Riese & Müller wächst international, bietet eine zunehmende Variantenvielfalt in der Produktpalette und baut digitale Services rund um das vernetzte E‑Bike aus. Das stellt neue Anforderungen an die gewachsene IT-Architektur des Premium-Fahrradherstellers. Vor der Zusammenarbeit ist die Systemlandschaft noch stark gekoppelt: Commerce-Systeme für B2B und B2C hängen direkt am ERP, was Deadlocks und Export‑Staus verursacht und Erneuerungen einzelner Komponenten stark einschränkt. Zugleich ist das Produktdatenmodell fragmentiert und teilweise redundant. Um das weitere Wachstum von Riese & Müller zu unterstützen, sind präzise Eingriffe in die Architektur nötig.

Unser Ziel ist es, neue Flexibilität und Gestaltungsfreiheit in die IT-Landschaft von Riese & Müller zu bringen. Damit legen wir die technologische Grundlage für die internationale Skalierung sowie den Ausbau neuer Geschäftsmodelle wie Fahrrad-Leasing oder -abo. Die Aufgaben sind klar: die Systemlandschaft modularisieren und eindeutige Verantwortlichkeiten schaffen, Datenflüsse optimieren und das Produktdatenmanagement vereinheitlichen. Das machen wir in zwei zentralen Projekt-Streams:

Zuerst entwickeln wir einen Data Hub als zentrale Datendrehscheibe: Er nimmt ERP-Daten auf, hält sie zwischen und verteilt sie kontrolliert an Zielsysteme. Konkret verarbeitet er Änderungen in ERP‑Datensätzen, überführt sie in ein domänenorientiertes, R&M‑spezifisches Produktdatenmodell und verteilt Produktdaten standardisiert an die umliegenden Systeme. Dazu zählen das ERP als Quellsystem, die Commerce-Systeme für B2C und B2B sowie die R&M‑Website. Außerdem ist der Hub an die hauseigene RX Cloud mitsamt RX Connect App für das vernetzte E‑Bike und digitale Services angebunden. Hinzu kommen Datenstandards und Branchenplattformen wie DST und VeloConnect, über die Hersteller und Lieferanten standardisierte Produktdaten zentral bereitstellen und Händler diese abrufen. Ergänzt wird die Landschaft durch ein Produktinformationsmanagement-System (PIM) und Business Intelligence (BI).

„Beim Data Hub ging es uns um Architektur als strategische Entscheidung, nicht nur um Integration”, erklärt Alexander Janthur, Gründer & CEO von Turbine Kreuzberg. “Wir bringen Flexibilität in die Systemlandschaft, damit Riese & Müller morgen neue Geschäftsmodelle und Services schnell auf einer optimalen Basis starten kann – ohne immer wieder von vorne anzufangen.“

Die Umsetzung erfolgte bewusst risikominimierend und architekturgeleitet. Zunächst haben wir Domänen und Ereignisse modelliert und daraus klare Datenverträge abgeleitet. Den Hub selbst haben wir als TypeScript‑basierte, event‑getriebene Applikation mit Change Data Capture (CDC) entwickelt. Das bedeutet, dass wir laufend die tatsächlichen Datenänderungen erfassen und an den Data Hub weiterleiten, statt jedes Mal den kompletten Datenbestand zu übertragen.

Wir haben ein standardisiertes Produktdatenmodell entwickelt, das Varianten und Attribute konsistent abbildet und angereicherte Informationen zuverlässig in alle Kanäle liefert. Damit Shops und Kanäle weiterlaufen wie bisher, bleiben bestehende IDs und Datenformate erhalten. Kommen Daten aus mehreren Quellen, entscheidet der Hub, welche Quelle für welches Feld zuständig ist und vermeidet gegenseitige Überschreibungen. Neue Systeme werden nach und nach angeschlossen, während der laufende Betrieb stabil bleibt. So minimieren wir Umbauten, erhöhen die Datenqualität (klares Modell, Data Governance, Workflows) und sichern den Betrieb. Kurz: eine pragmatische Entkopplung mit sofortigem Effekt und Raum für Weiterentwicklung. Ein starker Beleg für die Tragfähigkeit des Data Hub-Konzepts: Riese & Müller überträgt die Architektur-Prinzipien nun auf eine intern entwickelte Anwendung für die Produktion.

Mit der Integration eines neuen PIM-Systems verfügt Riese & Müller über eine zentrale, verlässliche Quelle für Produktstammdaten: Attribute, Varianten, Relationen sowie Länder‑, Kanal‑ und Übersetzungslogik werden einheitlich gepflegt, versioniert und über Workflows qualitätsgesichert. Das objektorientierte Datenmodell mit Vererbung bildet gemeinsame Bestandteile über die gesamte Produktpalette hinweg ab, lässt aber auch genug Flexibilität für Bike‑spezifische Texte/Bilder und optionale Abhängigkeiten. Über Datenverträge definieren wir, wie die Systeme Daten miteinander teilen, validieren und synchronisieren, damit die aufbereiteten Produktdaten via Data Hub konsistent in alle Kanäle gelangen – ohne Umbauten in den angebundenen Systemen.

Die Auswahl von Centric PXM (ehemals Contentserv) als PIM-Technologie war das Ergebnis eines umfangreichen Discovery-Prozesses. Dazu zählten Fachinterviews, Prozess-, Daten- und Anforderungsanalysen sowie die jeweilige Entwicklung von Zieldaten- und Governance-Modell (Rollen, Workflows, Validierungen). Centric PXM überzeugte aufgrund seiner Flexibilität, Funktionsbreite (Data Quality, Translation, Erweiterbarkeit) und stabiler Cloud-Infrastruktur.

Produkte entstehen ausschließlich im ERP und erhalten dort Kernattribute. Dazu zählen Kernproduktdaten wie produktionsrelevante Informationen, Konfigurationsdaten, Merkmale und Ausprägungen, Baupläne/Stücklisten, Seriennummer-Produkte, Preise und Bestände.

Der Data Hub erhält aus dem ERP das »Skelett« eines Produkts, zusammengesetzt aus den genannten ERP-Daten, und transformiert es in das R&M‑Datenmodell. Konfigurierbare Produkte und ihre Varianten werden dabei mit den passenden Produkten der Stückliste verknüpft. Anschließend sendet der Hub die Produktdaten per Push an das PIM, welches die Daten anreichert. Dazu gehören zusätzliche beschreibende oder metrische Attribute, die Verknüpfung mit Objekten (z. B. Hersteller, Farbe), das Hinterlegen von Bildern, Dokumenten, Übersetzungen und Kategorisierungen sowie die Zuordnung zu Sales Channels inklusive Veröffentlichung und Deaktivierung von Produkten. Der Hub holt die angereicherten PIM‑Daten anschließend per Pull wieder ab und transformiert sie ebenfalls in das R&M‑Datenmodell.

Zum Schluss sendet der Hub das veredelte Produkt an die Commerce‑Systeme und transformiert es dabei in das jeweils benötigte Zielformat. So stehen die Daten kanalübergreifend konsistent und einsatzbereit zur Verfügung.