4 Phasen einer erfolgreichen Migration
1. Analyse: Was habt ihr eigentlich an Daten?
Bevor du migrierst, musst du wissen, was da ist – und was davon überhaupt mitgenommen werden soll. Viele Projekte scheitern, weil sie versuchen, Datenchaos 1:1 in ein neues System zu kopieren.
- Datenobjekte inventarisieren (Kunden, Artikel, Lieferanten, Preise, Belege, etc.)
- Datenqualität bewerten: Vollständigkeit, Aktualität, Duplikate, Konsistenz
- Entscheidung: Was wird migriert, was archiviert, was bereinigt?
- Leading System je Datenobjekt definieren (Golden Source)
- Alles migrieren, weil 'man ja nie weiß'
- Datenqualität erst im neuen System klären wollen
2. Mapping: Altes Modell → Neues Modell
Datenmodelle unterscheiden sich fast immer. Felder heißen anders, Strukturen sind verschachtelt, Geschäftslogik steckt in Freitextfeldern. Das Mapping ist der technisch anspruchsvollste Teil.
- Feld-für-Feld Mapping (Quelle → Ziel) inkl. Transformationsregeln
- Umgang mit Daten, die im neuen Modell keinen Platz haben
- Behandlung von Pflichtfeldern, die in der Quelle leer sind
- Lookup-Tabellen für Code-Umschlüsselung (z.B. alte Länder-Codes → ISO)
- Mapping in Excel ohne Validierung → Fehler bei der Umsetzung
- Freitextfelder mit versteckter Geschäftslogik ignorieren
3. Bereinigung: Qualität vor Quantität
Migration ist DIE Chance, Datenqualität zu verbessern. Danach wird es deutlich aufwendiger. Plane bewusst eine Bereinigungsphase ein.
- Deduplizierung (Golden Record je Entität)
- Pflichtfelder befüllen oder Datensätze ausschließen
- Format-Normalisierung (Adressen, Telefonnummern, Artikelnummern)
- Validierungsregeln definieren und automatisiert prüfen
- Bereinigung dem Fachbereich ohne Tooling aufbürden
- Zu hoher Anspruch ('alles perfekt') blockiert den Zeitplan
4. Test & Cutover: Der Moment der Wahrheit
Eine Migration ohne Testlauf ist russisches Roulette. Plane mindestens 2–3 Probeläufe ein – mit echten Daten, echten Validierungen und echten Anwendern.
- Testmigration mit Subset (z.B. 10% der Daten) + Vollmigration
- Abnahmekriterien: Anzahl Datensätze, Feldvollständigkeit, Referenzintegrität
- Cutover-Plan: Wann wird umgeschaltet? Wer validiert? Was ist der Rollback?
- Delta-Migration für Daten, die sich zwischen Test und Go-Live ändern
- Nur eine Testmigration und die 'passt schon'
- Kein Rollback-Plan (was, wenn es schiefgeht?)
Migrationsstrategien im Vergleich
Big Bang
Alle Daten werden zum Stichtag migriert. Schnell, aber risikoreich.
Wann: Kleine Datenmengen, einfache Modelle, klarer Cutover möglich.
Risiko: Kein Zurück – wenn etwas fehlt, wird es im Live-Betrieb sichtbar.
Phasenweise
Migration nach Entitäten, Standorten oder Geschäftsbereichen.
Wann: Große Organisationen, unterschiedliche Datenqualität je Bereich.
Risiko: Parallelbetrieb nötig, Referenzen zwischen migrierten und nicht-migrierten Daten.
Koexistenz / Dual-Write
Beide Systeme laufen parallel, Daten werden synchronisiert.
Wann: Schrittweise Ablösung, kritische Legacy-Systeme, die nicht sofort abgeschaltet werden können.
Risiko: Hohe Komplexität, Konflikte bei bidirektionaler Synchronisation.
Häufige Fragen
Datenmigration richtig planen
Ich unterstütze bei Migrationsplanung, Datenanalyse, Bereinigungsstrategie und Cutover – damit der Systemwechsel keine Datenkatastrophe wird.
Erstberatung anfragen