Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Data Analytics an der Schwelle

Der Algorithmus als Treibstoff

Die digitale Transformation führt zu immer größeren, schnelleren und variableren Datenflüssen. Die intelligente Ordnung und Analyse dieser Daten lenkt den Blick auf Werte, die sich oft über neue Geschäftsmodelle monetarisieren lassen. Die Herausforderung ist, auch einmal radikalere Ideen durchzuspielen, als nur die der vorausschauenden Instandhaltung.

Analyse | Data Analytic | Der fachliche Kontext ist die Basis für sinnvolle Analysestrategien.

Bild: Contact Software GmbH

Gezielte Analyse von Daten entscheidet immer häufiger über den Erfolg einer Geschäftsidee. Für Unternehmen stellt sich die Frage, wie diese Herausforderungen in der Praxis angenommen und die Chancen für die eigenen Aktivitäten aufgegriffen werden können. Der Startpunkt dafür sind automatisierte Prozesse und Analysewerkzeuge, die aus Datenströmen Erkenntnisse ermitteln.

Wo wir stehen

Seit Beginn des Milleniums wurden enorme technologische Durchbrüche bei der Leistungsfähigkeit von Graphikprozessoren und im Bereich Machine Learning erreicht. Dies hat insbesondere die Entwicklung von neuronalen Netzwerken beschleunigt und ihren Einsatz bei der Bilderkennung, Sprachanalyse und Text-Klassifizierung möglich gemacht. Mit der Verfügbarkeit von immer größeren Datenmengen und der damit einhergehenden Komplexität der Datenmodelle ist eine Schwelle erreicht, wo klassische Analysemethoden oft nicht mehr zuverlässig greifen. Hier sind neuronale Netzwerke durch ihre größere Anpassungsfähigkeit an die Datenlage viel besser darin, präzise Vorhersagen zu treffen. Grundlage dafür ist eine Rechenleistung, die dank parallel arbeitender Graphikprozessoren und spezieller, auf neuronale Netzwerke abgestimmte Hardware deutlich gesteigert werden konnte. Die Barriere zum Einsatz solcher Technologien liegt momentan also eher am Fachkräftemangel und einer relativ langen Entwicklungszeit für dedizierte Lösungen. Die Entwicklung sich selbst programmierender neuronaler Netzwerke läuft allerdings bereits und zeigt vielversprechende Ergebnisse, was zu einer weiteren Beschleunigung und Breite in der Anwendung führen wird.

Analyse | Data Analytic | Gegenwärtige Mega-Trends und ihre Abhängigkeiten mit dem Thema Datenanalyse verbunden

Bild: Contact Software GmbH

Die Datenpyramide

Bei der Adaption der neuen Techniken ist zu beobachten, dass oft ad-hoc-Ansätze gewählt werden, um möglichst schnell zu den neuesten Data-Analytics-Methoden vorzustoßen. Dieser Ansatz ist jedoch zu kurz gegriffen. Die wertschöpfende Nutzung von Daten setzt voraus, dass sie kontinuierlich gut strukturiert bereitgestellt werden. Erst dann führen die gezielte Abfrage und Verarbeitung der Daten zu neuen Erkenntnissen. Datenanalyse ist ein Prozess mit ständigem Verbesserungspotenzial, das nur zu heben ist, wenn die Datenmengen nach klaren Vorgaben und Analysestrategien ausgewertet werden. Um diese formulieren zu können, ist die genaue Kenntnis des fachlichen Kontextes unabdingbar. Erst dann können zielführende Verfahren und Algorithmen entwickelt beziehungsweise ausgewählt werden. Der nächste Schritt nach vorn ist das Reporting und die Visualisierung der bereitgestellten Datenflüsse. Findet das kontinuierlich statt, ergeben sich Geschäftsideen und Ziele für die Vorhersage, die dann gezielt angegangen werden kann. Der direkte Sprung von unten nach oben ist ohne erforderliche Basis meist wenig erfolgreich.

Disruptive Geschäftsmodelle

Letztendlich zielt die Datenauswertung darauf ab, Geschäftsmodelle zu verbessern oder neue aufzubauen. Obwohl auf diesem Gebiet einige Ideen veröffentlicht wurden, bleibt der Umkreis der Suche oft innerhalb der traditionellen Geschäftsmodelle verhaftet. Ein Beispiel aus dem industriellen Umfeld ist das Thema der vorausschauenden Wartung (Predictive Maintenance), das oft als Platzhalter für mangelnde Ideen herhalten muss. Ein Blick auf die großen disruptiven Vorreiter wie Airbnb und Uber zeigt, dass sich digitale Geschäftsmodelle über die Kundenbeziehung und ihre Daten definieren. Die dahinterstehenden Dienstleistungen sind in ihrem Mehrwert so begrenzt oder so standardisiert, dass traditionell professionalisierte Bereiche wie das Hotel- und Taxigewerbe heute im Wettbewerb zu einer anonymen Menge von auf eigene Rechnung arbeitenden Privatleuten stehen. An dieser Stelle radikaler zu denken, und – insbesondere im Service-Bereich – die Geschäftsmodelle auf den Kern zu reduzieren, kann sich als Grundlage für eigene digitale Angebote lohnen. Gleichzeitig ist dies eine gute Vorbereitung auf zukünftige Konkurrenten, die nach diesem Modell operieren.

Analyse | Data Analytic | Vorhersagegenauigkeit: Seit der Jahrtausendwende sind neuronale Netzwerke bei komplexen Problemen im Vorteil. (Bild: Contact Software GmbH)

Bild: Contact Software GmbH

Radikaler denken

Auch in anderen Branchen ist der Service soweit standardisiert, dass das eigentliche Geschäftsmodell in der reinen Vermittlung und Abwicklung besteht. So dienen beispielsweise Notare, Makler und Banken als vertrauenswürdige Dritte – eine Aufgabe, die zukünftig schneller, billiger und vielleicht sogar besser in der Blockchain abgebildet werden kann. Ähnlich zugespitzt lässt sich die Situation in der Fertigungsindustrie betrachten. Gehört im Zeitalter der digitalen Transformation die Produktion noch dazu? In vielen Bereichen ist es denkbar, ein Produkt ‚fabless‘ zu erstellen, wie es in der Chip-Industrie zu großen Teilen geschieht – beispielsweise durch den Einsatz von 3D-Druckern oder indem die Fertigung komplett an andere, dafür prädestinierte Standorte ausgelagert wird. Und auch in der Produktentwicklung, einer überwiegend virtuellen Domäne mit oft vielen beteiligten Partnern, können neue Methoden wie das Model Based Systems Engineering zu einem voll digitalisierten und damit gut analysierbaren Produkt führen, zu dem Experten überall auf der Welt relativ einfach und schnell Zugang finden. Diese Gedanken mögen noch weit hergeholt klingen, die Entwicklung im Bereich Cloud Computing, IoT und Neuronale Netzwerke sowie die blitzartige Verbreitung von neuen Startups geben aber Zeiträume für Veränderungen vor, die nicht mehr in Jahrzehnten, sondern in wenigen Jahren zu messen sind.

Branchen vor dem Umbruch

Die kommenden Jahre werden für viele Firmen eine entscheidende Phase der Umstellung sein, da treibende Kräfte im Bereich der Infrastruktur und Digitalisierung zu einer völligen Virtualisierung von Geschäftsmodellen führen werden. So ist zum Beispiel im Bereich Telekommunikation zu sehen, wie die Umstellung auf IP-basierte Leistungen ganze Geschäftsbereiche verschwinden und neue entstehen lässt. Gerade mittelständische Unternehmen müssen auf eine mögliche Erosion ihrer Märkte durch neue Anbieter reagieren und die Chancen der digitalen Transformation erkennen und nutzen. Sie sollten sich bewusst mit den neuen Mitteln und Techniken auseinandersetzen, und ihre Flexibilität und Agilität nutzen, um mit Partnern schnell zu fundierten Ansätzen zu kommen. Eine gute Beratung hilft geeignete Prozesse und Tools festzulegen, um neue Geschäftsmodelle erfolgreich zu realisieren.

 


Das könnte Sie auch interessieren:

Im verarbeitenden Gewerbe dürften rund 95 Prozent der Firmen eine mehr oder weniger ausgefeilte ERP-Anwendung betreiben. Bei CRM-Systemen geht dieser Prozentsatz bereits rapide zurück, obwohl diese Werkzeuge rund um die Kundenbeziehungspflege kritisch für das Geschäft sein können. Der Grund für die Zurückhaltung ist oft der Aufwand, der mit der Pflege mehrerer mächtiger Systeme einhergeht. Mit einer Komplettlösung für ERP und CRM samt einheitlichem Datenmodell lässt sich dieses Problem auf ein überschaubares Maß einhegen.‣ weiterlesen

Ein Verbundprojekt der TU Berlin will Mixed-Reality-Lernanwendungen mit digitaler Sprachassistenz für die Ausbildung im Bereich Windenergietechnik entwickeln.‣ weiterlesen

In der Logistik können unbemannte Flugroboter schon heute helfen, Bestände automatisiert zu erfassen. Was dem flächendeckenden Einsatz dieser Technik noch im Wege steht, sind die Lücken in den digitalen Abläufen der Firmen - und die sind der oft schlechten IT-Infrastruktur in Deutschland geschuldet. Es gibt also noch viel zu tun.‣ weiterlesen

Die uns bekannten Wertschöpfungsstrukturen in der Ersatzteillogistik stehen vor dem Hintergrund der zunehmenden Relevanz von additiven Fertigungsverfahren vor einer tiefgreifenden Veränderung. Das Forschungsprojekt 3Dsupply, an dem unter anderem das FIR der RWTH Aachen beteiligt ist, widmet sich genau dieser Thematik.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige