Mehr aus Zahlen machen
Daten werden immer wichtiger, um neue Produkte und Dienstleistungen zu entwickeln. Mittelständler können effizienter produzieren und Kunden individueller ansprechen.
Moritz von Soden traute im ersten Moment seinen Augen nicht: Aus der neuen, mit Minisensoren ausgerüsteten Gewindespindel, die sein Entwicklungsteam vorstellte, sprudelten innerhalb weniger Minuten Daten via Bluetooth auf sein Handy. Sie informieren über die Lasten und Vibrationen der Spindel. „Das ist wie ein Röntgenblick in das Gewinde“, freut sich der Chef der Firma Bornemann Gewindetechnik über die Zahlen, die aus seinem smarten Gewinde schwappen: „Sogar welcher Schmierstoff verwendet wird, lässt sich erkennen.“
Bornemann-Kunden, vornehmlich Hersteller von Hebebühnen oder Fördergeräten, können nun rund um die Uhr den Zustand ihrer Produkte beobachten. So lassen sich Schäden früh erkennen, Wartungsintervalle optimieren und Ausfälle vermeiden. Dem niedersächsischen Gewindeproduzenten selbst eröffnet seine Innovation ein völlig neues Geschäftsfeld: „Durch die Analyse sämtlicher gemessener Daten bekommen wir Wissen, das wir künftig unseren Kunden zusätzlich zu unseren Spindeln anbieten können“, sagt von Soden. „Der Aufbau einer Beratungssparte ist denkbar.“
Immer mehr kleine und mittelständische Unternehmen nutzen Technologien wie Business Intelligence (BI), Big Data, Analytics und Künstliche Intelligenz (KI), um Produkte und Dienstleistungen zu entwickeln und neue Geschäftsfelder zu erschließen. Während BI in erster Linie eingesetzt wird, um historische und aktuelle Daten aufzubereiten und darzustellen, ist Analytics auf die Zukunft gerichtet. Mit Technologien wie Data Mining oder Machine Learning wird die Wahrscheinlichkeit künftiger Ergebnisse ermittelt. Damit sind fundierte Prognosen möglich. „Es lassen sich Entwicklungen antizipieren, um eventuell notwendige Änderungen für ein erfolgreiches Ergebnis frühzeitig in die Wege zu leiten“, erläutert Christoph Oelrich, Chef der Personalberatung Steerer.
Auch KI ist in Einkaufs-, Produktions- und Logistikabteilungen mittelständischer Firmen angekommen. Wurden Anlagen zur Vliesstoffproduktion in der Vergangenheit nach dem Trialand-Error-Prinzip manuell eingestellt, werden heute Datenmengen über den Zustand der Maschinen und der Umgebung erhoben, aktuelle Vliesqualitäten optisch gemessen und neuronale Netze mit diesen Informationen trainiert. Ein Algorithmus simuliert Einstellparameter und zeigt, bei welchen die geforderte Qualität zu den niedrigsten Kosten produziert wird. In einem anderen Betrieb erkennt ein Kamerasystem, ob Maschinen Schrauben und Dübel korrekt zusammensetzen. Wenn nicht, wird das Personal sekundenschnell alarmiert. Die Produktqualität steigt, die Zahl der Reklamationen sinkt.
Ein weiteres Beispiel: Ein hessischer Kosmetikhersteller erfasst seit einigen Wochen detailliert, wie sich potenzielle Kundinnen auf seiner Website und in sozialen Netzwerken verhalten, welche Informationen eine Frau anklickt, welche Fragen sie stellt und welche Farben sie bevorzugt. „Mit den anonymisierten, aber individualisierten Daten kann sich das Unternehmen ein genaues Bild von ihr machen, die Beweggründe für ihr Verhalten erkennen und ihr in Echtzeit passende Produkte und Content empfehlen“, erläutert Rupert Steffner, Gründer des Start-ups Wunder.ai und Experte für BI und KI in Handels-, Telekommunikation- und Finanzunternehmen. „Wir versuchen in unserem System so weit wie möglich auch emotionale Faktoren und Entscheidungsabläufe im menschlichen Gehirn abzubilden.“
Business Analysten, Data Engineers und Data Scientists sind gefragt auf dem Arbeitsmarkt. Schon auf dem Campus werden angehende Informatiker, Physiker und Mathematiker rekrutiert. „Einige Unternehmen kooperieren mit Hochschulen, um frühzeitig an die besten Talente zu kommen“, sagt Headhunter Oelrich. Absolventen würden mit Jahresgehältern von 60.000 Euro und mehr gelockt, mit Promotion seien über 70.000 Euro drin: „Ein Data Scientist mit fünf Jahren Erfahrung verdient im Schnitt rund 90.000 Euro.“ Tendenz: steigend. „Für viele High Potentials ist aber entscheidend, dass das Geschäftsmodell spannend und zukunftsweisend ist und ob sie mit den neuesten Tools arbeiten könnten.“
Meist machen große Unternehmen das Rennen um die klugen Köpfe, kleinere können bei Gehalt und Karrierechancen nur selten mithalten. „Außerdem haben sie oft keine Führungskraft, die praktische Erfahrung mit der Umsetzung digitaler Projekte besitzt“, beklagt Oelrich. Deswegen greifen viele Mittelständlern bei Bedarf auf Freelancer mit Tagessätzen zwischen 800 und 1.200 Euro zurück. Sie nutzen auch die Dienste von Softwarehäusern, die Programme und Beratung für KI, Visual Analytics, Data Science oder zum Internet der Dinge anbieten – auch für komplette, auf Datennutzung basierende Geschäftsprozesse.
Steigendes Interesse von Mittelständlern
Weltmarktführer ist SAS. Die Deutschland-Niederlassung des US-Konzerns registriert steigendes Interesse von Mittelständlern an Lösungen, die bisher vor allem den Großen vorbehalten waren. „Corona hat vielen Betrieben Defizite in Sachen Digitalisierung schmerzhaft vor Augen geführt“, sagt Annette Green, bei SAS verantwortlich für Deutschland, Schweiz und Österreich. So kennen viele Entscheider nicht genau die Schwächen des eigenen Unternehmens. Ursache sei oft ein mangelhaftes Datenmanagement. In der Krise gerieten Firmen ohne methodische, konzeptionelle, organisatorische und technische Verfahren zur Nutzung der Ressource Daten schneller ins Schlingern als Unternehmen, die bereits auf Big Data, Analytics oder KI setzen: „Diese verfügen über eine Resilienz, die sie auch in Zukunft bei unerwarteten Vorkommnissen schützt und ihnen die Entwicklung neuer Produkte und Dienstleistungen.“
Mithilfe von Analytics und KI sind eine bessere Kundenansprache und individuell zugeschnittene Angebote möglich. „Diese basieren auf allen Informationen, die über den Kunden und seine bisher in Anspruch genommenen Leistungen vorliegen und schaffen auch in Zeiten eingeschränkter persönlicher Kontakte Vertrauen und Zufriedenheit“, resümiert Green. Das eröffne neue Umsatzmodelle. „Die eingesetzten technologischen Lösungen sollten automatisiert ablaufen, flexibel und vor allem skalierbar sein.“ Das sei auch hilfreich, wenn neue Analytics-Modelle wie Machine Learning zum Einsatz kommen, „denn das erfordert über einen gewissen Zeitraum mehr Rechenleistung, die dann je nach Bedarf dazugebucht oder wieder reduziert werden kann.“
Bornemann-Chef von Soden ist überzeugt, dass die smarten Gewinde für seine Firma künftig ein Kernprodukt sein werden. Schon jetzt sammelt und analysiert er Daten für das Online-Marketing: „Mit Erfolg.“