Künstliche Intelligenz im Datenmanagement – Verena Fink trifft Dirk Hauke

Die Herausforderungen im Datenmanagement sind vielfältig. Aber die Möglichkeiten sind es auch – davon sind Verena Fink und Dirk Hauke überzeugt. Mit ihrer Expertise möchten sie Managern und Führungskräften dabei helfen die Scheu vor innovativen Technologien zu verlieren. Im gemeinsamen Gespräch wird schnell deutlich, warum beide ein Faible für KI-Lösungen haben. Und warum dieser kurze Austausch nicht ausreicht, um das gesamte Thema zu erfassen.

Verena Fink ist seit 2019 Beirätin der parsionate. Dirk Hauke ist seit Februar Gesellschafter und Senior Partner des Unternehmens. Ihr Kennenlerngespräch haben wir in Auszügen für Sie zusammengefasst.

VERENA: Künstliche Intelligenz bzw. KI ist gerade ein inflationär benutzter Begriff. Gefühlt wird alles als KI verkauft, was nicht bei drei auf dem Baum ist. In den KI-Büchern, die ich für Führungskräfte schreibe, werbe ich dafür, dass wir KI entmystifizieren und uns aktiv mit den Chancen auseinandersetzen, die reale Anwendungsfälle bieten. 

Lust auf Künstliche Intelligenz? Mein neues Buch ist da: "KI-Projekte einfach machen"

Du kennst reale Anwendungsfälle zur Genüge, was ist deine KI-Mission, die dich zu parsionate gebracht hat?

DIRK:  Mission? Mut für den Mittelstand würde ich sagen, da brauchen wir dringend mehr Innovationskraft, um KI-Potentiale auf die Straße zu bringen. Mit meiner Arbeit will ich dazu beitragen, dass Manager und Führungskräfte erkennen, dass digitale Produkte, Daten und KI-Kernkompetenzen zu Bestandteilen des Unternehmens werden müssen.

VERENA: Und wie glaubst du deine KI-Mission für den Mittelstand bei und mit parsionate verwirklichen zu können?

DIRK: Damit KI funktioniert, wird eine entsprechend umfassende Datenhaltung benötigt. parsionate ist einer der europäischen Marktführer für Data Management. Mit den KI-Aktivitäten, die wir jetzt ausbauen möchten, setzen wir also auf der Kernkompetenz des Unternehmens auf. Es sind zwei Themen, die hierbei im Vordergrund stehen.

Der erste große Punkt ist: Wir kennen Daten und wissen, wie man Daten erhebt, strukturiert und speichert. Das machen wir bereits heute und wir kennen die entsprechenden Systeme. Wir haben die dafür notwendigen Ressourcen und Kompetenzen. Das erweitern wir jetzt noch durch innovative Data-Science- bzw. KI-Themen.

Der zweite Bereich ist, die tiefe Kenntnis der Unternehmenssituation bei Kunden – mit Blick auf die Unternehmensstrategie und die Geschäftsprozesse. parsionate setzt von Anfang an, in Ergänzung zum Datenmanagement, auf ein starkes Strategy Consulting. Die Schärfung der Unternehmensstrategie mit Blick auf das Thema KI und Daten ist notwendiger Bestandteil einer erfolgreichen KI getriebenen Datenstrategie. Aus meiner eigenen Erfahrung weiß ich, wie wichtig es ist, die unternehmensweiten Geschäftsprozesse zu verstehen, um mit KI da anzusetzen, wo der Ergebnishebel am größten ist.

Wie gehen wir in Projekten vor? Zunächst müssen Datenstrukturen und Daten gesammelt und aufbereitet werden. Nur so können Data Scientisten damit überhaupt effizient arbeiten. Daran kranken meiner Meinung nach heute noch die meisten Unternehmen, dass sie nicht in der Lage sind, ihre Daten so aufzubereiten und so zu strukturieren, dass sie Data-Science-Projekte überhaupt befeuern können. Das ist bereits heute die Stärke der parsionate.

Das Team, das wir nun zusätzlich bei der parsionate aufbauen, setzt sich aus Mitarbeitern zusammen, die mindestens fünf bis zehn Jahre Berufserfahrung als Data Scientist haben und über das benötigte Know-how verfügen. Deshalb bin ich zutiefst davon überzeugt, dass wir mit unserem Ansatz bei unseren Kunden einen großen Mehrwert schaffen können.

VERENA: Ich habe kürzlich mit einem Berater-Kollegen gesprochen, der sagt: „Was wir tun, ist keine KI-Beratung, sondern vor allem Datensortieren.“ Hast du da auch so provokative Statements? Teilst Du die Ansicht, dass 90% der KI-Piloten zum Scheitern verurteilt sind, weil die Unternehmen auf einem Daten-Müllberg sitzen?

DIRK: Natürlich ist die Aufbereitung von Daten zunächst ein notwendiger Schritt, um eine Künstliche Intelligenz als agilen Bestandteil im Unternehmen zu verankern. Dennoch weiß ich aus meiner beruflichen Praxis, dass auch schon recht früh erfolgreiche KI-Projekte im Unternehmen umgesetzt werden können. Es kann sein, dass Daten zunächst manuell zusammengetragen werden müssen. Aber wenn man die Use Cases gut auswählt, keine Wunderdinge von KI erwartet und auch bereit ist sich evtl. auf der Prozessebene nochmals zu bewegen, Ressourcen insbesondere auch für die Integration in die Produktivsysteme bereitstellt, kann man erfolgreiche KI-Projekte umsetzen.

VERENA: Kann man sagen, dass für dich 80% eines KI-Projekts im Aufwand Datenarbeit ist?

DIRK: Im Aufwand ja, im Ergebnis nein.

VERENA: Wenn ich damit weiter gehe und behaupte: In den meisten Unternehmen wird unterschätzt, wie viel Projektzeit die Aufbereitung der Daten erfordert. Was bringt mir dann der Einsatz eines Spezialteams wie parsionate? Könnt Ihr den Prozess massiv beschleunigen, weil Ihr diese 80% Datenarbeit auf der Überholspur abwickelt?

DIRK: Ja, genau. Wenn wir ehrlich sind, ist KI weitaus weniger „miracle“ als der ein oder andere das auf Entscheiderebene vielleicht denkt. Relativ häufig findet man Open-Source Lösungen vor, die lediglich sinnvoll angelernt werden müssen. Viel wird über statistische Algorithmen abgewickelt, die kommen aus den 50er, 60er Jahren. Das ist inhaltlich kein Hochreck. Aber was Hochreck ist, ist in der Tat die Daten schnell und strukturiert so aufzubauen, dass ein Data-Science-Team gut damit arbeiten kann. Das ist Nr. 1. Und Nr. 2 ist, man muss wissen in welche Kiste man richtig rein greift, mit anderen Worten: Welche Tools für meinen Use Case funktionieren.

VERENA: Du sagst es ist weniger „miracle“ als man denkt, aber man muss wissen in welche Kiste man reingreift, damit es am Ende zusammenpasst. Und vor allem muss man schauen, wie man diesen Elefanten, der 80% der Zeit ausmacht zum Galoppieren bewegt.

DIRK: Das ist ein Element. Ein zweites Element verbirgt sich auf einer völlig anderen Ebene. Data Scientisten sind häufig Kolleginnen und Kollegen, die sehr stark analytisch unterwegs sind. Aber im Grunde wenig Vorstellung davon haben, wie Unternehmensprozesse strukturiert sind und wo die großen Hebel sitzen. Sie wissen nicht, mit welchem Ansatz man gute Einspareffekte bzw. Automatisationseffekte oder Umsatzsteigerungseffekte erzielen kann. Wo man im Unternehmen effektiv Nutzen stiften könnte. Und da hilft natürlich die Beratungseinheit der parsionate.

Wir möchten uns die gesamte Wertschöpfungskette in jeder Stufe anschauen. parsionate kennt die Use Cases in den Wertschöpfungsketten der Kunden und weiß, wo die größten Effekte erzielt werden können. Wir erkennen die Kostentreiber sowie die manuellen und redundanten Arbeitsprozesse. Wir sehen wo die Datenstrukturen nicht richtig abgebildet wurden. Und wir wissen, wo man mit zusätzlichen Daten die Kundenzufriedenheit erhöhen könnte.

Ich bin überzeugt, dass wir mit parsionate eine hervorragende Basis haben, um gemeinsam eine datengetriebene Beratungsunit zu gestalten. Es gibt viele Berater, die bilden das Thema Prozessberatung sehr gut ab, kommen aber bei dem Thema datengetriebene Umsetzung an ihre Grenzen. Wir hingegen haben einen exzellenten Beratungsansatz und wir verstehen auch noch Daten.

VERENA: Beratungsunternehmen im KI-Umfeld möchten oft eine eigene Lösung mitverkaufen und setzen sich gar nicht mit den Geschäftsprozessen auseinander. Könnt Ihr mir sagen, wo ich (als Unternehmen) ein ausreichend großes Volumen im Prozess habe, damit sich solche Lösungen rentieren? Wo ist mein Hebel am größten? Wo komme ich mit den Datenschutzanforderungen durch? Wo ist die Akzeptanz der Mitarbeiter und Kunden am höchsten?

DIRK: Wir erleben immer wieder, dass wir schnellen Kundenutzen generieren können, indem wir organisatorische Aufgaben mit einer Künstlichen Intelligenz kombinieren, um z.B. die Fehleranfälligkeit im Arbeitsprozess zu minimieren. Technisch KI-orientierte Beratungsunternehmen fällt das schwer. Sie versuchen manchmal zu weit zu springen und überfordern die Möglichkeiten der vorhandenen KI-Systeme.

Ein Beispiel ist die Qualitätskontrolle im Callcenter. Wir wissen, dass es noch einige Zeit dauern wird, bis Chat-Bots menschliche Sprache wirklich verstehen und sprechen können. Aber wir können heute KI bereits nutzen, um die Qualität eines Kundengesprächs zu prüfen. Sind Cross-Selling-Produkte angeboten worden? War der Kunde zufriedenen? Konnte sein Problem mit dem Anruf gelöst werden? Auch mit solchen kleinen Schritten kann ein Unternehmen mit Einsatz von KI seine Prozesse deutlich verbessern.

VERENA: Auch die Anwendungsbereiche von KI in Industrie und Produktion sind vielfältig und vielversprechend, von der Produktentwicklung über das Qualitätsmanagement bis hin zur Prozessoptimierung und Logistik. Insbesondere wenn im Vorfeld eine ausreichende Datenbasis geschaffen wurde, können Text-, Sprach-, Bild- und Tonerkennung in der Fertigung und Produktion eine ebenso wichtige Rolle spielen wie z.B. die Maßnahmenplanung oder die mehrdimensionale Mustererkennung. Im Bereich "Business AI" haben europäische Unternehmen aufgrund unseres starken Industrie- und IoT-Hintergrunds ein erhebliches Potenzial, die KI-Power zu nutzen.

Habt ihr jetzt schon ein Gefühl dafür, in welchem Bereich die Use-Cases liegen, die für parsionate am einfachsten umzusetzen sein werden? Sind das Use Cases im Vertrieb, im E-Commerce, an der Kundenschnittstelle oder eher im Backoffice? Gibt's da schon Tendenzen?

DIRK: Bei allem was mit Recomendations oder Uplifts zu tun hat, gibt es bereits eine Vielzahl von Standardprodukten. Hier stellt sich für jedes Unternehmen aber die Frage, wie strategisch das Thema angesiedelt werden soll. Will man mit Personalisierung das Unternehmen nur befähigen den Kunden sinnvoll anzusprechen, kann man sehr gut auf diese Standardprodukte zurückgreifen. Soll allerdings die Customer Experience ein wesentlicher Bestandteil des Unternehmens-USPs werden, wird man wohl eher eigene Lösungen anstreben, mit denen man sich im Markt besser hervorheben kann.

Darüber hinaus sind im Handel die Ableitung von Bestellmengen, die Reduktion von Abwicklungskosten bei der Auftragsbearbeitung sowie die Werbedruckoptimierung noch nicht gut gelöst. Ich bin überzeugt, dass wir für unsere Kunden noch weitere spannende Themen entwickeln werden.

VERENA: Unternehmen können damit beginnen, sich zu fragen, woher jeder Datenpunkt eigentlich stammt, und dann evaluieren, in welchem Anwendungsfall man ihn nutzen könnte. Jedes Stück Daten hat eine Geschichte. Ich finde es immer ratsam, mit Hilfe von Experten eine detaillierte Beschreibung der Daten zu erstellen. Auf dieser Basis können dann die fehlenden Werte ermittelt werden.

Die Idee ist, einen vollständigen Einblick in die Daten zu bekommen, indem man sich auf das Mining, die Segmentierung und das Finden von Mustern konzentriert, bevor man sich Gedanken über den Anwendungsfall macht. Wer solche Projekte startet, sollte meiner Meinung nach sicherstellen, dass die externen Berater genügend Freiraum haben, um mit dem Datenschatz im Data Warehouse oder Data Lake experimentieren zu können.

An welchen Stellen würdest du denn zuerst suchen, wenn du in ein Unternehmen reinschaust?

DIRK: Das hängt von der Industrie ab. Im Grunde müssen alle Stufen der Wertschöpfung und alle Kernprozesse analysiert werden. Am Anfang kann man gerne mit einzelnen Use Cases beginnen, um zu lernen. Man sollte aber schnell an einen Punkt kommen, an dem die Unternehmensprozesse im Hinblick auf den Einsatz von KI strukturiert analysiert werden. Das ist gar nicht so einfach, weil man auf der einen Seite die Prozesse kennen muss und auf der anderen Seite ausreichend Kenntnis benötigt, über die Möglichkeiten die KI heute schon bietet.

Ich denke, dass bei Retailern alle Themen wichtig sind, die in den Bereich Omnichannel fallen. Alles was Frequenz schafft, die Kanäle vernetzt und das Kauferlebnis steigert, werden die Top Themen der nächsten 2-3 Jahre sein.

Bei Maschinen- und Anlagen-Herstellern wird es um die vertriebliche Aktivierung und den Aufbau von CRM-Maßnehmen gehen. Zusätzlich müssen Bereiche wie Service und Aftersales effizienter gestaltet werden.

VERENA: Angenommen ich wäre ein Mittelständler mit kleinem Portemonnaie. Was muss ich mitbringen, dass ich mich nicht schäme, weil ihr bei mir seid und sagt „Du hast noch nicht die Reife, auf der wir aufsetzen können“?

DIRK: In dem Fall gehen wir Use-Case gestützt vor. Die Kernfrage ist immer: Welche Datenverfügbarkeit ist vorhanden? Den großen weißen Elefanten, von dem du vorhin gesprochen hast, würden wir in Scheiben schneiden. Und dann würden wir auch die dazugehörigen Daten in Scheiben schneiden. Es werden sich immer zwei bis drei Use Cases in Kundenworkshops ermitteln lassen, die Potential haben. Wenn das Potential groß genug ist und man das Verständnis mitbringt, dass innovative Projekte leider auch scheitern können, sollte man das Thema angehen.

VERENA: Wenn du das im Sales machst, lässt sich ein ROI leicht skizzieren.

DIRK: Genau, da ist der Uplift immer am größten. Wir suchen aber auch Projekte an anderen Stellen und die werden wir auch finden. Ziel ist es, je Use Case eine Ergebnissteigerung von ca. 2-5 Mio Euro rechnerisch zu erreichen. Wenn man davon drei Projekte hat und angeht, sollte man schon eins so ins Ziel bringen, dass es die Gesamtinvestition rechnet. Wir haben bereits mit den ersten parsionate Kunden zu KI-Themen gesprochen und gute Szenarien aufgezeigt.

Wir müssen in Kundenworkshops aber auch nicht zwanghaft KI-Lösungen verkaufen. Durch unseren strategischen Beratungsansatz liegt unsere Kernkompetenz in der ganzheitlichen Betrachtung des Datenmanagements. Für einen Mittelständler kann es unter Umständen sinnvoller sein ein Standardprodukt einzusetzen. Uns ist es wichtig, dass wir das gesamte Programm glaubhaft im Unternehmen verankern können.

Andererseits gibt es heute keine Branche mehr, die sich nicht mit KI beschäftigt. Banken haben bereits früh begonnen KI für ihre Kundendaten einzusetzen – für die Kreditversicherung bzw. die Bonitätsprüfung. Im Maschinen- und Anlagenbau ist das Schlagwort der Stunde „Predictive Maintenance“. Viele haben das bereits in Angriff genommen, Datalakes aufgebaut und entsprechende Sensoren verbaut. Aber es gibt weiterhin viel Aufholpotenzial. Über alle Branchen hinweg wird an KI-Themen gearbeitet. Aber das mögliche Potential bleibt weiterhin ein riesiges offenes Feld.

VERENA: Ja klar. KI in der Produktion gewinnt durch die vorausschauende Wartung an Bedeutung, wenn Algorithmen zur Maßnahmenplanung definierte Parameter und Eigenschaften der Prozesse überwachen. Wer möchte nicht gern anhand des Verschleißgrades von Betriebsmitteln den optimalen Wartungszeitpunkt ermitteln und Wartungsaktivitäten optimieren?

KI kann Fertigungsunternehmen in verschiedenen Phasen der Produktentwicklung helfen. Prozesse können vereinfacht, skaliert und beschleunigt werden. Mustererkennung kann helfen, Test- und Simulationsdaten effizienter auszuwerten. Gleichzeitig können Planungs- und Optimierungsalgorithmen die Entwicklungsprozesse beschleunigen. Wie erlebst du die Unternehmen in diesem Feld an Möglichkeiten?

DIRK: Mein Eindruck ist, dass es in Unternehmen nicht strategisch geplant oder strukturiert abläuft. Solche Projekte entstehen oft dort, wo eine Idee und eine interne Ressource verfügbar waren. Was es braucht ist allerdings einen Verantwortlichen, der sagt: „Ich habe eine strategische Vision. Unsere Hebel sitzen da, da und da. Und deshalb fangen wir mit Teilprojekt 1 an dieser Stelle an.“ Und noch besser wäre es, wenn da eine Person sitzen würde, die sagt: „Ich baue jetzt eine Datenhaltungsstruktur auf, die Data Scientisten schnell macht.“ 

Im Moment sitzen noch zu viele MBAs in den Entscheidungsgremien, die stark auf Kosten und zu wenig auf Innovation setzen. Die gute Nachricht: Wir spüren, dass sich nun etwas dreht und das ist klasse, denn es braucht auch die Personen, die den Maschinenraum kennen und wissen, an welchen Hebeln sie zu drehen haben.