Hannover. Kirschniak plädiert für eine ähnliche Vorgehensweise bei Big Data. Unter diesem Begriff verstehen Experten das Sammeln und die Analyse von massenhaft und vor allem unstrukturiert anfallenden Daten aus unterschiedlichsten Bereichen – und das möglichst in Echtzeit. Anhand von Mustererkennung sowie statistischer und mathematischer Verfahren lassen sich Zusammenhänge erkennen und Trends herauslesen. "Künftig könnte es einen Chief Analytics Officer im Unternehmen geben, der sich umfassend um Big Data in Entwicklung, Produktion, Vertrieb und Aftersales kümmert“, so der IBM-Berater mit Blick auf den heute üblichen Qualitätsverantwortlichen.
Big Data ins Topmanagement
Big Data surft hoch oben auf der IT-Modewelle. Die Analyse von massenhaften Daten unterschiedlichster Herkunft hat das Potenzial, glänzende Erfolge einzufahren – oder an den Klippen der Realität zu zerschellen. "Um das Potenzial richtig zu nutzen, muss Big Data im Topmanagement als ein unternehmensübergreifendes strategisches Werkzeug ähnlich wie Kaizen angesehen werden und sollte nicht nur in Einzelprojekten zum Einsatz kommen“, sagt Christian Kirschniak, Big-Data-Experte bei der Beratungstochter von IT-Dienstleister IBM. Kaizen – das Streben nach kontinuierlicher Verbesserung – fand Anfang der 90er-Jahre Eingang in die westliche Managementphilosophie. Damals hatte Toyota auf dieser Basis ein weltweit führendes Qualitätsmanagement- System über sämtliche Hierarchien des Unternehmens verankert.
BMW nutzt Big Data
Der IT-Dienstleister hat bereits verschiedene Big-Data-Projekte in der Autoindustrie angeschoben. Bei BMW hat IBM eine spezielle IT-Plattform installiert, die unter anderem Daten über Fahrzeuge und Reparaturen analysiert, Erkenntnisse aus dem Feedback von Händlern sowie Kunden gewinnt und in der Produktion zur Qualitätssicherung eingesetzt wird. In der Gießerei in Landshut etwa kann BMW fehlerhafte Motorenblöcke aussondern, ohne diese einer aufwendigen Endkontrolle unterziehen zu müssen. „Unsere Algorithmen sind für verschiedenste Fragestellungen entwickelt und ausgereift. Die Herausforderung ist, für jede Aufgabe die richtigen Daten auszuwählen und zu konsolidieren. Das wird von vielen Unternehmen unterschätzt“, so Matthias Glowatzki, der in der Serviceeinheit von IBM Business-Analytics-Projekte mit Kunden umsetzt. Seiner Erfahrung nach lassen sich in eng definierten Pilotprojekten schon nach wenigen Monaten erste Ergebnisse erzielen: „Sind die Themen eher strategisch, zum Beispiel wenn es um neue Serviceleistungen in einzelnen Märkten geht, dann muss man manchmal mehrere Monate lang Daten sammeln und validieren. Dabei müssen sich die Fachabteilungen tief einbringen.“ Während in der Autoindustrie derzeit rund 70 Prozent aller Big-Data-Projekte im Aftersales angesiedelt sind, dürfte sich das laut Kirschniak massiv verschieben: „Mit der Machine-to-Machine- Kommunikation in vernetzten Fahrzeugen rücken Fahrprofile und Nutzungsverhalten in den Vordergrund. Aus der Analyse dieser Daten kann man viele neue Services bis zur nutzungsbasierten Versicherungspolice ableiten.“
