User Guide Wettbewerbsfaktor Daten S.1-5

User Guide
ISSUE
#
08
Wettbewerbsfaktor
Daten
Mit Datenstrategie zur Datenökonomie
Datengetriebene Entscheidungen treffen
Fallbeispiele aus der Industrie: Optiplan
und Global Foundries
In sieben Schritten zur Datenökonomie

Impressum
User Guide Publikation
telekom-mms.com
Autoren
Carsten Roepke,
Martin Wunderwald
Redaktion
Ingo Steinhaus

Inhalt
Wettbewerbsfaktor Daten
Datengetriebene Entscheidungen treffen
Seiten 04 – 07
Fallbeispiele aus der Industrie
Optiplan und Global Foundries
Seiten 08 – 09
Interview
Vom Service- und Solution Design zur fertigen Lösung –
so entsteht durch Digitalisierung praktischer Mehrwert
Seite 10
In sieben Schritten zur Datenökonomie
Seite 11

____04
Wettbewerbsfaktor Daten
Datengetriebene Entscheidungen treffen
Lesezeit 15 min.
Die Datenökonomie umsetzen
Daten werden immer häufiger zum Wirtschaftsgut: Sie werden in der
Datenökonomie in eigenständigen Geschäftsmodellen monetarisiert. Ein
Beispiel aus der Industrieproduktion zeigt, wie sich mit Daten Mehrwert
erzeugen lässt:
Ein Maschinenbauunternehmen stattet seine Geräte mit Sensoren aus,
die Status- und Nutzungsdaten erfassen. Sie werden über das Internet
an einen Cloudservice gesendet und dort ausgewertet. Das erlaubt dem
Maschinenbauer, auf Basis der ermittelten Nutzungsdaten ein neuartiges
Geschäftsmodell anzubieten - etwa ein Mietmodell mit Pay-Per-Use-
Abrechnung. Dabei zahlt der Industriekunde nur noch die tatsächliche
Nutzung der Maschine. Das können beispielsweise Betriebsstunden sein,
die Anzahl der produzierten Teile oder genutzten Mengen, wie ein Druckluftvolumen.
Die nutzenden Unternehmen können in diesem Fall auf die häufig hohen
Investitionen verzichten und rechnen den Einsatz der Maschine über die
Betriebskosten ab. Der Hersteller besitzt nun eine dauerhafte Kundenbindung
und kann ihm auf Basis der ermittelten Daten zusätzliche Services
anbieten. Das könnten beispielsweise Condition Monitoring oder Remote-
Wartung sein. Durch den Einsatz von Künstlicher Intelligenz ist sogar vorausschauende
Wartung möglich: Die Maschine alarmiert ihren Betreiber,
bevor eine Störung eintritt.
Daten können auch in anderen Bereichen eingesetzt werden. So verfolgen
Logistiker ihre Frachtbehälter, Überseecontainer und Transportfahrzeuge
mit Sensoren und GPS-Transpondern. Sie können damit
beispielsweise den Zustand von empfindlichen Waren überwachen oder
Prognosen über die voraussichtliche Ankunftszeit berechnen.
Neuere Automodelle sind vernetzt und übertragen Daten an eine Plattform
des Herstellers. Sie vereinfacht die Monetarisierung, beispielsweise
durch die Weiterleitung an ein Versicherungsunternehmen, das dann
zum Beispiel rabattierte Tarife für besonders verkehrssicheres Fahrverhalten
anbietet. Zudem haben solche zusammengeführten Daten auch
Potenzial bei der Lenkung von Verkehrsströmen und Stauvermeidung.
Solche Anwendungen von Daten sind für viele Unternehmen noch nicht
zum Alltag geworden. Eine aktuelle Untersuchung des Instituts der
deutschen Wirtschaft aus dem Frühjahr 2022 stellt fest: „Lediglich gut
die Hälfte der Unternehmen speichert Produktions- und Prozessdaten
digital. Nur knapp ein Fünftel sucht kontinuierlich nach neuen Datenquellen
und Möglichkeiten der Datennutzung.“
Kurz: Weniger als ein Drittel der Unternehmen bewirtschaften ihre
Daten effizient. Diese Vorreiter verfolgen eine Datenstrategie und betreiben
Datenmanagement, das ihnen die Erhebung und Auswertung
von Produktions- und Prozessdaten erleichtert. Ein wichtiger Aspekt
dabei: Sie führen ihre unterschiedlichen Daten zusammen und stellen
sie für Datenauswertungen zur Verfügung. Wie Unternehmen die ersten
Schritte in der Datenökonomie meistern und den Weg von der Erfassung
bis zur Nutzung der Daten gehen, zeigt dieser User Guide. Er erläutert die
Hintergründe, stellt wichtige Meilensteine auf dem Weg in die Datenwirtschaft
vor und zeigt an Anwendungsbeispielen und Praxiserfahrungen,
wie Unternehmen Daten nicht nur sammeln, sondern nutzbringend
auswerten können.

____05
Datenzentrierung – Beschleuniger der Digitalisierung
Das Sammeln und Auswerten von Daten verschafft Unternehmen
zahlreiche Vorteile. Die Nutzung der Daten, die im Rahmen der Geschäftsprozesse
entstehen, kann Kosten senken, den Umsatz steigern
und neue Geschäftsfelder erschließen. Durch die Analyse von Daten
können Unternehmen ihre Produkte, Services und Geschäftsmodelle mit
Blick auf die Kundenbedürfnisse weiterentwickeln. Viele davon werden
digital erhoben, da mit der zunehmenden Digitalisierung Prozesse aller
Art geradezu zwangsläufig Daten erzeugen. Im Umkehrschluss sorgt die
stärkere Zentrierung auf die eigenen Daten automatisch dafür, dass die
Digitalisierung weiter voranschreitet.
Immer mehr Unternehmen erkennen den Wert dieser Informationen. Sie
richten sich strategisch auf das systematische Erfassen, Verstehen und
Auswerten von Daten. Sie achten stärker als bisher darauf, wo Daten
erzeugt, wie sie verändert und angereichert und damit sinnvoll nutzbar
gemacht werden können.
Dies beginnt bei der einfachen Darstellung in einem Dashboard, um
überhaupt erst einmal Transparenz in Echtzeit über Herstellungsprozesse
oder Produktnutzungen zu erhalten. Ein Zwischenschritt ist die Datenanalyse
als Grundlage für Prozessoptimierungen.
Die Spitze der Datenökonomie bilden dann datenbasierte Geschäftsmodelle,
bei denen die Daten in vielen Fällen auch mit Geschäftspartnern
gemeinsam ausgewertet werden – etwa mit Zulieferern in der Supply
Chain, um Lieferengpässe zu vermeiden, die Qualität der Fertigungslinie
zu verbessern oder um Rückschlüsse für künftige Produktverbesserungen
abzuleiten.
Der Weg zur datengetriebenen Organisation
Ziel für moderne Unternehmen sollte es sein, zu einer datengetriebenen
Organisation zu werden. Dies bedeutet: Strategische Entscheidungen
basieren auf der Analyse und Interpretation von Daten. Die Unternehmen
analysieren und organisieren ihre Daten, verbessern auf dieser Basis
die Produkte und Services für ihre Kunden und entwickeln Innovationen
sowie neue Geschäftsmodelle.
Datenanalysen führen in allen Bereichen eines Unternehmens zu
besseren Entscheidungen. Die wichtigste Voraussetzung dafür ist die
Definition einer Datenstrategie, die zum fixen Bestandteil der gesamten
Geschäftsstrategie werden muss. Eine solche Datenstrategie:
• schafft unternehmensweit die organisatorischen, personellen und
technischen Voraussetzungen für den Einsatz von Datenanalysen,
• richtet die Dateninitiativen unterschiedlicher Unternehmensbereiche
auf gemeinsame Ziele aus,
• überwindet vorhandene Datensilos und ermöglicht die system- und
funktionsübergreifende Datennutzung,
• regelt die personellen Zuständigkeiten für Daten
• und definiert die Anforderungen an die Datenqualität.
Anpassung an
sich ändernde
Szenarien
Geschäftsführung
Optimierung der
Bereitstellungszeiten
Produktion
Logistik
Umsatzentwicklung
vorhersagen Vertrieb
Einkauf / IT / Marketing
Kostensenkung / -steigerung
durch BI-basierte
Einkaufsunterstützung
Die Reduzierung von
Leerläufen führt zu einer
Kostenoptimierung
Die datengetriebene Organisation trifft ihre Entscheidungen auf Basis von Daten