Klassische ERP-Auswahlprozesse orientieren sich vor allem an funktionalen Anforderungen: Kann das System bestimmte Prozesse unterstützen? Lassen sich einzelne Aufgaben oder Reports abbilden?

Diese Fragen sind wichtig – sie zeigen jedoch nur einen Teil des Gesamtbildes. Mindestens genauso entscheidend sind Fragen wie:

• Was passiert, wenn sich unser Transaktionsvolumen verdoppelt oder verdreifacht?
• Wie gut lässt sich das System erweitern, wenn wir Gesellschaften in mehreren Ländern aufbauen?
• Wie flexibel reagiert die Plattform auf deutlich komplexere Reporting- und Compliance-Anforderungen?
• Wie unterstützt sie uns bei einer Unternehmensübernahme?
• Wie gut lässt sich ein verändertes Geschäftsmodell abbilden?
• Können Finance, Operations und Commerce künftig auf einer gemeinsamen globalen Plattform arbeiten?
  
  

Viele dieser Szenarien spielen heute vielleicht noch keine Rolle. Genau sie entscheiden jedoch häufig darüber, ob eine ERP-Investition auch in einigen Jahren noch den Anforderungen des Unternehmens gerecht wird.

Ein Beispiel aus unserer Projektpraxis: Soll eine zusätzliche Gesellschaft mit identischen Prozessen eingeführt werden, dauert das auf einer skalierbaren ERP-Plattform häufig nur zwei bis vier Wochen. Die grundlegende Konfiguration ist bereits vorhanden und kann wiederverwendet werden.

In einer über Jahre gewachsenen On-Premise- oder Best-of-Breed-Landschaft entwickelt sich derselbe Schritt dagegen schnell zu einem eigenen Projekt, das vier bis zwölf Monate in Anspruch nehmen kann – weil viele Strukturen jedes Mal neu aufgebaut oder angepasst werden müssen.

Mit jedem neuen Workaround wächst das Risiko, dass verschiedene Teams mit unterschiedlichen Daten und Annahmen arbeiten.

Das eigentliche Problem entsteht, wenn dieselbe Frage je nach Abteilung oder System unterschiedliche Antworten liefert. Die einzelnen Systeme funktionieren möglicherweise für sich genommen. Gemeinsam schaffen sie jedoch kein einheitliches Bild des Unternehmens mehr.

Mit zunehmender Komplexität steigt der Abstimmungsaufwand zwischen Teams. Forecasts, Management-Reports und operative Auswertungen basieren immer häufiger auf manuellen Abgleichen statt auf einer gemeinsamen, verlässlichen Datenbasis.

Was eigentlich schnelle Entscheidungen ermöglichen sollte, wird zunehmend zur Koordinationsaufgabe.

In vielen Unternehmen entwickelt sich Excel dabei schleichend vom Analysewerkzeug zur operativen Infrastruktur. Daten aus Finanzsystemen, Lagerverwaltung und E-Commerce-Plattformen werden exportiert, zusammengeführt und manuell aufbereitet, weil es keine zentrale Datenbasis mehr gibt, auf die sich alle verlassen können.

Spätestens an diesem Punkt unterstützt Excel nicht mehr die Prozesse. Es hält sie am Laufen.

Wenn die Audit-Checkliste zeigt, dass strukturelle Datenlücken vorliegen, stellt sich die eigentliche strategische Frage: Wie soll Finance in zwölf Monaten arbeiten?

Solange Teams einen Großteil ihrer Kapazität mit Datenbereinigung verbringen, bleibt wenig Raum für das, wofür ein CFO eigentlich gebraucht wird: Szenario-Planung, Forecasting, strategische Steuerung. Der Wechsel von reaktivem Reporting zu proaktiver Financial Intelligence ist kein Tool-Wechsel. Es ist eine strukturelle Entscheidung darüber, auf welcher Datenbasis Finance überhaupt arbeiten soll.

In integrierten ERP-Setups verändert sich dieser Alltag grundlegend: Bestellungen aus dem Webshop fließen direkt ins System. Inventory-Daten werden zentral verwaltet. Accounting-Prozesse laufen automatisiert. Finance-Teams können bis auf Transaktionsebene nachvollziehen, wie Umsätze, Zahlungen, Gebühren und Bestände zusammenhängen – ohne CSV-Exporte zusammenzuführen.

Genau an diesem Punkt erkennen viele Unternehmen, dass zusätzliche Reports das Problem nicht mehr lösen. Denn fragmentiert ist nicht das Reporting – sondern die operative Datenbasis selbst.

Wir bei Alta Via Consulting haben uns auf NetSuite spezialisiert, weil wir in hunderten von Projekten gesehen haben, dass eine Plattform, die Finance und Operations innerhalb eines gemeinsamen Datenmodells verbindet, genau diese strukturelle Grundlage schafft. Das ist keine neutrale Marktbeobachtung – es ist eine Überzeugung, die aus der Projektpraxis kommt.

Das Ziel dabei ist nicht primär Systemkonsolidierung. Entscheidend ist die Fähigkeit, Finance und Operations auf einer konsistenten Datenbasis steuerbar zu machen.

KI ist mächtig – sie bietet Anomalieerkennung, automatisierte Abstimmungen und Reporting in natürlicher Sprache. Aber sie ist nur so gut wie die Daten, auf denen sie basiert. Adam Jamal warnt, dass schlechte Datenqualität zu „selbstbewussten falschen Antworten“ führt.

Um sich auf KI vorzubereiten, empfiehlt Parth Virkud die Verwaltung von drei Bereichen:

• Governance: Klare Verantwortlichkeiten (Wer erstellt Datensätze? Wer verwaltet Namenskonventionen?).
• Saubere Stammdaten: Eliminierung von Dubletten bei Kunden, Lieferanten und Sachkonten.
• Transaktionsintegrität: Sicherstellen, dass jede Buchung jedes Mal auf dem richtigen Konto mit den richtigen Dimensionen landet.