User Guide Wettbewerbsfaktor Daten S.1-5
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>User</strong> <strong>Guide</strong><br />
ISSUE<br />
#<br />
08<br />
<strong>Wettbewerbsfaktor</strong><br />
<strong>Daten</strong><br />
Mit <strong>Daten</strong>strategie zur <strong>Daten</strong>ökonomie<br />
<strong>Daten</strong>getriebene Entscheidungen treffen<br />
Fallbeispiele aus der Industrie: Optiplan<br />
und Global Foundries<br />
In sieben Schritten zur <strong>Daten</strong>ökonomie
Impressum<br />
<strong>User</strong> <strong>Guide</strong> Publikation<br />
telekom-mms.com<br />
Autoren<br />
Carsten Roepke,<br />
Martin Wunderwald<br />
Redaktion<br />
Ingo Steinhaus
Inhalt<br />
<strong>Wettbewerbsfaktor</strong> <strong>Daten</strong><br />
<strong>Daten</strong>getriebene Entscheidungen treffen<br />
Seiten 04 – 07<br />
Fallbeispiele aus der Industrie<br />
Optiplan und Global Foundries<br />
Seiten 08 – 09<br />
Interview<br />
Vom Service- und Solution Design zur fertigen Lösung –<br />
so entsteht durch Digitalisierung praktischer Mehrwert<br />
Seite 10<br />
In sieben Schritten zur <strong>Daten</strong>ökonomie<br />
Seite 11
____04<br />
<strong>Wettbewerbsfaktor</strong> <strong>Daten</strong><br />
<strong>Daten</strong>getriebene Entscheidungen treffen<br />
Lesezeit 15 min.<br />
Die <strong>Daten</strong>ökonomie umsetzen<br />
<strong>Daten</strong> werden immer häufiger zum Wirtschaftsgut: Sie werden in der<br />
<strong>Daten</strong>ökonomie in eigenständigen Geschäftsmodellen monetarisiert. Ein<br />
Beispiel aus der Industrieproduktion zeigt, wie sich mit <strong>Daten</strong> Mehrwert<br />
erzeugen lässt:<br />
Ein Maschinenbauunternehmen stattet seine Geräte mit Sensoren aus,<br />
die Status- und Nutzungsdaten erfassen. Sie werden über das Internet<br />
an einen Cloudservice gesendet und dort ausgewertet. Das erlaubt dem<br />
Maschinenbauer, auf Basis der ermittelten Nutzungsdaten ein neuartiges<br />
Geschäftsmodell anzubieten - etwa ein Mietmodell mit Pay-Per-Use-<br />
Abrechnung. Dabei zahlt der Industriekunde nur noch die tatsächliche<br />
Nutzung der Maschine. Das können beispielsweise Betriebsstunden sein,<br />
die Anzahl der produzierten Teile oder genutzten Mengen, wie ein Druckluftvolumen.<br />
Die nutzenden Unternehmen können in diesem Fall auf die häufig hohen<br />
Investitionen verzichten und rechnen den Einsatz der Maschine über die<br />
Betriebskosten ab. Der Hersteller besitzt nun eine dauerhafte Kundenbindung<br />
und kann ihm auf Basis der ermittelten <strong>Daten</strong> zusätzliche Services<br />
anbieten. Das könnten beispielsweise Condition Monitoring oder Remote-<br />
Wartung sein. Durch den Einsatz von Künstlicher Intelligenz ist sogar vorausschauende<br />
Wartung möglich: Die Maschine alarmiert ihren Betreiber,<br />
bevor eine Störung eintritt.<br />
<strong>Daten</strong> können auch in anderen Bereichen eingesetzt werden. So verfolgen<br />
Logistiker ihre Frachtbehälter, Überseecontainer und Transportfahrzeuge<br />
mit Sensoren und GPS-Transpondern. Sie können damit<br />
beispielsweise den Zustand von empfindlichen Waren überwachen oder<br />
Prognosen über die voraussichtliche Ankunftszeit berechnen.<br />
Neuere Automodelle sind vernetzt und übertragen <strong>Daten</strong> an eine Plattform<br />
des Herstellers. Sie vereinfacht die Monetarisierung, beispielsweise<br />
durch die Weiterleitung an ein Versicherungsunternehmen, das dann<br />
zum Beispiel rabattierte Tarife für besonders verkehrssicheres Fahrverhalten<br />
anbietet. Zudem haben solche zusammengeführten <strong>Daten</strong> auch<br />
Potenzial bei der Lenkung von Verkehrsströmen und Stauvermeidung.<br />
Solche Anwendungen von <strong>Daten</strong> sind für viele Unternehmen noch nicht<br />
zum Alltag geworden. Eine aktuelle Untersuchung des Instituts der<br />
deutschen Wirtschaft aus dem Frühjahr 2022 stellt fest: „Lediglich gut<br />
die Hälfte der Unternehmen speichert Produktions- und Prozessdaten<br />
digital. Nur knapp ein Fünftel sucht kontinuierlich nach neuen <strong>Daten</strong>quellen<br />
und Möglichkeiten der <strong>Daten</strong>nutzung.“<br />
Kurz: Weniger als ein Drittel der Unternehmen bewirtschaften ihre<br />
<strong>Daten</strong> effizient. Diese Vorreiter verfolgen eine <strong>Daten</strong>strategie und betreiben<br />
<strong>Daten</strong>management, das ihnen die Erhebung und Auswertung<br />
von Produktions- und Prozessdaten erleichtert. Ein wichtiger Aspekt<br />
dabei: Sie führen ihre unterschiedlichen <strong>Daten</strong> zusammen und stellen<br />
sie für <strong>Daten</strong>auswertungen zur Verfügung. Wie Unternehmen die ersten<br />
Schritte in der <strong>Daten</strong>ökonomie meistern und den Weg von der Erfassung<br />
bis zur Nutzung der <strong>Daten</strong> gehen, zeigt dieser <strong>User</strong> <strong>Guide</strong>. Er erläutert die<br />
Hintergründe, stellt wichtige Meilensteine auf dem Weg in die <strong>Daten</strong>wirtschaft<br />
vor und zeigt an Anwendungsbeispielen und Praxiserfahrungen,<br />
wie Unternehmen <strong>Daten</strong> nicht nur sammeln, sondern nutzbringend<br />
auswerten können.
____05<br />
<strong>Daten</strong>zentrierung – Beschleuniger der Digitalisierung<br />
Das Sammeln und Auswerten von <strong>Daten</strong> verschafft Unternehmen<br />
zahlreiche Vorteile. Die Nutzung der <strong>Daten</strong>, die im Rahmen der Geschäftsprozesse<br />
entstehen, kann Kosten senken, den Umsatz steigern<br />
und neue Geschäftsfelder erschließen. Durch die Analyse von <strong>Daten</strong><br />
können Unternehmen ihre Produkte, Services und Geschäftsmodelle mit<br />
Blick auf die Kundenbedürfnisse weiterentwickeln. Viele davon werden<br />
digital erhoben, da mit der zunehmenden Digitalisierung Prozesse aller<br />
Art geradezu zwangsläufig <strong>Daten</strong> erzeugen. Im Umkehrschluss sorgt die<br />
stärkere Zentrierung auf die eigenen <strong>Daten</strong> automatisch dafür, dass die<br />
Digitalisierung weiter voranschreitet.<br />
Immer mehr Unternehmen erkennen den Wert dieser Informationen. Sie<br />
richten sich strategisch auf das systematische Erfassen, Verstehen und<br />
Auswerten von <strong>Daten</strong>. Sie achten stärker als bisher darauf, wo <strong>Daten</strong><br />
erzeugt, wie sie verändert und angereichert und damit sinnvoll nutzbar<br />
gemacht werden können.<br />
Dies beginnt bei der einfachen Darstellung in einem Dashboard, um<br />
überhaupt erst einmal Transparenz in Echtzeit über Herstellungsprozesse<br />
oder Produktnutzungen zu erhalten. Ein Zwischenschritt ist die <strong>Daten</strong>analyse<br />
als Grundlage für Prozessoptimierungen.<br />
Die Spitze der <strong>Daten</strong>ökonomie bilden dann datenbasierte Geschäftsmodelle,<br />
bei denen die <strong>Daten</strong> in vielen Fällen auch mit Geschäftspartnern<br />
gemeinsam ausgewertet werden – etwa mit Zulieferern in der Supply<br />
Chain, um Lieferengpässe zu vermeiden, die Qualität der Fertigungslinie<br />
zu verbessern oder um Rückschlüsse für künftige Produktverbesserungen<br />
abzuleiten.<br />
Der Weg zur datengetriebenen Organisation<br />
Ziel für moderne Unternehmen sollte es sein, zu einer datengetriebenen<br />
Organisation zu werden. Dies bedeutet: Strategische Entscheidungen<br />
basieren auf der Analyse und Interpretation von <strong>Daten</strong>. Die Unternehmen<br />
analysieren und organisieren ihre <strong>Daten</strong>, verbessern auf dieser Basis<br />
die Produkte und Services für ihre Kunden und entwickeln Innovationen<br />
sowie neue Geschäftsmodelle.<br />
<strong>Daten</strong>analysen führen in allen Bereichen eines Unternehmens zu<br />
besseren Entscheidungen. Die wichtigste Voraussetzung dafür ist die<br />
Definition einer <strong>Daten</strong>strategie, die zum fixen Bestandteil der gesamten<br />
Geschäftsstrategie werden muss. Eine solche <strong>Daten</strong>strategie:<br />
• schafft unternehmensweit die organisatorischen, personellen und<br />
technischen Voraussetzungen für den Einsatz von <strong>Daten</strong>analysen,<br />
• richtet die <strong>Daten</strong>initiativen unterschiedlicher Unternehmensbereiche<br />
auf gemeinsame Ziele aus,<br />
• überwindet vorhandene <strong>Daten</strong>silos und ermöglicht die system- und<br />
funktionsübergreifende <strong>Daten</strong>nutzung,<br />
• regelt die personellen Zuständigkeiten für <strong>Daten</strong><br />
• und definiert die Anforderungen an die <strong>Daten</strong>qualität.<br />
Anpassung an<br />
sich ändernde<br />
Szenarien<br />
Geschäftsführung<br />
Optimierung der<br />
Bereitstellungszeiten<br />
Produktion<br />
Logistik<br />
Umsatzentwicklung<br />
vorhersagen Vertrieb<br />
Einkauf / IT / Marketing<br />
Kostensenkung / -steigerung<br />
durch BI-basierte<br />
Einkaufsunterstützung<br />
Die Reduzierung von<br />
Leerläufen führt zu einer<br />
Kostenoptimierung<br />
Die datengetriebene Organisation trifft ihre Entscheidungen auf Basis von <strong>Daten</strong>