Business Intelligence: Definition, Abgrenzung, Beispiele

Business Intelligence (BI) ist das Sammeln, Aufbereiten und Auswerten von Unternehmensdaten, damit Zahlen zu Umsatz, Kosten oder Beständen in Berichten (regelmäßige Auswertungen) und Dashboards (interaktive Übersichten am Bildschirm) sichtbar werden. Der Begriff wurde in seiner heutigen Form 1989 vom Gartner-Analysten Howard Dresner geprägt und steht für die rückblickende Sicht: Was ist passiert und wo steht das Unternehmen gerade?

Was ist Business Intelligence?

Business Intelligence bündelt die Abläufe, Werkzeuge und Datenmodelle, mit denen tägliche Geschäftsdaten aus den operativen Systemen (also den Programmen, in denen Bestellungen, Rechnungen oder Lagerbewegungen laufen) in verständliche Kennzahlen überführt werden. Der Blick geht in die Vergangenheit und die Gegenwart: Umsätze, Bestände, Margen (Gewinn pro verkauftem Produkt), Auftragslage, Prozesskennzahlen. Die Ergebnisse landen in festen Berichten, in interaktiven Dashboards, in OLAP-Auswertungen (schnelles Zerlegen großer Zahlen-Tabellen nach Zeit, Region oder Produkt) und in Self-Service-Analysen (eigene Auswertungen ohne IT-Ticket).

Der Begriff hat zwei historische Anker. Erstmals dokumentiert findet er sich 1958 in einem Aufsatz von Hans Peter Luhn im IBM Journal of Research and Development, der ein „Business Intelligence System" für die automatische Verteilung von Informationen an Entscheider beschreibt. Die heute übliche Prägung geht auf Howard Dresner zurück, der den Begriff 1989 als Gartner-Analyst als Sammelkategorie für datenbasierte Managemententscheidungen etablierte. Seither wird BI von Analystenhäusern wie Gartner, Forrester und IDC sowie von Fachverbänden wie dem TDWI als eigenständige Kategorie geführt.

Technisch ruht Business Intelligence auf mehreren Bausteinen. Die Datenintegration überführt Daten aus operativen Quellsystemen (ERP, CRM, Fachanwendungen) über ETL- oder ELT-Strecken in eine zentrale Datenhaltung. Klassisch ist das ein Data Warehouse mit dimensionalem Modell; in modernen Architekturen tritt an dessen Stelle ein Data Lakehouse. Ein Semantic Layer bündelt Geschäftskennzahlen, Dimensionen und Hierarchien in einer einheitlichen Definition, damit dieselbe Kennzahl in unterschiedlichen Berichten dieselbe Zahl liefert. Auf dieser Basis liefern BI-Werkzeuge wie Power BI, Tableau, Qlik, Looker oder MicroStrategy die Auslieferung an die Fachbereiche.

Methodisch deckt BI die ersten beiden Stufen des vierstufigen Analytik-Reifegradmodells ab: descriptive (Was ist passiert?) und diagnostic (Warum ist es passiert? Drill-Down, Slice-and-Dice, Ad-hoc-Analyse). Predictive- und Prescriptive-Verfahren werden traditionell der Advanced Analytics zugeordnet. Neuere BI-Plattformen integrieren zunehmend KI-Funktionen (Text-to-SQL, automatisierte Insights, Natural-Language-Interfaces) und verschieben diese Grenze schrittweise.

Abgrenzung zu Business Analytics, Advanced Analytics und Data Warehouse

Business Intelligence wird häufig mit benachbarten Begriffen verwechselt. Die Abgrenzung verläuft entlang unterschiedlicher Achsen: Methoden-Tiefe, organisatorischer Rahmen, Datenvolumen und Architektur.

Begriff	Achse	Kernunterschied
Business Analytics	Rahmen	Business Analytics ist der breitere organisatorische Rahmen und enthält BI als deskriptive Teilmenge sowie Advanced Analytics als methodische Erweiterung.
Advanced Analytics	Methoden-Tiefe	Advanced Analytics umfasst prädiktive und präskriptive Verfahren (Statistik, Machine Learning, Optimierung). BI beantwortet die descriptive und diagnostic Ebene.
Big Data Analytics	Datenvolumen	Big Data Analytics ist über Volumen, Velocity und Variety der Daten definiert. BI kann auf großen wie kleinen Datenbeständen laufen.
Data Warehouse	Speicher-Modell	Ein Data Warehouse ist die relationale Speicher-Schicht für strukturierte Analysedaten. BI ist die Anwendungs-Schicht, die auf Warehouse oder Lakehouse zugreift.
Reporting	Teilfunktion	Reporting bezeichnet die Auslieferung standardisierter Berichte. BI umfasst zusätzlich interaktive Dashboards, Semantic Layer, Self-Service und Ad-hoc-Analyse.

Am wichtigsten ist die Trennung zwischen Business Intelligence und Business Analytics. Beide Begriffe werden im Sprachgebrauch oft synonym verwendet, unterscheiden sich aber im Anspruch: BI beantwortet Fragen zu Vergangenheit und Gegenwart, Business Analytics adressiert zusätzlich Zukunft und Handlung. In der Praxis laufen beide Kategorien heute auf derselben Datenplattform und greifen auf dieselben Kennzahlen zurück.

Beispiel: Business Intelligence im Handel

Ein Handelsunternehmen betreibt eine BI-Umgebung auf einem Data Lakehouse. Umsatz-, Warengruppen- und Filial-Kennzahlen werden aus dem ERP-System per Change-Data-Capture in die Silber-Schicht des Lakehouses geladen und in Gold-Tabellen mit definierten Geschäftskennzahlen aufbereitet. Ein Semantic Layer definiert Umsatz, Marge und Working Capital einheitlich und stellt sicher, dass Controlling und Vertrieb mit denselben Zahlen arbeiten.

Auf dieser Datenbasis liefern standardisierte Dashboards dem Management den täglichen Blick auf Umsatz, Marge und Bestände pro Region. Category-Manager nutzen einen Self-Service-Layer, um eigene Auswertungen pro Warengruppe und Filiale zu bauen, ohne dafür einen IT-Ticket-Prozess anzustoßen. Bei Abweichungen ermöglicht ein Drill-Down den Sprung von der Regionalebene bis zum einzelnen Artikel. Alle drei Auslieferungswege bleiben inhaltlich klassische Business Intelligence: Sie beantworten die deskriptive Frage „Was ist passiert?" und die diagnostische Frage „Warum ist es passiert?". Prognosen und automatische Empfehlungen (etwa ein ML-basierter Absatz-Forecast) sind methodisch Advanced Analytics und werden neben der BI-Umgebung auf derselben Plattform betrieben.