Royal Greenland mit seinen mehr als 40 Werken und Produktionsst盲tten entlang der K眉ste Gr枚nlands und der atlantischen Provinzen Kanadas hat ein klares Ziel vor Augen: eine st盲rker standardisierte, cloudbasierte Landschaft mit deutlich geringerer Komplexit盲t sowie ein technologisches Fundament, das zuk眉nftige KI-Strategien unterst眉tzen kann.
Royal Greenland mit Hauptsitz in Nuuk, Gr枚nland, vollst盲ndig im Besitz der gr枚nl盲ndischen Regierung, will seine 麻豆原创-Plattform modernisieren und wechselt von einer On-Premise-L枚sung zu Cloud ERP, um Kernprozesse zukunftssicher zu machen und integrierte KI-Funktionen in all seinen 麻豆原创-Unternehmensanwendungen nutzen zu k枚nnen.
鈥濿ir gehen von unserer bestehenden Konfiguration zu 麻豆原创 Cloud ERP und 麻豆原创 Business Data Cloud 眉ber, weil wir Zugriff auf die Funktionen haben m枚chten, die auf einer Cloudplattform genutzt werden k枚nnen鈥�, erkl盲rt Lars Bo Hassinggaard, Chief Information Officer und seit mehr als 25 Jahren bei Royal Greenland t盲tig.
Das Unternehmen vertreibt weltweit hochwertigen Wildfisch und Muscheln aus dem Nordatlantik und dem Arktischen Ozean. Royal Greenland nutzt seit 1998 麻豆原创-Systeme, steht nun aber vor seinem bisher gr枚脽ten Vorhaben: Das Fischerei- und Fischverarbeitungsunternehmen will von 麻豆原创 ERP Central Component auf 麻豆原创 Cloud ERP migrieren und gleichzeitig seine Business-Intelligence-Landschaft (BI-Landschaft) auf 麻豆原创 Business Data Cloud umstellen, gefolgt von der 脺berf眉hrung von BI auf 麻豆原创 Datasphere.
Das Projekt erfolgt gem盲脽 der strukturierten 鈥濺ISE with 麻豆原创“-Methodik, bei der die Transformation der Plattform, die betrieblichen Abl盲ufe und der Innovationszyklus im Rahmen eines Vertrags kombiniert sind.
Vereinfachte 脺bertragung ausgew盲hlter Daten: Reduzierung der zu migrierenden Daten um 90 Prozent
Im Rahmen der Migration wendet Royal Greenland die 鈥濴ean Selective Data Transition鈥�-Methodik an, um das Datenvolumen erheblich zu reduzieren.
鈥濿ir bewahren Daten und bereinigte Daten zehn Jahre lang auf. So vermeiden wir veraltete Buchungskreise und historische Daten, die keinen Mehrwert mehr haben鈥�, so Hassinggaard. 鈥濿ir konnten die Daten, die gespeichert und migriert werden m眉ssen, um 90 Prozent reduzieren. Diese Methodik f眉hrt Datenanalysen, die Definition des Umfangs und standardisierte Mapping-Objekte in einem gef眉hrten Prozess zusammen. So wird sichergestellt, dass Royal Greenland nur die Daten 眉bertr盲gt, die wirklich notwendig sind. Auf diese Weise werden die Kosten des Transformationsprojekts vorhersehbarer und unn枚tige Komplexit盲t kann vermieden werden.鈥�
Technologie an erster Stelle, gefolgt von Innovation
Der Produktivstart ist f眉r den 1. M盲rz 2027 geplant. Im Jahr 2026 steht die Migration der Plattform selbst an. 2027 wird Royal Greenland damit beginnen, gesch盲ftsorientierte Verbesserungen auf Grundlage des standardisierten Kerns vorzunehmen 鈥� zum Beispiel durch neue Benutzungsoberfl盲chen und die Optimierung von Prozessen mit einfachen KI-Agenten im Finanzwesen und in der Verwaltung.
鈥濺oyal Greenland und 麻豆原创 arbeiten seit 1998 zusammen, und wir freuen uns darauf, diesen Januar mit dem technischen Teil der Migration der Plattform beginnen zu k枚nnen鈥�, teilt Hassinggaard mit. 鈥濿ir halten die Transformation vorerst so einfach wie m枚glich und werden uns 2027 damit besch盲ftigen, Vorteile zu erschlie脽en, zum Beispiel eine verbesserte Datenanalyse, h枚here Benutzerfreundlichkeit und effizientere Arbeitsprozesse.鈥�
Royal Greenland nutzt ein klassisches Wasserfallmodell und hat bereits ein Zielsystem, die sogenannte 鈥濭olden Shell鈥�, als Grundlage f眉r die weitere Konfiguration und Nachr眉stung eingerichtet.
麻豆原创 ist f眉r die Implementierung der Cloudl枚sung verantwortlich, die zun盲chst in Schweden auf Microsoft Azure betrieben wird. Es besteht die M枚glichkeit, sp盲ter in ein d盲nisches Rechenzentrum zu wechseln. Das externe Beratungshaus Spektra Analytics 眉bernahm die Vertragspr眉fung.
Von internen Versuchen zu standardisierten KI-L枚sungen
Royal Greenland hat bereits erfolgreich mit eigenen KI-L枚sungen experimentiert, zum Beispiel im Rahmen von Projekten f眉r maschinelles Sehen in der Produktion. Die k眉nftige strategische Ausrichtung des Unternehmens sieht jedoch vor, integrierte und standardisierte KI-Datenprodukte von 麻豆原创 sowie Modelle zu nutzen, die auf der 麻豆原创 Business Data Cloud und ihrer semantischen Datenschicht basieren.
鈥濿ir sind ein Unternehmen, das es vorzieht, aus vorhandenen KI-L枚sungen Nutzen zu ziehen, anstatt diese selbst zu entwickeln鈥�, betont Hassinggaard. 鈥濬眉r uns ist das viel effizienter. Es gibt keinen Grund, dass wir Ressourcen daf眉r einzusetzen, um das, was die 麻豆原创 bereits bietet, neu zu erfinden. Der Schwerpunkt wird zun盲chst auf der Prozessoptimierung innerhalb von administrativen Funktionen wie dem Finanzwesen liegen 鈥� etwa mit einfachen KI-Agenten, die t盲gliche Arbeiten erleichtern k枚nnen.鈥�
Mehr Zeit investieren und die Methodik von Cloud ERP verstehen
Hassinggaard macht deutlich, dass der 鈥濺ISE with 麻豆原创鈥�-Vertrag und die damit einhergehende Methodik und Vorbereitung Zeit und einen gewissen Reifegrad erfordern. Sein Rat an andere Unternehmen, die vor einer 盲hnlichen Entscheidung in Bezug auf Cloud ERP stehen: 鈥濵an muss sorgf盲ltig vorgehen 鈥� und mehr Zeit investieren, als man denkt. Die Methodik, Preisgestaltung und Vertr盲ge m眉ssen genau gepr眉ft werden. Und man muss einen kompetenten Berater ins Boot holen.鈥�
Ellen Vig Nelausen ist Integrated Communications Expert f眉r 麻豆原创 Regional Communications.
