Das Unternehmen: Aktiv in der gesamten Wertschöpfungskette der Energieversorgung
Uniper ist entlang der gesamten Wertschöpfungskette der Energieversorgung tätig. Dies umfasst
- die Stromerzeugung aus Wasserkraft, Gas, Kohle (Upstream),
- den globalen Energiehandel und die Gas Speicher (Midstream) sowie
- die Belieferung von Industrie- und Großkunden (Downstream).
Uniper verbindet damit Anlagen, Handel und Kunden in einem widerstandsfähigen Energieökosystem, von flexiblen Kraftwerken und erneuerbarer Energieerzeugung bis hin zu Speicherung und globalem Handel. Die vorgestellte Lösung konzentriert sich auf das Handelsgeschäft.
Ausgangssituation: Hohe Komplexität und Aufwände aufgrund Excel-basierter Modell
Vor Projektstart prägten individuelle, in Excel umgesetzte Modelle die Planung innerhalb des Segments, geprägt durch hohe Komplexität, manuellen Übertragungen und entsprechendem Fehlerrisiko. Szenario-Updates und die Pflege von Annahmen waren arbeitsintensiv. Die fehlende Integration und Automatisierung führten teilweise zu Inkonsistenzen.
Zielbild: Standardisierung und Flexibilität vereinen
Das Zielbild sah einen standardisierten und dennoch flexiblen Ansatz für die langfristige Planung vor. Kern war ein Treibermodell, das die schnelle Modellierung von Szenarien ermöglicht, auf einem effizienten, vernetzten Datenmodell basiert und damit ein zuverlässiges Reporting unterstützt. Das Ergebnis: Ein modernes Tool für Langfristplanung und Strategievalidierung mit hoher Performance. Projektablauf und -ergebnis stellten Ruth Schilling, Vice President Digital Transformation bei Uniper, und Daniel Sommer, Vice President Controlling Wholesale bei Uniper, auf der 20. Planungsfachkonferenz vor.
Lösungsansatz: Treiberbasierte Planung mit SAC
Das gewählte Tool deckt die langfristige, strategische Planung mit einem Planungshorizont bis 2050 ab. Zentrale, unternehmensweite Treiber werden mit Business-Line-spezifischen Treibern kombiniert. So entsteht eine konsistente Planung über zentrale Annahmen und gleichzeitig die nötige Flexibilität in den Fachbereichen. Die Entscheidungsfindung wird zudem durch eine Szenarioanalyse durch Aktualisierung der zentralen und dezentralen Treiber verbessert. Als Beispiele für zentrale Treiber werden Wechselkurse, Verbraucherpreisindex und Gasverbrauch beschrieben. BL-spezifische Treiber sind z.B. Realisierungsquoten im LNG-Geschäft , Marktanteile und diverse Strompreisindizes.
Ein standardisiertes FGM-Framework (Financial Gross Margin) dient als Ausgangspunkt. Für eine konsistente Ableitung der FGM werden Handelspositionen nach ihren Merkmalen in standardisierte Kategorien überführt:
- Closed Position (fixiertes Volumen und fixierter Spread)
- Fixed Income Stream (fixierte relative Marge)
- Absolute Margin Position (fixierte absolute Marge)
- Open Position (variables Volumen und/oder variable Spread)
Im Anschluss wurden die standardisierten Kategorien durch praxisorientierte Beispiele aus den Bereichen LNG, Wholesale und Gas anschaulich erläutert und das implementierte Konzept direkt in der SAP Analytics Cloud im Tool gezeigt.
Erfolgsfaktoren
Ein entscheidender Erfolgsfaktor war die frühzeitige und fortlaufende Einbindung der Endnutzer. Dies stellte sicher, dass deren Anforderungen und Rückmeldungen in jeder Phase des Projekts berücksichtigt wurden. Zu Beginn wurde mit einem Minimum Viable Product (MVP) gestartet, um eine unnötige Komplexität am Anfang zu vermeiden. So konnten alle Nutzer die eingeführte Lösung nachvollziehen und aktiv an ihrer Weiterentwicklung mitwirken. Ein gemeinsames Konzept zu Projektbeginn sorgte für Orientierung, erleichterte die Kommunikation und förderte langfristig Akzeptanz und Verständnis. Die Zeitplanung wurde im Team abgestimmt und richtete sich nach den individuellen Verfügbarkeiten, wodurch eine realistische und flexible Terminierung ermöglicht wurde, die maßgeblich zum Projekterfolg beiträgt.
Fazit
Mit der treiberbasierten, standardisierten Langfristplanung stärkt Uniper die Validierung der Strategie und erhöht die Effizienz im Planungs- und Reportingprozess. Die Kombination aus zentralen und BL-spezifischen Treibern, vernetztem Datenmodell und durchgängiger Szenariofähigkeit schafft Transparenz, verkürzt Aktualisierungszyklen und verbessert damit die Qualität der Entscheidungen.
