12-2022
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
- TAGS
- kuenstliche intelligenz
- elektromechanik
- antriebe
- stromversorgung
- hmi
- industrielle kommunikation
- robotik
- qualitaetssicherung
- bildverarbeitung
- automatisierung
- sensorik
- messtechnik
- bedienen und visualisieren
- messen steuern regeln
- bauelemente
- iot
- embedded systeme
- sbc boards module
- software
- industrie pc
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Big Data<br />
Die weltweite Datenmenge betrug laut Statista 2010 rund zwei<br />
Zettabyte, im Jahr 2020 rund 64 Zettabyte und werde bis 2025 auf<br />
gewaltige 181 Zettabyte ansteigen. Abhilfe sei also dringend nötig.<br />
Die Analysten der Gartner Group sagen voraus, dass bis Ende 2024<br />
rund 75% aller Unternehmen ihre Pilotprojekte im Bereich AI/Machine<br />
Learning in den operativen Betrieb übernommen haben werden.<br />
Unternehmen verbunden ist. Allerdings<br />
sollten keine bloßen Standard-<br />
PDFs im Archiv landen.<br />
Eine geeignete Software liest dann<br />
die gespeicherten Dokumente aus,<br />
um die Dateien so zu kennzeichnen,<br />
dass das Archiv und andere<br />
Systeme sie verwalten können. Auf<br />
dieser Basis können KI-gesteuerte<br />
Algorithmen die Daten sinnvoll miteinander<br />
verbinden und neue Erkenntnisse<br />
gewinnen.<br />
Aktualisieren<br />
der analysierten Daten<br />
sind. Aus verschiedenen Gründen<br />
kann das manchmal nicht der<br />
Fall sein, etwa durch Umzug oder<br />
Namensänderung von Kunden,<br />
geänderter Vorschriften oder veränderter<br />
Randbedingungen sind<br />
Daten nicht mehr korrekt/aktuell.<br />
Eine weitere Quelle von Ungenauigkeiten<br />
sind Fehler bei der Dateneingabe.<br />
Versäumnisse bei der Dateneingabe<br />
hingegen führen zu unvollständigen<br />
Informationen.<br />
Konsistenz meint hier Widerspruchsfreiheit.<br />
Informationen in<br />
verschiedenen Datenbanken innerhalb<br />
eines Unternehmens können<br />
sich widersprechen. Stimmen etwa<br />
Adressen in CRM- und ERP-Systemen<br />
nicht überein, kann das dazu<br />
führen, dass Lieferungen an den<br />
falschen Ort geschickt werden. Die<br />
Praxis zeigt: Doppelte und veraltete<br />
Datensätze sind außerordentlich<br />
häufig. Dies zieht meist unnötige<br />
Ausgaben nach sich.<br />
Grundsätzlich gilt: Schlechte<br />
Datenqualität verleitet zu falschen<br />
Erkenntnissen aus den Datenanalysen.<br />
Das kann sehr teuer werden.<br />
Wiebke Apitzsch ist Managing<br />
Director bei der Unternehmensberatung<br />
TTE Strategy. Sie weiß:<br />
Viele Unternehmen in Deutschland<br />
tun sich nach wie vor schwer mit<br />
der Einführung und Anwendung<br />
von Datenanalysen. Die meisten<br />
Fehler passieren auf der menschlichen<br />
Ebene. Hier ihr Überblick<br />
Data-Initiativen können schnell<br />
als Kontrollidee „von oben“ missverstanden<br />
werden. Die daraus resultierende<br />
Gefahr: eine Menge bunter<br />
Dashboards, deren Aussagekraft<br />
aber eher gering ist. Big Data<br />
braucht Follower. Alle relevanten<br />
Führungskräfte sollten also frühzeitig<br />
in die Initiative mit einbezogen<br />
werden.<br />
3. Die richtigen Fragen<br />
werden nicht gestellt – aus<br />
falsch verstandener Demut<br />
vor den Data-Experten<br />
Kaum jemand versteht wirklich,<br />
worüber Fachleute sprechen. Fragen<br />
werden dennoch nicht gestellt.<br />
Auch Top Manager trauen sich<br />
oft nicht, die wirklich wichtigen<br />
Fragen zu stellen, weil sie das<br />
Gefühl haben, sie könnten mit den<br />
Experten nicht mithalten. Daher<br />
„In Kombination mit einem geeigneten Auswertungstool – unterstützt<br />
von KI und Machine-Learning – gewinnen Unternehmen aus<br />
als nützlich herausgefilterten Daten neue Erkenntnisse und handfeste<br />
Geschäftsvorteile.“<br />
Dr. Jürgen Ehneß<br />
Daten benötigt werden. So finden<br />
die Daten sehr schnell den Weg in<br />
die operative Anwendung.<br />
5. IT und IT-Sicherheit<br />
werden gar nicht oder zu<br />
spät eingebunden – und<br />
schon passen die neuen<br />
Tools nicht mehr in die<br />
Systemlandschaft<br />
Viele Data-Initiativen kommen aus<br />
dem operativen Geschäft und werden<br />
mithilfe von Beratern umgesetzt.<br />
Tools zur Datenerhebung und -Analyse<br />
kommen als Pilot in die operative<br />
Anwendung und funktionieren<br />
beim nächsten System-Update<br />
plötzlich nicht mehr oder verletzen<br />
die Sicherheitsstandards. Darum<br />
gehört die IT genauso wie die IT-<br />
Sicherheit vom ersten Moment einer<br />
Data-Initiative mit an den Tisch.<br />
Hier geht es vor allem um die<br />
Datenqualität. Datenqualität bedeutet<br />
im Wesentlichen, dass wichtige<br />
Informationen über mehrere Bereiche<br />
im Unternehmen hinweg<br />
• korrekt,<br />
• vollständig und<br />
• konsistent<br />
über die sechs größten „Fails“<br />
in der Umsetzung von Data-Initiativen:<br />
1. Technische Komplexität<br />
wird überschätzt – Faktor<br />
Mensch wird unterschätzt<br />
Wer externe Experten als Projektleiter<br />
anvisiert, setzt den Fokus<br />
falsch. Der Grund: Jemand Fremdes<br />
soll etwas Fremdes neu im Unternehmen<br />
einführen. Da helfen Fachkenntnisse,<br />
aber es kommt vor allem<br />
auf die Fähigkeit an, auf Menschen<br />
zuzugehen, ihre Positionen zu verstehen<br />
und sie zu überzeugen. Die<br />
„Richtigen“ zu identifizieren, ist der<br />
Schlüssel für eine erfolgreiche Data-<br />
Einführung.<br />
2. Datenregiment wird durch<br />
Druck aufgebaut –<br />
so entstehen keine Follower<br />
sind Fehlentwicklungen möglich,<br />
die später kaum mehr rückgängig<br />
gemacht werden können. Darum:<br />
Für jedes Fremdwort eine Erklärung<br />
einfordern. Und sich trauen,<br />
zuzugeben, wenn technische<br />
Zusammenhänge nicht verstanden<br />
worden sind.<br />
4. Es werden keine<br />
konkreten Probleme mit<br />
den neuen Daten gelöst –<br />
der Nutzen der gesamten<br />
Initiative wird in Frage<br />
gestellt<br />
Durch falsche Herangehensweise<br />
werden Daten zu einem Selbstzweck.<br />
Darum ist es wichtig, mit denjenigen<br />
zu sprechen, von denen die<br />
„Mithilfe von Datenanalysen können produzierende Unternehmen<br />
Vorhersagen für alle Abschnitte der Wertschöpfungskette treffen.<br />
Dadurch werden nicht nur effizienzsteigernde Entscheidungen<br />
möglich, sondern auch präventive Maßnahmen. So können Prozesse<br />
bereits im Vorfeld angepasst und mögliche Komplikationen<br />
oder Verzögerungen vermieden werden.“<br />
Dr. Peter Gabriel<br />
6. Daten lügen nicht –<br />
doch, das tun sie!<br />
Unternehmen liegen oft dem Irrglauben<br />
auf, künftig die ganze Wahrheit<br />
zu erkennen – nur weil sie ein<br />
Data Management aufgesetzt haben.<br />
Doch das hilft alles gar nichts, wenn<br />
„Fertigende Unternehmen sind mit riesigen Datenmengen von<br />
Sensoren und damit verknüpften Systemen konfrontiert. Diese müssen<br />
aggregiert und verstanden werden, damit Produktionsunternehmen<br />
sie für die vernetzte Fabrik nutzen können. Nur auf Basis von<br />
Daten und Fakten können deutsche Mittelständler und Großunternehmen<br />
den Überblick über ihre Lieferketten, Flaschenhälse und<br />
Kundenwünsche behalten und die richtigen Entscheidungen treffen.“<br />
Henrik Jorgensen, Tableau Germany GmbH<br />
die Daten schlichtweg falsch sind.<br />
Etwa nicht richtig angebrachte Sensoren<br />
können falsch messen, Finanzkennzahlen<br />
werden inkongruent aus<br />
dem System übertragen, Daten werden<br />
nicht konsistent eingegeben.<br />
Vor allem aber wird die Interpretation<br />
nicht im Detail durchdacht.<br />
Beispielsweise müssen Daten aus<br />
Testläufen für neue Produkte oder<br />
während größerer Wartungen aus<br />
Berechnungen ausgeschlossen<br />
werden. Oft ist das Sicherstellen<br />
der Datenqualität etwa dreimal so<br />
aufwendig wie das Etablieren von<br />
Data-Management-Prozessen. Daten<br />
müssen immer wieder hinterfragt,<br />
neu qualifiziert und bereinigt werden.<br />
Darum: Misstrauen Sie Ihren<br />
Daten. Immer.<br />
PC & Industrie <strong>12</strong>/<strong>2022</strong> 13