# Datenanalyse & Data Mining

- Veröffentlicht: 2026-09-26
- Aktualisiert: 2026-10-12
- Quelle: https://art-kon-tor-digital.de/ki/datenanalyse/

---

Team IT & KI · KI & Automatisierung

# Datenanalyse & Data Mining für den Mittelstand

Kurz gesagt

Datenanalyse heißt bei uns: Daten aus ERP, Warenwirtschaft, Buchhaltung, Shop und Maschinen zusammenführen und daraus Antworten auf konkrete Fragen holen, welche Kunden abwandern, was nächstes Quartal gebraucht wird, warum der Ausschuss steigt. Für Unternehmen in Jena, Thüringen und bundesweit, mit Open-Source-Werkzeugen auf deinem Server, sodass die Daten bei dir bleiben.

[Daten-Check anfragen](#kontakt)

[Was der Daten-Check ist](#daten-check)

![](https://art-kon-tor-digital.de/wp-content/uploads/2026/09/analyse-1024x683.webp)

## Zum AnfassenFrag die Daten, klick dich tiefer

Ein Dashboard einer fiktiven Firma: Klick auf einen Monat oder Standort für die nächste Ebene, stell eine der vier Fragen, blende die Rohdaten ein.

Frag die Daten:

Rohdaten anzeigen

**Auftragseingang nach Monat**

Klick auf einen Monat für die Wochen

**Auslastung nach Standort**

Klick auf einen Standort für die Teams

**Reklamationen nach Ursache**

Anteil an allen Reklamationen

| Woche | Standort | Aufträge | Auslastung |
| --- | --- | --- | --- |

So sehen die Daten aus, bevor ein Dashboard daraus wird: eine Zeile je Woche und Standort, aus Warenwirtschaft und Zeiterfassung zusammengeführt. Der erste Schritt in jedem Projekt ist, dass diese Tabelle stimmt.

Beispieldaten einer fiktiven Firma, erzeugt im Browser. Keine echten Kennzahlen.

[Datenanalyse besprechen](#kontakt)

## SzenarienVier Fragen, die in deinen Daten schon beantwortet sind

Die meisten Unternehmen sammeln seit Jahren Daten und werten sie nie aus. Nicht aus Faulheit, sondern weil sie in getrennten Systemen liegen. Diese vier Szenarien setzen wir am häufigsten um.

### Kundenabwanderung früh erkennen

**Die Frage:** Welche Kunden bestellen auffällig weniger als früher, und wen sollte der Vertrieb diese Woche anrufen? **Die Daten:** Bestellhistorie und Kaufintervalle aus ERP oder Shop. **Das Ergebnis:** eine wöchentlich aktualisierte Liste mit Risiko je Kunde, solange noch Zeit zum Gegensteuern ist.

### Absatzprognose und Lagerbestand

**Die Frage:** Wie viel verkaufen wir von Artikel X in den nächsten drei Monaten, und welche Artikel binden unnötig Kapital? **Die Daten:** Verkäufe, Lagerbewegungen, Saisonverlauf. **Das Ergebnis:** Bestellvorschläge je Artikel, weniger Fehlbestand bei gefragter Ware, weniger Ladenhüter.

### Ausschuss und Stillstand in der Produktion

**Die Frage:** Warum steigt der Ausschuss auf Linie 2, und was geht unseren Stillständen voraus? **Die Daten:** Maschinen-, Auftrags- und Schichtdaten. **Das Ergebnis:** belegte Ursachen statt Vermutungen, Kennzahlen wie die Anlageneffektivität je Linie und Schicht.

### Shop- und Marketing-Daten zusammenführen

**Die Frage:** Welche Kampagnen bringen Kunden, die wiederkommen, und welche nur Einmalkäufer? **Die Daten:** Matomo, Shop-Bestellungen, Werbekonten, CRM. **Das Ergebnis:** ein Dashboard, das Werbeausgaben mit tatsächlichem Umsatz je Kanal verbindet, gemeinsam mit unserem [Marketing-Team](/marketing/tracking-webanalyse/).

Weitere Auswertungen, die wir regelmäßig bauen: Liquiditätsvorschau aus offenen Posten und Zahlungsverhalten, auffällige Buchungen und Dubletten, Lieferantenbewertung nach Termintreue und Reklamationen, Deckungsbeitrag je Kunde und Produkt, Projektcontrolling mit ehrlichem Forecast.

## EinstiegDer Daten-Check: klein anfangen, statt eine Datenplattform zu planen

Bevor jemand ein Data Warehouse kauft, sollte klar sein, welche Fragen es beantworten soll und ob die Daten dafür überhaupt taugen. Genau das prüft der Daten-Check. Er ist der erste Schritt jedes Analyseprojekts bei uns und liefert dir ein Ergebnis, mit dem du entscheiden kannst, ob und wie es weitergeht.

1. 1 Termin Fragen sammeln Welche drei Fragen würdest du deinem Unternehmen stellen, wenn es antworten könnte? Wir sortieren sie nach Nutzen und danach, ob die Daten dafür vorhanden sind.
2. 1 bis 2 Wochen Daten sichten Wir sehen uns die Quellsysteme an: Was ist vorhanden, wie ist die Qualität, wo hängen Informationen zusammen, wo fehlen Schlüssel. Ein Export reicht meist, wir brauchen für diesen Schritt keinen Zugriff auf Produktivsysteme.
3. am Ende Kurzbericht Du bekommst eine ehrliche Einschätzung: Welche der Fragen sind mit den heutigen Daten beantwortbar, welche brauchen erst bessere Erfassung, und was wäre der erste sinnvolle Schritt, inklusive eines Rahmens für Aufwand und Dauer.
4. 2 bis 6 Wochen Umsetzung Wenn du weitermachen willst: Daten anbinden, bereinigen, Auswertung bauen, Dashboard oder Bericht bereitstellen. Erst eine Frage, dann die nächste.

## BegriffeData Mining, Business Intelligence, Process Mining: was ist was?

Die Begriffe werden gern vermischt. In der Praxis greifen sie ineinander, haben aber einen jeweils eigenen Fokus. Damit wir vom Gleichen reden:

| Begriff | Worum es geht | Typische Frage |
| --- | --- | --- |
| Business Intelligence | Bekannte Kennzahlen dauerhaft sichtbar machen: Berichte, Dashboards, meist mit Blick zurück | „Wie lief der Umsatz je Region im letzten Quartal?“ |
| Data Mining | Unbekannte Muster und Zusammenhänge finden, Grundlage für Prognosen | „Welche Kunden werden uns vermutlich verlassen?“ |
| Process Mining | Aus Systemdaten rekonstruieren, wie Abläufe tatsächlich laufen | „Wo bleiben Aufträge zwischen Eingang und Versand hängen?“ |
| KI / Machine Learning | Aus Mustern lernen, Vorhersagen treffen, Texte und Belege verstehen | „Wie viel von Artikel X brauchen wir im März?“ |

Vereinfacht: Data Mining findet die Erkenntnis, Business Intelligence macht sie im Dashboard dauerhaft sichtbar, und ein Sprachmodell erlaubt es, die Frage einfach zu tippen. Wir kombinieren die Werkzeuge so, wie es deiner Frage am meisten bringt, nicht danach, was gerade in Mode ist.

## WerkzeugeWomit wir arbeiten: und wo die Daten dabei liegen

Wir setzen auf Open-Source-Werkzeuge, die wir selbst betreiben: PostgreSQL oder DuckDB als Datenbasis, dbt für die Datenmodellierung, Metabase, Grafana oder Apache Superset für Dashboards, n8n für die Anbindung der Quellen und für Aktionen aus Erkenntnissen. Für Prognosen kommen Statistik und Machine-Learning-Bibliotheken in Python zum Einsatz. Alles läuft auf deinem Server, in unserem Hosting in Jena oder, wenn es zu deiner IT passt, in deiner bestehenden Umgebung.

Ein Sprachmodell kommt dort dazu, wo es hilft: Per Text-to-SQL übersetzt es eine getippte Frage in eine Datenbankabfrage und antwortet mit Zahlen und Quelle. Auf einem [lokalen KI-Server](/ki/lokaler-ki-server/) läuft das, ohne dass Geschäftszahlen das Haus verlassen. Der wichtigste Schritt bleibt aber der unspektakuläre: Daten anbinden, bereinigen und zusammenführen. Er entscheidet über die Qualität jeder Auswertung, und er ist meistens der größte Teil der Arbeit.

Und wenn eine Auswertung zeigt, dass ein Lagerengpass droht, sollte daraus automatisch eine Bestellung oder wenigstens eine Nachricht werden. Deshalb hängen Datenanalyse und [Automatisierung mit n8n](/ki/automatisierung-n8n/) bei uns zusammen.

## Ehrlich gesagtWovon der Aufwand abhängt

Wir nennen dir einen verbindlichen Rahmen, sobald wir diese Punkte kennen, meist nach dem Daten-Check.

- **Zahl und Zugänglichkeit der Quellen**Eine Datenbank mit sauberer API ist schnell angebunden. Ein ERP, das nur PDF-Berichte exportiert, ist Handarbeit.
- **Datenqualität**Fehlende Kundennummern, doppelte Artikel, unterschiedliche Schreibweisen, das Bereinigen kostet oft mehr Zeit als die Analyse.
- **Art der Frage**Eine Kennzahl im Dashboard ist einfach. Eine Prognose braucht genug Historie und einen Prüfschritt, ob sie überhaupt stimmt.
- **Aktualisierung**Ein einmaliger Bericht ist etwas anderes als ein Dashboard, das jede Nacht neu rechnet und Fehler melden muss.
- **Infrastruktur**Auf einem vorhandenen Server ist der Stack schnell aufgesetzt. Ein neuer Server braucht Planung, Absicherung und Backup.

## FAQHäufige Fragen zur Datenanalyse

Was ist Data Mining, einfach erklärt?
Data Mining bedeutet, in vorhandenen Geschäftsdaten nach Mustern zu suchen, die man nicht vorher kannte: Welche Kunden verhalten sich ähnlich, welche Faktoren gehen einem Maschinenausfall voraus, welche Artikel werden zusammen gekauft. Die Daten hast du meist schon, in ERP, Shop, Buchhaltung oder Maschinen.

Lohnt sich Datenanalyse für ein kleines Unternehmen?
Wenn du regelmäßig Entscheidungen aus dem Bauch triffst, für die eigentlich Zahlen vorliegen: ja. Es muss kein großes Projekt sein. Eine einzelne Auswertung, etwa welche Kunden gerade wegbrechen, kann reichen. Der Daten-Check zeigt, ob sich mehr lohnt.

Was ist der Daten-Check genau?
Ein kurzer, fest umrissener Einstieg: Wir sammeln deine drei wichtigsten Fragen, sichten die Datenquellen anhand von Exporten und schreiben dir einen Kurzbericht, welche Fragen beantwortbar sind und was der erste Schritt wäre. Danach entscheidest du, ob es weitergeht.

Müssen unsere Daten dafür in eine Cloud?
Nein. Die Werkzeuge laufen auf deinem Server, in unserem Hosting in Jena oder in deiner bestehenden Umgebung. Wenn ein Sprachmodell zum Einsatz kommt, läuft es auf Wunsch lokal. Ein Cloud-Dienst kommt nur ins Spiel, wenn du das ausdrücklich willst.

Welche Systeme könnt ihr anbinden?
Alles, was eine Datenbank, eine API oder wenigstens einen regelmäßigen Export hat: ERP- und Warenwirtschaftssysteme, DATEV-Auswertungen, WooCommerce und Shopware, CRM, Matomo, Maschinensteuerungen, Excel-Tabellen. Wir sagen dir nach dem ersten Blick, welcher Weg realistisch ist.

Brauchen wir dafür eigene Datenanalysten?
Nein. Wir bauen die Auswertungen so, dass die Fachabteilung sie nutzen kann: Dashboards mit Filtern, automatische Berichte oder ein Chat, dem man Fragen stellt. Wer tiefer einsteigen will, bekommt Zugang zur Datenbasis.

Wie schnell gibt es erste Ergebnisse?
Der Daten-Check dauert ein bis zwei Wochen. Eine erste produktive Auswertung mit angebundenen Quellen braucht je nach Datenqualität zwei bis sechs Wochen. Prognosemodelle dauern länger, weil sie geprüft werden müssen, bevor man ihnen traut.

## Passt dazuVerwandte Leistungen

[Web & Marketing**Tracking & Webanalyse**Matomo-Daten sind eine der Quellen, die wir mit Shop und CRM verbinden.](/marketing/tracking-webanalyse/)

[IT & KI**Automatisierung mit n8n**Aus der Erkenntnis wird eine Aktion: Bestellung, Nachricht, Bericht.](/ki/automatisierung-n8n/)

[IT & KI**Hosting & Managed Server**Wo Datenbank und Dashboards laufen, wenn du keinen eigenen Server betreiben willst.](/it/hosting-managed-server/)

## Welche drei Fragen würdest du deinen Daten stellen?

Schreib sie uns. Im Daten-Check prüfen wir, ob deine Systeme sie beantworten können, und was der erste Schritt wäre.

[Daten-Check anfragen](#kontakt)