Typische Herausforderungen der Datenmigration

Unklare Datenverantwortung

Inkonsistente oder veraltete Stammdaten

Zeitdruck im Cut-Over

Hohe Anforderungen an Nachvollziehbarkeit

Warum Datenmigration kritisch ist

Kurz gesagt: Datenmigration ist kein reiner Importlauf. Sie ist ein Risiko-, Qualitäts- und Organisationsthema im Kern jeder ERP-Migration.

Viele Unternehmen kommen mit einem klaren Anspruch ins Projekt: Die Daten sollen vollständig, korrekt und zum Stichtag verfügbar sein. Gleichzeitig verändert eine Migration fast immer auch die Datenstruktur. Genau darin liegt die Spannung: Was im Altsystem über Jahre gewachsen ist, passt nicht automatisch unverändert in die neue Zielumgebung.

Hinzu kommt ein zweites Problem: Fehler entstehen nicht nur technisch. In vielen Projekten ist unklar, wer bestimmte Datensätze fachlich verantwortet, welche Informationen noch relevant sind und welche Altlasten besser nicht übernommen werden sollten. Wer diese Fragen zu spät klärt, verlagert das Risiko in Testphase und Go-Live.

Warum Vollständigkeit nicht gleich Qualität ist

Nicht jede vorhandene Information ist automatisch migrationswürdig. Wenn veraltete, doppelte oder inkonsistente Daten ungeprüft übernommen werden, werden Probleme aus dem Altsystem in die neue Umgebung übertragen.

Deshalb gilt in der Praxis oft: Weniger Daten, dafür saubere Daten, führen zu einem stabileren Start.

Welche Daten wirklich übernommen werden sollten

Übernommen werden sollten die Daten, die im künftigen Betrieb tatsächlich gebraucht werden – nicht alles, was technisch migrierbar wäre.

Die zentrale Frage lautet also nicht: Was können wir migrieren?
Sondern: Was brauchen wir im künftigen Betrieb wirklich?

Eine Infor LN Datenmigration sollte sich an der späteren Nutzung orientieren:

  • Welche Daten werden im Tagesgeschäft benötigt?
  • Welche Informationen sind für Folgeprozesse relevant?
  • Welche offenen Vorgänge müssen im Zielsystem weiterbearbeitet werden?
  • Welche Historie muss für Reporting, Nachweise oder Service verfügbar bleiben?

Geschäftskritisch sind vor allem Stammdaten, die operative Prozesse unmittelbar steuern. Typische Beispiele sind:

  • Artikel- und Materialstämme
  • Kunden- und Lieferantenstämme
  • Preis- und Konditionsdaten
  • Stücklisten und Arbeitspläne
  • Lager- und Dispositionsdaten
  • Finanzrelevante Stammdaten

Gerade bei Stammdaten zeigt sich schnell, ob Prozesse über Jahre sauber gepflegt wurden oder ob Redundanzen, Lücken und Inkonsistenzen entstanden sind.

Bewegungsdaten sind oft besonders sensibel, weil sie direkt in laufende Abläufe eingreifen. Dazu zählen zum Beispiel:

  • Verkaufsaufträge
  • Bestellungen
  • Verträge
  • Serviceaufträge
  • Bestände
  • offene Lager- oder Warenbewegungen

Hier ist entscheidend, welche Vorgänge zum Stichtag offen sind und im Zielsystem ohne Bruch weitergeführt werden müssen. Fehlende Aufträge, fehlerhaft übernommene Einkaufspreisverträge oder nicht migrierte Bestellungen können den operativen Ablauf und die Disposition unmittelbar beeinträchtigen.

Zurückbleiben sollten Daten ohne operativen Mehrwert – also alles, was Komplexität erhöht, ohne im Zielsystem gebraucht zu werden. Typische Kandidaten für eine bewusste Nicht-Übernahme sind:

  • veraltete Ansprechpartner und Adressdaten
  • nicht mehr genutzte Artikel oder Partner
  • historischer Ballast ohne operative Relevanz
  • inkonsistente Datensätze, die keinen belastbaren Mehrwert liefern

Eine selektive Datenübernahme reduziert Komplexität, Speicherbedarf und Fehlerrisiken.

Wie eine Infor LN Datenmigration abläuft

Eine belastbare Datenmigration folgt einem klaren Fahrplan. Ziel ist nicht, erst kurz vor dem Go-Live festzustellen, ob die Daten passen, sondern die Qualität über mehrere Schritte hinweg abzusichern.

Schritt 1: Datenbasis und Zielbild klären

Am Anfang steht die Frage, welche Tabellen, Datenobjekte und Informationsbereiche überhaupt übernommen werden sollen. Dabei geht es nicht nur um technische Auswahl, sondern auch um das fachliche Zielbild:

  • Welche Strukturen gelten im Zielsystem?
  • Welche Daten werden dort noch benötigt?
  • Welche Abhängigkeiten bestehen zwischen Tabellen und Prozessen?
  • Welche Vorarbeiten sind technisch erforderlich?

Wichtig ist: Das Zielbild wird im Projektverlauf oft präziser. Deshalb muss die Datenmigration von Anfang an lernfähig aufgebaut werden.

Schritt 2: Qualität, Vollständigkeit und Reihenfolgen absichern

Im nächsten Schritt geht es um Qualität und Zusammenhänge:

  • Sind Tabellen vollständig?
  • Stimmen Referenzen und Abhängigkeiten?
  • In welcher Reihenfolge müssen Daten übernommen werden?
  • Was erfolgt automatisiert, was manuell?

Gerade in gewachsenen Infor-LN-Landschaften müssen referenzierte Tabellen, geteilte Datenbestände und spätere Zielstrukturen früh berücksichtigt werden. Sonst werden Fehler erst sichtbar, wenn Prozesse getestet werden.

Schritt 3: Zusatzfelder und Laufzeiten bewerten

Viele LN-Umgebungen enthalten kundenspezifische Erweiterungen. Deshalb muss geklärt werden:

  • Welche Zusatzfelder und Zusatztabellen sind relevant?
  • Welche Anpassungen beeinflussen die Datenübernahme?
  • Wie lange dauern Export, Transfer und Import tatsächlich?
  • Welche manuellen Schritte lassen sich vermeiden?

Dieser Schritt ist wichtig, um nicht nur die Datenlogik, sondern auch die technische Durchführbarkeit realistisch zu bewerten.

Schritt 4: Bewegungsdaten getrennt planen

Stammdaten und Bewegungsdaten sollten nicht automatisch über denselben Übernahmeweg geplant werden. Bewegungsdaten wie Aufträge, Bestellungen oder Servicevorgänge folgen oft einer eigenen Logik und verlangen gesonderte Planung.

Entscheidend ist:

  • Welche Bewegungsdaten müssen am Stichtag offen sein?
  • Über welchen Weg werden sie übernommen?
  • Wie werden Anschlussprozesse abgesichert?
Schritt 5: Generalprobe und Schulungsumgebung vorbereiten

Vor dem Go-Live braucht es eine belastbare Generalprobe. In dieser Phase zeigt sich, ob:

  • die Migrationsreihenfolge funktioniert,
  • die Laufzeiten zum Cutover-Fenster passen,
  • die Datenqualität für finale Tests ausreicht,
  • Schulung und Fachtests auf realistischen Daten möglich sind.

Spätestens hier dürfen keine grundlegenden Überraschungen mehr auftreten.

Schritt 6: Cut-Over sicher umsetzen

Im Cut-Over zählt Verlässlichkeit. Die finale Datenübernahme muss zeitlich, technisch und organisatorisch abgestimmt sein:

  • klare Zeitfenster
  • definierte Verantwortlichkeiten
  • nachvollziehbare Prüfschritte
  • klare Eskalationslogik bei Abweichungen

Je besser die Vorstufen vorbereitet sind, desto geringer ist das Risiko im finalen Umstellungsfenster.

Welche Methoden sich bewährt haben

Es gibt nicht das eine Werkzeug für jede Migration. Entscheidend ist, welcher Weg zur Datenart, Zielarchitektur und Projektsituation passt.

Für Massenstammdaten und größere Datenmengen ist eine automatisierte Übernahme oft der richtige Weg. Sie ist vor allem dort sinnvoll, wo:

  • Datenstrukturen klar definiert sind,
  • Transformationen reproduzierbar ablaufen müssen,
  • Testläufe wiederholt durchgeführt werden,
  • hohe Volumina wirtschaftlich verarbeitet werden sollen.

Nicht alles lohnt sich für eine Automatisierung. Bei kleineren Datenmengen oder speziellen Stammdatentypen kann manuelle oder halbmanuelle Pflege sinnvoller sein, etwa wenn:

  • die Anzahl überschaubar ist,
  • fachliche Bewertung im Einzelfall nötig ist,
  • der Automatisierungsaufwand unverhältnismäßig wäre.

Bewegungsdaten verlangen oft einen eigenen Ansatz. Offene Vorgänge, Bestände oder transaktionsnahe Daten müssen so übernommen werden, dass Prozesse im Zielsystem konsistent weiterlaufen können. Hier ist die saubere Trennung zwischen Stammdatenlogik und Vorgangslogik entscheidend.

Ein reiner 1:1-Ansatz klingt zunächst risikoarm, ist aber in vielen Projekten nicht der beste Weg. Gründe können sein:

  • veränderte Prozesse im Zielsystem
  • zusätzliche oder geänderte Stammdatenanforderungen
  • Bereinigung inkonsistenter Daten
  • Neuordnung gewachsener Strukturen
  • geringerer Ballast in der Zielumgebung

Gerade bei Migrationen in modernere Zielstrukturen ist selektive Übernahme häufig sinnvoller als blinde Vollübernahme.

Wo Datenqualität in gewachsenen LN-Landschaften kippt

Datenqualität kippt in gewachsenen LN-Landschaften vor allem dort, wo sich über Jahre viele kleine Veränderungen summiert haben:

  • veraltete oder doppelte Stammdaten
  • uneinheitlich gepflegte Informationen
  • fehlende Durchgängigkeit zwischen Datensätzen
  • widersprüchliche Referenzen und Inkonsistenzen
  • Altlasten aus früheren Prozessständen
Warum die Migration eine Bereinigungschance ist

Eine ERP-Migration ist nicht nur ein technischer Wechsel. Sie ist auch ein sinnvoller Zeitpunkt, die Datenbasis gezielt zu verbessern:

  • Ballast zurücklassen
  • relevante Daten schärfen
  • Verantwortlichkeiten klären
  • Stammdaten neu strukturieren
  • Qualität für spätere Prozesse absichern

Wie Tests und Validierung Sicherheit schaffen

Je früher Daten in der Zielumgebung verfügbar sind, desto besser lassen sich Prozesse realistisch prüfen. Genau darin liegt ein großer Hebel für Projektsicherheit.

Frühe Datenimporte schaffen Transparenz über:

  • Stammdatenstrukturen
  • Bewegungsdaten
  • neue Prozesslogiken
  • künftige Arbeitsweisen im System

Warum frühe Testimporte so wertvoll sind

Frühe Testimporte helfen, Probleme nicht erst im Endspurt zu erkennen. Key User und Process Owner können mit realistischen Daten prüfen:

  • ob die Struktur passt,
  • ob Prozesse ausführbar sind,
  • ob Informationen vollständig vorliegen,
  • ob Anpassungen und Softwareerweiterungen funktionieren,
  • ob Transformationen fachlich korrekt umgesetzt wurden.

Wie Testmigrationen Schwachstellen sichtbar machen

In Testläufen werden Lücken und Fehler oft erst greifbar. Das ist kein Misserfolg, sondern Teil eines sauberen Migrationsvorgehens. Entscheidend ist, dass daraus eine strukturierte Rückkopplung entsteht:

Bewertung

Problem dokumentieren

Fehler erkennen

Analyse

Ursache eingrenzen

Transformation anpassen

Datenbasis verbessern

Test wiederholen

FAQ zur Infor LN Datenmigration

Nein. In vielen Projekten ist es sinnvoller, nur die Daten zu übernehmen, die im künftigen Betrieb, für offene Vorgänge oder für relevante Auswertungen tatsächlich benötigt werden. Eine selektive Übernahme reduziert Komplexität und verbessert oft die Datenqualität.

Durch frühe Testläufe, realistische Laufzeitmessungen, klare Migrationsreihenfolgen und einen abgestimmten Cutover-Plan. Entscheidend ist, die Übernahme nicht erst im finalen Umstellungsfenster zum ersten Mal unter realistischen Bedingungen zu bewerten.

Technik allein reicht nicht. Die Verantwortung muss zwischen IT, Fachbereichen, Key Usern und Projektleitung klar geregelt sein. Fachlich relevante Daten können nur mit den zuständigen Verantwortlichen sauber bewertet werden.

Sprechen Sie mit uns!

Lösungen für Ihre Branche und Ihre Prozesse stellen wir Ihnen gerne vor. Sprechen Sie mit den Spezialisten für den Mittelstand.

Jetzt anfragen
Ansprechpartner
Thomas Heinke