Was ist Operating Intelligence?

Eine Operating-Intelligence-Plattform vereint CRM-, Finanz-, Werbeausgaben- und Produktdaten, macht Marge-Lecks und Pipeline-Risiken proaktiv sichtbar und schlägt Operatoren, die das Geschäft führen, die nächste konkrete Handlung vor.

Sie ist die Antwort auf ein strukturelles Problem, das jeder Operator im Mittelstand kennt: Die Daten, die nötig sind, um das Geschäft zu führen, liegen in fünf verschiedenen Tools. Die Daten, die nötig sind, um daraus zu entscheiden, liegen in keinem davon. Und die menschliche Zeit, die für die Abstimmung dieser Daten benötigt wird, ist der limitierende Faktor für jeden Montagsreview, jedes Board-Update und jeden Quartalsabschluss.

Im DACH-Mittelstand verstärkt sich dieses Problem zusätzlich durch die Trennung zwischen den operativen Systemen (HubSpot, Salesforce, Shopify) und der Buchhaltungslandschaft (DATEV, SAP, Sage, Lexware). Die Reibung zwischen Vertriebs-CRM und Finanzbuchhaltung ist in deutschsprachigen Unternehmen oft tiefer als in US-Vergleichsunternehmen — und genau hier setzt Operating Intelligence an.

Operating Intelligence ist nicht ein einzelnes Werkzeug, sondern eine Funktionskategorie. Sie hat drei konstituierende Merkmale, die sie von benachbarten Kategorien unterscheiden:

1. Operativ-Layer-Daten, nicht Visualisierungs-Layer-Daten. BI-Werkzeuge beginnen mit einem Data Warehouse und verlangen, dass der Nutzer es modelliert. Operating Intelligence beginnt mit den operativen Systems of Record — CRM, Hauptbuch, Ad-Plattform, Produkt — und liefert das Modell bereits mit.
2. Vorschrift, nicht nur Beschreibung. Ein BI-Dashboard zeigt an, dass die Bruttomarge um 380 Basispunkte gesunken ist. Eine Operating-Intelligence-Plattform identifiziert, dass der Rückgang aus einem 12-prozentigen Anstieg der Versandkosten bei Klaviyo-getriebenen Bestellungen resultiert, und benennt die nächste konkrete Handlung.
3. Operator-Rhythmus, nicht Analysten-Rhythmus. Reports aktualisieren sich am Montagmorgen. Risiko-Signale feuern in der Wochenmitte. Das Ergebnis ist ein Meeting-Input, kein Dashboard, das jemand erst suchen muss.

Der dritte Punkt ist im DACH-Kontext besonders wichtig. Deutsche Operatoren neigen dazu, mehr Wert auf strukturierte Sitzungen zu legen — wöchentliche Operations-Runden, Monatsberichte, Quartals-Reviews. Operating Intelligence ist dafür konzipiert, in genau diese Sitzungsstruktur zu liefern, statt eine separate Daten-Disziplin daneben zu betreiben.

Wir bei Fairview arbeiten mit einem Framework aus vier Säulen, das die operative Realität jeder mittelständischen Organisation abdeckt. Eine vollständige Beschreibung finden Sie auf der Seite Produkt, hier die Kurzfassung:

1. Connected Data — die einheitliche Datenebene. Alle operativen Systeme (CRM, Buchhaltung, Werbung, E-Commerce, Subscription) sind über native OAuth-Verbindungen angebunden. Entitäten werden dedupliziert: Ein Kunde in HubSpot, Stripe und Shopify ist ein Kunde, nicht drei.
2. Margin Intelligence — die Profit-Sicht. Deckungsbeitrag und Bruttomarge werden auf SKU-, Kanal-, Kampagnen- und Kundensegment-Ebene berechnet. Echte ROAS-Werte ersetzen die Plattform-eigene ROAS-Metrik, die Versandkosten, Retouren und Rabatte ignoriert.
3. Forecast und Pipeline Health — die Zukunfts-Sicht. Der Forecast wird mit Konfidenzintervall ausgewiesen, nicht als Punktschätzung. Pipeline-Risiken (Deal-Slip, fehlende Aktivität, abnormale Stage-Wechsel) werden proaktiv markiert.
4. Next Best Actions — die Entscheidungsebene. Jede Anomalie wird mit einer konkreten Handlungsempfehlung gekoppelt, inklusive geschätzter Umsatz- oder Marge-Wirkung. Operatoren erhalten eine Liste, keine Visualisierung.

Diese vier Säulen sind nicht optional. Eine Plattform, die nur drei davon liefert, ist eine BI-Lösung mit Marketingversprechen, keine Operating-Intelligence-Plattform.

Der typische Käufer ist der Operator: COO, Gründer, Head of Operations, Head of RevOps oder der CFO, der die operative Verantwortung in einem Unternehmen unter 100 Mio. € Umsatz trägt. Der Auslöser ist typischerweise einer von drei Momenten:

• Der wöchentliche Business Review hat sich in eine vierstündige Tabellen-Abstimmung verwandelt. Der Operator weiß, dass diese Zeit nicht skaliert.
• Eine Board-Anfrage („Wie sieht unsere Marge nach Kanal aus?") lässt sich nicht in weniger als zwei Tagen beantworten. Das wird zum politischen Problem mit dem Aufsichtsrat oder den Investoren.
• Ein Wachstumsprogramm (bezahlte Werbung, Expansion, Recruiting) erzeugt Umsatz, aber keinen Profit, und niemand kann benennen, wo das Leck liegt. Der Operator merkt, dass die Daten zwar vorhanden, aber nicht verbunden sind.

Im DACH-Raum kommen zwei weitere Auslöser dazu: Die Vorbereitung eines Geschäftsjahresabschlusses im Frühjahr, der Konsistenz zwischen operativem Bild und testierten Zahlen verlangt, sowie die regulatorische Berichtspflicht bei mittelständischen Unternehmen, die Marge nach Segment und Region detaillierter dokumentieren müssen, als ein US-Standard-Stack das abbildet.

Die typischen Branchen, die Operating Intelligence einführen, sind SaaS-Unternehmen, D2C-Marken, B2B-Service-Unternehmen und hybride Geschäftsmodelle. Eine vollständige Liste finden Sie auf der Seite Branchen.

Die häufigste Frage, die wir hören: „Ist das nicht einfach BI mit besserem Marketing?" Die Antwort ist klar nein, und der Unterschied lässt sich an fünf Dimensionen festmachen:

• Zielnutzer: BI richtet sich an das Datenteam. Operating Intelligence richtet sich an den Operator, der das Geschäft führt und keinen SQL-Hintergrund hat.
• Startpunkt: BI startet mit einem Data Warehouse, das ein Engineering-Team aufgebaut hat. Operating Intelligence startet mit den operativen Systemen of Record und liefert das Datenmodell bereits mit.
• Ausgabe: BI liefert ein Dashboard. Operating Intelligence liefert eine Entscheidung mit benannter Handlungsoption und geschätzter Umsatzwirkung.
• Rhythmus: BI aktualisiert sich nach Bedarf, oft mit Verzögerung. Operating Intelligence läuft im Operator-Rhythmus — Montagsbericht um 8 Uhr, Risiko-Signale in der Wochenmitte, Quartalsbild jederzeit.
• Time-to-Value: BI-Implementierungen dauern in der Regel drei bis neun Monate. Operating Intelligence ist in unter einer Stunde produktiv einsetzbar.

Wer eine ausführlichere Gegenüberstellung sucht, findet sie auf der Vergleichsseite Fairview vs. Alternativen sowie in unseren Use-Case-Seiten unter Use Cases.

Eine moderne Plattform in der Operating-Intelligence-Kategorie erfüllt acht Anforderungen, die wir aus der Arbeit mit über 100 Operatoren destilliert haben:

1. Vorgefertigte Konnektoren zu den fünf operativen Systems of Record. Keine Fivetran-Middleware, kein Analysten-Setup, kein Engineering-Sprint.
2. Ein einheitliches Datenmodell, das Entitäten dedupliziert. Ein Kunde in HubSpot, Stripe und Shopify ist ein Kunde, nicht drei.
3. Marge-Berechnung auf SKU-, Kanal-, Kampagnen- und Segment-Ebene, nicht nur auf Umsatzebene.
4. Forecast mit Konfidenzintervall, keine Punktschätzung. Ein guter Forecast benennt das eigene Unsicherheitsfenster.
5. Proaktive Risiko-Erkennung (Marge-Klippe, Churn-Risiko, Deal-Slip, Spend-Anomalie), die Signale im Posteingang oder im Slack-Kanal ausspielt, nicht in einem Dashboard, das jemand öffnen muss.
6. Next-Best-Action-Empfehlungen, die an die Diagnose gebunden sind. Keine generische Best-Practice-Bibliothek, sondern konkrete Vorschläge zur konkreten Anomalie.
7. Operator-Rhythmus-Outputs — Montagsbericht, Board-Deck-Entwurf, Weekly-Review-Vorlage. Die Plattform liefert in die bestehende Sitzungsstruktur, nicht daran vorbei.
8. Time-to-Value unter einer Stunde vom Signup bis zum ersten nützlichen Dashboard. Alles darüber ist Beratungsverkauf.

Fairview erfüllt diese acht Anforderungen vollständig. Eine ausführliche Übersicht finden Sie auf der Seite Produkt, und die Preisstruktur ist transparent auf der Preisseite dokumentiert.

Wenn Sie eine Operating-Intelligence-Plattform evaluieren, empfehlen wir eine strukturierte Bewertung in vier Schritten:

1. Connector-Abdeckung prüfen. Listen Sie Ihre fünf bis zehn wichtigsten operativen Tools auf. Die Plattform muss native Konnektoren zu allen davon bieten — oder zumindest zu Ihren drei wichtigsten. Kein-Code-Webhooks sind kein Ersatz für native OAuth-Integrationen, weil sie keine Entitäts-Deduplizierung leisten.
2. Time-to-Value live testen. Verlangen Sie eine 30-minütige Live-Demo, in der die Plattform mit Ihren echten Daten verbunden wird. Eine echte Operating-Intelligence-Plattform zeigt nach 30 Minuten ein nützliches Dashboard. Wenn der Anbieter Ihnen eine „Implementierungsphase" verkauft, ist es kein Operating-Intelligence-Produkt, sondern ein BI-Werkzeug mit Beratungsaufschlag.
3. Marge-Berechnung verifizieren. Bitten Sie um eine Demonstration der Marge-Berechnung auf SKU- oder Kanal-Ebene mit Ihren Daten. Achten Sie auf die Behandlung von Versandkosten, Retouren, Rabatten und Plattformgebühren. Eine echte Operating-Intelligence-Plattform kennt diese Posten und integriert sie automatisch.
4. DSGVO-Konformität bestätigen lassen. Für DACH-Unternehmen ist EU-Hosting Pflicht, ebenso ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO. Verschlüsselung at rest (AES-256) und in transit (TLS 1.3) sollten Mindeststandard sein. Fairview erfüllt diese Anforderungen.

Ein Wort zur Preisstruktur: Die meisten BI-Plattformen rechnen pro Seat und werden mit der Teamgröße teuer. Eine echte Operating-Intelligence-Plattform rechnet pro Account, weil das Operating-Dashboard für das gesamte Team gleich sein soll — Sie wollen nicht, dass der COO und der CFO auf unterschiedliche Zahlen blicken.

• Operating Intelligence: Die Kategorie, die Umsatz-, Marge- und Forecast-Daten in einer Entscheidungsebene verbindet. Siehe Glossar.
• Next Best Action: Eine konkrete Handlungsempfehlung, die aus einer Anomalie oder einem Risiko-Signal abgeleitet wird, inklusive geschätzter Umsatzwirkung.
• Connected Data: Die einheitliche Datenebene, in der alle operativen Systeme über native Konnektoren angebunden und Entitäten dedupliziert sind.
• Margin Intelligence: Die Profit-Sicht auf SKU-, Kanal-, Kampagnen- und Segment-Ebene, basierend auf echten Marge-Daten und nicht auf Plattform-eigenen ROAS-Metriken.
• Operator-Rhythmus: Der wöchentliche Takt, in dem das Operating Review stattfindet — Montagsbericht, Wochenmitte-Risikosignal, Freitags-Outlook.
• Konfidenzintervall im Forecast: Ein Bereich (z. B. 4,2 Mio. € bis 4,8 Mio. €) statt einer Punktschätzung, der die Unsicherheit der Prognose explizit ausweist.
• Time-to-Value: Die Zeit vom Signup bis zum ersten nützlichen Output. Für Operating Intelligence liegt der Industriestandard unter einer Stunde.