12-2022

Weitere Magazine

Info

Big Data Ein Leitfaden für Unternehmen Daten richtig nutzen – aber wie? Es ist ein offenes Geheimnis, dass Daten der vielleicht wichtigste Rohstoff des 21. Jahrhunderts sind. Viele Unternehmen verfügen bereits über eine enorme Menge an Daten. Doch tatsächlich genutzt werden diese kaum. Bildquelle: www.scnsoft.de/blog/big-data-qualitaet Frank Sichla unter Nutzung von Informationen aus dem Newsletter bigdata-insider Für solche Unternehmen stellt sich die grundsätzliche Frage: Wie können wir Daten effektiver nutzen als bisher? Im Einzelnen: Wie können wir damit Vorhersagen über die Preisgestaltung eines Lieferanten treffen? Wie lassen sich damit langjährig etablierte Rechnungsprozesse beschleunigen? Wie können wir im Produktionsprozess Stromkosten sparen, indem wir unentdeckte Auslastungsspitzen intelligent vermeiden? All dies basierend auf Daten, die Unternehmen besitzen, aber nicht nutzen. Allgemein lässt sich die obige Grundsatzfrage folgendermaßen beantworten: Durch das Entwickeln passender technologischer Ansätze, die Folgendes ermöglichen: • Erschließen der meist ungeordnet verstreuten Daten • Ordnen der erschlossenen Daten (Daten-Gouvernance) • Analysieren der geordneten Daten (Datenmüll entsorgen) • Aktualisieren der analysierten Daten (Datenqualität) • Weiterverarbeiten der Daten von hoher Qualität (Datenstrategie, Datenreife) • Anwenden der verarbeiteten Daten Erschließen der meist ungeordnet verstreuten Daten „Etwa 52% der Daten, die Unternehmen speichern, sind entweder nicht ausgewertet oder komplett im digitalen Nirwana verschwunden. Solche Daten werden im Fachjargon auch Dark Data genannt. … Im Schnitt sind knapp ein Drittel der Daten im Unternehmen sogenannte ROT- Daten: redundant, obsolet oder trivial.“ Dr. Jürgen Ehneß Jedes betriebliche Dokument enthält Informationen über das Geschäft mit Kunden, Partnern oder Lieferanten. So verraten etwa gesammelte Aufzeichnungen über Kundenkorrespondenzen mehr oder weniger viel über die Effektivität und Potenziale des eigenen Vertriebs. Ebenso liefert jede Aufzeichnung über den Produktionsprozess nützliche Informationen. Diese werden etwa in Form einer Statistik deutlich. Auch aus Maschinen lassen sich Daten ziehen, etwa über die Leistungsaufnahme aus dem Netz, Drehzahlen, Drücke, Verschließzeiten etc. Diese Daten lassen sich über Sensoren zeitnah oder über der Zeit mithilfe eines Datenloggers aufzeichnen. Ordnen der erschlossenen Daten Daten-Governance meint das Verwalten vorliegender Daten. Unternehmen gewährleisten im Rahmen der Daten-Gouvernance die Sicherheit ihrer Daten und stellen die Einhaltung wichtiger gesetzlicher Vorschriften sicher. Das bedeutet im Endeffekt, dass die Daten den richtigen Personen zum richtigen Zeitpunkt zur Verfügung stehen, wobei auch Verantwortlichkeiten zugeordnet sind. Im Zuge von Daten-Governance wird u.a. Folgendes ermöglicht: • klarer Speicherort für die Daten • Sicherung/Spiegelung der Daten • Überblick über den Inhalt der Datenbestände • Definition von Integrationspunkten • Datenaustausch zwischen unterschiedlichen Systemen • Vermeidung von Datenlecks und anderen Schwachstellen • Einhaltung von Geschäftsregeln • Einhaltung von gesetzlichen Auflagen (z.B. Datenschutz) All diese Einzelteile der Daten- Governance tragen dazu bei, das Unternehmen in die Lage zu versetzen, den Wert seiner Daten zu maximieren bei gleichzeitiger Herabsetzung von Sicherheitsund Regulierungsrisiken. Analysieren der geordneten Daten Der Datenmüll (Dark Data) ist von den wichtigen Daten zu trennen. Die einfachste präventive Maßnahme gegen Dark Data ist, Dokumente in einem digitalen Archiv zu speichern, das mit sämtlichen ERP-Systemen im 12 PC & Industrie 12/2022
Big Data Die weltweite Datenmenge betrug laut Statista 2010 rund zwei Zettabyte, im Jahr 2020 rund 64 Zettabyte und werde bis 2025 auf gewaltige 181 Zettabyte ansteigen. Abhilfe sei also dringend nötig. Die Analysten der Gartner Group sagen voraus, dass bis Ende 2024 rund 75% aller Unternehmen ihre Pilotprojekte im Bereich AI/Machine Learning in den operativen Betrieb übernommen haben werden. Unternehmen verbunden ist. Allerdings sollten keine bloßen Standard- PDFs im Archiv landen. Eine geeignete Software liest dann die gespeicherten Dokumente aus, um die Dateien so zu kennzeichnen, dass das Archiv und andere Systeme sie verwalten können. Auf dieser Basis können KI-gesteuerte Algorithmen die Daten sinnvoll miteinander verbinden und neue Erkenntnisse gewinnen. Aktualisieren der analysierten Daten sind. Aus verschiedenen Gründen kann das manchmal nicht der Fall sein, etwa durch Umzug oder Namensänderung von Kunden, geänderter Vorschriften oder veränderter Randbedingungen sind Daten nicht mehr korrekt/aktuell. Eine weitere Quelle von Ungenauigkeiten sind Fehler bei der Dateneingabe. Versäumnisse bei der Dateneingabe hingegen führen zu unvollständigen Informationen. Konsistenz meint hier Widerspruchsfreiheit. Informationen in verschiedenen Datenbanken innerhalb eines Unternehmens können sich widersprechen. Stimmen etwa Adressen in CRM- und ERP-Systemen nicht überein, kann das dazu führen, dass Lieferungen an den falschen Ort geschickt werden. Die Praxis zeigt: Doppelte und veraltete Datensätze sind außerordentlich häufig. Dies zieht meist unnötige Ausgaben nach sich. Grundsätzlich gilt: Schlechte Datenqualität verleitet zu falschen Erkenntnissen aus den Datenanalysen. Das kann sehr teuer werden. Wiebke Apitzsch ist Managing Director bei der Unternehmensberatung TTE Strategy. Sie weiß: Viele Unternehmen in Deutschland tun sich nach wie vor schwer mit der Einführung und Anwendung von Datenanalysen. Die meisten Fehler passieren auf der menschlichen Ebene. Hier ihr Überblick Data-Initiativen können schnell als Kontrollidee „von oben“ missverstanden werden. Die daraus resultierende Gefahr: eine Menge bunter Dashboards, deren Aussagekraft aber eher gering ist. Big Data braucht Follower. Alle relevanten Führungskräfte sollten also frühzeitig in die Initiative mit einbezogen werden. 3. Die richtigen Fragen werden nicht gestellt – aus falsch verstandener Demut vor den Data-Experten Kaum jemand versteht wirklich, worüber Fachleute sprechen. Fragen werden dennoch nicht gestellt. Auch Top Manager trauen sich oft nicht, die wirklich wichtigen Fragen zu stellen, weil sie das Gefühl haben, sie könnten mit den Experten nicht mithalten. Daher „In Kombination mit einem geeigneten Auswertungstool – unterstützt von KI und Machine-Learning – gewinnen Unternehmen aus als nützlich herausgefilterten Daten neue Erkenntnisse und handfeste Geschäftsvorteile.“ Dr. Jürgen Ehneß Daten benötigt werden. So finden die Daten sehr schnell den Weg in die operative Anwendung. 5. IT und IT-Sicherheit werden gar nicht oder zu spät eingebunden – und schon passen die neuen Tools nicht mehr in die Systemlandschaft Viele Data-Initiativen kommen aus dem operativen Geschäft und werden mithilfe von Beratern umgesetzt. Tools zur Datenerhebung und -Analyse kommen als Pilot in die operative Anwendung und funktionieren beim nächsten System-Update plötzlich nicht mehr oder verletzen die Sicherheitsstandards. Darum gehört die IT genauso wie die IT- Sicherheit vom ersten Moment einer Data-Initiative mit an den Tisch. Hier geht es vor allem um die Datenqualität. Datenqualität bedeutet im Wesentlichen, dass wichtige Informationen über mehrere Bereiche im Unternehmen hinweg • korrekt, • vollständig und • konsistent über die sechs größten „Fails“ in der Umsetzung von Data-Initiativen: 1. Technische Komplexität wird überschätzt – Faktor Mensch wird unterschätzt Wer externe Experten als Projektleiter anvisiert, setzt den Fokus falsch. Der Grund: Jemand Fremdes soll etwas Fremdes neu im Unternehmen einführen. Da helfen Fachkenntnisse, aber es kommt vor allem auf die Fähigkeit an, auf Menschen zuzugehen, ihre Positionen zu verstehen und sie zu überzeugen. Die „Richtigen“ zu identifizieren, ist der Schlüssel für eine erfolgreiche Data- Einführung. 2. Datenregiment wird durch Druck aufgebaut – so entstehen keine Follower sind Fehlentwicklungen möglich, die später kaum mehr rückgängig gemacht werden können. Darum: Für jedes Fremdwort eine Erklärung einfordern. Und sich trauen, zuzugeben, wenn technische Zusammenhänge nicht verstanden worden sind. 4. Es werden keine konkreten Probleme mit den neuen Daten gelöst – der Nutzen der gesamten Initiative wird in Frage gestellt Durch falsche Herangehensweise werden Daten zu einem Selbstzweck. Darum ist es wichtig, mit denjenigen zu sprechen, von denen die „Mithilfe von Datenanalysen können produzierende Unternehmen Vorhersagen für alle Abschnitte der Wertschöpfungskette treffen. Dadurch werden nicht nur effizienzsteigernde Entscheidungen möglich, sondern auch präventive Maßnahmen. So können Prozesse bereits im Vorfeld angepasst und mögliche Komplikationen oder Verzögerungen vermieden werden.“ Dr. Peter Gabriel 6. Daten lügen nicht – doch, das tun sie! Unternehmen liegen oft dem Irrglauben auf, künftig die ganze Wahrheit zu erkennen – nur weil sie ein Data Management aufgesetzt haben. Doch das hilft alles gar nichts, wenn „Fertigende Unternehmen sind mit riesigen Datenmengen von Sensoren und damit verknüpften Systemen konfrontiert. Diese müssen aggregiert und verstanden werden, damit Produktionsunternehmen sie für die vernetzte Fabrik nutzen können. Nur auf Basis von Daten und Fakten können deutsche Mittelständler und Großunternehmen den Überblick über ihre Lieferketten, Flaschenhälse und Kundenwünsche behalten und die richtigen Entscheidungen treffen.“ Henrik Jorgensen, Tableau Germany GmbH die Daten schlichtweg falsch sind. Etwa nicht richtig angebrachte Sensoren können falsch messen, Finanzkennzahlen werden inkongruent aus dem System übertragen, Daten werden nicht konsistent eingegeben. Vor allem aber wird die Interpretation nicht im Detail durchdacht. Beispielsweise müssen Daten aus Testläufen für neue Produkte oder während größerer Wartungen aus Berechnungen ausgeschlossen werden. Oft ist das Sicherstellen der Datenqualität etwa dreimal so aufwendig wie das Etablieren von Data-Management-Prozessen. Daten müssen immer wieder hinterfragt, neu qualifiziert und bereinigt werden. Darum: Misstrauen Sie Ihren Daten. Immer. PC & Industrie 12/2022 13
Seite 1 und 2: Dezember 12/2022 Jg. 26 Schwingquar
Seite 3 und 4: Editorial Christian Dunger, Vorstan
Seite 5 und 6: Fachartikel in dieser Ausgabe Schar
Seite 7 und 8: Aktuelles ren Summen mehr in Produk
Seite 9 und 10: Aktuelles Konfektionierte Ethernet-
Seite 11: IoT für den Mittelstand Datenverar
Seite 15 und 16: Titelstory Get the right Timing Sch
Seite 17 und 18: Titelstory Notwendige Angaben Wüns
Seite 19 und 20: Kommunikation werden, ohne vorher d
Seite 21 und 22: Kommunikation rungen der letzten Ja
Seite 23 und 24: Kommunikation Enterprise Edition vo
Seite 25 und 26: JOIN THE EMBEDDED COMMUNITY 14.-16.
Seite 27 und 28: Kommunikation bei binder, kommentie
Seite 29 und 30: Kommunikation Innovative ASi-3-Gate
Seite 31 und 32: Energieeffizienter Embedded-PC für
Seite 33 und 34: IPCs/Embedded Systeme High-Performa
Seite 35 und 36: SBC/Boards/Module Multi-Protokoll S
Seite 37 und 38: Robuste Tastenfelder aus Edelstahl
Seite 39 und 40: Messtechnik Die perfekte Kombinatio
Seite 41 und 42: Qualitätssicherung High-Performanc
Seite 43 und 44: Digitales Sensormodul für kostenef
Seite 45 und 46: Sicherheit Zielgerichtete Zusammena
Seite 47 und 48: OEM-Laserprofilsensor mit integrier
Seite 49 und 50: Fünffache GigE-Geschwindigkeit Bil
Seite 51 und 52: Ultraweitbereichswandler verarbeite
Seite 53 und 54: Stromversorgung Technologien zur Ve
Seite 55 und 56: Stromversorgung Sicherer Betrieb au
Seite 57 und 58: Stromversorgung dem Kunden schnell
Seite 59 und 60: Elektromechanik Das Kleingehäuse m
Seite 61 und 62: IP69K Einbaubuchse mit Klappdeckel
Seite 64:
Leistung im Blick! HIOKI Leistungs-
Alle anzeigen

12-2022

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?