Die Digitalisierung der Arbeitswelt zwingend Unternehmen aus den verschiedensten Branchen zum Umbruch. Langjährige und erprobte Geschäftsmodelle stehen zur Debatte, neue Strukturen und Prozesse versprechen ein effizienteres und effektiveres Arbeiten. Der Wandel ist in den Köpfen vieler Entscheider in großen Unternehmen noch nicht angekommen.
Das Thema "Big Data" wird von vielen Unternehmen völlig falsch verstanden. Viele Herausforderungen bringt die Konfrontation mit dem Thema mit sich. Der Nutzen datengetriebener Prozesse wird nicht gesehen, die Qualifikation der Mitarbeiter ist oftmals unzureichend. Was fehlt, ist eine übergeordnete Strategie zur Implementierung von "Big Data".
Mehr Daten, mehr Möglichkeiten
In vielen Branchen wächst die Zahl verfügbarer Daten sprunghaft an. Intelligente Maschinen, vernetzte Strukturen, Aktivitäten von Mitarbeitern auf Computern und Sensoren sind nur einige Beispiele für Quellen, die valide Daten zur Optimierung von Kernprozessen liefern. In dieser Aufzählung dürfen Datenlogger für die Ermittlung von Werten nicht fehlen.
Über WLAN, Bluetooth oder USB sind Datenlogger mit dem Netzwerk verbunden. Die erfassten Daten des Loggers werden unmittelbar an eine zentrale Recheneinheit gesendet, die alle gesammelten Daten in Echtzeit verarbeitet. Datenlogger verfügen über einen integrierten Mikroprozessor zur Datenerfassung und Sensoren. Anhand dieser Sensoren können verschiedenste Werte erfasst werden. Die gebräuchlichsten Datenlogger sind:
- Logger für die Erfassung und Übertragung von Temperatur oder Luftfeuchtigkeit
- Logger in Fahrzeugen, die Kilometerstand, Benzinverbrauch, Ölstand und sonstige Fahrzeugwerte erfassen
- Logger im Gesundheitswesen zur Überwachung von Vitalwerten bei Patienten
- Einweglogger für die Überwachung im Transportwesen
Anhand der gesammelten Daten aus den unterschiedlichsten Quellen verfügt das Unternehmen über eine unfassbar große Menge an Daten. Leistungsfähige Technologien und günstige Datenspeicher ermöglichen eine kostengünstige Verarbeitung der Daten.
Nutzung generiert Erfolg
Die Sammlung von Daten aus Unternehmensprozessen ist nur der erste Schritt. Gesammelte Daten haben keinen Nutzen für das Unternehmen, wenn der Vorrat an Daten nicht verarbeitet wird. Hier beginnt die eigentliche Arbeit von "Big Data". Unternehmen müssen verstehen lernen, wie sie die Daten zur Optimierung einsetzen müssen.
Ein Beispiel für die gelungene Nutzung von gesammelten Daten ist die Andritz AG aus Graz. Defekte Maschinen kosten der Industrie Millionen für Produktionsausfälle. Es vergeht zu viel Zeit bis der Defekt von Mitarbeitern entdeckt, gemeldet und behoben wird. Intelligente Datenlogger schaffen Abhilfe. Sie erkennen Abweichungen sofort und melden Fehler an eine zentrale Steuereinheit. Mitarbeiter werden dadurch oftmals schon auf einen Fehler aufmerksam, der noch gar nicht eingetreten ist. Umgehend können Reparaturmaßnahmen erfolgen, die teuren Produktionsausfällen vorbeugen.
Anpassung erforderlich
Die Potenziale von "Big Data" versprechen einen großen Erfolg. Daten sind zunehmend eine bedeutende Ressource. Erst die Anpassung des Geschäftsmodells macht es möglich, aus der Ressource einen Wert zu beziehen. Es gibt zahlreiche Beispiele für angepasste Geschäftsmodelle, die sich durch die Digitalisierung verbesserten. Zeitgleich gibt es auch zahlreiche Beispiele für eine verspätete oder falsche Anpassung von Geschäftsmodellen. Der finnische Handyhersteller Nokia ist ein negatives Beispiel.
Bei der Anpassung des Modells an "Big Data" sind wichtige Aspekte zu beachten. Dazu gehört in jedem Fall die Betrachtung des Datenschutzes bei Big-Data-Analysen. Eine wahllose Sammlung von Daten widerspricht dem Gesetz. Datengetriebene Geschäftsmodelle erfordern eine tief greifende Anpassung aller Strukturen und Prozesse.