„Vor lauter Zahlen sehen Unternehmen den KPI-Wald nicht mehr“

Sechs von zehn Industrieunternehmen in der DACH-Region haben Defizite bei der Analyse ihrer Daten, zeigt die aktuelle Staufen-Studie Digitalisierung 2024*. "In vielen Unternehmen herrscht ein regelrechter Daten-Wildwuchs", so Dr. Michael Feldmeth, der bei der Staufen AG die Practice Unit Digital & Industrie 4.0 leitet, im IT Welt.at-Interview. [...]

Dr. Michael Feldmeth, Leitung Practice Unit Digital & Industrie 4.0 bei der Staufen AG. (c) Staufen AG
Dr. Michael Feldmeth, Leitung Practice Unit Digital & Industrie 4.0 bei der Staufen AG. (c) Staufen AG

Wie sehen typische Szenarien aus, die aus der von Ihnen beschriebenen oberflächlichen Datenanalyse resultieren?

Im einfachsten Fall sehen Unternehmen nur isolierte Zahlen aus verschiedenen Bereichen und wissen zu wenig über die Zusammenhänge zwischen ihnen. Sie sehen also vor lauter Zahlen den KPI-Wald nicht mehr. Das hat in vielen Fällen zwei ungünstige Folgen: die Durchlaufzeit in der Fertigung steigt, während gleichzeitig die Qualität der hergestellten Produkte sinkt.

Mangelhafte Datenanalysen führen dazu, dass die Kernursachen nicht erkannt werden und das Management nur an den Symptomen herumdoktert. Im schlimmsten Fall führt dies zu einer sinkenden Zufriedenheit der Kunden und in der Folge ihrer Abwanderung. Das Worst-Case-Szenario ist dann erreicht, wenn ein Unternehmen schleichend seine Wettbewerbsfähigkeit verliert.

Zur Vermeidung solcher Szenarien müssen die Unternehmen konsequent an den Themen Datenmanagement, Datenanalyse und -nutzung arbeiten. In der Zukunft werden die Herausforderungen eher mehr als weniger: Wachsende Datenmengen, steigende Komplexität und starke Wettbewerber sorgen für Zugzwang.

Das Pendel schlägt in Richtung weiterer Spezialisierung der Software-Landschaft aus. Bedeutet das, dass die von Ihnen beschriebenen Probleme sich weiter verschärfen?

Der Softwaremarkt wächst unglaublich schnell und ist mittlerweile schwer überschaubar. Das hat in den vergangenen Jahren dazu geführt, dass auch für sehr spezifische Anwendungsbereiche mehrere Anbieter zur Auswahl bestehen.

Das ist zwar grundsätzlich eine Chance, doch die Unternehmen haben dadurch eine hohe Herausforderung: Sie müssen die richtige Software finden und die einzelnen Lösungen organisatorisch und technisch sauber integrieren. Das erfordert eine zusätzliche Beratung.

Wo ist der Hauptverursacher der Probleme zu suchen? In der Entwicklung des IT-Marktes? Bei den Unternehmen selbst, die dem Thema in der Vergangenheit zu wenig Aufmerksamkeit geschenkt haben? Oder ist es schlicht und einfach die Folge einer natürlichen Entwicklung – Stichwort „Alles historisch gewachsen“?

Es gibt mit Sicherheit nicht die eine Hauptursache. Datensilos und eingeschränkte Funktionalitäten der einzelnen Anwendungen bremsen die Unternehmen auf ihrem Digitalisierungskurs aus. Zudem entsteht ein Folgeproblem: Laut unserer Studie fließen bei drei Viertel der Unternehmen die vorhandenen Daten in die Entwicklung der künftigen Strategie ein. Das ist recht riskant und kann zu Fehlentscheidungen führen.

Ich würde jedem Unternehmen raten, den Blick nach vorne und nicht in den Rückspiegel zu richten. Unternehmen sollten die eigenen Daten als Asset sehen und sie konsequent für Analysen, Prozessverbesserungen, und Entscheidungen nutzen, um sich stetig weiterzuentwickeln. Datenanalysen steigern die organisatorische Effizienz und führen zu deutlichen Verbesserungen in der Fertigung.

Wie lässt sich Vertrauen in die eigenen Daten herstellen? Welche Instrumente bzw. Verfahren stehen zur Verfügung, die dabei unterstützen?

Der erste Schritt ist auf jeden Fall ein genaues Verständnis von Art und Herkunft der Daten, die sich im gesamten Unternehmen finden. In einem zweiten Schritt sollten Unternehmen die Datenqualität sicherstellen. Dafür müssen sie zunächst einmal entsprechende Kriterien definieren und dann entsprechende Maßnahmen ergreifen, also beispielsweise fehlende Datensätze nachtragen, Dubletten beseitigen und offensichtliche Fehler beheben.

Wie lange dauert die Transformation von einem strategischen Blindflug hin zur Scharfsicht im Durchschnitt? Wovon hängt die Länge in erster Linie ab?

Eine solche Transformation ist für jedes Unternehmen sehr individuell. Unternehmen sollten allerdings nicht hoffen, ihre Schwierigkeiten mit der Erhebung und Analyse von Daten innerhalb weniger Monate zu lösen.

Entscheidend sind neben der Größe des Unternehmens die Ausgangssituation und die eingesetzten Ressourcen. Besondere Schwierigkeiten werden Unternehmen dann haben, wenn die Daten in der Vergangenheit in Silos mit unterschiedlichen Prozessen und Anwendungen gesammelt worden sind. Hier eine Vereinheitlichung zu schaffen, ist keine einfache Aufgabe.

Das Unternehmen sollte in jedem Fall darauf achten, die Datentransformation schrittweise anzugehen. Sinnvoll ist es beispielsweise, einzelne Projekte aufzusetzen, die in maximal einem halben Jahr umsetzbar sind. Dann werden Erfolge etwas schneller sichtbar als bei einem Big-Bang-Ansatz.

Was sind die wesentlichen Schritte in der Transformation in Richtung des ganzheitlichen Blicks? Wo sind die typischen Stolpersteine, Bremser und auch Beschleuniger?

Wir empfehlen ein 10-Schritte-Modell (siehe unten), um einen ganzheitlichen Blick auf die im Unternehmen vorhandenen Daten zu erreichen. Zuerst ist die Formulierung eines Ziels notwendig, das sie durch die Datenanalysen erreichen möchten – beispielsweise die Erhöhung der Produktqualität.

Anschließend müssen die relevanten Daten identifiziert, gesammelt, integriert und bereinigt werden. Erst daran schließt sich die Analyse an und die Daten können sinnvoll ausgewertet werden. Wichtig ist zudem eine Kommunikation der Ergebnisse und eine Schulung der Mitarbeiter, um Konsequenzen aus der Analyse zu ziehen.

Zu einer sinnvollen Transformation gehört auch die kontinuierliche Überwachung und Anpassung der Datenanalyse. Wichtig dabei: Die Abfolge der einzelnen Schritte ist als Schleife zu verstehen. In vielen Fällen muss sie nach Auswertung der Erfahrungen erneut durchlaufen werden.

Ein wichtiger Rat ist wie gesagt, nicht alles auf einmal zu machen, sondern Schritt für Schritt vorzugehen. Außerdem es ist hilfreich, ein solches Datenprojekt nicht mit der technischen Brille zu betrachten. Es handelt sich vielmehr um ein strategisches Business-Projekt.

Wie war der geschäftliche Verlauf Ihres Unternehmens in den letzten 12 Monaten? Was waren die Highlights?

Das letzte Jahr war für uns sehr erfolgreich. Als Managementberatung mit dem Fokus auf Operational Excellence haben wir offensichtlich die richtigen Antworten auf die aktuellen Herausforderungen. Wir haben festgestellt, dass dabei der Anteil der Digitalisierungsthemen in den Projekten stetig zunimmt.

Ein Highlight ist hier sicherlich unser neuer Beratungsansatz zur Identifizierung und Auflösung von Bottlenecks. Das ist ein datengetriebener Ansatz, mit dem wir Engstellen in Fabriken mit komplexen Materialflüssen erkennen können.

In diesem Zusammenhang kommt dann auch ein weiteres Highlight des vergangenen Jahres zum Einsatz: unsere Kooperation mit AppliediT, die sich darauf spezialisiert haben, den Datenwust in Unternehmen zusammenzuführen, für die Analyse aufzubereiten und aus den Zahlen dann betriebliche Probleme zu entschlüsseln. Im Falle unserer Bottleneck-Lösung werden mithilfe der AppliediT-Software die unterschiedlichen Verlustarten an der Engstelle analysiert und dann Maßnahmen zur Eliminierung und ganzheitlichen Systemverbesserung definiert.

Welche Pläne gibt es für die DACH-Region, Österreich im Besonderen?

Die DACH-Region ist und bleibt einer der Fokus-Märkte der Staufen AG. Hier planen wir auch für die nächste Zeit weiteres Wachstum. Projekte wie zum Beispiel beim Biomasse-Heiztechnikspezialisten Hargassner zeigen dabei immer wieder, wie gut unser praxisorientierter Ansatz gerade bei den umsetzungsstarken Unternehmen in Österreich ankommt.

Zehn Schritte zum Erfolg bei der Datentransformation
Quelle: Staufen AG

  1. Zieldefinition
  2. Datenidentifikation und -sammlung
  3. Datenintegration
  4. Datenbereinigung und -aufbereitung
  5. Datenanalyse und -exploration
  6. Datenaufbewahrung und Sicherheit
  7. Modellentwicklung und -implementierung
  8. Kommunikation der Ergebnisse
  9. Kontinuierliche Überwachung und Anpassung
  10. Schulung und Sensibilisierung

*Die Staufen-Studie „Digitalisierung 2024“ ist hier erhältlich.


Mehr Artikel

News

KI ist das neue Lernfach für uns alle

Die Mystifizierung künstlicher Intelligenz treibt mitunter seltsame Blüten. Dabei ist sie weder der Motor einer schönen neuen Welt, noch eine apokalyptische Gefahr. Sie ist schlicht und einfach eine neue, wenn auch höchst anspruchsvolle Technologie, mit der wir alle lernen müssen, sinnvoll umzugehen. Und dafür sind wir selbst verantwortlich. […]

Case-Study

Erfolgreiche Migration auf SAP S/4HANA

Energieschub für die IT-Infrastruktur von Burgenland Energie: Der Energieversorger hat zusammen mit Tietoevry Austria die erste Phase des Umstieges auf SAP S/4HANA abgeschlossen. Das burgenländische Green-Tech-Unternehmen profitiert nun von optimierten Finanz-, Logistik- und HR-Prozessen und schafft damit die Basis für die zukünftige Entflechtung von Energiebereitstellung und Netzbetrieb. […]

FH-Hon.Prof. Ing. Dipl.-Ing. (FH) Dipl.-Ing. Dr. techn. Michael Georg Grasser, MBA MPA CMC, Leiter FA IT-Infrastruktur der Steiermärkischen Krankenanstaltengesellschaft m.b.H. (KAGes). (c) © FH CAMPUS 02
Interview

Krankenanstalten im Jahr 2030

Um sich schon heute auf die Herausforderungen in fünf Jahren vorbereiten zu können, hat die Steiermärkische Krankenanstaltengesellschaft (KAGes) die Strategie 2030 formuliert. transform! sprach mit Michael Georg Grasser, Leiter der Fachabteilung IT-Infrastruktur. […]

News

Risiken beim Einsatz von GenAI in vier Schritten senken

Die Themen Datenschutz und Modellverwaltung sind in der Datenwissenschaft zwar nicht neu, doch GenAI hat ihnen eine neue Dimension der Komplexität verliehen, die Datenschutzbeauftragte vor neue Herausforderungen stellt. Die Data-Science-Spezialisten von KNIME haben die Potenziale und Risiken der KI-Nutzung beim Einsatz bei der Datenarbeit zusammengefasst und empfehlen vier Schritte zur Risikominimierung. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*