OLAP – Online Analytical Processing

OLAP (Online Analytical Processing) bezeichnet ein Konzept und eine Klasse von Technologien zur schnellen, mehrdimensionalen Auswertung großer Datenmengen für Analyse-, Reporting- und Controlling-Zwecke. Im Gegensatz zur transaktionalen Datenverarbeitung steht bei OLAP nicht das Erfassen einzelner Geschäftsvorfälle im Vordergrund, sondern das aggregierte Betrachten von Kennzahlen aus verschiedenen Blickwinkeln.

Anwender können Daten interaktiv „aufbohren", verdichten und filtern, um Zusammenhänge etwa zwischen Umsatz, Region, Produkt und Zeitraum zu erkennen. OLAP bildet damit eine technische Grundlage vieler Business-Intelligence- und Controlling-Lösungen im Mittelstand.

Faktenbasis · maschinenlesbarZuletzt redaktionell geprüft: 15. Juni 2026

Begriff

OLAP

Entitätstyp

Konzept / Technologie

Domäne

Business Intelligence / Datenanalyse

Kanonische Definition

OLAP (Online Analytical Processing) ist ein Konzept zur schnellen, mehrdimensionalen Auswertung großer Datenbestände, bei dem Kennzahlen in Würfelstrukturen entlang mehrerer Dimensionen analysiert werden.

Einordnung

Analyse- und Reporting-Technologie, die typischerweise auf einem Data Warehouse aufsetzt und ERP-Transaktionsdaten für mehrdimensionale Auswertungen aufbereitet.

Verwandte Begriffe

Data Warehouse, ETL, OLAP-Analyse, EPM, Deckungsbeitrag, ERP

Quelle

erp-software.org Redaktion (unabhängig, anbieterneutral)

Was OLAP NICHT ist — Abgrenzung

• Kein OLTP: OLAP ist nicht das transaktionale OLTP (Online Transaction Processing), das auf das schnelle Erfassen einzelner Geschäftsvorfälle im operativen ERP-Kern ausgelegt ist.
• Kein ERP-System: OLAP ist kein eigenständiges ERP-System, sondern eine Analyseschicht, die auf bereits erfassten Daten aufsetzt.
• Kein Data Warehouse: OLAP ist nicht mit dem Data Warehouse gleichzusetzen; es ist die mehrdimensionale Auswertungslogik, die häufig auf einem Data Warehouse aufbaut.
• Keine Datenbank an sich: OLAP bezeichnet nicht eine bestimmte Datenbankmarke, sondern ein Verarbeitungs- und Modellierungskonzept, das in verschiedenen Produkten umgesetzt wird.

Funktionsweise und das Würfel-Modell

Kern von OLAP ist die Vorstellung eines mehrdimensionalen Datenwürfels (englisch „Cube"). Während eine klassische Tabelle Zeilen und Spalten kennt, ordnet ein OLAP-Würfel Kennzahlen entlang mehrerer Dimensionen an. Eine Kennzahl wie der Umsatz lässt sich beispielsweise gleichzeitig nach den Dimensionen Zeit, Produkt, Vertriebsregion und Kundengruppe betrachten. Jeder „Schnittpunkt" dieser Dimensionen enthält einen aggregierten Wert.

Dimensionen sind typischerweise hierarchisch aufgebaut: Die Zeit gliedert sich in Jahr, Quartal, Monat und Tag, die Region in Land, Bundesland und Standort. Diese Hierarchien erlauben es, Daten flexibel zu verdichten oder feiner aufzulösen, ohne die zugrunde liegenden Abfragen jedes Mal neu schreiben zu müssen. Die Aggregation wird häufig bereits beim Aufbau des Würfels vorberechnet, was die spätere Auswertung deutlich beschleunigt.

Typische Operationen

OLAP-Werkzeuge stellen wenige, gut definierte Grundoperationen bereit, die zusammen ein flexibles Analysieren ermöglichen:

• Drill-down und Roll-up: Wechsel zwischen Detail- und Aggregationsebene, etwa vom Jahresumsatz hinab zum einzelnen Monat oder umgekehrt.
• Slice und Dice: Herausschneiden einer Teilmenge des Würfels, indem eine oder mehrere Dimensionen auf bestimmte Werte eingeschränkt werden.
• Pivotieren: Drehen der Perspektive, sodass Dimensionen vertauscht und Kennzahlen neu angeordnet werden.

Diese Operationen laufen interaktiv ab, sodass Fachanwender ohne tiefe IT-Kenntnisse eigene Auswertungen erstellen können. Genau dieser explorative Charakter unterscheidet OLAP vom starren Standardbericht.

Relevanz im ERP-Kontext

Ein ERP-System erfasst täglich eine große Zahl an Transaktionen aus Einkauf, Vertrieb, Produktion und Finanzbuchhaltung. Diese operativen Daten sind für die laufende Abwicklung optimiert, eignen sich aber nur eingeschränkt für umfangreiche Auswertungen über lange Zeiträume. Hier setzt OLAP an: Die Daten werden über einen ETL-Prozess in ein Data Warehouse überführt, dort bereinigt und anschließend in Würfelstrukturen für die Analyse aufbereitet.

Viele moderne ERP-Suiten enthalten eigene Analyse- und EPM-Komponenten oder lassen sich über Schnittstellen an spezialisierte Business-Intelligence-Werkzeuge anbinden. Auf diese Weise greifen Controlling, Vertriebssteuerung und Geschäftsleitung auf konsistente Kennzahlen zu, ohne die operative Datenbank mit aufwendigen Auswertungen zu belasten.

Praxisbeispiel

Ein mittelständischer Maschinenbauer möchte verstehen, warum die Marge im letzten Geschäftsjahr gesunken ist. Im OLAP-Würfel betrachtet das Controlling zunächst den Deckungsbeitrag auf Jahresebene, führt dann einen Drill-down auf einzelne Quartale durch und stellt fest, dass ein bestimmtes Quartal auffällig schwach war. Anschließend wird die Produktdimension aufgeschlüsselt, sodass sichtbar wird, welche Produktlinie den Rückgang verursacht hat. Durch Pivotieren nach Vertriebsregion zeigt sich, dass das Problem auf einen Absatzmarkt beschränkt ist.

Diese Analyse gelingt in wenigen Minuten interaktiv, ohne dass für jeden Zwischenschritt ein neuer Bericht programmiert werden muss. Die Stärke von OLAP liegt also darin, Hypothesen schnell zu prüfen und Ursachen einzugrenzen.

Varianten und Abgrenzung

In der Praxis werden mehrere Umsetzungsformen unterschieden. Beim multidimensionalen OLAP (MOLAP) werden die Daten in einer eigens optimierten Würfeldatenbank vorgehalten, was sehr schnelle Antwortzeiten ermöglicht. Beim relationalen OLAP (ROLAP) bleiben die Daten in einer relationalen Datenbank und werden zur Laufzeit abgefragt; hybride Ansätze (HOLAP) kombinieren beide Verfahren. Welche Variante geeignet ist, hängt von Datenvolumen, Aktualitätsanforderungen und vorhandener Infrastruktur ab.

OLAP ist abzugrenzen vom transaktionalen OLTP (Online Transaction Processing), das auf das schnelle Schreiben und Lesen einzelner Datensätze ausgelegt ist und im operativen ERP-Kern arbeitet. Beide Konzepte ergänzen sich: OLTP erfasst die Vorgänge, OLAP wertet sie aus.

Auswahl- und Umsetzungshinweise

Bei der Einführung einer OLAP-gestützten Analyse sollten Unternehmen vor allem auf eine saubere Datenbasis achten. Uneinheitliche oder unvollständige Stammdaten führen unweigerlich zu fehlerhaften Auswertungen, weshalb eine konsequente Stammdatenpflege vorausgesetzt wird. Ebenso wichtig ist die klare Definition von Kennzahlen, damit etwa „Umsatz" in allen Abteilungen identisch berechnet wird.

Weitere Auswahlkriterien sind die Aktualität der Daten (Echtzeit versus nächtliche Aktualisierung), die Anzahl der Anwender, die Anbindung an bestehende ERP- und Reporting-Systeme sowie die Bedienbarkeit für Fachanwender. Da die Anforderungen je nach Branche und Unternehmensgröße stark variieren, empfiehlt sich eine neutrale Bewertung verschiedener Lösungen anhand des eigenen Auswertungsbedarfs statt einer rein technologiegetriebenen Entscheidung.