Welche Digitalisierungstrends sehen Sie aktuell?

Immer mehr Unternehmen haben Initiativen zu Data & Analytics gestartet. Die Wege in ein solches Projekt können völlig unterschiedlich sein. Aktuell etwa stellen sich viele Organisationen IT-seitig neu auf – aus selbst definierten strategischen Gründen oder auch weil technische Erweiterungen von Softwareherstellern eine komplett neue Ausrichtung erfordern.

Immer bedeutender werden außerdem die sogenannten Digitalen Zwillinge oder auch Digital Twins. Diese müssen in die Prozesslandschaften integriert werden, damit Simulationen und Forecasts rein digital stattfinden können – interessant ist dies beispielsweise für Produktentwicklung oder Qualitäts­management.

Generell ist ebenso festzustellen, dass Cloud-Architekturen nicht mehr nur auf dem Vormarsch sind, sondern speziell in der Data & Analytics-Welt sogar überwiegen.

Nicht zuletzt wird die Rolle von Open-Source-Technologie zunehmend bedeutender. In der klassischen BI-Welt weniger eingesetzt, kommt sie im Umfeld von Streaming, Big Data, Machine Learning sowie bei Prozessen auf Basis von Massendaten jetzt verstärkter zum Einsatz – mit dem Potenzial, den Markt nahezu zu dominieren.

Ein nicht zu unterschätzendes Kernthema ist für uns auch Self Service BI – quasi der Booster für BI-Architekturen. Unter dem Researchbrand the factlights werten wir ganz aktuell die Erhebung „Self Service vs. Enterprise – was treibt die BI?“ aus und stellen den Reifegrad von Self-Service-BI und das Zusammenspiel mit Enterprise-weiten Initiativen in den Mittelpunkt. Mit den Ergebnissen ist im April oder Mai zu rechnen.

Gibt es prägnante Projekte oder Produktinnovationen, die einen klaren Fortschritt in der Digitalisierung zeigen?

Oft geht es den Unternehmen darum, einzelne Prozesse zu digitalisieren und in ihrer Software abzubilden. Kaum noch wird dabei monolithisch alles einer einzigen, zentralen Strategie unter­geordnet. Stattdessen eröffnen sich heterogene Welten beispielsweise mit Cloud-Angeboten, Spezialapplikationen unter anderem für Product-Lifecycle-Management oder Firmendatenbanken wie etwa Produktinformationssysteme. Diese Entwicklung erfordert angesichts der Vielfalt und Komplexität der Aufgaben im Kontext von Data & Analytics umso mehr feste Konzepte für das Stamm- und Metadaten-Management. Schließlich gilt es, jederzeit den Überblick zu bewahren und Transparenz zu gewährleisten.

Welche Vorteile sehen Sie für Unternehmen in der Digitalisierung bisher?

Nicht erst seit, aber forciert durch Corona geht der Trend hin zum verteilten Arbeiten. Sogar Unternehmen, die sich vor nicht allzu langer Zeit noch dagegen gesperrt haben, stellen mittlerweile Digital Workplaces bereit. Auch hier spielt die Cloud eine zunehmend wichtige Rolle, um den mobilen Zugriff auf die Systeme etablieren und von der Infrastruktur her überhaupt ausrollen zu können.

Datengetriebene Produkte und Services entwickeln eine stetig wachsende Innovationskraft; vor einem Jahr noch sah das ganz anders aus. So werden heute viel mehr Add-Ons zu den Bestands­produkten, Erweiterungen zu bestehenden Devices oder auch Zusatzservices und Dienstleistungen nachgefragt.

Ein weiteres Beispiel: Bislang war ein kurzfristiger Ausfall des BI-Systems nicht sonderlich problematisch, weil es nicht direkt relevant für die operative Ebene war, sondern lediglich steuernd und informativ. Heute hingegen greifen Unternehmen hierüber in Echtzeit tief in die Prozesse hinein und generieren Erkenntnis­gewinne für die operative Steuerung etwa von Produktions- oder Logistikprozessen oder hinsichtlich der Up- und Cross-Selling-Potenziale von Webshops.

Wo liegen Ihrer Erfahrung nach die größten Hindernisse im Mittelstand für eine umfassende Digitalisierung?

Es zeichnet sich ganz allgemein eine Entwicklung dahingehend ab, dass die technologischen Konzepte, die in den vergangenen zehn bis fünfzehn Jahren gut funktioniert haben, in unseren zunehmend dynamischen Zeiten an ihr Limit stoßen: Aktuelle Herausforderungen erfordern moderne und innovative Methoden und Werkzeuge. Oft können Unternehmen aber die angebotenen Services gar nicht eigenständig betreiben, weil ihnen die erforder­lichen Ressourcen und das entsprechende Know-how für die teils sehr komplexen Technologien fehlen. War es beispielsweise in früheren Zeiten noch mit dem Aufbau eines kleinen Data Ware­houses getan, sind heute deutlich mehr Spezialtechnologien notwendig wie etwa Machine-Learning-Algorithmen.

In unseren Kundenprojekten nehmen wir verstärkt einen Trend zur Produktindividualisierung wahr. Hierfür stehen die Organisationen jedoch vor der Herausforderung, möglichst genau zu wissen, an welcher Stelle sie mit der Individualisierung ansetzen können und inwieweit dies überhaupt lohnenswert ist. Die notwendigen Daten dafür liefern Data & Analytics.