Digitalisierung von Geschäftsprozessen – Wenn aus »Big Data« »Smart Data« wird

INFORM ist spezialisiert auf intelligente Software zur optimierten Planung und Echtzeit-Disposition von Geschäftsprozessen. Integriert in die bestehende IT-Umgebung optimieren diese Systeme den Erfolg vieler Planungen, Betriebsprozesse und Dispositionsentscheidungen in Bezug auf Produktivität und Zuverlässigkeit. Wir sprachen mit Jens Siebertz, stellvertretender Leiter des Geschäftsbereichs Produktion bei INFORM.

Herr Siebertz, vor welchen Herausforderungen stehen die Unternehmen in Bezug auf Data Analytics momentan? 

Viele Unternehmen haben noch Schwierigkeiten, eine zielgerichtete und strukturierte Datenanalyse umzusetzen. Teilweise ist das dadurch begründet, dass gar keine Digitalisierungsstrategie vorliegt. Es kommt oft vor, dass Unternehmen deren Wichtigkeit noch nicht ernst nehmen und hier dementsprechend Defizite haben. Andere wissen hingegen nicht, wo sie beim Thema Digitalisierung überhaupt anfangen sollen. Hinzu kommt häufig eine mangelnde Datenqualität in den Unternehmen. 

Welche ersten Schritte können Unternehmen einleiten, um diese Herausforderungen anzugehen?

Der erste Schritt ist aus meiner Sicht, sich an Experten zu wenden, die bereits Erfahrungen in der jeweiligen Branche haben und anhand dieser Best Practices zu lernen, welche Möglichkeiten es gibt, um Prozesse zu digitalisieren und dementsprechend zu verbessern. Wenn dieser erste Schritt getan ist und die Scheu vor Veränderung sowie die Zweifel an der eigenen Digitalisierungsfähigkeit abgelegt sind, können Unternehmen schrittweise beginnen, ihre Prozesse zu digitalisieren. 

Es werden bei Digitalisierungsprojekten meiner Erfahrung nach oft schon am Anfang große ungenutzte Potenziale deutlich. Oft können in kurzer Zeit gute Ergebnisse mit Business-Intelligence-Systemen erzielt werden. Dazu ist nicht immer zwangsläufig ein langwieriges Projekt nötig.

Welche Rolle spielt der Mensch bei der Umsetzung der Digitalisierung?

Grundsätzlich sehe ich digitale und automatisierte Prozesse nicht als Ersatz für den Menschen. Die Rolle des Menschen wird sich verändern: Während Software vermehrt Routineaufgaben übernimmt, kann er sein Expertenwissen für wichtige Entscheidungen nutzen. Gerade in Branchen wie beispielsweise dem Maschinen- und Anlagenbau, in denen der Mensch häufig noch alltägliche Aufgaben übernimmt, werden sich die Aufgabenbereiche verschieben. So werden in bestimmten Branchen gewisse Arbeitsplätze durch den Einsatz intelligenter Maschinen wegfallen, jedoch werden auch neue Arbeitsplätze geschaffen.

 

 

Bleiben wir bei dem Beispiel aus dem Maschinen- und Anlagenbau: Hier können intelligente Systeme datenbasiert eigenständig optimierte Lösungen für die Produktionsplanung vorschlagen, die den Anwender bei der Entscheidungsfindung unterstützen. Das System ermittelt auf Basis wichtiger Daten wie vorhandene Last, Kapazität und Kaufteile einen machbaren Liefertermin, sodass der Mensch sich nicht mehr auf sein Bauchgefühl verlassen muss und stattdessen datenbasiert gute Entscheidungen treffen kann.

Welche Entwicklungen und Trends gibt es im Themenumfeld Digitalisierung und Cloud Computing? Welche Auswirkungen werden diese Entwicklungen haben?

Digitale Dienste wie beispielsweise Chatbots in Form von Facebook Messenger, Google Alexa oder WhatsApp sind im privaten Umfeld kaum noch wegzudenken. Auch im beruflichen Umfeld der Datenanalyse nehmen solche Anwendungen zu. Mithilfe solcher Dienste können Daten noch komfortabler und gezielter abgerufen und ausgewertet werden. Die Informationen können so ganz einfach zur Verfügung gestellt werden. Durch Cloud Computing können Unternehmen diesen Informationenfluss auch ohne große Investitionen in die Infrastruktur umsetzen und mobile Anwendungen oder Alert-Funktionen schnell im Unternehmen implementieren. 

Hinzukommt der zunehmende Einsatz von künstlicher Intelligenz. Anwendungen wie Machine Learning oder Process Mining steigen stark an und werden auch in Zukunft rasant an Einfluss gewinnen. 

Welche Hemmnisse bringt die DSGVO und die damit verbundene Konformität mit sich?

Viele Unternehmen haben über mehrere Jahre bereits große Datenmengen angesammelt, die sie mit Business Intelligence für die Entscheidungsfindung nutzen möchten. Die DSGVO fordert die Unternehmen nun, personenbezogene Daten zu verifizieren und sicher zu stellen, dass kein Missbrauch der Daten stattfindet. 

Ein systematisches Datenmanagement ist hier ausschlaggebend, um den neuen Anforderungen an die Verarbeitung personenbezogener Daten gewachsen zu sein. Durch eine genaue Dokumentation von Archivierungs-, Speicher- und Löschfunktionen kann Transparenz und Nachvollziehbarkeit der Daten geschaffen werden. Es macht keinen Sinn, Daten einfach nur zu sammeln. Man muss strukturiert vorgehen und Regeln einführen, nach denen Daten gesammelt und gepflegt werden. Dazu gehören unter anderem bestimmte Sicherheitsmaßnahmen und klar definierte Berechtigungsmodelle. 

Künstliche Intelligenz ist in aller Munde. Welche Möglichkeiten bietet die Anwendung und welche Grenzen hat sie?

Künstliche Intelligenz bietet viele neue Chancen in der Datenanalyse und -auswertung. Daten können viel genauer prognostiziert und Eintrittswahrscheinlichkeiten besser vorhergesagt werden. So wird aus »Big Data« erst »Smart Data«. Die Intelligenz bietet dabei einen Weg aus dem immer größer werdenden Datendschungel.

Die Grenzen liegen hierbei vor allem in den Informationen, die nicht von Maschinen erfasst werden. Deshalb bleibt der Mensch nach wie vor unentbehrlich. Bestimmte Gefühle oder ein spezielles Wissen beispielsweise über einen Lieferanten sind nicht immer von einem System erfasst und können daher auch nur durch den Menschen in die Planung miteinfließen. 

Welche Anwendungen von künstlicher Intelligenz bieten für Unternehmen das größte Potenzial?

Grundsätzlich hat künstliche Intelligenz einen positiven Effekt auf die Datenqualität, Prognosegenauigkeit und Entscheidungssicherheit in Unternehmen. Ein wichtiger Teilbereich beziehungsweise eine Komplementärdisziplin der künstlichen Intelligenz ist Operations Research. Hier werden Methoden aus der Mathematik, Statistik oder Wahrscheinlichkeitsrechnung auf wirtschaftliche Probleme angewendet. Ein weiterer wichtiger Bereich der künstlichen Intelligenz ist das maschinelle Lernen. Dabei werden mithilfe von Algorithmen in den Daten Korrelationen gefiltert und daraus Prognosen und intelligente Entscheidungen abgeleitet.

In produzierenden Unternehmen können durch die Kombination von Operations Research und maschinellem Lernen Prozesse optimiert werden. Beispielsweise können Wiederbeschaffungszeiten viel genauer vorhergesagt werden und präziser in eine automatisierte Produktionsplanung einfließen. Der Produktionsablauf und die Lieferfähigkeit kann so maßgeblich verbessert werden.

Eine andere erfolgreiche Anwendung im Bereich Produktion ist Predictive Maintenance. Durch die vorausschauende Wartung von Maschinen mithilfe von maschinellem Lernen und Operations Research kann die Effizienz in der Produktion hochgefahren und somit Kosten reduziert werden. Und auch in anderen Bereichen wie Logistik oder Supply Chain Management wird die Prozesseffizienz durch genauere Prognosen auf Basis historischer Daten stark verbessert und verspätete Abläufe oder Fehlplanungen können verhindert werden. 

Herr Siebertz, vielen Dank für das Gespräch.


www.inform-software.de

 

Illustration: © Login /shutterstock.com

BPM-Plattform bietet SharePoint-Anwendern neuen Ansatz zur schnellen Digitalisierung und Anpassung von Geschäftsprozessen

Digitalisierung der Geschäftsprozesse – Dank ECM fit für die digitale Transformation

Digitalisierung der Geschäftsprozesse: Vorhersagen für 2017

8 häufige Stolperfallen bei der Digitalisierung von Geschäftsprozessen

Kompass für den Digitalisierungsdschungel: Neuer ERP-Knigge unterstützt bei Strategie, Lösungs- und Anbieterwahl

Digitalisierungsgrad: Mehr als zwei Drittel planen Investitionen in IT-Projekte