Kosten, Probleme, Umsetzung

Die Praxis von Big Data Analytics in Unternehmen

09.01.2017
Von 


Christoph Lixenfeld, seit 25 Jahren Journalist und Autor, vorher hat er Publizistik, Romanistik, Politikwissenschaft und Geschichte studiert.

1994 gründete er mit drei Kollegen das Journalistenbüro druckreif in Hamburg, schrieb seitdem für die Süddeutsche Zeitung, den Spiegel, Focus, den Tagesspiegel, das Handelsblatt, die Wirtschaftswoche und viele andere.

Außerdem macht er Hörfunk, vor allem für DeutschlandRadio, und produziert TV-Beiträge, zum Beispiel für die ARD-Magazine Panorama und PlusMinus.

Inhaltlich geht es in seiner Arbeit häufig um die Themen Wirtschaft und IT, aber nicht nur. So beschäftigt er sich seit mehr als 15 Jahren auch mit unseren Sozialsystemen. 2008 erschien im Econ-Verlag sein Buch "Niemand muss ins Heim".

Christoph Lixenfeld schreibt aber nicht nur, sondern er setzt auch journalistische Produkte ganzheitlich um. Im Rahmen einer Kooperation zwischen Süddeutscher Zeitung und Computerwoche produzierte er so komplette Zeitungsbeilagen zu den Themen Internet und Web Economy inklusive Konzept, Themenplan, Autorenbriefing und Redaktion.
Alle sammeln Daten, alle wollen dadurch smart werden. Wie das in der Industrie praktisch machbar ist, damit beschäftigte sich jetzt eine detaillierte Studie.
  • Es gibt eine große Diskrepanz zwischen der Fähigkeit, Daten zu sammeln und der, sie sinnvoll auszuwerten.
  • Analyse der Digital Analytics Association e.V. Germany (DAAG): "Industrial Analytics 2016/2017: The current state of data analytics usage in industrial companies."
  • In fünf Jahren hat Analytics überragende Bedeutung, glauben die meisten Industrievertreter.
  • Wer eine Reihe von Grundprinzipien beachtet, tut sich beim Einstieg ins Thema leichter.

In den zurückliegenden Jahren hat sich Industrial Analytics (aka Big Data in der Fertigung) von der isoliert gemanagten Businessfunktion zum mächtigen strategischen Tool entwickelt, das maßgeblichen Einfluss auf die Wettbewerbsfähigkeit aller Industriebranchen nehmen könnte.

Wenn Unternehmen damit umzugehen wüssten, was längst noch nicht überall der Fall ist. Zwar sondern mittlerweile fast alle Maschinen durch entsprechende Sensorik laufend Daten ab, aber diese sind durch ihre Menge und Heterogenität meist schwer nutzbar. Damit aus Big Data überall Smart Data wird, ist noch eine Menge Know-how und Management notwendig.

Viele Unternehmen tun sich schwer damit, sinnvolle Schlüsse aus den gewonnen Daten zu ziehen.
Viele Unternehmen tun sich schwer damit, sinnvolle Schlüsse aus den gewonnen Daten zu ziehen.
Foto: DAAG

Fragt sich, wie Unternehmen das Thema am besten angehen. Als systematische, umfangreiche Antwort darauf hat die Digital Analytics Association e.V. Germany (DAAG) jetzt eine umfangreiche Analyse vorgelegt. Titel: "Industrial Analytics 2016/2017: The current state of data analytics usage in industrial companies."

Datengrundlage ist erstens eine umfangreich wissenschaftliche und journalistische Recherche zum Thema, zweitens acht Tiefeninterviews mit Analytics-Experten und drittens die Befragung von 151 Industrie-Entscheidern. Gesponsert wurde das Ganze von HPE, Comma Soft und Kiana Systems.

Unwissenheit und Desinteresse an Analytics

Ziel der Studie ist es - so lesen wir im Vorwort - ein akkurates Bild vom Status Quo bezüglich Industrial Analytics zu zeichnen und damit auch die bei viele Akteuren noch sehr große Informationslücke zu schließen.

Zusätzlich könnte man noch von einer Interessenslücke sprechen: Wie die Unternehmensberatungen McKinsey und ROC im November in einer Studie dargelegt haben, hält sich sowohl beiden Mitarbeiter als auch bei ihren Chefs die Begeisterung für das Analytics-Oberthema Industrie 4.0 in engen Grenzen.

Lediglich 16 Prozent der Fertigungsunternehmen in Deutschland hätten hier eine detaillierte Strategie. Und nur 36 Prozent der Arbeitnehmer halten ihre Führungskräfte bei diesem Thema für kompetent.

Eine Analytik-Strategie haben viele, ein bereits laufendens Projekt aber nur sehr viel weniger Unternehmen.
Eine Analytik-Strategie haben viele, ein bereits laufendens Projekt aber nur sehr viel weniger Unternehmen.
Foto: DAAG

Grund genug, die Akteure schlauer zu machen. Die Studie leistet hier insofern einen wertvollen Beitrag, als die Ergebnisse gleichermaßen detailliert wie leicht verständlich aufbereitet wurden.

Nur 15 Prozent halten Analytics schon heute für geschäftskritisch

Ihre Präsentation gliedert sich - nach einer Einleitung zum Thema - in drei Kapitel. Im zweiten erläutern die Autoren Geschichte, Status Quo von und Erwartungen an Analytics, im dritten zeigen Fallstudien (der Sponsoren) praktische Umsetzungen und im vierten lernen die Leser, was und wie genau sie das zuvor Beschriebene auf die eigene Situation übertragen können.

Zunächst bestätigen die Autoren jene Zurückhaltung, die schon die zitierte Studie zu Industrie 4.0 ans Licht förderte: Nur 15 Prozent der Entscheider in der Industrie halten das Thema Analytics für schon heute geschäftskritisch, 69 Prozent glauben allerdings, dass es dies in fünf Jahren sein wird.

Predictive Maintenance wichtigstes Einsatzgebiet

Als wichtigste Einsatzgebiete sehen die Befragten erstens "predictive maintenance of machines", also die datenbasierte, systematische Wartung, zweitens kundenzentrierte Analysen und drittens die datengestützte Analyse des genauen Einsatzes der eigenen Produkte beim Kunden.