Data Thinking & Künstliche Intelligenz: Interview zum MEGA-Talk mit Marc Weimer-Hablitzel
14. November 2018
Unternehmen können mithilfe einer Datenstrategie und Künstlicher Intelligenz (KI) entscheidende Wettbewerbsvorteile erzielen – das ist längst kein Geheimnis mehr. Und doch nutzen bisher vor allem Technologieunternehmen aktiv die Macht der Daten.
- Wie können Unternehmen aller Branchen ihre eigene Datenstrategie und datengesteuerte Geschäftsmodelle entwickeln?
- Wie können attraktive Data Use Cases identifiziert werden?
- Wie lassen sich Potentiale im Bereich des Deep Learning nutzen?
- Wie wird Künstliche Intelligenz zum entscheidenden Faktor für Unternehmen?
Diese und weitere Fragen möchten wir am 4. Dezember 2018 in unserem ersten MEGA-Talk im neuen wavespace Berlin beantworten. Drei Experten sprechen über die Chancen und Grenzen von Daten und KI und stellen Ansätze vor, wie Unternehmen ihre Daten in Geschäftswert verwandeln können.
MEGA-Talk: Hier kostenloses Ticket sichern.
Einer der Experten ist Marc Weimer-Hablitzel, Principal Data Innovation bei etventure. Wir haben mit Marc über seine Arbeit, aktuelle Trends und den Data Thinking-Ansatz gesprochen.
Marc, Big Data ist in aller Munde. Dennoch schöpfen viele Unternehmen das volle Potential noch nicht aus. Warum?
Viele Unternehmen haben bisher geglaubt, man müsse einfach die Herangehensweise der großen Technologiekonzerne aus dem Silicon Valley kopieren. In Data Warehouses oder Lakes sind immense Investitionen geflossen, die aber leider nicht über das Reporting hinausgekommen sind und nach wie vor kein positives ROI aufzuweisen haben. Leider kennen viele Unternehmen ihr strategisches Daten-Potential bis heute nicht. Es bedarf also einer neuen Herangehensweise als Teil eines datenzentrischen Denkansatzes.
Wie könnte diese aussehen?
Ich bin ein starker Verfechter des Data Thinking-Ansatzes. Dieser beginnt nicht mit dem Sammeln von Daten oder dem Aufbau der Infrastruktur, sondern mit der systematischen Identifikation von Use Cases mit hohem, messbaren Nutzen. Genau so gehen wir auch bei unseren Kundenprojekten vor. Wie das in der konkreten Umsetzung aussieht, erkläre ich am 4. Dezember beim MEGA-Talk im neuen wavespace Berlin.
Wie kommen Unternehmen an die richtigen Daten, die ihnen einen echten Mehrwert bringen?
Für viele Unternehmen ist das Daten-Sammeln der erste Schritt, obwohl sie noch nicht genau wissen, mit welchem Use Case sie sich einen Wettbewerbsvorteil verschaffen möchten. Oftmals liegen dann aber die Daten nicht in der Form und Qualität vor, wie man sie benötigt. Deshalb muss der Prozess immer beim Use Case beginnen. Es gilt, zuerst herauszufinden in welchen Anwendungsfällen das größte Potential steckt, dann dieses Potential zu beweisen und erst danach – dann aber konsequent – die Datenerzeugung zu gestalten. Frei nach dem Motto Don’t Design by what you have – Design by what you need darf man sich bei der Datenstrategie nicht auf das beschränken, was man aktuell hat, sondern muss sich daran orientieren, was man braucht. Nur so können Unternehmen wirklich von Machine Learning und Künstlicher Intelligenz profitieren.
Wie lässt sich aus Daten ökonomischer Nutzen ziehen?
Es gibt unglaublich viele Use Cases, die zeigen, dass wir mithilfe von Daten ressourcenschonender arbeiten oder die Versorgung optimieren können. Gerade in der industriellen Produktion lassen sich durch die intelligente Nutzung von Daten durchaus 20 bis 30 Prozent Effektivitäts- und Effizienzgewinne über die horizontale Vernetzung realisieren. Um diese Potentiale zu entdecken, sollte man “bottom-up” anfangen und mit den Mitarbeitern sprechen, die tatsächlich am operativen Betrieb beteiligt sind. Wir arbeiten in unseren Data Thinking-Workshops mit gezielten Fragen wie: Welche Vorhersage bräuchtest du, um mehr Umsatz zu machen oder Ressourcen zu sparen? Was sind die drei häufigsten Routinen in deinem Bereich? Wie müsste der Prozess beziehungsweise die Maschine funktionieren, wenn du sie auf dem Mars fernsteuern müsstest? Der ökonomische Nutzen muss der zentrale Treiber jeder Daten-Initiative sein.
Wie schaffen Unternehmen den Sprung zur datenorientierten Organisation?
Das wichtigste ist, dass der CEO das Thema nicht an Technologie-Experten wie etwa den CTO abgibt. Wir dürfen das Thema nicht mehr “übertechnologisieren”, sondern müssen uns am Mehrwert orientieren. Denn Daten können heute zu einem entscheidenden Wettbewerbsvorteil werden, sowohl auf Umsatz- als auch auf Kostenseite. Data Thinker helfen dann bei der Fragestellung, wie man aus Daten langfristige Assets macht. Hier muss man allerdings sehr strategisch vorgehen. Im Consumer-Bereich sind die großen Felder bereits von den großen Technologieunternehmen besetzt, doch im B2B-Sektor gibt es noch viel Potential – wenn man es richtig angeht.
Im neuen wavespace gibt es auch ein Data Lab. Was genau erwartet Unternehmen?
Das Data Lab ist der perfekte Ort, um Dateninnovation zu schaffen. Es eignet sich hervorragend für agile Teams, um in kurzen Sprints zu Ergebnissen zu kommen. Die Grundlage dafür bieten die richtige Software, Hardware und Literatur, die dort zur Verfügung stehen. Zudem bietet das Data Lab eine gute Arbeitsatmosphäre für kollaborative Zusammenarbeit. Außerdem wird es ein Data Excellence Program geben, mit dem wir den Austausch von Data Scientists aus unterschiedlichen Unternehmen ermöglichen wollen.
* Pflichtfeld