02 Forstwirtschaft
05 Fischerei und Fischzucht
10 Kohlenbergbau, Torfgewinnung
11 Gewinnung von Erdöl und Erdgas, Erbringung damit verbundener Dienstleistungen
12 Bergbau auf Uran- und Thoriumerze
13 Erzbergbau
14 Gewinnung von Steinen und Erden, sonstiger Bergbau
15 Ernährungsgewerbe
16 Tabakverarbeitung
17 Textilgewerbe
18 Bekleidungsgewerbe
19 Ledergewerbe
20 Holzgewerbe (ohne Herstellung von Möbeln)

21 Papiergewerbe
22 Verlagsgewerbe, Druckgewerbe, Vervielfältigung von bespielten Ton-, Bild-, und
Datenträgern
23 Kokerei, Mineralölverarbeitung, Herstellung und Verarbeitung von Spalt- und Brutstoffen
24 Chemische Industrie
25 Herstellung von Gummi- und Kunststoffwaren
26 Glasgewerbe, Keramik, Verarbeitung von Steinen und Erden
27 Metallerzeugung und -bearbeitung
28 Herstellung von Metallerzeugnissen
29 Maschinenbau
30 Herstellung von Büromaschinen, Datenverarbeitungsgeräten

31 Herst. von Geräten der Elektrizitätserzeugung, -verteilung u.ä.
32 Rundfunk-, Fernseh- und Nachrichtentechnik
33 Medizin-, Mess-, Steuer- und Regelungstechnik, Optik
34 Herstellung von Kraftwagen und Kraftwagenteilen
35 Sonstiger Fahrzeugbau
36 Herstellung von Möbeln, Schmuck, Musikinstrumenten, Sportgeräten, Spielwaren und
sonstigen Erzeugnissen
37 Recycling
40 Energieversorgung
41 Wasserversorgung
45 Baugewerbe
50 Kraftfahrzeughandel, Instandhaltung und Reparatur von Kraftfahrzeugen, Tankstellen

51 Handelsvermittlung und Grosshandel (ohne Handel mit Kraftfahrzeugen)
52 Einzelhandel (ohne Handel mit Kraftfahrzeugen und ohne Tankstellen)
55 Gastgewerbe
60 Landverkehr, Transport in Rohrfernleitungen

61 Schifffahrt
62 Luftfahrt
63 Hilfs- und Nebentätigkeiten für den Verkehr
64 Nachrichtenübermittlung
65 Kreditgewerbe
66 Versicherungsgewerbe
67 Mit dem Kredit- und Versicherungsgewerbe verbundene Tätigkeiten
70 Erschließung, Kauf und Verkauf von Grundstücken, Gebäuden und Wohnungen

71 Vermietung beweglicher Sachen ohne Bedienungspersonal

72 Datenverarbeitung und Datenbanken
73 Forschung und Entwicklung
74 Erbringung von Dienstleistungen überwiegend für Unternehmen
75 Öffentliche Verwaltung, Verteidigung, Sozialversicherung
80 Erziehung und Unterricht

85 Gesundheits-, Veterinär- und Sozialwesen
90 Abwasser- und Abfallbeseitigung und sonstige Entsorgung

91 Interessenvertretungen sowie kirchliche und sonstige religiöse Vereinigungen
92 Kultur, Sport und Unterhaltung
93 Erbringung von sonstigen Dienstleistungen
95 Private Haushalte
99 Exterritoriale Organisationen und Körperschaften
3.4.4.2 Länderkennzeichen
1. ISO-2/Stat. BA - Länderkurzbezeichnungen – ISO-Alpha-2-Codes der ISO (International
Organization for Standardization) bzw. die vom Statistischen Bundesamt (Stat. BA)
verwandten Abkürzungen (ISO 3166 (-1,-2,-3)
2. ISO-3 – Währungskürzel – ISO-Alpha-3-Codes der ISO (International Organization for
Standardization)
3. LKZ - Länderkennziffer nach der Außenhandelsstatistik
4. Kurzbezeichnung - Länderkurzbezeichnungen nach der Außenhandelsstatistik
5. Präf.-Kürzel - Länderkürzel nach dem Präferenzrecht
6. KFZ-Kennzeichen – Kraftfahrzeugkennzeichen
3.4.4.3 Intrastat Warenarten, Warenverzeichnisse
Intrastat: Erhebungssystem im Rahmen der Europäischen Union für den

innergemeinschaftlichen Warenaustausch Dieses sieht eine Erhebung der diese
Warenverkehre betreffenden statistischen Informationen direkt bei den beteiligten
Unternehmen vor.
Die Warenarten werden entsprechend der 8-stelligen Warennummer des arenverzeichnisses
für die Außenhandelsstatistik (WA) untergliedert.
Beispiel Kapitel 4:Milch und Milcherzeugnisse; Vogeleier; natürlicher Honig; genießbare

Waren tierischen Ursprungs, anderweit weder genannt noch inbegriffen

3.4.5 Bewegungsdaten
Transaktionsdaten oder Bewegungsdaten sind Daten, die während der Durchführung der
Prozesse entstehen. Dazu gehören:
• Lieferantenbestellungen
• Kundenbestellungen
• Kassendaten
• Lagerbestandsdaten
Diese Transaktionsdaten unterliegen einem häufigen Änderungsprozess: Anlegen, Ändern,

Löschen bzw. Archivieren. Die Transaktionsorientierten Systeme sind dazu ausgelegt,
solche Daten möglichst optimal zu behandeln.

3.5 Die Prozesse
Keine Aktion ohne Bedarf
Kasse /POS
Prognosen
Kundenauftrag
Netzplan im Projekt
Bedarfsplanung
Lagerbestand
Manuelle Eingaben
Warenverteilung
Produktion Einkauf Lager
Service + Reparatur
Auftragsvorschläge
Bedarfe aus verschiedenen Bereichen gehen in die Bedarfsplanung ein. Ergebnis der
Bedarfsplanung sind Einkaufs- Lager, ggf. Produktionsvorschläge
3.5.1 Der Beschaffungsprozess
E in k a u f
W a re n - R echnungs- K re d ito r e n -
D is p o s itio n e in g a n g p rü fu n g b u c h h a ltu n g

3.5.1.1 Der Einkauf
L ie f e r a n t e n - L ie f e r a n t e n -
E in k a u f v e r w a l tu n g p f le g e
L ie f e r a n t e n -
b e w e r tu n g
A r ti k e l -
v e r w a l tu n g
K o n d i ti o n e n - R e chn u ng -
v e r w a l tu n g k o n d it io n e n
N a c h t r ä g lic h e
K o n d i t io n e n
K o n tr a k t- M e n ge n -
v e r w a l tu n g k o n t ra kt
W e r tk o n t r a k t
L ie f e rp la n
3.5.1.2 Die Disposition
D is p o s it io n L im it re c h n u n g
B e d a r fs - V e rb r a u c h s -
rech n u n g g e s te u e r te
P rog n o se
P ro g ram m -
geb un de ne
B e d a rf sre c h n u n g
B e s t e ll- L ie f e ra n t e n -
m e n g en - a u sw a h l
rech n u n g
L ie f e r m e n g e n
u n d – z e it e n
f e s t le g e n
A u f t e ilu n g
B e s t e ll-
ü b e r m it t lu n g
B e s t e ll-
ü b e rw a c h u n g

Die verbrauchsgesteuerte Disposition
Bei der verbrauchsgesteuerten Produktion erfolgt der Anstoß zur Disposition über die
Verfolgung des Lagerbestandes.
In der Bestellpunktdisposition wird erfolgt eine Bedarfsauslösung, wenn ein zuvor definierter
Lagerbestand unterschritten wird. In der Bestellrhythmusdisposition erfolgt die
Bedarfsauslösung in einem definierten Zeitintervall.
Bestellpunktsdisposition
11
Definition einiger Begriffe im Zusammenhang mit der verbrausorientierten Disposition
Lagerbestand körperlich vorhandene Materialien im Lager

Durchschnittsbestand Mittelwert über eine längere Periode
Puffer bei Zulieferschwierigkeiten, Ausfällen oder
Sicherheitsbestand oder
Mindest bestand unsicherer Planung, wird nicht
Mindestbestand
verplant
Wert, bei dessen Unterschreitung Bestellungen
Meldebestand I ausgelöst werden (muss so hoch sein, dass während
Bestellpunkt der Beschaffungszeit der Sicherheitsbestand nicht
angegriffen wird)
maximal zugelassener Bestand; oft durch räumliche
Höchstbestand
Abgrenzungen vorgegeben
Wiederbeschaffungszeit Zeit zwischen Bestellauslösung und Materialeingang
11
[EBEL] S.259 [TEMPEL] S.249 ff

Bestellstrategien
Folgende Bestellstrategien lassen sich unterteilen, wenn man Bestellpunkt, Bestellrhythmus
und die zu bestellende Menge betrachtet
s: Bestellpunkt
T: Bestellrhythmus
q: feste oder optimale Bestellmenge
S: Höchstbestand
Quelle: Bernd Ebel: Produktionswirtschaft. 8. Auflage. Leipzig 2003. Anstatt vom Bestellpunktrythmus
spricht man einfacher vom Bestellrythmus

3.5.1.3 Der Wareneingang
W aren-
W a r e n e in g a n g e in g a n g s -
p la n u n g
W a re n a n -
n ahm e
W aren- Q u a n t it a t iv e
k o n t r o ll e W a re n -
k o n t ro lle
Q u a l i ta t i v e
W a re n -
k o n t ro lle
W aren- E rf a s s u n g m it
e in g a n g s - B e s t e llb e z u g
e rf a s s u n g
E rfa s s u n g
o hne
B e s t e llb e z u g
R ü c k s ta n d s - M a n u e lle
a u fl ö s u n g Z u t e ilu n g
A u t o m a ti s c h e
Z u t e ilu n g
W aren-
e in la g e ru n g
3.5.1.4 Die Rechnungsprüfung
R echn un gs- R e ch nu ngs - S c h r i f tl i c h e

p rü f u n g e m p fa n g R echn un gen
E le k t ro n is c h e
R echn un gen
R e ch nu ngs -
e rf a s s u n g
R e ch nu ngs -
k o n t r o l le
N a c h t rä g lic h e
V e r g ü tu n g

3.5.1.5 Die Debitorenbuchhaltung
D e b it o r e n - D e b i t o re n -
b u c h h a ltu n g s ta m m d a te n -
p f le g e
B u ch u n g
R e ch n u n g / B u ch u n g
G u ts c h ri ft/ n a c h tr . R e ch n u n g
A b rec h n u n g
B u ch u n g
G u ts c h r ift
B u ch u n g
n a c h t r ä g li c h e
A b re ch n u n g
E in z u g un d A b n e h m e r-
A b b u ch u n g r e g u l ie r u n g
Z a h ll a u f
R e g u l ie r u n g d u r c h
m a n u e l le ( n )
E in zu g / A b b u c h u ng
B u c hu n g d e s
Z a hlu n g s -
e in g a n g s
M a h n u ng
K r e d it -
m a n a g e m e n t
V e r z in s u n g

3.5.2 Das Lager
L a g e rs t a m m -
La ge r d a t e n p f le g e
U m la g e r u n g
u nd
U m b uchu n g
M TV -
V e r w a lt u n g
In v e n t u r d u r c h - I n v e n t u r d u rc h -
fü h r u n g fü h r un g L ag er
I n v e n t u r d u rc h -
f ü h ru n g F ilia le
La ge r-
s te u e r u ng

3.5.3 Der Distributionsprozess
Marketing
W aren- D ebitore n-
Ve rkauf ausgan g Fakturieru ng bu ch haltung
3.5.3.1 Marketing
K un den -
M a rk e t in g m a na gem e nt
S o r ti m e n t s - S o rt im e n t s -
p o l i ti k b ild u n g /
A rt ik e llis t u n g
A b s a tz -
p la n u n g
K o n d i t io n s -
p o l i ti k
P r o v is io n s -
p o l i ti k

3.5.3.2 Der Verkauf
A n g e b o ts -
V erkau f b e a r b e it u n g P r e is a u s k u n f t
S c h r if t lic h e s
A n ge bo t
A us-
s c h re ib u n g s -
b e a r b e it u n g
A u ft r a g s -
b e a r b e it u n g A u f t r a g s a rt e n
V e rf ü g -
b a r k e it s -
p r ü fu n g
B o n it ä t s -
p r ü fu n g
R e k l a m a ti o n s -
b e a r b e it u n g
A u ß e n d i e n s t-
u n te r s t ü t z u n g
3.5.3.3 Der Warenausgang
W aren au s- T o u re n -
ga ng p la n u n g
K o m m is -
s io n ie r p la n u n g
K o m m is - K o m m is -
s i o n ie r u n g s io n ie ru n g s -
s t r a te g ie
K o m m is -
s io n ie rb e le g
W A - E rf a s s u n g
/ B e s ta n d s -
bu chu n g
V e r sa n d -
a b w ic k lu n g

3.5.3.4 Die Fakturierung
L ie f e rs c h e in -
F a k t u rie ru n g b e w e rt u n g
R e ch n un gs - E in z e l-
e r s t e llu n g re c h n u n g
S a m m e l-
re c h n u n g
G u t- /
L a s t s c h rif t e n -
e r s t e llu n g
B e re c h n u n g
n a c h t rä g lic h e r
V e r g ü tu n g

3.6 Der Softwareauswahlprozess
Die Prozessschritte
• Lastenheft
• Dimensionen von Funktionscheckliste
• Von der Longlist zur Shortlist
• Angebote einholen
• Vorbereitung und Durchführung von Anbieterpräsentationen
• Vorbereitung und Durchführung von Referenzbesuchen
• Entscheidungskriterien
• Vertragsgestaltung

3.7 Der Softwareeinführungsprozess
3.7.1 Die Herausforderung
Stabilisierungsphase Optimierungsphase
Perspektiven
Erwartete
Performance
Performance
des Altsystems
•Maßnahmen zur Stabilisierung

Katastrophe:
•Liquiditätsprobleme
•Lieferprobleme
•Inkonsistente Daten
Zeit
•User Boykott
Go Life Ende Kontinuierlicher Neue Technologie
Stabilisierung Verbesserungsprozess
3.7.2 Einführungsstrategien
Prinzipielle Einführungsstrategien
Im Verhältnis von Prozessen und Software
• 1:1 Einführung: Die alten Prozesse werden 1:1 unverändert im
Warenwirtschaftssystem abgebildet.
• Zunächst werden die Geschäftsprozesse optimiert und danach die Software
implementiert
• Simultane Geschäftsprozessoptimierung und Einführung des
Warenwirtschaftssystems
Umfang der Einführung:

• Big Bang Einführung: Alle Teilmodule werden gleichzeitig in Betrieb genommen
• Inkrementelle Einführung: Funktionsbereiche werden nacheinander eingeführt.
3.7.3 Einführungsmodelle
Es gibt unterschiedliche Modelle der Einführung von Warenwirtschaftssystemen
Man kann sich an den Vorschlägen der Hersteller (z.B. SAP, Microsoft u.a.) orientieren, an
Modellen der Unternehmensberatungen oder an Vorschlägen von Institutionen, z.B. V-
Modell, das im öffentlichen Bereich weit verbreitet ist,
Die meisten Einführungskonzepte legen ein einfaches Wasserfallmodell zu Grunde. Als

Beispiel wird hier das Phasenkonzept von Ernst&Young angeführt, das einen expliziten
simultanen Ansatz von Geschäftsprozessoptimierung und Softwareeinführung verfolgt.

Der Ansatz Package Enabled Reengineering sieht drei Phasen mit jeweils spezifischen
Aktivitäten vor.
3.7.3.1 Phase 1 “Istreview, Visioning und Sollkonzeption”
Review Istzustand
Prozesse Infrastrukrur Sollkonzeption
Soll-Gesch. Gaps
Vorgänge Abbild. bearbeiten
definieren. der
Kern-
prozesse
in
Abgleich BaaN Umsetzungs-
Visioning mit planung des
BaaN BaaN IV-
Managem. Best Einsatzes
ziele Practice
Aufbau der Projekt- Konzeption Live-

Infrastruktur Infrastruktur
Bemerkungen zur Gap-Analyse: Diese erfolgt in zwei Richtungen:

• Feststellung der Lücken zwischen Anforderungen des Benutzers und der Software
o Software ändern oder
o Add ons besorgen oder
o Organisation ändern
• Lücke zwischen den Prozessen des Kunden und dem Optimierungspotential der
Software
o Optimierungspotential der Software zum Reengineering nutzen
3.7.3.2 Phase 2: “Feinkonzeption und Prototyping”
Design und Prototyping

Ergebnis der Geschäftsvorfälle BaaN IV
Phase 1 Fkt.lücken
schließen
Soll Design
Konzeption Prototyp
Proto- abstimmen
typing
Um-
setzungs- Integration
Planung BaaN
Infra- Infra-
struktur struktur
vervoll- einführen
ständigen

3.7.3.3 Phase 3: Implementierung
Schulungs- Betreuung
Ergebnisse konzept nach Pro-
Phase 2 Imple- umsetzen duktivstart
mentie-
rung
Proto- planen Produktiv-

typ start
Optimi-
System- rung
test planen
3.7.4 Das Key-User Konzept
Berater Key-User End-User
Verantwortung Verantwortung
Projektstart Prototyp Life-Simulation

abgenommen abgenommen
Allgemeine Idee
• Übertragung von Verantwortung von externen Beratern über Key-user zum
Endbenutzer
• Sicherung der Unabhängigkeit von externer Beratung
• Weg von der Konsumentenhaltung zur Verantwortungsübernahme
• Vermittlerrolle von der Fachabteilung zur Projektorganisation
• Aufnahme von Anforderungen aus der Abteilung
• Wissenstransfer vom Projekt in die Abteilung
• Persönliche Merkmale: Kompetent, akzeptiert, durchsetzungsfähig

4 Data Warehouse in der Warenwirtschaft
4.1 Problemstellung
4.1.1 Motivation
Entscheidungen, die ein Unternehmen erfolgreich weiterbringen setzen den „analytischen +

navigierenden“ + schnellen“ Zugriff auf „qualitativ-hochwertige“ Informationen voraus.
„Analytischer“ Zugriff bedeutet, dass dem Anwender
1. die „klassische BI“-Fragen12 beantwortet werden:

Gesucht: Wert einer Kennzahl (z.B. Umsatz)
Bekannt: Sichtweisen der Betrachtung (z.B. Artikel-Gruppe, Kunden-Gruppe, Zeit)
Beispiele aus dem Warenwirtschafts-Controlling
• Wie war der Umsatz in Abhängigkeit von der Artikel-Gruppe
o Wie war der Umsatz bei Herrenfahrräder?
o Wie war der Umsatz bei Damenfahrräder?
• Wie war der Umsatz in Abhängigkeit von der Kunden-Gruppe
o Wie war der Umsatz im Einzelhandel?
o Wie war der Umsatz im Großhandel?
• Wie war der Umsatz in Abhängigkeit von der Zeit
o Wie war der Umsatz im 1. Quartal 2005?
o Wie war der Umsatz im 2. Quartal 2005?
2. „Data-Mining“-Fragen beantwortet werden:

Gesucht: Sichtweisen, die die Ursachen für gute oder schlechte Kennzahlen aufzeigen (z.B.
Artikel-Gruppe, Kunden-Gruppe, Zeit)
Bekannt: Wert einer Kennzahl (z.B. Umsatz)
Beispiele aus dem Warenwirtschafts-Controlling
12
BI bedeutet Business Intelligence. Der Begriff wird hier gleichbedeutend mit Performance
Manaegment, Data Warehousing oder analytischen Informationssystemen verwendet

• Gestellte Frage: Welche Sichtweisen (z.B. Artikel-Gruppe, Kunden-Gruppe, Zeit)
zeigen die Ursachen für schlechten Umsatz am besten auf?
• Mögliches Ergebnis: Wichtigste Erklärungsgröße sind die Damen-Fahrräder, dann
folgt Einzelhandel und dann 2.Quartal
3. mit Hilfe von “Methoden“ neue Erkenntnisse“ gewinnen kann:
• ABC-Analyse
• Portfolio-Analyse
• Zeitreihen-Analyse
• Kreuz-Tabellen-Analyse
• Geo-Analysen
• etc.
“Navigierender“ Zugriff bedeutet,

• dass der Anwender ad hoc“ durch Informationen navigieren kann. I.d.R. macht er die
Reihenfolge der jeweils nächsten Frage vom Ergebnis der zuvor gestellten Frage
abhängig und kennt somit seinen Informationsbedarf meist erst sehr spät. Dem
widersprechen „vorgefertigten“ EDV-Listen bzw. Abfragen. „Give me what I want,
then I can tell you what I really want.“
• durch ein „drill down“ in die tiefere oder ein „roll-up“ auf die höhere Verdichtungs-
Ebene navigieren kann Stellt er z.B. fest, dass der Umsatz der Herrenfahrräder sehr
schlecht geworden sie, so will er „sofort“ zu den Einzel-Artikeln „hinabbohren“. Ist er
an den zentralen Konzern-Daten interessiert, dann will er vielleicht vom Großhandel
„hoch-rollen“ zu den Kunden eines Landes oder eines Kontinents
„Schneller“ Zugriff bedeutet, dass der Anwender

• „transparent“ zugreifen kann, d.h. sich nicht darum kümmern muss, WO die Informationen
gespeichert sind und wie sie ZUSAMMENHÄNGEN
• „performant“ zugreifen kann, d.h. dass er die Ergebnisse seiner Recherchen schnell angezeigt
bekommt
Zugriff auf „qualitativ-hochwertige“ Informationen bedeutet, dass der Anwender

nicht mit „schlechten“ Informationen überflutet (information overload) sondern in seiner
„Wissensbildung“ unterstützt wird . „Wir ertrinken in Informationen, aber wir sind durstig nach
Wissen.“ (John Naisbitt)

4.1.2 Wo drückt der Schuh: Grenzen der traditionellen
Entscheidungsunterstützung
Probleme beim „analytischen“ Zugriff
• Gesamtumsatz 121300 €
• Einzelhandel: 99.000€; Großhandel: 22.300€
• Damenfahrräder: 57.300€; Herrenfahrräder: 64.000€
• Billigheim: 34.000€; Mosbach: 87.300€
• Billigheim/EH: 34.000€; Billigheim/GH: 0€; Mosbach/EH: 65.000€; Mosbach/GH: 22.300€
• Etc.
Klassische BI-Frage (am Beispiel der Frage: Wie viel Umsatz wurde mit Herrenfahrrädern in
Mosbach gemacht?)
• Umsatz: kann aus Tabelle Rechn_Pos‘s (über Re_Art-Menge *Re_DM/Stck) entnommen
werden.
• Herrenfahrräder: kann aus Tabelle Art-Gruppen entnommen werden (man braucht aber
auch die Tabelle Artikel um den Bezug zur Tabelle Rechn_Pos‘n herstellen zu können
• Mosbach :kann aus Tabelle Orte entnommen werden (man braucht aber auch die
Tabellen Läden und Rechnungsköpfe um den Bezug zur Tabelle Rechn_Positionen
herstellen zu können).
• FAZIT: Um eine Antwort auf die oben gestellte Frage zu bekommen muss man zunächst
wissen, welche der Tabellen zu verbinden sind, dann muss man die (in diesem Falle 6!!!
Tabellen) miteinander verbinden.
• Data-Mining Frage (am Beispiel der Frage: Was sind die Faktoren, die zu den geringen
Umsätzen in Mosbach am meisten beitragen; ist es eher die Artikelgruppe
Herrenfahrräder oder eher die Zeitgruppe 2.Quartal, oder beides zusammen oder … oder
?)Solche Fragen lassen sich auf der Basis von traditionellen Warenwirtschafts-
Datenbanken kaum beantworten.
• Methodeneinsatz (am Beispiel der Frage: Verhalten sich A-Artikel anders als B-
Artikel).Solche Fragen lassen sich auf der Basis von traditionellen Warenwirtschafts-
Datenbanken kaum beantworten.

Probleme beim „navigierenden“ Zugriff
Vorgefertigte Berichte decken nicht den „Analyse“-Bedarf ab sondern nur den Bedarf an
regelmäßiger Informationen
• Das ad-hoc-Erstellen von Abfragen ist für den Mitarbeiter aber sehr zeitaufwändig
• Es ist kaum vorstellbar, dass man so viele Abfragen „vorgefertigt“ abspeichert, wie man
braucht um „ad hoc“ zu navigieren
• Je mehr Abfragen vorgefertigt sind, desto weniger wird sich der Mitarbeiter an den
genauen Inhalt von z.B. Abfrage 4711 erinnern
• FAZIT heute: „Listen anschauen“ statt „Navigation“
Probleme beim „schnellen“ Zugriff
• Intransparenz statt Transparenz: Anwender, die wissen müssen, in welchen Tabellen

(auf welchen Rechnern) welche Informationen stehen und diese Tabellen dann auch
noch verbinden müssen sind meist überfordert und demotiviert
• Mangelnde Performance: Aufgrund der notwendigen Tabellen-Joins („in kleine Tabellen
zerrissene Welt“) ist die Performance-Belastung i.d.R. sehr hoch
4.1.3 Geforderte Lösung

Datenwürfel (Cubes) statt Warenwirtschaftstabellen
Management Cockpit-Lösungen zur Navigation

4.2 Aufbau eines Data Warehouse
A Data Warehouse is a subject-oriented, integrated, non-volatile, and time variant collection

of data in support of managements decisions. (W.H. Inmon 1996)
Fachorientierung (subject-oriented): Daten werden nach betriebswirtschaftlichen Kriterien
organisiert, bzw. zugänglich gemacht.
Integrierte Datenbasis (integrated): Das Data Warehouse integriert verschiedene Daten-
quellen (interne und externe) des Unternehmens
Nicht-flüchtige Datenbasis (non-volatile): stabile, persistente Datenbasis.
Die Daten werden im Data Warehouse dauerhaft gespeichert werden durch Anwendungen
nicht geändert oder gelöscht
Historische Daten (time-variant): Vergleich der Daten über Zeit möglich
(Zeitreihenanalyse). Speicherung über längeren Zeitraum.
Ausgabe
Modellierung
Administration
ETL-Bereich
Der prinzipielle Aufbau eines Data Warehouses besteht aus drei Schichten:
Der ETL-Bereich:
Daten extrahieren, Daten transformieren, Daten laden. Das ist die Schicht, in der Daten aus
verschiedenen internen und externen, strukturierten und unstrukturierten Datenquellen in
eine zentrale Datenbasis überführt werden. Zu den strukturierten Datenquellen zählen in
erster Linie die Datenbanken der operativen Anwendungssysteme (ERP, WWS,CRM; SCM
etc). Unstrukturierte Daten sind vorwiegend Textdateien. Externe Quellen sind meist Seiten
aus dem Internet
Beim Aufbau eines Data Warehouses ist dies der aufwändigste Bereich. Zunächst müssen
die Datenquellen ausgewählt werden und über einen längeren Zeitraum auch zuverlässig
verfügbar sein. Bei externen Datenquellen ist das kein einfacher Prozess. In diesem
Zusammenhang wurde auch der Begriff Data Farming oder Web Farming geprägt, das heißt
das systematischen und nachhaltige Auswählen von zuverlässigen internen und externen
Datenquellen. Die Datenquellen werden transformiert, d.h. in einheitliche Schemata
umgewandelt, um Fehler bereinigt, mit fehlenden Daten ergänzt und dann nach bestimmten
Vorschriften (real time, periodisch) in die zentrale Datenbasis übernommen.

Die Modellierungsschicht.
Das Datenmodell eines Data Warehouse muss den spezifischen Anforderungen des
Controlling und des Managements entsprechen. Deshalb muss sich der Aufbau von den
operativen Datenbanken unterscheiden. (Wenige Benutzer, komplexe Abfragen,
Themenbezug, Historisierung etc). Eine weit verbreitetes Datenmodell für analytische
Informationssysteme ist das sogenannte Starschema. Das Sternschema ist charakterisiert
durch eine einzelne Fakttabelle, deren Inhalt die zu analysierenden Daten, (Kennzahlen)
sind. Diese Tabelle bildet die Mitte des Sterns und ist über je genau ein Schlüsselfeld mit
den Dimensionstabellen, welche die Spitzen des Sterns bilden, verbunden
Die Ausgabeschicht. In der Ausgabeschicht kommen zunehmend Dashboards zum Einsatz.

Dashboards stellen eine integrierte Ansicht der Wissensquellen eines Unternehmens, sowie
Analyse- und Gruppen-Tools auf dem Desktop des Mitarbeiters zur Verfügung. Zu diesen
frontend-seitige OLAP-Werkzeuge gehören:
• Query / Reporting
o Abfragegeneratoren
o Berichtsgeneratoren
Beispiel: Cristal Reports
• Statistical Analysis
o Regressionen
o Korrelationen etc
• Multidimensionale Analyse
o Klassisches BI
• Data Mining
o Suche nach in Daten „versteckten“ Strukturen

4.3 OLAP
Die OLAP-Methoden und Werkzeuge kommen dann zum Einsatz, wenn für das
Management wichtige Zusammenhänge bekannt , in den Datenstrukturen des Data
Warehouses modelliert sind und in Cubes zur Verfügung gestellt werden.
Die FASMI-Regeln von Pendse/Creeth
• Fast: Antwortzeiten von 1-2 Sekunden.

• Analysis: Verfahren und Techniken zur ad hoc-Formulierung aller notwendigen
mathematischen Berechnungen und Strukturuntersuchungen.
• Shared: gemeinsamer Zugriff.
• Multidimensional: Freier Zugriff auf einen vieldimensionalen Datenwürfel.
• Information: Ein System ist dann von hohem Nutzen, wenn es mehr Datenelemente bei
stabiler Antwortzeit analysieren kann.
4.3.1 Das Datenmodell

Man stellt sich das Datenmodell als einen Würfel vor. Die Zellen des Würfels beinhalten die
Kennzahlen, die es abzufragen gilt und die Kanten des Würfels bilden die Dimensionen unter
der die jeweilige Kennzahl (Umsatz, Gewinn, Durchlaufzeit, usw) betrachtet wird.
Dimensionen können sein: Region, Zeit, Produkt, Markt etc. Umgangsprachlich ausgedrückt
ist eine Dimension die Antwort auf eine W-Frage (Was = Produkt, Wann = Zeit, Wo = Ort,
Wie = Methoden, Wofür = Kunden, etc) So lassen sich mehrdimensionale Abfragen
formulieren:
a. Eine 0 dimensionale Abfrage ist lediglich eine Abfrage nach einer Kennzahl:
Wieviel Umsatz habe ich gemacht.
b. Eine ein-dimensionale Abfrage könnte heißen: Wieviel Umsatz habe ich im ersten
Quartal 2006 gemacht
c. Eine zwei-dimensionale Abfrage: Wie viel Umsatz habe ich im ersten Quartal
2006 mit der Produktgruppe Freizeitbekleidung gemacht.
Im Gegensatz zu den bisher üblichen zyklischen Standardreports, erlauben die OLAP-

Werkzeuge einen analytischen, navigierenden ad hoc Zugriff des Benutzers auf die Daten.
Mit analytisch ist gemeint, dass die Daten unter verschiedenen Perspektiven analysiert
werden können. Navigierend bedeutet, dass es möglich ist, die Daten nach Bedarf zu
verdichten oder detaillieren und dadurch eine nächste Anfrage an einen Datenbestand vom
Ergebnis der vorhergehenden Frage abhängig zu machen. Ad hoc bedeutet, dass die
Abfragen online durchgeführt werden.

Die Graphik skizziert das Beispiel eines Cubes, mit dem es möglich ist Kennzahlen in den
den Dimensionen Zeit, Produkt und Ort zu analysieren. Nehmen wir an die Kennzahl sei der
Umsatz in k€, dann würde die Zahl 49 unten links bedeuten, dass in der Filiale Ost, mit dem
Produkt A, am 21.12.1999 ein Umsatz von 49000 € erzielt wurde.
4.3.2 Kennzahlen (Fakten)

4.3.2.1 Kennzahlen und Kennzahlensysteme
„You can’t control, what you can’ measure“13
„Ein Polizist trifft in der Nacht einen Betrunkenen, der unter einer Laterne sucht. Er erklärt
dem Wachmann, er habe seine Schlüssel verloren, "irgendwo da drüben", dabei zeigt er ins
Dunkle. Natürlich fragt ihn der Polizist, warum er die Schlüssel unter der Laterne sucht und
nicht da, wo er sie verloren hat. Antwort: Weil man im Licht besser sieht!"14
Für eine kennzahlenorientierte Unternehmenssteuerung müssen Kennzahlen oder

Kennzahlensysteme folgende Anforderungen erfüllen (nach Reichmann)
Informationscharakter: Sollen zweckorientiertes Wissen für konkrete

Entscheidungssituationen tragen und Urteile über sachlogische Zusammenhänge erlauben
Messbarkeit: sollten „harte“ Merkmale ursprünglich auf metrischen Skalenniveau erfassen
heute werden verstärkt auch qualitative Merkmal (z.B. Kundenzufriedenheit) über Ordinal-
Skalen gemessen.
Vereinfachungscharakter: Sollen komplizierte Strukturen und Zusammenhänge auf eine
einfache Art und Weise sichtbar machen
Planungs- und Kontroll-Charakter :Plan-Zahlen sind normativ (Vorgabe von Zielen),
13
Tom de Marco: Contolling Software Projects. Englewood Cliffs, New Jersey, 1982. S.3.
14
Joseph Weizenbaum nach einem Essay von Martin Ebner in der Nürtinger Zeitung vom 11.11.2006
„Wozu brauchen wir Computer?“

Ist-Zahlen sind deskriptiv (Beschreibung des empirisch Eingetretenen),
Abweichungsvergleich
Kennzahlenbeispiele für den Handel

Beispiele für Kennzahlen
• Produktivitäts-Kennzahlen:
o Flächenproduktivität = Umsatz pro qm Verkaufsfläche
o Mitarbeiterproduktivität = Umsatz pro Mitarbeiter
o Filial-Produktivität = Umsatz pro Filiale
• Rohertrag
o Bezogen auf Fläche / Mitarbeiter / Filiale
• Deckungsbeitrag
o Bezogen auf Fläche / Mitarbeiter / Filiale
o Da Fixkosten (Raum, Personal) sehr hoch und artikelbezogene variable
Kosten sehr niedrig deshalb oft kein artikelbezogener DB
Anforderungen an Kennzahlensysteme
Einzelne Kennzahlen sind vieldeutig und wenig aussagefähig. Kennzahlen-Systeme
dagegen bringen Kennzahlen in eine sachlogische Beziehung und richten sie auf ein
übergeordnetes Ziel aus . Die sachlogischen Beziehungen können systematischer,
mathematischer oder empirischer Natur sein.
Die Entwicklung eines Kennzahlensystems für ein bestimmtes Unternehmen ist eine
anspruchsvolle Modellierungsaufgabe.
Kennzahlensysteme sind zum Beispiel ROI nach dem duPontschen Schema oder Return on
Logistics (Cap Gemini Kennzahlensystem).
Beispiel: Return on Logistics (Quelle: Cap Gemini)
Folgende Ziele sollen erricht werden:
• Senkung der Bestände,

• Senkung der Logistikkosten,
• Erhöhung der Lieferbereitschaft.
Diese Ziele sind einzeln messbar.

Die Bestandskosten und Logistikkosten sind zudem als absolute Zahl wenig aussagekräftig.
Man muss sie in Relation zum Umsatz setzen.
Folgende Einzelkennzahlen werden definiert:
• Liefertreue (% Einhaltung der bestätigten Liefertermine):

• Bestände: Bestandskosten in Relation zum Umsatz
• Logistikkosten: Logistikosten in Relation zum Umsatz
Für die Messung muss man sich auf Regeln festlegen, was jeweils gemessen werden soll:
Für die Bewertung der Bestandskosten können die bilanziellen Richtlinien herangezogen
werden (Durchschnittswerte: 12 Monatswerte kumuliert /12)
Zu den Logistikkosten zählen die Kosten der Auftragsabwicklung, der Absatzplanung, des
Einkaufes etc.
Diese drei Kennzahlen sind jedoch nicht unabhängig von einander.

Man kann seine Lieferbereitschaft erhöhen, indem man mehr Waren auf Lager nimmt und
somit seine Bestandskosten erhöht. Man muss deshalb die drei Ziele im Zusammenhang

verfolgen. Die Betrachtung erfolgt nun in der Weise gemeinsam, dass man ein integriertes
Kennzahlensystem bildet, den RoL: Return on Logistics
Logistik Rentabilität als der logistische Erfolg ...
Bestände
Input Liefertreue
Logistik
Logistik-
Output
kosten
über RoL meßbar ...
Liefertreue
(% Einhaltung bestätigter Liefertermine)
RoL =
Bestände Logistikkosten
X
(% vom Umsatz) (% vom Umsatz)
Dieses Kennzahlensystem kann nun zu externen oder internen Benchmarks benutzt werden:
Als eine erste Faustregel gilt: eine optimierte Logistik erreicht einen RoL von 1 (z. B. durch
100 % Liefertreue, 10 % Bestände und 10 % Logistikkosten)
Benchmark-Vergleich
Benchmarks + Durchschnitt –
91% 88% 85%
100%
Liefertreue
Bestände 12 % 18% 27%
(% vom Umsatz)
Logistikkosten 7,5% 8,0% 8,3% 8,6%
(% vom Umsatz)
RoL 0,9 0,61 0,51 0,46
Im Projektmanagement ist ein Kennzahlensystem weit verbreitet, das unter dem Namen
magisches Dreieck eingeführt wurde. Das magische Dreieck beschreibt den Zusammenhang
von Qualität des zu liefernden Ergebnisses , Zeit und Aufwand. Der Ausdruck magisch wird
verwendet um den Zusammenhang der drei Ziele zu verdeutlichen. Wenn man mit einem der
drei Ziele in Verzug zu geraten droht, kann man das oft nur kompensieren, indem man die
anderen beiden Ziele kompromittiert. Kommt man z.B. mit dem Zeitziel in Verzug, kann das
eventuell kompensiert werden, indem man mehr Mitarbeiter in ein Projekt steckt, was aber
sicher zu Lasten des Aufwandszieles geht.

4.3.2.2 Balanced Scorecard im Handel
Kennzahlensysteme zur Steuerung eines Unternehmens konzentrieren sich üblicherweise
auf monetäre Größen, z.B :das ROI (Return-on-Invest) Kennzahlensystem von DuPont
basiert ausschließlich auf finanziellen Kennzahlen.
Demgegenüber stellt die Balanced Scorecard eine Erweiterung des Kennzahlenschemas

über finanzielle Kenngrößen hinaus. Das von Robert S. Kaplan und David P. Norton in den
90-ziger Jahren entwickeltes Controlling- und Managementsystem betrachtet ein
Unternehmen aus unterschiedlichen Dimensionen oder Perspektiven, wobei als die vier
„klassischen“ Dimensionen, Finanzen, Kunden und Markt, Interne Prozesse, Lernen und
Wachstum am häufigsten verwendet werden.
• Die finanzielle Dimension kontrolliert die Ansprüche der Kaitalgeber. Hier kommen die
entsprechenden Steuerungsgrößen des Finanzbereiches zum Ansatzes wie ROI-
Betrachtungen
• Die Kundenperspektive kann Kennzahlen wie Kundenzufriedenheit, Marktanteile,
Kundenprofitabilität enthalten aber auch Kennzahlen für Serviceeigenschaften, wie
Liefertreue, Image des eigenen Unternehmens oder Produktes beim Kunden
• Die Prozessperspektive befasst sich mit der Qualität und Effizienz der eigenen
Geschäftsprozesse. Kennzahlen wie Durchlaufzeiten, Prozesskosten, Produktivität
etc. haben hier ihren Platz
• Die Innovations- und Lernperspektive verdeutlicht die Wichtigkeit des menschlichen
Faktors. Wie innovativ, wie lernbereit sind die Mitarbeiter des eigenen Unternehmens.
Kennzahlen wie Anzahl Verbesserungsvorschläge, Patente, Weiterbildung , aber
auch das Durchschnittsalter der Produkte, Umsatzanteil an Neuprodukten haben hier
ihren Platz
Die Methode ist aber so flexibel, dass auch mehr als vier und andere als die „klassischen“ je
nach Anwendungsgebiet verwendet werde.
Die Balanced Scorecard ist als Instrument des strategischen Managements zu sehen, das
heißt das die Steuerungsgrößen aus der Strategie und der für diese Strategie wichtigen
kritischen Erfolgsfaktoren abgeleitet werden. Die daraus zu entwickelnden Kennzahlen
müssen so gewählt werden, dass der Zielerreichungsgrad messbar ist und Abweichungen
frühzeitig erkennbar sind.
Insofern ist die Balanced Scorecard auch ein Hilfsmittel des Changemanagements, da sie
den Rückkopplungsprozess von der Strategie bis zur Überprüfung des Umsetzungserfolges
systematisch implementiert. Dieser Rückkopplungsprozess umfasst die Phasen:
• Festlegung der Dimensionen oder Perspektive

• Definition von strategischen Zielen
• Abbildung eines Ursache-Wirkungs-Zusammenhangs der strategischen Ziele
• Entwicklung der Messgrößen für jedes strategische Ziel
• Festlegung der operativen Ziele (Vorgaben)
• Entwicklung von Initiativen und Maßnahmen
• Erstellung eines Umsetzungsplanes
• Überprüfung

Finanzen
Ansprüche der
Kapitalgeber an
n
n
me
hle
en
die Organisation
ah
za
ab
ßn
nn
e
rg
l
Zie
Ma
Vo
Ke
Kunden Prozess- Perspektive
Bewertung und Effiziente und
Steuerung von kundenorientierte
n
n
n
Vision
me
me
hle
hle
Kunden- und Optimierung von
en
en
ah
ah
za
za
ab
ab
Marktsegmenten Geschäfts-
ßn
und
nn
ßn
nn
e
rg
e
rg
l
l
Zie
Ma
Ke
Vo
Ma
Ke
prozessen
Zie
Vo
Strategie
Innovation und Lernen

Beurteilung,
Steuerung und
n
me
Verbesserung des
n
hle
en
ah
Potentials der
ab
za
ßn
rg
e
nn
Mitarbeiter
Ma
l
Zie
Vo
Ke
Die einzelnen Kennzahlen können nicht losgelöst voneinander betrachtet werden. Deshalb
gibt die Balance Scorecard auch Rechenschaft über die Abhängigkeiten der Kennzahlen
voneinander in einer Ursachen Wirkungskette. Die Mitarbeiterkompetenz in der
Innovationsdimension wirk sich auf die Prozessqualität in der Prozess-Dimension aus, diese
wiederum auf die Liefertreue in der Kundendimension und im Endeffekt auf den Gewinn in
der Finanzdimension.
Anwendungen im Handel:
Eine Operationalisierung eine Handels-BSC und einen möglichen Zusammenhang zwischen
den Zielen zeigen folgende Abbildungen [BECK S.81 ff]

4.3.3 Dimensionen
Hierarchische Dimensionen sind die gebräuchlichste Dimensionsarten .Bei ihnen bestehen

vertikale Beziehungen zwischen den Dimensionspositionen. Es wird unterteilt in
Elementarpositionen und verdichtete Positionen
Die Verdichtung der Detaildaten erfolgt gemäß festgelegter Regeln.
Es gibt unterschiedliche Hierarchietypen
Einfache Hierarchie Hierarchie mit variabler Pfadlänge
Heterarchien
Parallele Hierarchien
4.3.4 Navigation
Wenn Dimensionen hierarchisch strukturiert sind, kann man die Daten anhand der
Hierarchiestufen entlang verdichtet oder detailliert.
Detaillierung und Verdichten sind zwei der Navigationsmethoden, die sich im
Zusammenhang mit den OLAP Methoden eingebürgert haben. Zusammen mit Slicing, Dicing
und Pivotierung bilden sie die Navigationsmethoden, die in den meisten OLAP-Werkzeugen
implementiert sind:
• Drill Down: Das Herunterbrechen (Detaillieren) der Information in kleinere Einheiten
• Roll up: Das Aggregieren (Verdichten) der Information zu größeren Einheiten
• Slicing: Das „Herausschneiden“ von Informationsscheiben, z.B alle Produktgruppen eines
Jahres. Das bedeutet das Setzen von Filtern um kleinere Informationseinheiten zu
bekommen
• Dicing: Eine Sonderform der "slice"-Technik. Als Filter werden dabei Intervalle gesetzt.
Das Ergebnis ist wiederum ein kleinerer Würfel, der schneller analysiert werden kann.
• Pivotierung: Das Vertauschen von Dimensionsachsen
"Slicing and Dicing", Rotation15

"Slicing and Dicing” bedeutet im Grunde genommen das Setzen von Filtern. Im Falle unseres
3-dimensionalen Datenwürfels würde beispielsweise das Setzen eines Filters auf ein
bestimmtes Produkt eine "Scheibe" (engl. "slice") aus dem Würfel ausschneiden. Das
15
Abschnitt ist entnommen aus: o.V.:Data Warehouse.: http://wwwai.wu-wien.ac.at/~koch/lehre/inf-
sem-ss-01/pachernik/main.html abgerufen am 20.9.2006

Ergebnis wäre ein Report über die Verkaufsdaten aller Kunden zu diesem Produkt im
Zeitablauf.
"Slicing" Quelle:
"
Ergebnis des "Slicings": Verkaufsdaten der Kunden zu einem Produkt im Zeitablauf
In Anschluss daran könnte ein weiterer Navigationsschritt darin bestehen, einen Filter auf
einen interessanten Kunden zu setzen und nach Produkten "aufzureißen". Dies entspricht
einem Drehe" des Datenwürfels. Das Ergebnis ist ein Report für einen bestimmten Kunden,
der die verkauften Produkte im Zeitablauf darstellt.
Rotieren des Würfels
Ergebnis der Rotation: verkaufte Produkte nach Monaten zu einem bestimmten Kunden
"Dicing" ist eine Sonderform der "slice"-Technik. Hier wird durch das Setzen von Intervallen
als Filter eine Untermenge aus dem Datenwürfel ausgeschnitten. Das Ergebnis ist wiederum
ein kleinerer Würfel, der schneller analysiert werden kann.

"Dicing"
Resultat einer "Dicing"-Navigation
"Drill Down" und "Roll Up"

Ein "Drill down" bedeutet allgemein das Hinzufügen zusätzlicher Informationen zu einem
Report. Dies kann einerseits innerhalb einer Dimension geschehen, beispielsweise wenn
man sich in der Produkthierarchie von Produktgruppen zu den einzelnen Produkten bewegt,
andererseits durch das Hinzufügen von Merkmalen aus anderen Dimension. "Roll up"
bezeichnet das exakte Gegenteil des "drill down".
Produkte nach Kundengruppen
Ergebnis des "Drill Downs" von Kundengruppen zu Kunden
"Drill Across"

Als einen "Drill Across" bezeichnet man im Allgemeinen das Austauschen der X- und Y-
Achsen eines Reports.
"Drill Through"
Einige Data Warehouse Systeme bieten die Möglichkeit, auch auf Daten zu reporten, die gar
nicht im Warehouse selbst, sondern nur in den OLTP-Systemen gespeichert sind. Ein
Beispiel hierfür könnten einzelne Buchhaltungs-Belege sein. Diese Fähigkeit wird "Drill
Through" genannt.
Abschließend soll jedoch darauf hingewiesen werden, das die genannten Begriffe in der
Literatur teilweise unterschiedliche Bedeutung haben. z. B verwendet Cognos den Begriff
Dicing eher im Sinne von Pivotierung also Rotation.

4.4 Data Mining
Was ist Data Mining ? Eine provozierende Antwort aus der WEKA-Community:
Data Mining is Statistics + Marketing16
Data Mining Methoden kommen dann zum Einsatz, wenn nicht bekannt ist, wie die
vorhandenen Datenbestände zu interpretieren sind. Während bei den OLAP-Methoden
Zusammenhänge bekannt und modelliert sind, helfen die Data Mining Methoden bei der
Hypothesenbildung. Betriebswirtschaftliche Anwendungsgebiete , bei denen sie mit Erfolg
eingesetzt wurden sind Marketing, Produktion, Personalwirtschaft, Einkauf mit den
Beispielen:
• Absatz - und Marktanteilsprognosen

• Segmentierung von Kunden in Verhaltensklassen
• Cross Selling : gut verkaufbare Produktkombinationen
• Warenkorbanalysen
• Kundenabwanderungs-Prognosen
• Gewinnmaximales Mailing (Industrie oder Versandhandel)
• Kostenminimale Routenplanung im Außendienst
• Missbrauchserkennung von Versicherungsnehmern
• WWW: Click -maximierendes Zuordnen von Werbebannern
• Bonitätsprognosen von Kunden
• Personalselektion bzw. Matchinganalysen
• Simulation alternativer Zukünfte, insbesondere Preis-Absatz-Funktionen
• Optimale Standortwahl
• Fehlererkennung in der Fertigung (Qualitätssicherung)
• Optimale Reihenfolgeplanung in der Produktion
Analyse Anwendungsfelder
• 17Churn-Analysen und Service-Optimierung Die Churn-rate ist die Rate der
Vertragskündigungen oder die Rate der Geschäftskunden, die dauerhaft in einem
anderen Geschäft einkaufen. Die Gründe dieser Fluktuationen geben oftmals
Aufschluss über mögliches Optimierungspotential in der Kundenbeziehung.
Andererseits dient die Churn-Analyse auch als Frühwarnsystem.
• Warenkorb-Analyse Durch die Analyse der Warenverkäufe kann überprüft werden, ob
positive oder negative Korrelationen zwischen den einzelnen Produkten bestehen (z.
B. wird Bier häufig zusammen mit Chips oder Grillwaren gekauft). Mit diesen
Informationen lässt sich das Sortiment und die Produktpositionierung optimieren.
• Zielgruppen-Analyse: Data Warehousing und Data-Mining erlauben es, die klassische
Zielgruppenanalyse um eine Dimension zu erweitern. Verschiedenste Variablen des
Kaufverhaltens können genauestens untersucht werden. Somit kann vom
bestehenden Sortiment auf Kundenprofile geschlossen werden, «die als ‹Schablone›
für Neukunden dienen können. Mit Hilfe dieser Profile können ausserdem
Vorhersagemodelle erstellt werden, welche die Wahrscheinlichkeit vorhersagen
können, ob ein neues Produkt ein Erfolg werden kann oder nicht.
• Vertriebs-Targeting: Hier wird vor allem eine geographische Analyse der
Kaufgewohnheiten durchgeführt. Mit den gewonnenen Erkenntnissen können die
Vertriebsressourcen optimiert und die Marketingaktivitäten koordiniert werden.
• Budget-Analysen: Mit Hilfe der Zielgruppenanalyse kann auch festgestellt werden,
wie effektiv das Budget bezüglich einzelner Kampagnen eingesetzt wurde: «so
16
WEKA ist ein Open Source Data Minino Werkzeug, das an der Universität von Waikato in
Neuseeland entwickelt wurde und eine weite Verbreitung gefunden hat.
17
Churn ist ein Kunstwort aus change und turn

können zum Beispiel nach einer Kampagne in einem Printmedium die reinen
Abverkaufszahlen des beworbenen Produktes aufgebrochen, mit der regionen- sowie
zielgruppenspezifischen Reichweite des gewählten Medium verknüpft und
miteinander in Beziehung gesetzt werden.
• Cross-Selling: Häufig werden bei grossen Produktpaletten die Geschäftsfelder
getrennt, um die Vermarktung zu vereinfachen. Dadurch werden mögliche Synergien
gar nicht oder nur unzureichend ausgenutzt. Ein Data Warehouse ermöglicht hier
Geschäftsfelder zu virtuellen Einheiten zu verknüpfen.
• Fertigung/Logistik/Distribution: Durch die verschiedenen Analysen des Marktes mit
Hilfe von Data-Mining können Trends frühzeitig erkannt werden. Dies erlaubt es
einem Unternehmen, rechtzeitig reagieren zu können und die Fertigung anzupassen.
Außerdem kann die Lagerhaltung und der Vertrieb schnell angepasst werden.
• Cross-funktionale Fragen: Die Einführung eines Data Warehouses kann das
Informationsverhalten der Mitarbeiter positiv beeinflussen. Sie erhalten einen Einblick
auf die gesamte Wertschöpfungskette und können die Konsequenzen ihres Handelns
besser abschätzen. Außerdem können die Verknüpfungen zwischen den Abteilungen
analysiert werden. Managemententscheidungen können so auf eine solide Grundlage
gestellt werden. Durch Red-Flag-Funktionalitäten werden darüber hinaus schnelle
Reaktionszeiten auf kritische Veränderungen ermöglicht.
4.4.1 Klassifikationsmethoden
4.4.1.1 Entscheidungsbaum
Beispiel : Bestimmung der Kreditwürdigkeit
Ist ein Berufstätiger kreditwürdig, wenn er jünger als 30 Jahre ist, ein Einkommen < 100000€
hat und 250000€ Schulden?
Eine Anwendung der Klassifikationsanalyse ist zum Beispiel die Beurteilung der
Kreditwürdigkeit von Bankkunden. Hier werden zuerst die bisherigen Kreditnehmer, die
ihren Kredit zurückbezahlten, in der Gruppe „kreditwürdig“ zusammengefasst. Die
Kunden, die ihren Kredit nicht zurückbezahlten, bilden dann die Gruppe „nicht
kreditwürdig“. Anhand dieser bekannten Testdaten entwickelt das Verfahren nun einen
Entscheidungsbaum mit zum Beispiel folgenden Komponenten: Verschuldungsgrad,
Alter, Einkommen, Sicherheiten...... Anhand des Entscheidungsbaumes kann man nun
bei der Kreditvergabe in Zukunft den Kunden anhand der Informationen Alter,

Verschuldungsgrad, Einkommen in die Gruppe „kreditwürdig“ oder „nicht kreditwürdig“
einordnen.
Die Abbildung zeigt einen möglichen Entscheidungsbaum. Hier entspricht die Klasse 0
der Gruppe „nicht kreditwürdig“ und Klasse 1 der Gruppe „kreditwürdig“.
Dieser in Abb.1 dargestellte Entscheidungsbaum sagt voraus, dass jemand der
berufstätig ist, zwischen 30 und 50 Jahre alt ist, sein Einkommen maximal 100.000 Euro
beträgt und seine Schulden größer als 250.000 Euro sind, sehr wahrscheinlich einen
weiteren Kredit nicht zurückzahlen kann.
Dagegen legt das Modell nahe, einem Studenten, der kein Vermögen besitzt, aber eine
Bürgschaft seiner Eltern vorweisen kann, einen Kredit zu gewähren.

4.4.1.2 Naiver Bays
Qualitätskontrolle
Lieferant A B C
Lieferanteil 70% 20% 10%
Mangelhafte Stücke pro Lieferung 10% 30% 20%
a) Frage: Wie groß ist der Anteil der mangelhaften Stücke überhaupt?
b) Mit welcher Wahrscheinlichkeit ist ein mangelhaftes Stück vom Lieferant A?
Schulbeispiel zur Herleitung
Zwei Säcke enthalten rote und blaue Kugeln.

Im ersten Schritt wird gewürfelt, um einen Sack auszuwählen. Wird eine 1 oder 2 gewürfelt,
wählen wir Sack 1, sonst Sack 2.
Danach wird eine Kugel zufällig aus diesem Sack entnommen.
Wir haben eine blaue Kugel gezogen, wie groß ist die Wahrscheinlichkeit, dass sie aus Sack
1 stammt?

Die Formel
P ( D h ) P ( h)
P(h D) =
P( D)
Der Satz von Bayes gibt an, wie man mit bedingten Wahrscheinlichkeiten rechnet
Beispiel zwei Ereignisse: Ereignisse h = Sack 1 ist ausgewählt, Ereignis D eine blaue Kugel
ist gezogen
P(h/D) (a posteriori Wahrscheinlichkeit) Wahrscheinlichkeit von h unter der Voraussetzung

von D. Wie groß ist die Wahrscheinlichlichkeit von Sack 1 (h) unter der Voraussetzung blaue
Kugel (D) gezogen?
P(h) (A priori Wahrscheinlichkeit), ist die Wahrscheinlichkeit eines Ereignisses h, die man
aufgrund von Vorwissen kennt. Ich kenne die Wahrscheinlichkeit von Sack 1 oder ich kenne
die Wahrscheinlichkeiten auf Grund von Testdatenbeständen (Aus meinen Testfällen weiß
ich zum Beispiel, dass 5/11 aller Patienten zur Risikoklasse hoch gehören).
P(D/h): (likelyhood) Ist die Wahrscheinlichkeit eines Ereignisses D unter der Voraussetzung,
dass h eintritt. (Wenn ich Sack 1 ausgewählt habe, die Wahrscheinlichkeit einer blauer
Kugel).
P(D) = (Wahrscheinlichkeit des Ereignisses D ) Wahrscheinlichkeit einer blauen Kugel

überhaupt. Dies bedeutet eine Normierung des Bruches auf 100 %.
Naiv deshalb, weil das Verfahren auf der Annahme der Unabhängigkeit der Merkmale
beruht.
4.4.2 Assoziation
Das Ziel der Assoziation ist es interessante Verbindungen der Attribute von Datensätzen zu
finden. Man möchte z.B. wissen, von welchem Produkt eine Verbundwirkung ausgeht. Die
Ergebnisse liefern Antworten auf zahlreiche Fragen, wie etwa:

• Welche Artikel einer Warengruppe werden zusammen gekauft?
• Von welchem Artikel geht die Verbundbeziehung aus?
• Welche Artikel werden zusammen mit Sonderangeboten gekauft?
• Welche Artikel einer Warengruppe werden mit Artikeln anderer Warengruppen
gekauft?
• Welche Artikel finden sich auf Bons mit hohen und niedrigen Summen?
Was als interessant zu bewerten ist wird mit zwei Kriterien beschrieben:
Support und Confidence.
Der Support einer Assoziationsregel ist ein Maß für die Anzahl (absolut oder in %) der
Datensätze für die die Assoziationsregel zutrifft. Confidence bezeichnet die Anzahl der
Datensätze für die die Assoziationsregel zutrifft im Verhältnis zu allen Datensätzen auf die
sie anwendbar ist.
Angenommen, man hat eine Regel X Y gelernt.

Confidence bezeichnet die Stärke einer Regel:
Eine Regel X Y hat Confidence c wenn c% der Datensätze in D, die X enthalten, auch Y
enthalten.
Support bezeichnet die Häufigkeit der Muster:
Eine Regel X Y hat Unterstützung s, wenn für s% der Datensätze in D sowohl X als
auch Y gilt
Interessant sind Regeln mit hoher Confidence und großem Support
Mit diesen Maßen kann durch die Vorgabe von minimalen Support und Konfidenzen
gesteuert werden, ab wann eine Assoziation als interessant angesehen wird. Denn sonst
treten in einer umfangreichen Datenbasis fast beliebig viele Assoziationen auf. Dies hat auch
einen positiven Einfluss auf die Rechenzeit des Verfahrens.
Beispiel:
Gegeben sei folgende Warenkorbanalyse
Aftershave Bier Chips Transaktions-ID

(Käufe)
0 1 1 1
1 1 0 2
0 1 1 3
1 0 0 4
Berechnen Sie Support und Confidence. Welche Schlüsse ziehen Sie daraus
{Aftershave} --> {Bier}

{Aftershave} --> {Chips}
{Bier} --> {Chips}
{Chips} --> {Aftershave}
{Aftershave} --> {Bier,Chips}
Lösung
support{Aftershave} --> {Bier}= Anzahl aller Transaktionen, die Aftershave und Bier
enthalten / Alle Transaktionen = ¼
Confidence {Aftershave} --> {Bier}= Anzahl aller Transaktionen, die Aftershave und Bier
enthalten / Anzahl der Transaktionen, die Aftershave enthalten = ½
{Aftershave} --> {Chips} s= 0
{Bier} --> {Chips} s= 2/4, c=2/3
{Chips} --> {Aftershave} s=0
{Aftershave} --> {Bier,Chips} s=0
Anwendungsbeispiel: Assoziation. Warenkorbanalyse mit dem Apriori Algorithmus

Der Apriori Algorithmus
Ausgehend von dieser Zielsetzung besteht die Schwierigkeit der Assoziationsanalyse nun
darin, geeignete Algorithmen zu finden, die in der Lage sind, die gesuchten Regeln effizient
zu generieren. Dazu wurde 1993 von der Gruppe um Rakesh Agrawal am IBM
Forschungszentrum in Almaden die ersten Algorithmen zur Erzeugung von
Assoziationsregeln entwickelt, der bis heute die in verschiedenen Varianten angewendet
wird.
Ziel des Apriori Algorithmus ist es, die Menge aller häufigen Itemkombinationen (engl.
„itemsets“) möglichst effizient zu bestimmen. Zu nutze macht man sich dabei die Regel dass
alle Teilmengen einer häufigen Objektmenge ebenfalls häufig sind. Dies ist die Apriori-Regel.
Oder anders ausgedrückt: Wenn ein Item A zu einem Itemset I hinzugefügt wird, kann das
Ergebnis nicht häufiger sein, als I.
Kommt z.B. die Itemmenge {Butter, Marmelade} in der Grundgesamtheit in 40% aller Fälle
vor, so kann die Itemmenge {Butter, Marmelade, Zucker} auf keinen Fall diesen Prozentsatz
übersteigen. Erfüllt nun die Itemmenge {Butter, Marmelade} nicht den Mindestsupport, so
kann keine erweiterte Itemmenge der Form {Butter, Marmelade, ...} den Mindestsupport
erreichen.
Das Schaubild zeigt die exemplarische Vorgehensweise des Apriori Algorithmus anhand
einer Warenkorbanalyse (# ist dabei definiert als die Häufigkeit einer Itemmenge). Die
Datenbasis besteht aus acht Transaktionen. Alle häufigen Itemmengen sollen in der
Datenbasis mindestens zweimal enthalten sein. Dies entspricht einem Mindestsupport von
2/8=25%. Im ersten Schritt werden die Häufigkeiten der 1-Itemmengen gezählt. Die Items
“Honig“ und “Marmelade“ werden dabei nicht in die Ergebnismenge L1 aufgenommen, da sie
nicht den Mindestsupport erreichen. Aus L1 wird die Hypothesenmenge C2 (Join-step)
generiert in dem alle items miteinander kombiniert werden. In Schritt drei werden die
Häufigkeiten der Kandidaten C2 anhand ihres Auftretens in der Datenbasis D ermittelt.
Wiederum reicht der Support zweier Itemmengen nicht aus, um in die Menge der häufigen
Itemsets aufgenommen zu werden.
Schritt vier verdeutlicht die Funktion des Prune Step (Prune = entfernen aller nicht häufigen
Untermengen). Da bei dem 3-Item-Kandidat {Brot,
Butter, Wurst} die Teilmenge {Butter, Wurst} nicht häufig und somit nicht mehr als einmal
in der Datenbasis vorhanden ist, kann die Itemmenge {Brot, Butter, Wurst} ebenfalls nicht
mehr als einmal auftreten. Aus diesem Grund wird dieser Kandidat sowie der Kandidat
{Brot, Käse, Wurst} im Prune Step eliminiert.
Die Vorgehen wird solange fortgesetzt, bis CK und damit auch LK eine leere Menge bildet.
Als Ergebnis liefert der Apriori Algorithmus die Mengen aller häufigen Itemsets mit ihren
dazugehörigen Häufigkeiten.

18
18
Klaus D. Wilde: Data Mining im Marketing (Vorlesung)
Katholische Universität Eichstätt-Ingolstadt
http://www.ku-eichstaett.de/Fakultaeten/WWF/Lehrstuehle/WI/Lehre/dm_v/ abgerufen am 10.11.2003

4.4.3 Clustering
Idee:
• Zuordnung einer endlichen Menge von Items zu Kategorien,Klassen oder Gruppen
(Cluster) mit dem Ziel einer möglichst großen Ähnlichkeit zwischen Items im selben
und einer möglichst großen Unähnlichkeit zwischen Items in verschiedenen Clustern
• Cluster sind vorher nicht bekannt
• je kleiner die Distanz: Items sind ähnlicher
• je größer die Distanz: items werden unähnlicher

4.4.4 Prognosen
Von besonderer Bedeutung Warenwirtschaft sind Prognosen der zukünftigen Entwicklung

der Nachfrage. Die Basis der Prognose sind die Verbrauchswerte der Vergangenheit. Mit
den Vergangenheitswerten werden Zeitreihen aufgestellt und analysiert. Auf Grund der
Analyse wird mit dem dafür geeigneten Prognoseverfahren, die Nachfrage in die Zukunft
extrapoliert.
Das generelle Prognosemodell sieht folgendermaßen aus:
19
rt die in der Periode t tatsächlich aufgetretenen Verbrauchsmengen einer Materialart darstellt,

ist PWt+1 ein auf der Grundlage der Vergangenheitswerte prognostizierter Verbrauchswert für
die Periode t+1. Um die Qualität eines Prognosemodells zu beurteilen, ist es erforderlich,
eine ex post Prognose zu erstellen und die Vorhersagewerte mit den tatsächlichen Werten
zu vergleichen um einen Prognosefehler festzustellen.
Die Zeitreihen können vier Verlaufsformen annehmen:
• unregelmäßig
o stark schwankend
o sporadisch
• regelmäßig
o konstant
ohne Saisoneinfluss
mit Saisoneinfluss
o trendförmig
ohne Saisoneinfluss
mit Saisoneinfluss
Die gebräuchlichsten Prognoseverfahren für regelmäßige Bedarfsverläufe sind:

• Der gleitende Durchschnitt und
• die exponentielle Glättung
19
Quelle: TEMPEL.142 ff

Methoden der Prognose
a) Gleitender Durchschnitt
Mit dieser Funktion und der zugehörigen Formel werden Werte in den Prognosezeitraum
übertragen, die auf dem Mittelwert der Variablen für eine bestimmte Anzahl vorhergehender
Perioden beruhen. Die prognostizierten Werte basieren auf der folgenden Formel.
Darin gilt:
• N ist die Anzahl der vorhergehenden Perioden, die in den gleitenden Durchschnitt
einbezogen werden
• Aj ist der aktuelle Wert zum Zeitpunkt j
• Fj ist der prognostizierte Wert zum Zeitpunkt j
Anmerkung: Die Anzahl der Punkte auf einer Trendlinie mit gleitendem Durchschnitt ist
gleich der Gesamtzahl der Punkte in der Datenreihe abzüglich der Punkte, die Sie für die
Periode angeben.
Beispiel:
Anzahl der Perioden, die rollierend einbezogen werden: N = 5
Aktuelle Periode: t = 8
Prognose für Periode t + 1 = 9
Summiert werden die Werte über folgende Perioden:
(A8 + A7+ + A6 + A5 + A4 )/5
Für Index j = 1 ergibt sich t-j+1 = 8-1+1=8
Für Index j = 2 ergibt sich t-j+1 = 8-2+1 = 7 und so weiter bis
Index j=N = 5 t-j+1 = 8-5+1=4
b) Exponentielle Glättung erster Ordnung
VBneu = VBprognostiziert, alt + α ×(VBtatsächlich,alt - VBprognostiziert, alt)
(VB steht für Verbrauch)
Bei der exponentiellen Glättung handelt es sich um ein Prognoseverfahren, mit dem
Zukunftswerte auf der Basis vergangener Werte vorhergesagt werden.
Dabei werden die Vergangenheitswerte mit einem sog. Glättungsfaktor gewichtet, der
exponentiell abnimmt je weiter man in die Vergangenheit zurückgeht. Es werden dadurch die
jüngeren Vergangenheitswerte stärker bewertet. Das kommt dadurch zustande, dass immer
die errechneten alten Prognosewerte mit einbezogen werden um die neuen zu errechnen,
aber da der Glättungsfaktor mit eingeht, kommen diese Vergangenheitswerte, je weiter sie
zurückliegen immer weniger stark zum Tragen .

c) Zeitreihenanalysen
Wenn man für ein metrisches Merkmal Y zu aufeinanderfolgenden Zeitpunkten oder

Perioden Beobachtungen sammelt, erhält man eine Zeitreihe. Die Zeitreihenanalyse zielt
darauf ab, Entwicklungsverläufe für Merkmale anhand von Modellen zu erklären und
Prognosen zu gewinnen. Bei manchen Zeitreihen erkennt man Auffälligkeiten schon durch
bloßes "Hinsehen".
Bei der Visualisierung von Zeitreihen aus der Ökonomie entsteht oft der Eindruck, dass die
beobachteten Merkmalswerte yt durch das Zusammenwirken verschiedener
Bewegungskomponenten erklärbar sind. Das additive Komponentenmodell der
Zeitreihenanalyse geht von einer systematischen Komponente gt aus, die durch
Saisoneinflüsse st und zufällige Einflüsse εt (lies: epsilon-t) überlagert wird.
Der systematische Anteil des Modells heißt auch glatte Komponente, weil er in den gängigen
Modellen durch eine glatt verlaufende Kurve repräsentiert wird. Bezüglich des Störterms εt
wird - analog zum Regressionsmodell - angenommen, dass er zufällig um den Wert Null
schwankt, also keinen systematischen Beitrag liefert.
Das Komponentenmodell in dieser Form beinhaltet also, dass sich die beobachteten Werte
zu jedem Zeitpunkt t zusammensetzen aus einer Trendfunktion, einer Saisonkomponente
und einem nicht erklärten Rest, der auf Zufallseinflüsse zurückgeht.
Bei manchen Anwendungen innerhalb und vor allem außerhalb der Ökonomie ist keine
Saisonkomponente erkennbar, etwa bei Zeitreihen für Aktienkurse. Man hat dann ein reines
Trend-Modell
yt = g t + st + ε t
gt = glatte Komponente / Trend

st = Saisonkomponente
ε t = Störterm, zufällige Komponenten
Die gebräuchlichsten Prognoseverfahren für regelmäßige Bedarfsverläufe sind

• der gleitende Durchschnitt
• die exponentielle Glättung
• Ermittlung des Trends durch eine Regressionsanalyse

Trendberechnung mit der KQ-Methode: Lineare Regression
In vielen Anwendungsfeldern kann man bei der

Analyse von Zeitreihen ein reines Trendmodell
verwenden.
Häufig kann man mit einem linearen Ansatz arbeiten
Bei Ansatz eines linearen Trends setzen sich die
beobachteten Werte yt also zusammen aus der
systematischen Komponente α + βt und einem
Störterm εt (lies: epsilon-t).
Dies ist genau das lineare Regressionsmodell, wenn
man dort den Beobachtungsindex mit t bezeichnet
und für die Werte xt des unabhängigen Merkmals X
speziell xt = t setzt. (Vergleiche die Herleitung) Die
KQ-Schätzungen für die Parameter der
Trendgeraden ergeben sich also direkt aus den
Formeln zur KQ-Schätzung beim einfachen linearen
Regressionsmodell. Man hat hier lediglich im
Minimierungsansatz xt durch t zu ersetzen.
Beispiel der Umsatzentwicklung einer Brauerei
Sie sehen in tabellarischer und Umsatzentwicklung einer Brauerei t yt

grafischer Darstellung fiktive 1 62
Umsatzzahlen yt einer Brauerei für den 140 2 66
120
10-Jahres-Zeitraum von 1988 bis 3 68
100
1997. Dem ersten Jahr dieses 4 76
Umsatz
80
Zeitraums ist der Indexwert t = 1 60 5 90
zugewiesen. Die Daten legen den 40 6 94
20
Ansatz eines linearen Trendmodells 0
7 105
nahe. 0 2 4 6 8 10 12 8 107
Wie wird die Umsatzentwicklung in Jahre 9 114
den nächsten Jahren sich verhalten ? 10 120
Bei der Schätzung des Achsenabschnitts α (lies: alpha) t yt t*yt t*t

und der Steigung β(lies: beta) der Trendgeraden nach 1 62 62 1
der Methode der kleinsten Quadrate ist es sinnvoll, die 2 66 132 4
Tabelle um zwei Hilfsspalten zu ergänzen, in denen die 3 68 204 9
Produkte aus t und yt bzw. die Quadrate des Zeitindexes 4 76 304 16
ausgewiesen sind. 5 90 450 25
Wenn man die vier Spalten der erweiterten Tabelle 6 94 564 36
7 105 735 49
aufsummiert und durch die Anzahl der Elemente pro
8 107 856 64
Spalte teilt, hat man nämlich genau die Mittelwerte, die in
9 114 1026 81
den KQ-Schätzformeln auftreten. Jetzt sind die vier
10 120 1200 100
berechneten Mittelwerte nur noch in die Kleinst-Quadrat-
55 902 5533 385 Summe
Schätzformeln einzusetzen.
5,5 90,2 553,3 38,5 Mittelwert
Anmerkung: In den Tabellen Yt durch Yt ersetzen

∧ ty − t * y 553,3 − 5,5 * 90,2
β= = = 6,933
t − (t )
2 2 38,5 − 5,5 2
∧ ∧
α = y − β t = 90,2 − 6,933 * 5,5 = 52,068
∧
Der für β (lies: beta-Dach) errechnete Wert gibt an, um wieviel Millionen Euro pro Jahr sich
der Umsatz der Brauerei tendenziell verändert. Diesen Wert benötigt man noch zur
∧
Berechnung des KQ-Schätzwerts α (lies: alpha-Dach). Die nach dem KQ-Prinzip
geschätzte Trendgerade ist hier also durch die Gleichung = 52,068 + 6,933 t gegeben.
Mit Regressionsgerade
140
120
100
80
Umsatz
60
40
20
0
1 2 3 4 5 6 7 8 9 10
yt 62 66 68 76 90 94 105 107 114 120
Prognose 59,001 65,934 72,867 79,8 86,733 93,666 100,599 107,532 114,465 121,398
Jahr

4.5 Die Präsentationsschicht
4.5.1 Management Cockpits
„Das sogenannte Führungscockpit (auch Management-Cockpit) ist eine spezielle Darstellung

der grundlegenden ökonomischen Kennzahlen eines Unternehmens, die das Controlling der
Unternehmungsführung möglichst zeitnah bereitstellt. Der Controller als Träger der
Transparenzverantwortung hat die Aufgabe, über die reine Darlegung dieser Kennzahlen
hinaus eine Darstellung zu wählen, die möglichst direkt und übersichtlich erkennen lässt, in
welchem Umfang die Unternehmensziele aktuell erreicht werden. Diese kontinuierlichen
Berichte sind entfernt mit der Anzeige der verschiedenen Bordinstrumente im Cockpit etwa
eines Flugzeuges vergleichbar“20.
Andere Darstellungsformen sind unter dem Begriff Dashboard bekannt.
Um einen Management-Cockpit nachhaltig aufzubauen, muss das Controlling folgende

Aufgaben erfüllen:
• Aufnahme der Anforderungen an eine kennzahlenorientierten Unternehmens-

Navigation
• Aufbau und Pflege von Analyse- und Auswerte-Technologien
• Aufbau und Pflege controllingrelevanter Informationsspeicher
• Aufbau und Pflege einer permanenten Informationslogistik
5 Literatur zum Nacharbeiten:

• [BECK]Jörg Becker, Axel Winkelmann: Handelscontrolling. Optimale
Informationsversorgung mit Kennzahlen. Berlin, Heidelberg, New York 2006
• [BERT]Hans Bertram: Data Warehouse gestützte Warenwirtschaftssysteme. In: Antje
Krey:Handelscontrolling. 2.überarbeitete Auflage, Hamburg 2000. S. 311 ff
• [Schütt]Reinhard Schütte, Oliver Vering: Erfolgreiche Geschäftsprozesse durch
standardisierte Warenwirtschaftssysteme. Berlin, Heidelberg, u.a. 2004
20
Wikipedia, Cotrolling: http://de.wikipedia.org/wiki/Controlling, abgerufen am 20.9.2006

• [HOLT]Jan Holthuis: Der Aufbau von Data Warehouse Systemen, Konzeption-
Datenmodellierung-Vorgehen. Wiesbaden 1999.

Wawi Klausurumfang Skript

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Wawi Klausurumfang Skript

Originaltitel:

Hochgeladen von

Copyright:

Verfügbare Formate

Warenwirtschaftssysteme

1 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

2 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

3 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Die Vorlesung verfolgt folgende Ziele.

4 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Im Business Process Reengineering wurde der Begriff PSO-Projekte (People, Systems,

Unsere Vorlesung folgt diesem Ansatz:

5 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

2.1 Begriff der Warenwirtschaft:

2.2 Prozesse in der Warenwirtschaft

Prozesse umfassen inhaltliche abgeschlossenen Vorgänge. Welche inhaltliche Tätigkeiten

6 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

7 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

8 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

9 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Das Lagergeschäft repräsentiert die wichtigste

10 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Der Streckenprozess ist eine Geschäftsform, bei

Im Gegensatz zum Streckengeschäft werden beim

11 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

12 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Dies wird durch den integrativen Aspekt der WWS-Systeme erreicht

3.1 Operative und analytische Systeme

Anwendungen für das Management von Geschäftsprozessen lassen sich in drei

13 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

14 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

15 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

3.2.1 Abgrenzung zu ERP-Systemen

3.2.2 Klassifikation der Warenwirtschaftssysteme

16 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Ein mehrstufiges Warenwirtschaftssystem ist in der Lage, die warenwirtschaftlichen

Dezentrale oder zentrale WWS

Integrierte oder isolierte WWS

3.2.3 Zentrale und Filial-Warenwirtschaftssysteme

„Ein Großteil der filialisierten Handelsunternehmen betreibt neben dem zentralen

17 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

18 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

19 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Versions-Nummer Gartner Magic Quadrant

20 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

21 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

22 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Systemmerkmal 22 Umlagerung Manuelle Bestandsverschiebung

Filialmanagement Verkauf zu Zentrale und Filiale

23 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

24 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Der Artikelstamm ist das zentrale Konstrukt in der Warenwirtschaft.

Konzept eines Aufbaus eines Artikelstammsatzes

25 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

3.4.2 Die EAN

26 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

Zur Betriebsnummer und Artikelnummer

Die Identifikationssysteme im Überblick

• ILN Internationale Lokationsnummer: zur Identifikation von Unternehmen und

27 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

ILN - Internationale Lokationsnummern (Typ 1)

Diese 13-stellige Lokationsnummer weist jedem interessierten Wirtschaftsteilnehmer eine

ILN - Internationale Lokationsnummer (Typ 2)

EAN - Internationale Artikelnummer

28 von 81 Günter Drews: Warenwirtschaftssysteme, BA-Mosbach WWL04VS 2006/2007

NVE - Nummer der Versandeinheit