Was dich in dieser Lektion erwartet

Du studierst Finance auf Master-Niveau. Dein Studium an der Fresenius Hochschule ist eine Investition in deine berufliche Zukunft - in Positionen im Controlling, Treasury, Audit oder M&A.

Eine ehrliche Beobachtung aus der Praxis: Wer eine GuV interpretieren, eine Bilanz analysieren und IFRS-Buchungssätze nachvollziehen kann, ist gut vorbereitet auf das fachliche Gespräch. Die analytische Arbeit am Datenmaterial sieht im Berufsalltag aber oft anders aus.

Die Zahlen, mit denen du arbeiten wirst, leben nicht in Excel-Tabellen, sondern in produktiven Datenbanken mit Millionen von Datensätzen. Wer diese Daten direkt abfragen kann, gewinnt Geschwindigkeit und Unabhängigkeit. Wer auf Reports aus der IT warten muss, verliert beides.

In dieser Lektion legst du das Fundament dafür, eigenständig auf Finanzdaten zuzugreifen - eine Fähigkeit, die deinen späteren Arbeitsalltag spürbar prägen wird.

Lernziele dieser Lektion

Nach Abschluss dieser Lektion kannst du:

• ✅ Die FinanceDB lokal auf macOS oder Windows einrichten
• ✅ Dich mit Beekeeper Studio mit der Datenbank verbinden und Tabellen sichten
• ✅ Das relationale Modell der 14 Tabellen lesen und einordnen, in welcher Tabelle welche Information liegt
• ✅ Die vier Module Stammdaten, Finanzbuchhaltung (FI), Vertrieb (SD) und Einkauf (MM) unterscheiden - dieselbe Logik, die SAP, Oracle und Microsoft Dynamics intern verwenden
• ✅ Eine erste eigene SQL-Abfrage formulieren und ihr Ergebnis fachlich interpretieren

Dein Stand am Ende der Lektion: Eine produktionsnahe Finanzdatenbank mit realistischen Buchungen, Rechnungen, Aufträgen und Stammdaten - lokal auf deinem Rechner, abfragbar in unter einer Sekunde.

Praxisbeispiel: Lena im Konzern-Controlling

Lena, 23, schreibt ihre Master-Thesis und arbeitet 20 Stunden pro Woche als Werkstudentin im Konzern-Controlling eines DAX-Zulieferers.

“Mein Vorgesetzter kam an einem Montagmorgen ins Büro: ‘Frau Müller, ich benötige bis 10 Uhr eine Aufstellung aller Lieferantenrechnungen über 5.000 Euro, die im letzten Quartal überfällig waren - alphabetisch nach Lieferant sortiert.’”

Die Daten lagen im SAP-System. Eine Anfrage an die IT-Abteilung hätte mehrere Tage gedauert. Ein Excel-Export aus der SAP-GUI hätte über 200.000 Zeilen geliefert - eine Datenmenge, die sich nicht produktiv weiterverarbeiten lässt.

“Ich habe drei SQL-Befehle geschrieben: SELECT, FROM, WHERE. Acht Sekunden später hatte ich genau die 47 Rechnungen, die mein Vorgesetzter benötigte. Sortiert. Gefiltert. Sauber.”

Drei Monate später wurde Lenas Werkstudenten-Vertrag in eine Festanstellung als Junior Controllerin überführt. Nicht aufgrund ihrer Note, sondern weil sie in der Lage war, Daten eigenständig zu beschaffen und aufzubereiten.

Die Fähigkeit, die Lena hier eingesetzt hat, baust du in den kommenden Lektionen systematisch auf.

Die FinanceDB im Überblick

Was du vor dir hast

Die FinanceDB ist die simulierte Datenbank der TechVision GmbH - eines mittelständischen IT-Herstellers mit ca. 35 Mitarbeitenden, 50 Kunden und 20 Lieferanten. Sie bildet im Kleinen ab, was du in produktiven ERP-Systemen wie SAP, Oracle, Sage oder Microsoft Dynamics in deutlich grösserem Umfang vorfindest.

Datenbank-Engine: SQLite - eine einzelne Datei, ohne Server-Installation. Ideal für Lehre und schnelle Analysen, weltweit auf Milliarden Geräten im Einsatz.

Die vier Module

Das ergibt insgesamt 14 Tabellen - dieselbe Modulstruktur, die auch in SAP S/4HANA verwendet wird, dort allerdings mit jeweils mehreren hundert Tabellen pro Modul.

Die 14 Tabellen im Detail

Stammdaten

• companies - Unsere Gesellschaft (TechVision GmbH)
• departments - 10 Abteilungen mit Kostenstellen-Codes und Jahresbudget
• employees - 35 Mitarbeitende mit Position, Gehalt und Vorgesetztem (Self-Reference)
• customers - 50 Kunden mit Kreditlimit, Zahlungszielen und Adressen
• suppliers - 20 Lieferanten mit Bewertung (1-5 Sterne) und Lieferzeiten

Finanzbuchhaltung (FI)

• chart_of_accounts - Kontenplan auf Basis SKR03 (Asset / Liability / Revenue / Expense / Equity)
• journal_entries - Buchungssätze (Belegkopf)
• journal_lines - Buchungszeilen (Soll/Haben pro Konto, mit Kostenstelle)

Vertrieb (SD)

• sales_orders - Kundenaufträge mit Netto-, Steuer- und Bruttobeträgen
• sales_order_items - Auftragspositionen (Material, Menge, Einzelpreis, Rabatt)

Einkauf (MM)

• materials - Materialstamm (60 Materialien, kategorisiert, mit Mindestbeständen)
• purchase_orders - Bestellungen an Lieferanten
• purchase_order_items - Bestellpositionen
• invoices_received - Eingangsrechnungen mit Zahlungsstatus (open / paid / overdue / disputed)

Die Beziehungen im Überblick

companies ──< departments ──< employees ──┐
                                          │ (reports_to → employees, Self-Reference)
                                          │
suppliers ──< materials                   │
    │                                     │
    ├──< purchase_orders ──< purchase_order_items ──> materials
    │
    └──< invoices_received

customers ──< sales_orders ──< sales_order_items ──> materials

chart_of_accounts ──< journal_lines >── journal_entries

Orientierungshilfe: Stammdaten beantworten Wer und Was, FI beantwortet Wie viel, SD und MM beantworten Welche Geschäftsvorfälle haben in welcher Höhe stattgefunden.

Setup: Beekeeper Studio installieren

Wir verwenden Beekeeper Studio Community Edition - einen freien, plattformübergreifenden Datenbank-Client. Open Source, ohne Account-Anforderung, übersichtlich und performant.

macOS

1. Öffne https://www.beekeeperstudio.io/get-community
2. Lade die .dmg-Datei für macOS herunter
3. Doppelklick und Beekeeper Studio in den Programme-Ordner ziehen
4. Beim ersten Start fordert macOS eine Bestätigung - mit “Öffnen” bestätigen

Windows

1. Öffne https://www.beekeeperstudio.io/get-community
2. Lade den Windows-Installer (.exe) herunter
3. Installation mit Standardpfaden ausführen

Verbindung zur FinanceDB herstellen

1. Lade die Datei financedb.db aus den Downloads dieser Lektion herunter
2. Speichere sie an einem definierten Ort (z. B. ~/sql-kurs/financedb.db)
3. In Beekeeper Studio: New Connection → SQLite
4. Bei “Database File” auf “Choose File” klicken und financedb.db auswählen
5. Als Connection Name “FinanceDB” eintragen
6. Test klicken - die Verbindung sollte erfolgreich bestätigt werden
7. Connect auswählen

Im linken Bereich erscheint die Liste der 14 Tabellen. Per Klick auf eine Tabelle - beispielsweise departments - werden Spaltenstruktur und Datensätze sichtbar.

Erste Abfrage

Im Query-Editor (oben “+ New Query”):

SELECT * FROM departments;

Ausführen mit Cmd/Ctrl + Enter oder dem Run-Symbol. Das Ergebnis umfasst zehn Datensätze - die Abteilungen der TechVision GmbH.

Damit hast du dein erstes SQL-Statement gegen eine Finanzdatenbank ausgeführt - das Fundament für alles, was in den weiteren Lektionen folgt.

Aufgaben zur Lektion

Nachdem Beekeeper Studio installiert und mit der FinanceDB verbunden ist, erarbeite die folgenden Aufgaben bitte zunächst eigenständig. Die Lösungen findest du in der Begleitlektion Lösungen zu Lektion 1.1 - sie werden im Rahmen der Vorlesung freigeschaltet. Der eigene Lösungsweg erhöht den Lerneffekt deutlich.

Aufgabe 1.1.1 - Tabelle erkunden

Zeige alle Datensätze und Spalten der Tabelle departments an. Welche Abteilung verfügt über das höchste Jahresbudget?

Aufgabe 1.1.2 - Mitarbeitende zählen

Wie viele Datensätze enthält die Tabelle employees? Hinweis: Die Aggregatfunktion COUNT(*) liefert die Anzahl der Datensätze einer Tabelle.

Aufgabe 1.1.3 - Strukturierte Erkundung

Wähle drei der 14 Tabellen aus, die für deinen fachlichen Schwerpunkt besonders relevant sind. Sieh dir jeweils die ersten zehn Datensätze an:

SELECT * FROM <tabellenname> LIMIT 10;

Halte pro Tabelle in Stichworten fest:

• Welche Spalten enthält die Tabelle?
• Welche Datentypen erkennst du (Text, Zahl, Datum)?
• Welche fachlichen Beobachtungen ergeben sich aus den Datensätzen?

Aufgabe 1.1.4 - Modulzuordnung

Ordne die folgenden Datensätze dem fachlich passenden Modul (Stammdaten, FI, SD, MM) zu:

a) “Eingangsrechnung über 47.500 EUR der Müller GmbH, Status: open”
b) “Auftrag der Bayer AG über 12 Drucker, Lieferdatum 2024-03-15”
c) “Buchung: Soll Wareneingang 8.300 EUR an Verbindlichkeiten 8.300 EUR”
d) “Mitarbeiterin: Anna Weber, Abteilung 2, Gehalt 52.000 EUR”

Anwendungsaufgabe: Database Initiator

Aufgabenstellung

Ein typisches Szenario aus dem Berufsalltag: Eine vorgesetzte Person bittet dich, dich in eine neue Datenbasis einzuarbeiten und die Ergebnisse strukturiert zurückzumelden.

“Wir haben die FinanceDB heute auf Ihrem Rechner installiert. Bevor Sie mit den weiteren Auswertungen beginnen, bitte ich Sie um drei fachliche Erkenntnisse über das Unternehmen, die Sie ausschliesslich durch Datenbankabfragen gewinnen konnten - keine Auswertungen aus bestehenden Reports, sondern eigene SQL-Abfragen mit Ergebnis und kurzer Interpretation.”

Erfolgskriterium

Du formulierst drei Aussagen über die TechVision GmbH, jeweils belegt durch:

1. Die konkrete SQL-Abfrage
2. Das Ergebnis (z. B. “Anzahl Mitarbeitende: 35”)
3. Eine kurze fachliche Einordnung in einem Satz

Beispielformat:

Erkenntnis 1: TechVision arbeitet mit Lieferanten aus sieben Ländern.
SQL: SELECT DISTINCT country FROM suppliers;
Einordnung: Das deutet auf eine internationale Beschaffungsstruktur hin -
            wir untersuchen den Schwerpunkt in der nächsten Lektion.

Anforderungsniveau: einsteigerfreundlich
Abschluss-Badge: Database Initiator - markiert den erfolgreichen Einstieg in die Lektionsreihe

Lektion abgeschlossen

Badge: Database Initiator

Du hast die erste Lektion erfolgreich abgeschlossen. Eine Finanzdatenbank ist lokal eingerichtet, die Verbindung über Beekeeper Studio steht, und die erste SQL-Abfrage ist ausgeführt.

Dein Fortschritt:

Modul 1 - Foundation:    ██░░░░░░░░  25%
Gesamtkurs:              █░░░░░░░░░   8%

Was du nun beherrschst:

• Eine SQLite-Datenbank lokal einsetzen
• Tabellenstrukturen lesen und einordnen
• Module von ERP-Systemen voneinander abgrenzen
• Eine erste eigene SELECT-Abfrage formulieren

Nächste Schritte: Die Begleitlektion Lösungen zu Lektion 1.1 wird im Rahmen der Vorlesung freigeschaltet und dient zur Selbstkontrolle. Anschliessend folgt Lektion 1.2 - SELECT: Daten gezielt lesen. Dort erweitern wir die einfache SELECT *-Abfrage zu präzisen Statements, die genau die Datensätze und Spalten zurückliefern, die für eine konkrete Fragestellung benötigt werden.