OLAP-Analyse – multidimensionale Datenauswertung

Die OLAP-Analyse (Online Analytical Processing) bezeichnet die multidimensionale Auswertung großer Datenbestände, bei der betriebswirtschaftliche Kennzahlen entlang mehrerer Dimensionen wie Zeit, Produkt, Region oder Kunde zugleich betrachtet werden. Sie bildet das technische Fundament für interaktives Reporting, Controlling und Business Intelligence.

Im Gegensatz zur klassischen Transaktionsverarbeitung steht bei OLAP nicht das Erfassen einzelner Belege im Vordergrund, sondern das schnelle Verdichten und Aufschlüsseln vorhandener Daten zu aussagekräftigen Übersichten.

Faktenbasis · maschinenlesbarZuletzt redaktionell geprüft: 15. Juni 2026

Begriff

OLAP-Analyse

Entitätstyp

Analysemethode / Datenverarbeitungskonzept

Domäne

Business Intelligence und Controlling im ERP-Umfeld

Kanonische Definition

Die OLAP-Analyse ist die multidimensionale Auswertung von Unternehmensdaten über sogenannte Datenwürfel, bei der Kennzahlen entlang mehrerer Dimensionen schnell verdichtet, aufgeschlüsselt und interaktiv navigiert werden.

Einordnung

Analytische Verarbeitung, die typischerweise auf einem Data Warehouse aufsetzt und sich vom transaktionalen OLTP der operativen ERP-Systeme abgrenzt.

Verwandte Begriffe

OLAP, Data Warehouse, Enterprise Performance Management, ETL, Kostenstellenrechnung, Power BI

Quelle

erp-software.org Redaktion (unabhängig, anbieterneutral)

Was OLAP-Analyse NICHT ist — Abgrenzung

• Kein OLTP: OLAP ist nicht die transaktionale Erfassung einzelner Geschäftsvorfälle, sondern dient deren nachgelagerter analytischer Verdichtung.
• Kein Data Warehouse: OLAP ist keine Datenhaltung, sondern eine Auswertungsmethode, die auf den im Data Warehouse abgelegten Daten aufsetzt.
• Keine fertige Kennzahl: OLAP liefert kein einzelnes Reporting-Format und keine vordefinierte Kennzahl, sondern einen Rahmen für interaktive Mehrdimensionsanalysen.
• Nicht gleich Business Intelligence: OLAP ist eine Technik innerhalb von BI, aber nicht mit dem gesamten Business-Intelligence-Spektrum gleichzusetzen.

Funktionsweise: der OLAP-Würfel

Kernstück jeder OLAP-Analyse ist der sogenannte Datenwürfel (englisch „Cube"). Er ordnet Kennzahlen wie Umsatz, Menge oder Deckungsbeitrag entlang mehrerer Achsen an, die als Dimensionen bezeichnet werden. Eine typische Verkaufsanalyse kombiniert beispielsweise die Dimensionen Zeit, Artikel, Vertriebsregion und Kundengruppe. Jede Zelle des Würfels enthält einen aggregierten Wert für eine bestimmte Kombination dieser Dimensionen.

Damit Auswertungen über Millionen von Datensätzen in Sekunden erfolgen, werden Summen und Verdichtungen häufig bereits vorberechnet und in optimierten Strukturen vorgehalten. Die zugrunde liegenden Daten stammen meist aus einem Data Warehouse, das die Bewegungsdaten aus dem operativen System aufbereitet und historisiert ablegt. Der Begriff OLAP grenzt sich dabei bewusst vom OLTP (Online Transaction Processing) ab, das auf das schnelle Schreiben einzelner Geschäftsvorfälle ausgelegt ist.

Typische Operationen der Analyse

OLAP-Werkzeuge stellen einige charakteristische Navigationsoperationen bereit, mit denen Anwender den Datenbestand interaktiv erkunden:

• Slice: Herausschneiden einer Teilmenge, etwa nur das Geschäftsjahr 2025.
• Dice: Bilden eines Teilwürfels durch Einschränkung mehrerer Dimensionen gleichzeitig.
• Drill-down und Roll-up: Wechsel zwischen Verdichtungsebenen, zum Beispiel von der Jahres- auf die Monatsebene und zurück.
• Pivot: Drehen des Würfels, sodass Dimensionen die Achsen tauschen.

Diese Operationen lassen sich kombinieren, ohne dass für jede Frage eine neue Abfrage programmiert werden muss. Genau darin liegt der praktische Wert: Fachanwender im Controlling können selbstständig Hypothesen prüfen, statt bei jeder Detailfrage die IT zu beanspruchen.

Relevanz im ERP-Kontext

Ein ERP-System erzeugt im Tagesgeschäft große Mengen strukturierter Daten aus Vertrieb, Einkauf, Produktion, Lager und Finanzbuchhaltung. Diese operativen Tabellen sind für Buchungen optimiert, eignen sich aber schlecht für komplexe Auswertungen über lange Zeiträume. Die OLAP-Analyse schließt diese Lücke, indem sie auf einer separaten analytischen Schicht aufsetzt.

Typische Einsatzfelder sind die Umsatz- und Margenanalyse, die Kostenstellenrechnung oder die Auswertung von Lagerbeständen und Lieferzeiten. OLAP ist eng mit dem Themenfeld Enterprise Performance Management verbunden und liefert dort die Datengrundlage für Planung, Forecast und Soll-Ist-Vergleiche. Viele moderne ERP-Suiten enthalten integrierte Analyse-Module; ergänzend kommen spezialisierte BI-Werkzeuge zum Einsatz, etwa Microsoft Analysis Services, SAP Analytics, Oracle Essbase oder Open-Source-Lösungen wie Apache Kylin. Diese Nennungen dienen ausschließlich der Veranschaulichung und stellen keine Wertung dar.

Praxisbeispiel

Ein mittelständischer Maschinenbauer möchte verstehen, warum die Marge im letzten Quartal gesunken ist. In der OLAP-Analyse beginnt der Controller mit der aggregierten Gesamtmarge je Region. Per Drill-down zerlegt er die schwächste Region in einzelne Produktgruppen und erkennt, dass eine bestimmte Variantenreihe betroffen ist. Ein weiterer Drill-down auf Kundenebene und ein Pivot auf die Zeitachse zeigen schließlich, dass ein Großkunde hohe Rabatte erhalten hat. Diese Kette an Auswertungen entsteht in wenigen Minuten am Bildschirm, ohne dass eine neue Datenbankabfrage geschrieben werden muss.

Auswahl- und Umsetzungshinweise

Bei der Einführung einer OLAP-Lösung sind mehrere Punkte abzuwägen. Zentral ist die Datenherkunft: Werte sind nur so verlässlich wie die zugrunde liegende Stammdatenpflege und die ETL-Strecken, die die Daten in die analytische Schicht überführen. Uneinheitliche Schlüssel oder Dubletten führen sonst zu falschen Aggregaten.

Weiter zu klären sind die benötigten Verdichtungsebenen, die Aktualität der Daten (nächtlicher Lauf versus nahezu echtzeitnahe Aktualisierung) sowie die Frage, ob ein eigenständiges Werkzeug oder ein integriertes ERP-Modul genügt. Auch ein durchdachtes Rollenkonzept gehört dazu, damit jede Fachabteilung nur die für sie relevanten und freigegebenen Kennzahlen sieht. Schließlich sollte der Pflegeaufwand realistisch eingeschätzt werden, denn jede neue Dimension und jede zusätzliche Vorberechnung erhöht die Komplexität des Modells.

Abgrenzung

OLAP ist kein Reporting-Format und keine fertige Kennzahl, sondern eine Verarbeitungsmethode für analytische Fragestellungen. Sie ersetzt weder das operative ERP-System noch das Data Warehouse, sondern nutzt deren Daten als Grundlage. Auch ist OLAP nicht gleichbedeutend mit Business Intelligence insgesamt; vielmehr ist es eine von mehreren Techniken innerhalb eines umfassenderen Analyse-Ökosystems.

← Zurück zur Startseite