Die Macht der Künstlichen Intelligenz freisetzen
Eine DIGITAL IMPULS SERIE in vier Blogs
- Blog 1: Einführung in Data Driven Business und KI
- Blog 2: Spezifische Problemstellungen und Potenziale
- Blog 3: Mit Daten neue Geschäftspotenziale erschließen – konkreter Ablauf Data Solution Space
- Blog 4: Anwendungsbeispiel aus der Beschaffung
Blog 4: Data Solution Space
Künstliche Intelligenz Beispiel!
Im nun 4. und letzten BLOG dieser Serie stelle ich ein konkretes Beispiel vor, wie die künstliche Intelligenz in einem Unternehmen konkret genutzt werden kann. Der „Data Solution Space“ als Workshop-Reihe hilft dabei den Raum zur Erschließung neuer Perspektiven zu eröffnen.
Projektbeispiel: Beschaffung bei einem Anlagenbau
Digitalisierungsstrategie in Fokus nehmen
Beim gewählten Beispiel handelt es sich um ein österreichisches, mittelständisches Unternehmen, das lufttechnische Anlagen entwickelt und produziert. In der Industrie, im Gesundheitswesen gibt es hohen und weiter steigenden Bedarf nach diesen Systemen, um die erforderliche Luftgüte in den Räumlichkeiten zu gewährleisten. Das Unternehmen investiert kontinuierlich in die Optimierung des Nutzungskomforts, ist also von der Technik her am aktuellen Stand. Installation und Service erfolgen über Partner. Die Auftragsvergabe erfolgt überwiegend über Ausschreibungen. Daraus resultiert, dass es kaum kontinuierliche Umsätze zu Services gibt, das Geschäft daher stark projektgetrieben ist.
Zudem sind in den letzten Jahren der Pandemie die Herausforderungen in der Beschaffung massiv gestiegen, die Sicherstellung der Verfügbarkeit der Zulieferteile wurde zunehmend schwierig und stellt Planbarkeit für die eigener Fertigung sowie die Verlässlichkeit der Belieferung an die Kunden zunehmend in Frage.
Data Solution Space steht zu Beginn der Überlegungen!
Viele Unternehmen stellen sich die Frage: Wie kann ich die Künstliche Intelligenz für mein Unternehmen nutzen. Dabei steht eine konkrete Fragestellung oder ein konkretes Problem zumeist im Fokus. Die Herausarbeitung der Fragestellung für die Workshop-Reihe im Data Solution Space ist dabei bereits ein wichtiger Schlüsselfaktor zum Erfolg.
Am Ende der Workshop Reihe haben Sie bewertete Use Cases und können in eine erste Proof of Concept Phase gehen. Dort wird meist die vorhandene Datenqualität geprüft und die Machbarkeit analysiert.
Die Fragestellung und Zielkriterien als Erfolgsfaktor!
Data Solution Space in vier Schritten
1. Scoping - Fragestellung, Datenquellen und Datennutzen!
Gemäß unserem Ablauf des Data Solution Space, der hier nochmals schematisch dargestellt wird, gehen wir nun in die Scoping-Phase. Ziel des Scopings ist es, die Fragestellung zu schärfen und die potenziellen Datenquellen sowie den erwarteten Nutzen zu identifizieren.
1.1 Konkrete Fragestellung
“Wie können wir unsere Daten nutzen, um ein vorausschauendes Management der Beschaffung sicherzustellen.”
1.2 Messbare Zielsetzungen im Sinne der Digitalisierungsstrategie
Im Gespräch mit dem Kunden klären wir, was genau bewirkt werden, was sich verändern und woran man das erkennen soll bzw. wie es messbar wäre. Dazu ziehen wir die operativen Leistungsindikatoren heran. In diesem Fall werden Verlässlichkeit und Kosteneffizienz als Prio1-Indikatoren identifiziert. In weiterer Folge ist es das Ziel, einen Datenpool aufzubauen und proaktives Reagieren durch Antizipieren der Veränderungen zu bewirken. Von der ad-hoc manuellen Analyse zum Antizipieren der Markentwicklung.
1.3 Datenquellen und Datennutzen
In dieser Phase werden die potenziellen Datenquellen mit Unterstützung der Data Driven Business Kartenset – eruiert und der mögliche Nutzen herausgearbeitet. In diesem Fall waren es:
– Datenquellen: Logistik- sowie Marketing- und Verkaufsdaten
– Datennutzen: Optimierung der Kosten, verbesserte Proaktivität, in weiterer Folge Aufbau eines Informationspools
1.4 Ergebnisse der Scoping Phase
Nachgeschärfte Fragestellung: Wie können wir durch ein vorausschauendes Management der Beschaffung die Verfügbarkeit der Materialien und Teile sicherstellen?
Mit diesen Ergebnissen gehen wir in unser Expertensystem, den Digital Excellence Navigator(R), in dem wir ein Mapping der Datenquellen und Datennutzen mit möglichen Lösungs- / Digital-Bausteinen abgebildet haben. Es ergeben sich je nach gewähltem „Vorschlags-Härtegrad“ mehr als 100 mögliche Lösungsansätze in unterschiedlichen Kombinationen. Durch einen höheren Härtegrad lässt sich die Auswahl fokussieren. In diesem Fall wurden 10 relevante Digital-Bausteine selektiert.
Der nächste Schritt ist die Ideation-Phase. Hier geht es darum, unter Berücksichtigung weiterer umsetzungsrelevanter Dimensionen wie Organisation, Prozesse oder Mitarbeiter:innen die Herausforderungen dafür zu identifizieren, Lösungsansätze mittels der Digital-Bausteine in Form von Projektideen abzuleiten. Das geschieht durch das Workshopteam, Mitarbeiter:innen unter Anleitung des Moderators. Die Mitarbeiter:innen sehen wir als Expert:innen für die eigene Organisation. Sie erhalten umfangreiches Expertenwissen in Form der Digital-Bausteine und mappen das auf die Herausforderungen im eigenen Unternehmen, formulieren dazu Umsetzungsideen.
2. Ideation - Projektideen herausarbeiten
2.1. Lösungslandkarte als Hilfsmittel im Workshop
Fragestellung und Zielzustand sind im gesamten Prozess vor Augen. Die Herausforderungen entlang der verschiedenen Enabling-Dimensionen werden im Team herausgarbeitet. Es entsteht eine Landkarte mit den Herausforderungen, möglichen Lösungsbausteinen und Projektideen, die in weiterer Folge priorisiert werden.
Zur weiteren Vertiefung wird die höchst priorisierte Idee, die die erwartete Zielsetzung am besten adressiert, mit dem zugrundliegenden Digital-Baustein ausgewählt.
In diesem Fall ist es die Projektidee “Datenquellen verknüpfen und Vorausschau ableiten” mit dem Digital-Baustein “Prescriptive Analytics”, womit die Herausforderungen “Nutzung der vorhandenen Daten” und “Anzapfen von Daten zu Verfügbarkeiten” bearbeitet werden. Damit geht es in die nächste Phase, die Ausarbeitung der Use-Cases, die konkrete Umsetzungskonzeption.
2.2 Use-Case Phase
Je Projektidee erfolgt die Erarbeitung von 1 – 3 UseCases zur konkreten Umsetzung. Hierzu wird das DataService Canvas verwendet und die DataServiceKarten herangezogen.
Das Canvas wird von links nach rechts bearbeitet. Die zentrale Fragestellung im Blick, von links beginnend mit den Herausforderungen, dem selektierten Digital-Baustein sowie der Projektidee. Wir starten bei den Datenquellen und ergänzen mit den Datenanalysen und Datenservices zu Realisierung des bereits vorhin identifizierten Datennutzens.
In der Bearbeitung wurde der gesamte Use-Case “Lieferengpassvermeidung” betitelt, bestehend aus der “Schätzung von Lieferzeiten” am Beginn, gefolgt von der “Schätzung des Auftretens eines Lieferengpasses” und der “Bestell-Empfehlung & Alternativen”.
3. UseCases - Konkretisierung und Priorisierung
3.1. UseCases herausarbeiten
Zu jedem Einzel-Use-Case gibt es einen Baustein zur Datenanalyse und zum Datenservice.
Zum Beispiel besteht der Usecase “Schätzung von Lieferzeiten” aus dem Analysebaustein “Regressionsanalyse” und dem Servicebaustein “Web-Element & Softwarefunktion”.
3.2. UseCases bewerten und priorisieren
Man sieht, dass die “Lieferzeitenschätzung” hinsichtlich der Wirksamkeit auch hier am höchsten bewertet wird.
Ergebnisse: Die konkreten Anwendungsfälle zur Umsetzung sind beschrieben und bewertet.
Nachstehend nochmals eine zusammengefasste Darstellung der Lösungsübersicht.
3.3. Lösungsübersicht
4. Validierung und Alignment Workshop
Validierung & Alignment Workshop: Wir wissen jetzt, was wir umsetzen wollen, sind uns über die Erwartungen und Zielsetzungen einig im Unternehmen und es kann in die Umsetzung gehen.
Prüfung der technischen Machbarkeit: Dazu werden die Echtdaten analysiert, um Klarheit zu erhalten, wie gut der UseCase mit den verfügbaren Daten umsetzbar ist.
Ist dieser Schritt positiv abgeschlossen, kann es in die echte Umsetzung mit einem “Minimum-Viable-Product“ gehen. Die dazu empfohlenen Schritte sind für den Lieferzeitenschätzer nachfolgend exemplarisch beschrieben:
Wir haben nun im Data Solution Space 4 Phasen durchlaufen mit folgenden Ergebnissen:
Scoping – Fragestellung ist spezifiziert, Datenquellen und Datennutzen identifiziert
Ideation – Projektideen herausgearbeitet und bewertet
UseCases – Anwendungsfälle spezifiziert und bewertet
Validierung – Umsetzbarkeit anhand Echtdaten geprüft
Nun geht es in die Umsetzung – ein Minimum Viable Product im ersten Schritt zu realisieren.
Next Step - Minimum Viable Product
Summary - Erschliessen von Geschäftspotenzialen
Nutzen des Data Solution Space zur Erschließung von Geschäftspotenzialen aus Daten:
- Fokussierung und damit Effektivität, da durchgängig entlang der Unternehmenszielsetzungen gearbeitet wird.
- Einbindung der MA sichert Identifikation und Akzeptanz = Voraussetzung für Umsetzungserfolg.
- Effizienz durch erprobtes Vorgehen und Unterstützung des Expertensystems.
Angebot - Datengetriebene Servives finden
Erarbeiten wir gemeinsam für Ihr Unternehmen einen konkreten Anwendungsfall zur Realisierung von Geschäftspotenzialen aus Daten!
Unser Angebot: Durchführung eines kostenfreien Scoping-Workshops im Umfang von ½ Tag. Ergebnis ist die potentielle Fragestellung, die Datenquellen und Nutzenpotenziale.
Ansprechpartner:
Alois Süssenbacher
Alois.suessenbacher@digitalexcellence.at
