Anders als die Marketing-Botschaften mancher Anbieter vermuten lassen, beschäftigen die meisten Unternehmen in erster Linie nicht Themen wie Künstliche Intelligenz, Internet of Things oder Cloud BI. Sie beschäftigen die Themen Datenmanagement, Data Governance und Dauerbrenner wie Datenvisualisierung sowie die Integration von Planungsprozessen in bestehende Analyseprozesse.
Die Diskrepanz zwischen den Botschaften vieler Hersteller und der Unternehmensrealität hat verschiedene Ursachen: Zum einen ist sie das Ergebnis des lange Zeit propagierten Self-service-Paradigmas und zum anderen der technologischen Möglichkeiten, die in den letzten Jahren explodiert sind.
Einmal Self-service und zurück
Nachdem Unternehmen in den letzten Jahren immer mehr Mitarbeitern Möglichkeiten eingeräumt haben, selbst aktiv in den Datenanalyse- und Generierungsprozess einzugreifen, ist von dem vormals gelebten Single-Point-of-Truth-Paradigma oft nicht mehr viel übriggeblieben. Sehr verkürzt dargestellt: Statt eines Data Warehouses findet sich nun ein riesiger Data Lake, in den unkontrolliert riesige Mengen an Daten zufließen. So viele und so unkontrolliert, dass nun schon wieder die Rede von einem Data Swamp, einem Datensumpf, ist.
Deshalb verwundert es nicht, dass das Datenmanagement, die Datenqualität und die Datenherkunft so massiv in den Fokus rücken. Das heißt nicht, dass wir zum Zeitpunkt vor dem Self-Service-Paradigma zurückgehen sollten. Aber das Pendel zwischen den Polen „Single-Point-of-Truth“ und „Self-Service für Alle“ schwingt immer noch kräftig und es ist fraglich, ob es jemals aufhört. Es gilt eine Balance zwischen diesen Polen herzustellen. Nicht nur technologisch, sondern vor allem auch anwendungsspezifisch. Managed Self-service – lange Zeit belächelt – gewinnt auf einmal an zentraler Bedeutung.
Interessant ist zudem, dass nun zum ersten Mal die menschliche Kompetenzfrage beim Thema Self-Service ganz offen und als unternehmenskritisch thematisiert wird. Auf einmal wird von Data Literacy gesprochen – also von der Kompetenz, Daten und Informationen richtig lesen, verstehen, Ableitungen daraus treffen und mit ihrer Hilfe valide kommunizieren zu können.
KI intelligent einsetzen
Durch die technische Weiterentwicklung ist es nun erstmals möglich, Ideen der Künstlichen-Intelligenz-Forschung aus den 1950er Jahren tatsächlich anzugehen. Aber es gibt nur wenige Unternehmen, die pauschal in dieses Thema investieren oder von den Grundvoraussetzungen dazu überhaupt in der Lage wären. Vielmehr bringen Unternehmen gerade Herausforderungen auf den Tisch, bei denen die Lösungsfindung ergebnisoffen diskutiert wird. Dabei kommt es natürlich vor, dass sich ein Lösungsansatz aus dem Bereich der KI-Forschung aufdrängt. Das hat aber nichts mit einem etablierten Standardlösungsansatz zu tun, der out of the box funktioniert. Denn oftmals werden Probleme auch ganz anders gelöst. KI ist nicht die Antwort auf jede Frage. Auch sie ist hochgradig anwendungsspezifisch.
Ironischerweise finden sich die vielversprechendsten Ansätze der Künstlichen Intelligenz im Bereich des Datenmanagements wieder und nicht in deren Interpretation oder gar der Automatisierung von Entscheidungen.
Evolution statt Revolution
Wir befinden uns gerade in einer Phase, in der Unternehmen erst die Grundlage für die neuen technologischen Möglichkeiten schaffen müssen. Denn um wirklich Mehrwert aus KI, Predictive, Advanced und Co. zu erzielen, müssen Unternehmen zwingend ihre Hausaufgaben in Sachen Datenmanagement und -modellierung, Data Governance und Distribution machen. Erst wenn die Qualität und Konsistenz der Daten über die gesamte Prozesskette hinweg gesichert ist, lassen sich diese Methoden sinnvoll anwenden. Denn sie brauchen Testdatensets in ausreichender Menge und Güte, um zu lernen. Frei nach dem Motto: Keine Hände, keine Kekse.
Hinzukommt: Es ist eben nicht nur eine technologische Herausforderung. Auch die Mitarbeiter müssen ins Boot geholt werden. Wie das gelingt? Durch einen Wandel in der Unternehmenskultur. Denn wer schnellere, datengetriebene Entscheidungsprozesse haben möchte, der muss auch dafür sorgen, dass die Arbeit mit Daten und Informationen einen hohen Stellenwert bei allen Mitarbeitern bekommt. Allen Mitarbeitern muss der nutzbringende Umgang mit Daten an konkreten, für sie fassbaren Beispielen erklärt und der wertschöpfende Beitrag für ihre tägliche Arbeit aufgezeigt werden.
Machen wir uns nichts vor. Das ist ein Change-Prozess, nichts was über Nacht passiert. Rückschläge sind systeminhärent. Und ja, das kostet Zeit, Geld und Nerven. Die gute Nachricht: Sie befinden sich bereits auf dieser Reise und müssen nicht mehr bei null anfangen. Da Selbsterkenntnis bekanntlich der erste Schritt zur Besserung ist, abschließend eine Hilfestellung zur Standorteinschätzung Ihres Unternehmens:
