Der Datenfluss treibt Künstliche Intelligenz an

bei

 / 19. July. 2021

Sorry, this entry is only available in German. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

Volldigitale Unternehmen wie zum Beispiel Google oder Amazon verändern auch Märkte, in denen sie gar nicht aktiv sind. Denn sie verschieben quer durch alle Branchen die Erwartungen, die Kunden an ein Unternehmen haben: Kundenservice, der rund um die Uhr ohne Wartezeit erreichbar ist. Einfache Bestell- und Abrechnungsprozesse. Echtzeitauskunft über den Lieferstatus. Eine Kauf- und Vertragshistorie, in der alle Informationen sichtbar sind. Personalisierte Ansprache statt gesichtsloser Massenkommunikation. Das sind nur einige Aspekte dieser veränderten Erwartungshaltung. Verantwortliche in Unternehmen müssen darauf reagieren. Egal, ob eines der digitalen Schwergewichte jetzt ein direkter Konkurrent ist oder nicht. Denn enttäuschte Kundenerwartungen sind ein Einfallstor für Wettbewerber. Wettbewerber, die sich das zunutze machen, was auch Amazon und Co. auszeichnet: der geradezu meisterhafte Umgang mit Daten.

Digitale Unternehmen bauten und bauen ihre ganzen Geschäftsmodelle auf Daten auf. Die Konsequenz: Sie verstehen ihre Kunden besser, reagieren schneller, kommunizieren überzeugender. Aus dem Umgang mit Daten entstehen Wettbewerbsvorteile, die ganze Branchen aus den Angeln heben. Unternehmen, die in dieser digitalen Welt geboren und groß geworden sind, liegt diese Datenfixierung im Blut. Der optimale Datenfluss bestimmt den Aufbau der Organisationen und das Design der internen Prozesse. Schwerer tun sich Unternehmen, deren Organisation und Prozesse aus anderen Zeiten stammen und anderen Paradigmen folgen. Die sich der Bedeutung von Daten für den Erfolg erst noch bewusst werden müssen. Ein Lernprozess, der für das langfristige Überleben vieler Unternehmen notwendig ist. Verantwortliche in Unternehmen sollten sich diesen Themen jetzt stellen. Denn Künstlicher Intelligenz (KI) ist aktuell dabei, die Karten in Märkten wie der Versicherungsbranche neu zu Mischen. Und die wesentliche Basis von KI-Anwendungen sind Daten.

An den Daten hängt der Erfolg

KI-Verfahren sind nicht neu, aber ihr Einsatz in Unternehmen nimmt gerade erst Fahrt auf. Sie sind Werkzeuge, die neue Möglichkeiten zum Verbessern von Angeboten, Services und Kommunikation eröffnen. Einige Einsatzszenarien sind weit verbreitet: So werkeln im Hintergrund von Anwendungen zur Spracherkennung KI-Technologien. Das gleiche gilt für Lösungen, die Inhalte aus Dokumenten extrahieren und für die automatische Weiterverarbeitung aufbereiten. Ein Anwendungsfall, der gerade im Versicherungsumfeld – beispielsweise rund um Antragstellung oder Schadensbearbeitung – eine Rolle spielt.

Sprache, Schrift, Bilderkennung: Das sind typische Anwendungsfälle, in denen KI ihre Stärken ausspielt. Passende Prozesse und Strukturen rund um Daten sind die Voraussetzung für den erfolgreichen Einsatz von KI. Es bedarf einer Datenstrategie.

Die Datenstrategie eines Unternehmens definiert die grundsätzlichen Rahmenbedingungen für den Umgang mit Daten. Sie adressiert Themen wie die verschiedenen Arten von Daten, ihre Herkunft, die Art der Verwaltung, das Nutzen, die Berechtigungen beim Zugriff und Verarbeiten aber auch das Löschen. Anhand des sogenannten Lebenszyklus von Daten lassen sich die Eckpfeiler einer Strategie bestimmen:

  • Phase 0: Das Entstehen und Erzeugen von Daten
    Die Zahl potenzieller Datenquellen ist nicht zu überblicken. Ob Geschäftsprozesse, IT-Systeme, Wissensarbeiter, Kunden oder Maschinen: Sie alle tragen zum stetigen Datenstrom bei. Entscheider müssen genau prüfen, bei welchen Quellen es sinnvoll ist, diese in den Prozess der Datenverarbeitung einzubinden – unter der wichtigen Vorgabe, dass jegliche Informationen potenziell später nutzbar sein könnten.
  • Phase 1: Das Verwalten von Daten, ihr Erfassen und Speichern
    Hier stehen Unternehmen unterschiedliche Optionen offen: Entweder das zentralisierte Speichern, beispielsweise in Data Lakes oder entsprechenden zentralen Ablagen wie Dokumentenmanagementsystemen oder Geschäftsanwendungen. Oder das dezentrale Ablegen, beispielsweise in unterschiedlichen Systemen, Geräten und/oder lokalen Geräten. Beide Varianten haben unterschiedliche Vorteile, die später noch vertieft werden.
  • Phase 2: Das gemeinsame Nutzen von Daten
    Von dem Ort, an dem sie entstehen, müssen Daten zu dem Ort, an dem sie verarbeitet werden. Zwischen IT-Systemen fließen Daten in definierter und strukturierter Form. Mitarbeitenden stehen dafür Zugriffsportale, Applikationen oder auch Kommunikationskanäle wie E-Mails oder Kollaborationsplattformen zur Verfügung.
  • Phase 3: Das Nutzen und Verarbeiten von Daten
    Daten werden häufig erst durch die richtige Interpretation wertvoll und sinnvoll. Dies geschieht auf unterschiedliche Weise. Beispielsweise in kreativen Prozessen Datenanalyse durch Experten, dedizierte Anreicherung von zum Beispiel Marktdaten oder in definierten Geschäftsprozessen, zum Beispiel in Form von Reports. Eine weitere Möglichkeit, die in den letzten Jahren immer wichtiger geworden ist, ist die Analyse großer und auch unstrukturierter Daten und daraus abgeleitete Prognosen mit KI-Verfahren wie Machine-Learning.
  • Phase 4: Das Löschen von Daten
    Auch wenn die Kosten für Speicherplatz ins Bodenlose fielen: Das Löschen von Daten ist ein wichtiger Teil des Lebenszyklus. Dies kann regulatorische Anforderungen haben, beispielsweise Datenschutzgründe. Gezieltes Bereinigen hilft aber auch dabei, die Datenqualität zu verbessern.

Dies sind – aus hoher Flughöhe betrachtet – die Abläufe, die Unternehmen rund um den Umgang mit ihren Daten beachten müssen. Die Herausforderung liegt im Ausgestalten der Details: Welche Kompetenzen müssen ein Unternehmen für den effektiven Umgang mit Daten beherrschen? Welche Funktionen sind nötig? Wie sieht eine Blaupause für Organisation, Technologie und Prozesse aus? Ziel ist, dass Unternehmen Daten nach einheitlichen Standards sammeln, aufbereiten und insbesondere einer geschäftsorientierten Nutzung zuzuführen. In einem Industrieunternehmen fließen Teile und Rohstoffe durch den Produktionsprozess, am Ende steht das fertige Werkstück. In Zukunft werden sich Unternehmen wie Versicherungen ähnlich um den Datenfluss herum aufbauen. Zentrum der Planungen steht der Aufbau eines strukturierten Prozesses, beispielsweise einer Datenplattform.

Hinter dem Begriff der Datenplattform verbirgt sich eine Zusammenstellung aus Technologien, Prozessen und Funktionalitäten. Ihr Ziel ist es, das Nutzen von Daten im Unternehmen zu ermöglichen. In der Plattform beschreiben Unternehmen das Strukturieren und Vernetzen von datenbasierten Prozessen und Technologien: Von den Datenquellen am Anfang bis zum Ausspielen neuer KI-getriebener Services oder Angebote.

Das Schaffen einheitlicher Strukturen im Umgang mit Daten adressiert eines der zentralen Probleme der Daten- beziehungsweise KI-Nutzung: Das Nebeneinander isolierter Silos. Da liegen Vertragsunterlagen im CRM-System und Anfragen an den Kundenservice in einer separaten Anwendung. Da weiß der Vertrieb nicht, was das Marketing macht – und umgekehrt. Auf dieser Basis ist beispielsweise das automatisierte Personalisieren der Kundenansprache kaum möglich. Ziel ist das Aufbrechen dieser Silos, das Etablieren durchgängiger Verantwortlichkeiten und das Schaffen von Anreizsystemen, die sich beispielsweise an der Qualität der Daten orientieren. Erst dann spielen KI-Anwendungen ihre Stärke aus.

Wie gelingt Unternehmen der Weg von der Ist-Situation hinzu einer Struktur, die sich an den Anforderungen von Daten orientieren? Zwei Wege führen zum Ziel – mit unterschiedlichen Vor- und Nachteilen.

Auf dem Weg zu den Daten

Ansatz 1: Die Beteiligten setzen von langer Hand vorbereitete und bis ins Detail ausgearbeitete Prozesse um. Sie versuchen, alle Eventualitäten im Vorfeld zu bedenken. Nach zahlreichen Abstimmungsrunden und Jahren der Planung ist die Datenplattform einsatzbereit.

Ansatz 2: Auf den ersten KI-Anwendungsfall folgt der zweite und dritte. Für jedes Projekt zapfen die Beteiligten erneut Datenquellen an, designen neue Abläufe und nutzen andere Datenformate.

Die Beschreibungen der beiden Ansätze sind überspitzt, aber die Ausprägungen sind in der Praxis so zu erkennen. Der Erste birgt das Risiko des Over-Engineerings. Die Gefahr besteht, dass die Experten im stillen Kämmerlein ein Elfenbeinturmkonzept entwickeln. Eine Plattform, die auf jeden denkbaren Fall vorbereitet ist. Aber die Jahre benötigt, bevor sie funktioniert. Und die dann beim Einsatz in der Praxis doch an allen Ecken und Enden knarrt. Weil die Beteiligten doch nie alle Ausnahmen und Besonderheiten voraussehen können. Der zweite Ansatz hingegen konzentriert sich zu sehr auf die operative Ebene, ohne die strategischen Zielsetzungen eines datengetriebenen Unternehmens ausreichend zu berücksichtigen.

Das schnelle Umsetzen und der daraus gegebenenfalls resultierende schnelle Erfolg wird erkauft mit einem Flickenteppich von Einzelmaßnahmen. Dieses Vorgehen funktioniert für einige wenige Anwendungsfälle, aber nicht im großen Maßstab. Den Vorteil „industrieller“ Datenprozesse realisieren Unternehmen mit diesem Vorgehen nicht.

Beim Aufbau einer Datenplattform ist der Mittelweg zwischen den beiden Extremen der Richtige. Das große Ganze vor Augen zu haben, während das einzelne Projekt umgesetzt wird, ist das passende Vorgehen. Das bedeutet: Der Aufbau einer Datenplattform ist ein kontinuierlicher, dauerhafter, agiler und iterativer Prozess. Um operativ zu Ergebnissen zu kommen und gleichzeitig strategische Fundamente zu schaffen, müssen die Beteiligten eine ganze Reihe einzelner Handlungsfelder parallel zueinander oder zumindest eng getaktet hintereinander koordinieren. Dazu gehören die Themen Architektur, Prozesse, Consulting/Use Cases, Kompetenzen und Organisation. Gerade in den ersten Entwicklungsprojekten, wenn die Erfahrungswerte gering und die Hürden hoch sind, wird das Projektteam mit zahlreichen Fragestellungen konfrontiert. Aber jedes neue Projekt sorgt dafür, dass sich neue Prozesse und Arbeitsweisen einschleifen, dass Technologien und Schnittstellen zur Verfügung stehen und das die nötigen Kompetenzen an Bord sind. Schritt für Schritt entsteht eine Datenplattform, in der Daten dann weitgehend automatisch fließen.

Ziel ist es, Daten gewinnbringend zu nutzen – und das bedeutet, dass sich ein Unternehmen hinsichtlich seiner Kultur, seinem Verständnis vom Wert der Daten, seiner Organisation und Prozesse an den optimalen Fluss der Daten anapassen muss. Ein aufwändiger Weg, aber er lohnt sich – und ist in immer mehr Branchen entscheidend für die Zukunftsfähigkeit eines Unternehmens.

Über den Autor / die Autorin:


Benedikt Bonnmann gründete nach Stationen in der BI-Beratung mit SAP-Schwerpunkt ein eigenes Beratungshaus, welches von der adesso Group übernommen wurde. Er beschäftigt sich mit Data Analytics & KI und ist er verantwortlich für den Unternehmensbereich Data & Analytics sowie für die KI­Community.