Business Intelligence

Die Technologien, um Daten entlang der gesamten Wertschöpfungskette zu erheben, sind da, und sie funktionieren: Sensoren und Aktoren in Maschinen und Anlagen, Edge-Technologien für die schnelle Verarbeitung vor Ort, Netzwerke für die Übertragung der Daten in zentrale Rechenzentren, Datenspeicher und Datenbanken sowie Algorithmen: Sie alle haben die notwendige Reife. Es gibt Insel- und integrierte Lösungen unterschiedlicher Anbieter, interoperable Systeme, offene Standards und alle Schnittstellen, um Systemwelten miteinander zu verbinden.

Dennoch klagen viele Unternehmen, dass die Daten für Auswertungen widersprüchlich, unvollständig oder veraltet sind. Das führt dazu, dass Management-Entscheidungen oft auf mangelhaften Informationen basieren, weil das Spektrum der verfügbaren Daten nicht ausgeschöpft wird. Zudem ist die Beschaffenheit der genutzten Daten teils mangelhaft. Unterm Strich bedeutet das: Die potenziell immensen Vorteile von Big-Data-Analysen für produzierende Unternehmen erschließen sich nur bei ausreichender Qualität.

Die Tatsache, dass die für fundierte, intelligente Datenanalysen notwendigen Technologien reif und vorhanden sind, heißt noch nicht, dass sie jedem Unternehmen auch einsatzbereit vorliegen. Daher kann es natürlich sein, dass nur noch genau hier und da gezielt investiert werden muss, um loszulegen. Die Regel ist das aber nicht. Meistens ist es nämlich Experten zufolge vor allem das fehlende fachliche Verständnis, das vielen Unternehmen auf dem Weg in datengetriebene Geschäftsmodelle der Operational Business Intelligence Schwierigkeiten bereitet. Ein gezieltes Assessment oder E-Learning-Plattformen zur Digital Readiness in der Industrie können Abhilfe schaffen.

Neben dem fehlenden fachlichen Verständnis bremst oft auch die für valide Datenanalysen nötige komplexe Systemlandschaft die produktive Nutzung von Daten aus. Oft stehen zudem IT-Verantwortliche vor der Aufgabe, gewachsene, heterogene und nicht von vorne herein offene und interoperable Systeme miteinander verbinden zu müssen.

Die gute Nachricht aus Sicht eines Unternehmens auf dem Weg zu einer tragfähigen Datenstrategie ist: Die meisten Daten, die es dafür benötigt, sind schon vorhanden. Stamm- und Metadaten, Transaktionsdaten, zunehmend auch Daten von Maschinen und Anlagen aus der vernetzten Produktion – das alles ist der Rohstoff, der sich zu datengetriebenen Geschäftsmodellen im Sinne der Operational Business Intelligence veredeln lässt.

Für echte Mehrwerte aus Daten ist die durchgehende Digitalisierung der Geschäftsprozesse entlang der gesamten Wertschöpfungskette nötig. Daten sind nur dann wirklich aussagekräftig, wenn sie vollständig die geschäftlichen Aktivitäten eines Unternehmens abdecken und repräsentieren. Diese Aufgabe übernimmt das so genannte Business Process Management (BPM). Es kümmert sich um die Integration von Prozessen und Anwendungen, um diese Daten verfügbar zu machen. BPO bringt aus Unternehmenssicht noch einen weiteren wichtigen Vorteil: Digitalisierte Prozesse bieten die Möglichkeit für Automatisierungen zum Beispiel in Form von Robotic Process Automation (RPA), bei der Bots vormals manuell ausgeführte Tätigkeiten übernehmen. Automatisierungen wiederum sind die Basis von Effizienzsteigerungen in den Unternehmen, weil sie teure und fehleranfällige manuelle Prozesse durch die Arbeit von IT-gestützten Systemen ablösen.

Über die Technologien, Datenbanken, Cloud-Speicher, Netzwerktechnologien und Algorithmen, müssen sich Unternehmen zwar Gedanken machen, aber keine Kopfschmerzen: Sie sind verfügbar und lassen sich mit relativ geringem Aufwand an die individuellen Bedürfnisse anpassen.

Auch hier verschieben sich übrigens die Anforderungen in Richtung dessen, was viele Experten als „Demokratisierung der IT“ bezeichnen: Die Technologien sind so zugänglich, dass sie in den Fachbereichen angepasst werden können; Entwicklungs- und große Integrationsarbeiten seitens der IT-Abteilungen sind immer seltener notwendig.