Datenmigration eines Prüfmittelmanagementsystems – zwischen Vergangenheit und Zukunft

mosaiic Case: Ein deutscher Maschinenbauer plant sein in die Jahre gekommenes Prüfmittelmanagementsystem wegen des bevorstehenden IATF 16949 Audits abzulösen. Da ein Großteil der Nutzdaten weiterhin im Nachfolgersystem benötigt werden, ist eine Datenmigration unausweichlich. Das Problem: nach über 30 Jahren im Einsatz, sind Aufbau, Struktur und Daten des veralteten Quellsystems weitestgehend in Vergessenheit geraten.

Problem: Ablösedruck eines veralteten Prüfmittelmanagementsystems

„1.5 Millionen Datensätze. Mindestens.“. Der IT-Leiter Heinrich Garten kratzte sich am Kopf. Er saß seiner Fachkollegin Susanne Mayr gegenüber, beide brüteten über dem Projektsteckbrief. „Fassen wir das Vorhaben noch einmal kurz zusammen.“ fuhr Herr Garten fort. „Es geht um ein Prüfmittelmanagementsystem, das seit über 30 Jahren deutschlandweit in unserer Produktion eingesetzt wird. Die Applikation namens ‚PMS‘ basiert auf einer Legacy Großrechnertechnologie, einem sogenannten IBM Mainframe. Unser Ziel ist die Überführung des enthaltenen Datenbestands in das neue Zielsystem ‚Master Equipment‘. Das Problem dabei: wir kennen die Quelle ‚PMS‘ kaum.“.

Gartner und Mayr wussten, dass sich eine Datenmigration zunächst einfacher anhörte, als sie im operativen Projektgeschäft dann tatsächlich war. Zu lange waren beide schon in der Praxis. Dabei standen sie beim System ‚PMS‘ gleich vor mehreren Herausforderungen:

• Fehlende Wissensträger und veraltete Dokumentation. Keiner der Kollegen kannte die in den frühen 1980er Jahren umgesetzten Datenstrukturen und Zugriffsmechanismen.
• Mittelmäßige Datenqualität hinsichtlich Konsistenz, Korrektheit und Vollständigkeit. Über die Jahre nutzten die Fachabteilungen die Datenfelder immer wieder auf eine andere Weise.
• Fachlicher Bedarf nach einem Big Bang Go-Live Ansatz. Der gesamte Datenbestand musste innerhalb einer Arbeitswoche an allen deutschen Standorten ins Ziel überführt werden.

„Heinrich, eine Ablösung bleibt uns nicht erspart.“ unterbrach Susanne Mayr die Denkpause. „Um die Norm IATF 16949 für das Qualitätsmanagement zu erfüllen, müssen wir ins ‚Master Equipment‘ migrieren. Alternativ fallen wir bei der anstehenden Auditierung nächstes Jahr durch.“. Herr Garten wusste, dass dies nicht einfach werden würde. Schließlich würden sie für das Projekt Wissensträger aus den Fach- und IT-Abteilungen sowohl für ‚PMS‘ als auch ‚Master Equipment‘ benötigen. Zudem mussten sie einen Datenmigrationsspezialisten beauftragen der sich konzeptionell und technisch der Aufgaben annehmen würde.

„Wir brauchen Hilfe.“ brachte Heinrich Garten die Situation auf den Punkt. „Ein Unternehmen, welches als Brückenkopf zwischen Business und IT, Quelle und Ziel fungiert und das ganze Thema durchsteuert.“

Vorgehen: Schrittweise Migration in mehreren Testschleifen

Gespannt folgten die Berater von mosaiic der Einladung von Frau Mayr und Herr Garten zu einem Angebotstermin. An der Schnittstelle zwischen Fach- und IT-Belange hatten sich die Consultants auf die Qualitätsprozesse und Systeme von technologieintensiven Unternehmen spezialisiert. Im Auftakttreffen präsentierte mosaiic ihren Data Migration Canvas, ein konzeptioneller Rahmen der die wesentlichen Aufgaben in einem Migrationsprojekt auf einer Seite zusammenfasst (siehe Abbildung).

Im Kern bestand der Ansatz aus drei Felder: Quelle, Migration, Ziel. Jedes Feld beinhaltete verschiedene Hauptaktivitäten. Da es sich bei ‚Master Equipment‘ um eine gut dokumentierte Kaufsoftware ohne Datenbestand handelte, galt es im Projekt fünf Aufgabenfelder zu durchlaufen:

1. Analyse & Bewertung von ‚PMS‘, seinen Datenstrukturen und Nutzdaten.
2. Bereinigung & Ergänzung von Datenqualitätsdefiziten im Quellsystem.
3. Extraktion des Nutzdatenbestandes in einen Datenzwischenspeicher.
4. Entwicklung & Testing von Abbildungsvorschriften zwischen Quell- und Zielstruktur.
5. Import des transformierten Datenbestandes in das Zielsystem.

Abbildung – Data Migration Canvas mit zentralen Aufgabenfeldern in einem Datenmigrationsprojekt

Die mosaiic Berater schlugen vor, das Projekt schrittweise in mehreren Wiederholungsschleifen anzugehen. Auf Basis der ‚PMS‘ Bildschirmmasken sollten Techniker die Datenstruktur des Altsystems offenlegen. Datenobjekt für Datenobjekte wurde dann von den Fachkollegen gescannt und bei Bedarf ergänzt oder korrigiert. Anschließend entwickelte das Team die Transformationsvorschriften. Tag für Tag, Woche für Woche sollte so ein stetig größer werdender Datenbestand automatisch von Quelle zum Ziel überführt werden können.

Frau Mayr und Herrn Heinrich überzeugte die systematische und integrative Vorgehensweise. Sie beauftragten mosaiic, die operative Steuerung des Migrationsvorhabens zu übernehmen.

Ergebnisse: Pünktlicher Go-Live Termin mit kompletten Datenbestand

„Wir sind bereit für die Go-Live Woche!“. Freudestrahlend hob Heinrich Garten seinen Blick vom jüngsten Testmigrationsbericht und blickte voller Zuversicht in die Augen von Susanne Mayr. „Der komplette Datenbestand – alle 1.5 Millionen Prüfmitteleinträge – können in weniger als 8 Stunden ins Ziel übertragen werden. Mit den anschließenden Fachtests liegen wir locker unter einer Woche!“.

Auch Frau Mayr freute sich. Mit dem Projektmanagement hatte mosaiic eine gute Arbeit abgeliefert. Die Berater verstanden es, sich sowohl fachlich als auch technisch einzubringen. Genauigkeit, Qualität und Kontinuität, resümierte sie, waren der Schlüssel für den Projekterfolg. Die Migrationswoche stand kurz bevor und das IATF 16949 Audit konnte kommen. Zeit den Kollegen im Entwicklungsbereich das neue System ‚Master Equipment‘ schmackhaft zu machen. Bestimmt konnte mosaiic auch hier unterstützen…

Sie planen Ihr Altsystem abzulösen und den enthaltenen Datenbestand sicher, vollständig und effizient ins zukünftige System zu überführen? Gerne begleiten wir Sie und geben Orientierung auf Basis unseres praxiserprobten und offiziell publizierten Data Migration Canvas[1]. Kontaktieren Sie uns. Wir freuen uns auf das Gespräch.

[1] Schulz, C.: Das Data Migration Canvas: Auf Reisen mit (Big) Data. OBJEKTspektrum, (03), 2016