Während Unternehmen immer intelligenter werden, wird eine gut strukturierte und etablierte Datenstrategie zum Schlüssel für Wettbewerbsvorteile. Was bedeutet es, ein AI-gesteuertes Unternehmen zu werden? AI benötigt den Einsatz des gesamten Unternehmens. Es geht nicht nur um die Einführung einer neuen IT-Plattform in der Hoffnung, dass diese das Geschäft ankurbeln wird. Es ist vielmehr der Aufbau Ihres gesamten Unternehmens, der Ihnen die Nutzung der neuen AI-Fähigkeiten und die Automatisierung von Entscheidungen ermöglichen wird.

Daten sind die neue Währung

Seit einiger Zeit sind Daten eine neue Währung, eine sehr wertvolle Anlage, die (bei effektiver Verwaltung) enorme Vorteile bringt. Zusätzlich ermöglicht AI die Analyse gewaltiger Datenmengen und ist sehr effektiv beim Erlangen von Erkenntnissen und dem Schaffen von Mehrwert. Daher ist Automatisierung einer der Schlüsseltrends in vielen Branchen. Zum Beispiel werden in der Automobilbranche Fahrzeuge immer stärker vernetzt. Diese erzeugen Daten, die vielfältig genutzt werden können. BMW hat beispielsweise eine Technologie im Zusammenhang mit Big Data implementiert, die dem Unternehmen hilft, seine Entscheidungen zur Geschäftsentwicklung auf Daten zu stützen. Andere Automobil-Unternehmen nutzen Daten, um vorauszusehen, wann einzelne Bauteile kaputtgehen oder Fahrzeuge Wartungsarbeiten benötigen, um so den Service für Autofahrer zu verbessern. In der Finanzbranche vertraut American Express auf Datenanalytik und Maschinelles Lernen, um Betrugsfälle zu erkennen, und spart so Millionen an Verlusten ein. Während führende Unternehmen der Branche bereits zukunftsweisende Neuerungen implementieren, um Daten besser generieren und nutzen zu können, haben viele andere noch eine ungenaue Vorstellung davon, wie AI heutzutage von Unternehmen genutzt werden kann. Wir sind uns sicher, dass sich das Unternehmen der Zukunft auf AI-gesteuerte Entscheidungsfindung und Automatisierung konzentrieren wird. Unternehmen werden die Mitarbeiter, Tools, Prozesse und Fähigkeiten zur Verfügung haben müssen, um AI-Lösungen implementieren und nutzen zu können.

Architektur

Das „House of AI Driven Work“ (siehe Abbildung 1) bietet einen klaren Entwurf für die effektive Nutzung der wichtigsten strategischen Ressource eines Unternehmens: Daten. Abbildung 1: House of AI Driven Work Der Start für die AI-gesteuerte Transformation Ihres Unternehmens ist die Definition klarer Ziele und der zu liefernden Ergebnisse. Diese sollten den zu erwartenden Geschäftsnutzen durch AI und Automatisierung über das gesamte Unternehmen hinweg berücksichtigen – von der Definition der Strategie bis zu Anpassungen von Prozessen und Technologien. Wichtig ist auch, dass die Beurteilung von AI und automatisierten Entscheidungen von der Wirkung und nicht vom Budget abhängig gemacht wird, da der gesamte Lebenszyklus betrachtet werden muss.

Organisatorische Anforderungen (Mitarbeiter und Kultur)

Um eine reibungslose AI-Implementierung sicherzustellen, sollte das Unternehmen ein Team von fähigen Data Scientists oder ein Center of Excellence für AI (AI COE) zusammenstellen. Es gibt vier organisatorische Modelle für die Integration eines solchen Teams in die Unternehmensstruktur. Zuerst könnte das Team als separate IT-Einheit arbeiten, die an den CIO berichtet und verantwortlich für im Unternehmen genutzte AI-Lösungen ist. Zweitens könnte das Team alle Abteilungen nach deren Bedürfnissen unterstützen. Drittens könnte das Organisationsmodell so aussehen, dass das Team alle Geschäftsbereiche überblickt und Teil der strategischen Verwaltung ist. Und zuletzt könnte das Team als sogenanntes verteiltes AI COE fungieren, wobei AI in allen Geschäftsbereichen implementiert ist. Hierbei handelt es sich um die fortschrittlichste Struktur für Vorreiter im Bereich des AI-gesteuerten Unternehmens. Abbildung 2: HR-Einbettung und das Fähigkeitenprofil der Datenwissenschaftler Was außerdem kultiviert werden muss, ist eine Datenkultur. Es ist von äußerster Wichtigkeit, dass Geschäftsentscheidungen von Daten und nicht durch Bauchgefühl gesteuert werden. Eine datengesteuerte Kultur stellt sicher, dass der strategische Entscheidungsprozess konsistent, wiederholbar und transparent ist. Während Datenwissenschaft große Möglichkeiten bringt, unser Leben und Umfeld zu verbessern, müssen auch ethische Aspekte beachtet werden:

  • Die Ethik der Daten (wie Daten erstellt, aufgezeichnet und geteilt werden)
  • Die Ethik der Algorithmen (wie AI, maschinelles Lernen und Roboter Daten interpretieren)
  • Die Ethik der Praktiken (Entwicklung verantwortungsbewusster Innovationen und Berufskodizes für diese neue Wissenschaft)

Strategie, Prozess und Technologie

Daten sind ein wichtiger Ankerpunkt in bestehenden oder neuen Geschäftsmodellen. Deshalb sollte innerhalb eines Unternehmens eine eindeutige Datenstrategie definiert sein. Die neuesten Informationstechnologien müssen eingebettet und in der Lage sein, neben bestehenden Technologien zu funktionieren. Führungskräfte sollten Geschäftsziele neu bewerten und eine bessere Nutzung von Analytik einplanen, um das Ziel der Digitalisierung zu erreichen. Diese allgemeine Datenstrategie muss auf hoher Ebene und durch „digitales“ Verständnis unterstützt werden. Aus diesem Grund sollten Unternehmen sich auf eine Datenarchitektur und -technologie konzentrieren, die konsistente technologische Veränderungen sowie die Einführung von Fachkenntnissen sicherstellt. Als Nächstes muss ein definierter Data Science-Prozess verfolgt werden, um den langfristigen Wert der Datenarbeit anzuheben. Zum Beispiel hat Camelot seinen eigenen Data Science-Prozess festgelegt, der auf das Management der Wertschöpfungskette zugeschnitten ist. Ähnlich wie bei CRISP (branchenübergreifender Standard-Prozess für Data-Mining) beginnt dieser mit dem Geschäftsverständnis, gefolgt von Datensondierung, Datenanalyse und der Anwendung geeigneter ML-Techniken. Als Ergebnis erhalten wir typischerweise einen Prototypen, der immer tiefer in den entsprechenden Geschäftsprozess eingebettet wird und dessen Erfolg kontinuierlich gemessen werden kann. Bei der Technologie kann das Unternehmen sich entscheiden, entweder eine fertige einsatzbereite Lösung in seinem ERP-System einzusetzen oder es kann den (längeren) explorativen Weg nehmen und innovative Lösungen auf die eigenen Geschäftsbedürfnisse zuschneiden. Letzteres würde mehr Investitionen, fähige Datenwissenschaftler und Entwickler sowie laufendes Bereitstellen, Testen und Überwachen erfordern.

Datenmanagement

Gut gemanagte Daten sind keine leichte Aufgabe. Das Etablieren einer effektiven Data-Governance ist einer der wichtigsten Schritte zur Verbindung der Geschäftsstrategie mit der IT-Ausrichtung. Die Daten des Unternehmens bilden nur dann eine Ressource, wenn sie von hoher Qualität, gut strukturiert und durchgehend geschützt sind. Verschiedene Faktoren beeinflussen die Komplexität der Data-Governance:

  • Fragen zu Eigentumsrechten bezüglich der Daten
  • Uneinheitliche Daten in verschiedenen Abteilungen
  • Grad der Nutzung von Big Data in Unternehmen

Die Bausteine der datengesteuerten Arbeit ermöglichen es Unternehmen, eine solide AI-Struktur aufzubauen, die sie zu einer erfolgreichen digitalen Transformation führt. Allerdings sollten Unternehmen diese Schritte, so wie jeden Prozess, ausgehend von der Datenstrategie gestalten, um neue AI-Tools besser zu implementieren und Geschäftsziele zu erreichen.

Wir bedanken uns bei Frank Kienle für seine Mitbarbeit an diesem Artikel.

S/HANA Studie Banner

SAP S/4: Studie zur Transformation

Die Studie „Erwartungen an S/4HANA in 2022" von techconsult und CamelotITLab zeigt Stolpersteine der Migration und wie sie vermieden werden können. Mit Daten von 200 Unternehmen aus Deutschland.

Hier geht es zum Download

Empfohlene Artikel

New Now in Organizations

Praktikanten sind uns wichtig – Erfahrungsbericht aus unserem Chemie-Team

CAMELOT bietet Studenten die Gelegenheit durch Praktika erste Praxiserfahrungen zu sammeln und damit berufliche Vorstellungen und Ziele zu konkretisieren – in diesem …

weiterlesen
Logistics

Beispiel: Outsourcing der „letzten Meile“ in der Chemieindustrie

Insbesondere im Bereich der Fein- und Spezialchemikalien stoßen wir im Rahmen unserer Projekte immer noch auf Speziallösungen für …

weiterlesen
Future Value Chain

Mit Agile Working zu einem effektiven und nachhaltigen S&OP?

Viele Unternehmen sehen sich bei der Planung und Durchführung einer S&OP-Einführung immer noch deutlichen Herausforderungen gegenüber. …

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns