skip to Main Content

[Gastbeitrag] Organisationskonzepte für die Digitale Revolution … oder wie man die „PS auf die Straße bringt“

[Gastbeitrag] Organisationskonzepte Für Die Digitale Revolution … Oder Wie Man Die „PS Auf Die Straße Bringt“

Wenn es um das Thema Big Data geht, fallen viele Schlagworte wie Hadoop, IBM Watson und auch Predictive Analytics. Doch was genau versteckt sich hinter den Begriffen? Bastian Ringsdorf erklärt, was bei der Einführung von Predictive Analytics oft vernachlässigt wird und wie Unternehmen diese Strategie für sich nutzen können.

Bastian Ringsdorf ist Diplom-Kaufmann und ausgewiesener Experte im Bereich der künstlichen Intelligenz. Er ist Aufsichtsratsvorsitzender der Weststrom AG und hat mit seinem Unternehmen Michulke & Ringsdorf Investmenttechnologies S.a.r.l. in Luxemburg eine MRI Software entwickelt, die gigantische Datenmengen autonom strukturieren, Muster erkennen, Prognosemodelle automatisch entwickeln und Prognosen in Handlungen umsetzen kann. In dem Umfeld Predictive Analytics arbeitet er seit 2011 erfolgreich für Konzerne und innovative Unternehmen.

Big Data: Die Frage nach dem was und wie

Es sind einige Schlagworte und Technologien im „Big Data“ Umfeld zu finden, die die wenigsten Unternehmen noch in einen logischen, geschweige denn gewinnbringenden Kontext bringen können. Vom Einsatz von „Hadoop“ und „hochskalierbaren“ NoSQL Datenbanken, über IBM Watson hin zu „Predictive Analytics“ und vielleicht sogar dem Einsatz einer „Blockchain“ stellen sich Entscheider die Frage nach dem „wie“? Die vorhandenen Technologien ermöglichen den Umgang mit immer größer werdenden Datenbeständen und Livedaten unterschiedlichster Strukturen und Typen. Technologien wie Hadoop ermöglichen immer schnellere und komplexere Anfragen an die Unternehmensdatenbanken, wie man es mit Suchanfragen bei Google vergleichen kann. Hochkomplexe Systeme wie IBM Watson oder MRI Meta-KI können aus gigantischen Datenmengen Muster ableiten und Prognosen erstellen, die wiederum von Maschinen in autonome Handlungen umgesetzt werden. Das ist den meisten Entscheidern soweit bekannt und viele Unternehmen haben dies schon aktiv in Geschäftsmodelle umgewandelt. Man denke an das Dynamic Pricing von Amazon oder UBER, an Predictice Maintenance Lösungen von Siemens und eine Vielzahl an Lösungen im Umfeld der Prognosen, die in der Robotik und dem Bank- und Versicherungswesen im Einsatz sind. Ich betrachte das Thema „Big Data“ als ein Datenbankthema und „Predictive Analytics“ als den wertgenerierenden Businesscase, der auf diesen Technologien basiert. Überall wo Mustererkennung und Prognosen Sinn ergeben, denken Unternehmen über den Einsatz nach.

Bei Predictive Analytics werden Vorhersagen über die Wahrscheinlichkeit von zukünftigen Ereignissen auf Basis von Data Mining, maschinellem Lernen und anderen statistischen Methoden getroffen. So können beispielsweise Unternehmen bessere Entscheidungen treffen und sich einen Wettbewerbsvorteil verschaffen.

Oft wird das Gesamtbild bei Predictive Analytics vernachlässigt

Aus unserer Erfahrung mangelt es aber nicht an Technologien oder gar den Ideen. Die sind zumeist in den Unternehmen vorhanden, werden auch umgesetzt, aber leider nur mit sehr begrenzten Einsatzgebieten. Zumeist entstehen Ideen im Umfeld „Predictive Analytics“ aus einer Fachabteilung heraus, oft der IT, aber auch aus dem Marketing oder der Forschung. Diese Ideen basieren auf den bekannten Ansätzen erfolgreicher Unternehmen oder sind sehr speziell in der jeweiligen Nische. In diesen Abteilungen werden die Ideen dann auch mit den beschränkten finanziellen und technologischen Mitteln vorangetrieben. Eine übergeordnete Wahrnehmung oder gar Bedeutung für das Gesamtunternehmen gibt es aber nicht. Daher passieren natürlich bei diesen Projekten Fehler bei der Bemessung des Projektwertes und der Einsatzszenarien, in der Auswahl der Technologien, der Daten und vor allem in der Wahrnehmung der Ernsthaftigkeit durch die Mitarbeiter. Oftmals herrscht auch „Silo-Denken“ und diverse Abteilungen treiben ähnlich gelagerte Projekte voran, ohne das Gesamtbild zu sehen. Um dies zu verhindern und neue Geschäftsmodelle oder optimierte Abläufe aus den Ideen im Umfeld „Predictive Analytics“ zu erhalten, muss sich das Management zwingend mit einer PA-Strategie auseinandersetzen.

Zeichen setzen mit dem Einsatz von Predictive Analytics

Basis dieser Strategie ist die grundlegende Entscheidung, ob das eigene Unternehmen über Geschäftsansätze und Konzepte verfügt oder verfügen wird, die durch den Einsatz von Analytics entscheidend verbessert oder gar erst ermöglicht werden können. An diesem Punkt ist Unternehmertum und auch Vision gefragt. Steht die Entscheidung über den möglichen Umfang, der natürlich mit dem Einsatz von finanziellen Ressourcen verbunden ist, heißt es eine geeignete Unternehmensstruktur einzuführen oder bestehende Strukturen zu reorganisieren.

Die Einführung für „Predictive Analytics“ geeigneter Organisationsstrukturen ist maßgeblich für den Erfolg. Ob beispielsweise ein „Chief Analytics Officer“, eine „Center of Competence“ oder eine Hauptabteilung „Analytics“ eingeführt wird, hängt vom gewünschten Umfang, den Ressourcen und Ideen ab. Die Einführung oder Umstrukturierung als solche ist aber ein zwingend nötiger Schritt, um Kunden, Zulieferern und möglichen Mitarbeitern zu signalisieren, dass das Unternehmen die Zeichen der Zeit erkennt und ernsthaft umsetzen will.

Disrupt 2016

Rückblick Disrupt 2016

Disruption ist beängstigend, niemand ist vor ihr sicher. Unternehmen wie Siemens, AXA und BMW berichten in diesem Rückblick, wie sie im digitalen Zeitalter überleben wollen. Und auch Startups kommen zu Wort!
Jetzt kostenlos herunterladen!

Marina Vogt

Bei Management Circle bin ich für die Digitalisierungs- und Immobilien-Themen sowie die Assistenz-Veranstaltungen zuständig. In den drei Blogs informiere ich Sie über neue Entwicklungen in diesen Bereichen. Vor meiner Tätigkeit bei Management Circle habe ich Germanistik in Frankfurt und Paderborn studiert. Ich freue mich über Fragen, Anregungen und einen
regen Wissensaustausch!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Back To Top

Künstliche Intelligenz: Mythen, Daten & Fakten

Welche KI-Mythen sind wahr? Lernen Sie beim Lesen oder Filmeschauen die neusten Debatten zur Künstlichen Intelligenz kennen und erweitern Sie Ihren Horizont!

Jetzt mehr erfahren!

Download: KI kann auch unterhaltsam sein!