Decision Pack
Beispiel-Decision-Pack für Application Rationalization
So wird aus einem Applikationsportfolio eine freigabefähige Rationalisierungsentscheidung: Applikationen bewerten, Redundanzen erkennen, Top-Maßnahmen priorisieren und Annahmen bis zur Datenquelle nachvollziehen.
Echter Arqlee-Output auf Basis eines synthetischen Beispielportfolios (Meyer Brandt Components). Keine Kundendaten, keine Kundenreferenz, kein Live-Scan.
Beispiel-Scope
IT-Kostenreduktion bei Meyer Brandt Components
Meyer Brandt Components ist ein synthetischer DACH-Mittelständler — SAP-geprägter Kern, wachsende SaaS-Landschaft, dezentrale Tool-Käufe, begrenztes IT-Team. Der CFO fordert eine spürbare IT-Kostensenkung.
Mitarbeitende — Fertigung, mehrere Standorte, SAP-geprägter Kern
IT-Kostensenkung als CFO-Vorgabe
Applikationen, erkannt aus 5 vorhandenen Exporten (IT, Finance, Lizenzen, SSO) — kein Tool-Rollout, keine Integration
Die Leitfrage: Wo lassen sich Kosten senken, ohne SAP, Produktion, Security oder Kundenprozesse zu gefährden?
Überblick
Das Ergebnis auf einen Blick
Aus 435 Datenzeilen wird in einem Run eine belastbare Entscheidungsgrundlage. Der Beispiel-Run identifiziert 925.260 € erwartete Einsparungen pro Jahr — rund 10,6 % der jährlichen Kostenbasis von 8,75 Mio €.
Bewertete Geschäftsapplikationen
0 / 123
100% Coverage
Erwartete Einsparungen
-
identifiziertes Potenzial €2,09 Mio.
Quick Wins
0
< 3 Monate machbar
Critical Risks
0
HIGH-Risk Geschäftsapplikationen
Run-Rate-Wirkung
Heutige Kostenbasis
€8,75 Mio.
aktuelle Basis p. a.
Erwartete Einsparung
−€925k
getragen von 55 Maßnahmen
Neue Run-Rate
€7,83 Mio.
nach Umsetzung aller Aktionen
Woher das Einsparpotenzial kommt
55 Maßnahmen
Wirkung über die Einsparung hinausreduzieren Risiko, klären Verantwortung, stärken die Datenqualität
€913k (99 %) des Potenzials liegen in gering- bis mittlerem Umsetzungsaufwand — 54 von 55 Maßnahmen.
Actions
Was zu tun ist: 72 priorisierte Maßnahmen
Die Actions-Sicht bündelt die Maßnahmen, die aus Diagnose, Kosten-/Nutzungssignalen, Risiko und Data Trust entstehen. Dieser Nachbau ist interaktiv — echte Zahlen aus dem Beispiel-Run über 123 bewertete Applikationen, filterbar wie in der Plattform.
Actions
0
von 72 im Register
Savings
Source-/Confidence-adjustiert und portfolioweit dedupliziert — dieselbe Zahl wie auf Outcomes und im Decision Pack. Identifiziertes Rohpotenzial: €2,09 Mio..—
erwartet / Jahr · Portfolio
Quick Wins
0
geringer Aufwand
Offene Entscheidungen
0
noch nicht entschieden
Nach Action-Typ
Interaktive Vorschau mit den 12 wichtigsten der 72 Maßnahmen aus dem Beispiel-Run — Zeilen aufklappen für Entscheidungsfrage und nächsten Schritt. Das vollständige Register ist Teil des Decision Packs.
Findings
Was das Portfolio übergreifend zeigt
Findings verdichten, was einzelne Maßnahmen nicht zeigen: Muster, Lücken und Chancen quer über das Portfolio — jede Erkenntnis mit Evidenz, Reichweite und verknüpften Maßnahmen. Alle neun Findings aus dem Beispiel-Run, filterbar nach Linse und Art.
Erkenntnisse
0
von 9 gesamt
Kritisch
0
hohe Severity
Verknüpfte Maßnahmen
0
leiten sich daraus ab
Nach Linse
Durch welche Geschäfts- oder Architektur-Linse lesen wir das Portfolio?
Alle 9 Findings aus dem Beispiel-Run — Zeilen aufklappen für das vollständige Detail.
Plattform-Sicht: das Portfolio in Klartext
Live im Call gezeigt — hier als interaktiver Nachbau mit allen 123 Applikationen aus dem Beispiel-Run: Diagnose-Verteilung, Aufmerksamkeit, Risiko und Einsparpotenzial je Applikation.
Nach Diagnose
Wie setzt sich das Portfolio nach Zustand zusammen? Klick filtert die Liste.
123 von 123 Applikationen aus dem Beispiel-Run — filtern, sortieren und scrollen wie in der Plattform.
Google Workspace Business Plus
GoToMeeting Legacy
Nextcloud Internal
SharePoint 2013 Team Sites
SAP BusinessObjects
Talend Open Studio
Microsoft Dynamics NAV Legacy
Lexware Lohn Legacy
Moodle Internal
SAP Solution Manager
AnyDesk
Matrix42 Service Management
Adobe Marketo
Hootsuite
SAP ECC MM
Bitbucket Server Legacy
Mantis Bug Tracker
PTC Windchill Legacy
Redmine Legacy
Trello Business Class
Pipedrive
SAP CRM 7.0
Sophos Central
SQL Server Reporting Services
SAP ECC FI/CO
Greenhouse
Zoho CRM
Dropbox Business
SAP ECC PP
SAP ECC SD
Basware Invoice Workflow
SAP HCM Payroll
Partner Portal Legacy
SurveyMonkey
SAP PI/PO
Freshservice Pilot
Canva Pro
Jenkins CI
Adobe Sign
Excel VBA Reporting Hub
Microsoft 365 E5
Slack Enterprise Grid
ChatGPT Team
Informatica PowerCenter
Looker Studio
Power BI Premium
Brevo
Cisco Webex Meetings
Mailchimp
Coupa Procurement
Celonis
Kenjo Time
Microsoft Dynamics CRM
Workday HCM
TeamViewer Tensor
Mural
Intercom
Alteryx Designer
TravelPerk
ServiceNow ITSM
Airtable
Salesforce Sales Cloud
Customer Portal Custom
Zendesk Support
Personio HR
HubSpot Marketing Hub
Smartsheet
Okta Workforce Identity
SAP BW on HANA
Udemy Business
Box Business
DocuSign
Typeform
SolidWorks PDM
LinkedIn Recruiter
proAlpha APS
SAP GTS
AutoCAD
Siemens Teamcenter PLM
Miro
d.velop documents
Asana
Notion Team Wiki
Sprinklr Social
Tableau Cloud
monday.com
Databricks
SAP SuccessFactors Recruiting
Azure DevOps
Zoom
Microsoft Teams Phone
SharePoint Online
Salesforce Service Cloud
Snowflake
Jira Software
CrowdStrike Falcon
Microsoft Entra ID
Infor WMS
SAP Concur
Qlik Sense
Lucidchart
Azure Synapse
Google Analytics 4
DocuWare
GitLab
Confluence
SAP EWM
GitHub Enterprise
IBM Maximo Maintenance
Splunk Enterprise
Veeam Backup & Replication
SAP Signavio
Cornerstone LMS
EPLAN Electric P8
SonarQube
QMS CAQ.Net
MES HYDRA
CargoSoft TMS
JFrog Artifactory
Leapsome
Microsoft Planner
DATEV Unternehmen online
Exchange Online
Data Trust
Wie belastbar die Datenbasis ist
Jede Empfehlung legt offen, worauf sie beruht: Abdeckung, Abgleich gegen die Eingabedaten, Confidence je Bewertung und die Herkunft jedes Feldes — Input, abgeleitet, AI-geschätzt oder fehlend.
Data-Handling ansehenVertrauens-Urteil
Entscheidungsreif — breit durch validierte Daten gestützt.
123 von 123 Geschäftsapplikationen bewertet. 72 % der Data-Trust-Felder sind durch Eingangsdaten belegt, 10 % ergänzt Arqlee Intelligence durch Ableitung oder Schätzung — 18 % bleiben offen (Confidence überwiegend HIGH).
100 %
72 %
HIGH
0
Data Coverage
bewertet + ohne Urteil + nicht erfasst = total
123 Geschäftsapplikationen insgesamt
123
100%
Geschäftsapplikationen mit belastbarer Empfehlung von Arqlee Intelligence
0
0%
Von Arqlee Intelligence gesehen, aber nicht bewertbar — zu wenig belastbare Information.
0
0%
Kam von Arqlee Intelligence nicht zurück — nicht analysiert.
Input-Reconciliation
Alle 123 Input-Geschäftsapplikationen wurden reconciled.
Vergleicht die importierten Input-Applikationen mit dem AI-Output nach dem Matching, bevor Data Trust bewertete Apps von Apps ohne Urteil trennt.
100%
reconciled
Data Confidence
98 % der bewerteten Geschäftsapplikationen haben HIGH-Confidence.
Confidence spiegelt die Evidenzqualität der Empfehlung wider — nicht die Vollständigkeit der Eingangsdaten. Fehlende Felder schätzt Arqlee Intelligence aus Erfahrungswissen (~ Prefix im Dashboard); das senkt die Confidence auf MEDIUM oder LOW.
Data Origin — Input, Ableitung und Schätzung
72% Input
8% Abgeleitet
2% Schätzung
18% Fehlt
aggregiert über 8 Data-Trust-Felder
Business Owner
Kein Owner zugewiesen — senkt Confidence, blockiert Validierung
Validiert
Business Criticality
Kritikalität fehlt — Business-Fit-Score weniger belastbar
Validiert
Nutzung
User- oder Nutzungsdaten — fehlende Werte schwächen Low-Usage- und Business-Fit-Aussagen
Validiert
Kostenbasis
Keine validierten Kosten — Savings werden als ~Schätzung markiert
Validiert
Technology Stack
Technologie-Evidenz — fehlende Werte machen technische Risiken weniger präzise
Validiert
Lifecycle-Phase
Lifecycle-Evidenz fehlt — Arqlee Intelligence schätzt aus Erfahrungswissen
Validiert
Lifecycle-Termine
EOL-/Renewal-nahe Termine — fehlende Werte begrenzen Timing-Aussagen
Validiert
Savings-Schätzung
Quantifizierte Einsparung — fehlt, wenn keine belastbare Savings-Ableitung möglich ist
Validiert
Zwei Sichten auf dieselbe Entscheidung
Was Sie oben ausprobiert haben, ist die Plattform-Sicht — live im Kunden-Call. Dasselbe Ergebnis gibt es als Decision Pack zum Mitnehmen.
Plattform-Sicht
Interaktiv im Kunden-Call: Portfolio filtern, Findings aufklappen, Annahmen bis zur Quelle nachvollziehen.
Decision Pack (Export)
Als PPTX fürs Board und als XLSX fürs Detail. Zum Weitergeben, ohne Plattform-Zugang.
Decision Pack: das Deliverable
Dasselbe Ergebnis als freigabefähige Management-Präsentation. Ein Auszug aus dem Beispiel-Run, Folie für Folie.
Aus der Präsentation
Zum Vergrößern auf eine Folie klicken
Das vollständige Decision Pack zeigen wir im Gespräch, aufgesetzt auf Ihr Portfolio.
An Ihrem Portfolio ansehenWas in einem Decision Pack steht
Sechs Bausteine, dieselbe Struktur bei jedem Run.
Methodik im Detail ansehenProblem und Scope
Was analysiert wurde, mit welchen Daten und welcher Abgrenzung.
Methodik
Bewertungsdimensionen plus TIME-Modell, für Non-SaaS ergänzt um 6R.
Portfolio-Sicht
Jede Applikation mit Diagnose, Empfehlung und Priorität.
Maßnahmen und Einsparung
Priorisierte Actions mit Aufwand, Reihenfolge und belegbarem Einsparpotenzial.
Annahmen und Grenzen
Was angenommen wurde und wo die Aussagekraft endet. Bewusst offengelegt.
Data Trust
Confidence je Empfehlung und Rückverfolgbarkeit bis zur Datenquelle.
Annahmen & Grenzen
Was das Decision Pack bewusst offenlegt
Ein Decision Pack soll Entscheidungen beschleunigen, nicht Unsicherheit verstecken. Deshalb werden Annahmen, Datenlücken und Scope-Grenzen direkt neben den Empfehlungen sichtbar gemacht.
Das ist kein Kleingedrucktes: Diese Grenzen schützen vor Overclaiming und zeigen, welche Punkte vor einer finalen Freigabe fachlich, technisch oder kaufmännisch geklärt werden sollten.
Mehr zu Sicherheit und DatenschutzLizenzkosten und Savings
Annahme
Finance-, Vendor- und Lizenzdaten werden zu einem jährlichen Einsparpotenzial verdichtet, wenn die Datenbasis dafür ausreicht.
Grenze
Das ersetzt keine finale Vertragsprüfung. Rabatte, Mindestabnahmen, Kündigungsfristen und Sonderklauseln müssen vor Umsetzung geprüft werden.
Nutzungssignale
Annahme
SSO-, Login- und Lizenznutzung zeigen, ob eine Applikation vermutlich aktiv, untergenutzt oder Kandidat für Bereinigung ist.
Grenze
Nutzungssignale sind kein vollständiges Prozess-Mining. Fachliche Notwendigkeit, Offline-Nutzung oder technische Service-Accounts können die Interpretation ändern.
Migrations- und Exit-Aufwand
Annahme
Actions trennen Einsparpotenzial, Priorität und Umsetzungsaufwand, damit schnelle Bereinigungen nicht mit komplexen Modernisierungen vermischt werden.
Grenze
Migrationskosten, Exit-Gebühren, technische Detailarchitektur und Change-Aufwand sind nicht automatisch eingepreist, solange sie nicht als Datenquelle vorliegen.
Datenqualität und Source Conflicts
Annahme
Arqlee macht sichtbar, ob Aussagen aus Importdaten stammen, abgeleitet wurden oder wegen widersprüchlicher Quellen Review brauchen.
Grenze
Die Aussagekraft hängt von Exportqualität, Matching, Owner-Abdeckung und Aktualität der gelieferten Daten ab. Konflikte werden offengelegt, nicht still geglättet.
Kritische Systeme
Annahme
Hohe Kosten werden im Kontext von Business Fit, Technical Fit, Risiko und Kritikalität bewertet, nicht automatisch als Savings-Kandidat.
Grenze
Systeme nahe Produktion, Finance, Security oder Kundenprozessen brauchen kundenseitige Validierung, bevor eine harte Maßnahme freigegeben wird.
Finale Entscheidung
Annahme
Das Decision Pack liefert die nachvollziehbare Entscheidungsgrundlage: Diagnose, Priorität, Evidenz, Annahmen und nächste Schritte.
Grenze
Die finale Freigabe bleibt beim Kunden. Arqlee priorisiert und begründet, ersetzt aber nicht Governance, Einkauf, Architekturboard oder rechtliche Prüfung.
Sehen Sie ein Decision Pack an Ihrem Portfolio
In einem kurzen Gespräch zeigen wir Arqlee an einem Ausschnitt Ihrer Daten und klären den nächsten Schritt.