Ende 2027 endet die Mainstream Maintenance für zentrale Anwendungen der SAP Business Suite 7. Für Unternehmen, die ihre S/4HANA-Migration 2027 noch vorbereiten, wird der zeitliche Spielraum damit zunehmend kleiner.
Die Frist ist bekannt. Weniger transparent ist häufig, welche Rolle die Datenqualität für Projektaufwand, Testzyklen und Go-live spielt. Denn viele Datenprobleme werden erst sichtbar, wenn die Migration bereits läuft und Zeitpläne, Budgets und Ressourcen festgelegt sind.
Die Deadline ist bekannt. Der Zustand der Daten und damit verbundene Kosten oft nicht.
Die meisten Kalkulationen für S/4HANA-Migrationen enthalten Posten für Lizenzen, Infrastruktur, Berater und Schulungen. Was regelmäßig fehlt: ein realistischer Ansatz für Datenbereinigung und Nacharbeit.
Das hat einen einfachen Grund. Vor dem Projekt wird der Zustand der Daten oft besser eingeschätzt, als er tatsächlich ist. Die IT arbeitet täglich mit den vorhandenen Daten. Die Fachbereiche kennen ihre Prozesse. Daraus entsteht leicht der Eindruck, die Datenbasis sei für eine Migration ausreichend vorbereitet.
Doch sobald Daten extrahiert, transformiert, validiert und in neue Strukturen überführt werden, können Lücken sichtbar werden: fehlende Pflichtfelder, inkonsistente Zuordnungen, Duplikate, Formatabweichungen oder verwaiste Datensätze.
Was schlechte Daten eine S/4HANA-Migration wirklich kosten
Mit S/4HANA verändern sich Datenmodelle, Geschäftsobjekte und Validierungsanforderungen. Dadurch können unvollständige, inkonsistente oder falsch zugeordnete Daten sichtbar werden, die im bisherigen Systembetrieb nicht aufgefallen sind.
Häufig werden Datenprobleme erstmals bei der Validierung sichtbar. Fehlende Pflichtfelder, inkonsistente Zuordnungen, Duplikate oder ungültige Formate können dazu führen, dass Datensätze nicht wie geplant übernommen werden.
Angenommen, von 200.000 Materialstammsätzen weisen acht Prozent einen migrationsrelevanten Fehler auf. Dann müssen 16.000 Datensätze geprüft, korrigiert oder fachlich bewertet werden – einzeln oder in Clustern, in der kritischsten Projektphase.
Diese Fehler erzeugen Rework-Zyklen: Daten werden migriert, der Testlauf zeigt Fehler, Daten werden korrigiert, der Testlauf wird wiederholt. Mehrere Zyklen statt eines geplanten Zyklus vervielfachen den Aufwand in der kritischsten Projektphase.
Das kann wiederum eine Projektverlängerung nach sich ziehen. Datenqualitätsprobleme, die erst im Projektverlauf sichtbar werden, verlängern die Timeline der S/4HANA-Transformation. Jeder zusätzliche Monat bedeutet Beraterkosten, Infrastrukturkosten und Opportunitätskosten, weil die produktive Nutzung von S/4HANA sich verschiebt.
Besonders teuer wird es, wenn Datenprobleme bis in den produktiven Betrieb gelangen. Post-Go-Live-Korrekturen können operative Störungen verursachen – etwa fehlerhafte Buchungen, falsche Bestellungen oder inkonsistentes Reporting. Die Korrektur im laufenden Betrieb bindet nicht nur das Projektteam, sondern zusätzlich auch operative Einheiten.
Datenprobleme, die bereits vor der Migration behoben werden, lassen sich meist mit deutlich geringerem Aufwand lösen als dieselben Probleme während der Migration oder nach dem Go-live. Je später ein Fehler erkannt wird, desto mehr Prozesse, Systeme und Beteiligte sind betroffen.
2026 ist die eigentliche Deadline
Die formale Frist liegt Ende 2027. Doch komplexe S/4HANA-Transformationen bestehen aus mehreren Projektphasen und können sich über mehrere Geschäftsjahre erstrecken.
Die zentrale Frage lautet deshalb nicht nur: Wann startet die Migration? Sondern auch: Welche Daten sollen übernommen werden, welche Qualitätsprobleme bestehen und wo sind fachliche Entscheidungen erforderlich?
Vor der Migration Transparenz schaffen
Die Reihenfolge der Vorbereitung beeinflusst den weiteren Projektverlauf. Bevor Daten extrahiert, transformiert und geladen werden, sollte transparent sein, welche Qualitätsprobleme, Abhängigkeiten und Datenbestände tatsächlich vorliegen.
Der smartscan schafft innerhalb einer Woche eine belastbare Ausgangsbasis für Ihre Migrationsplanung – direkt in Ihrem SAP-System und ohne Datenexport.
Er analysiert Datenqualitätsbefunde wie Duplikate, Vollständigkeit und Konsistenz. Bei Bedarf lässt sich der Blick auf weitere Dimensionen erweitern – damit Lücken und Abhängigkeiten früh sichtbar werden, bevor sie Zeitplan, Budget oder Ressourcen belasten.
Wissen, wo Ihr System steht – bevor die Migration ins Stocken gerät.
Das Ergebnis ist eine transparente Bestandsaufnahme. Sie zeigt, welche Datenobjekte betroffen sind, wo Qualitätslücken bestehen und welche Themen vor oder im Rahmen der Migration priorisiert werden sollten. Zusätzlicher Bereinigungsaufwand lässt sich nicht nur vermuten, sondern anhand konkreter Befunde nachvollziehbar begründen.
Von der Analyse zur Datenmigration
Die paricon-Lösungen bilden dafür eine zusammenhängende Kette:
Der smartscan
schafft Transparenz über Ihre Daten. Er zeigt, wo migrationsrelevante Qualitätsprobleme und Auffälligkeiten bestehen.
Das Data Quality Framework unterstützt Prüfung und Bereinigung: regelbasierte Prüfungen, ein zentrales Cockpit und nachvollziehbare Korrekturprozesse.
Das Data Migration Framework steuert und dokumentiert die Migration – von Analyse und Datenabzug über Prüfung, Korrektur und Mapping bis zur Beladung und Abstimmung.
Unternehmen, die Datenanalyse, Bereinigung und Migration zusammendenken, schaffen bessere Voraussetzungen für planbare Projekte und stabile Go-lives: weniger Überraschungen, weniger Eskalationen, weniger Nacharbeit.
Zugleich liefert die Datenqualitätsbewertung belastbare Argumente für Budget, Ressourcen und Zeitplanung. Ohne konkrete Befunde bleibt zusätzlicher Bereinigungsaufwand eine Einschätzung. Mit Scan-Ergebnissen wird er nachvollziehbar begründbar.
smartscan für Ihre Migration anfragen
Eine Woche, direkt in Ihrem System, ohne Datenexport. Wir melden uns mit einem Terminvorschlag.
Informationen zur Verwendung und zum Widerspruch Ihrer personenbezogenen Daten finden Sie in unserer Datenschutzerklärung.
