2. Umgang mit Daten
Ohne Zweck gesammelte Daten nutzen kaum etwas und große Mengen von ihnen können sogar signifikante Kosten verursachen. Wer sich im Rahmen eines Wertschöpfungsnetzwerks auf eine gemeinsame Datenbasis einigt, sollte in erster Linie Kriterien und Methoden für das Erfassen der Daten definieren. So bleiben die Datenmengen und die daraus resultierenden Kosten für die IT-Infrastruktur verhältnismäßig gering. Dazu legt man Regeln für einen nachvollziehbaren Umgang mit Daten unter den Partnern fest, insbesondere bei sensiblen Daten, welche auch einen Einfluss auf die Auswahl passender Technologien für Datenverarbeitung haben. In der Produktion ist zunehmend der hybride Ansatz der Datenverarbeitung (Edge und Cloud) beliebt. Bei diesem Ansatz wird ein Teil der Daten an der Maschine direkt analysiert und nicht an weitere Netzwerkpartner übermittelt. Neben einer einfacheren Kontrolle der Datensicherheit und der Reduktion der Kosten für Datenspeicherung bietet dieser Ansatz auch eine höhere Reaktivität der Anwendung. Im Falle eines selbstlernenden hybriden Monitorings findet das Training etwa für ein KI-Modell in der Cloud statt, die Erkennung der Anomalien erfolgt direkt auf den Edge-Geräten beinahe in Echtzeit. Die Entscheidungen rund um die Datenhandhabung haben einen direkten Einfluss auf die Auswahl der Technologien und damit verbundenen Infrastrukturen.
3. Technologien und Infrastrukturen
Kaufen oder selber bauen? Intern betreiben oder auslagern? Hier stehen Wirtschaftlichkeit und Haftungsfragen im Vordergrund. Datengetriebene Anwendungen auf eigene Faust rechtskonform zu entwickeln und zu betreiben, bedeutet neben einer hohen Investition gegebenenfalls auch eine längere Vorlaufzeit vor der Einführung der Lösung. In vielen Fällen ist es vorteilhafter, sich auf existierende Anwendungen und Technologien zu verlassen, sei es von kommerziellen Herstellern oder Open Source. Diese befolgen gängige Architekturen und Standards, konsolidieren Erfahrungen von unterschiedlichen Kunden, haben viele technische Herausforderungen bereits überwunden und arbeiten häufiger mit dem dem aktuellen Stand der Technik. Das gleiche gilt für Infrastrukturen. In jedem Partnernetzwerk sollte eine gemeinsame Strategie für die Einrichtung und Nutzung der technischen Infrastruktur erwogen werden, so dass nach außen eine gemeinsame Plattform und nicht mehrere Insellösungen sichtbar werden. Der Aufwand für die Entwicklung und den Betrieb datengetriebener Anwendungen, insbesondere im Fall der Anwendung des maschinellen Lernens, ist so groß, dass dieser Aufwand im Partnerverbund nur dann erbracht wird, wenn entweder ein wirtschaftliches Abhängigkeitsverhältnis besteht oder ein direkter Mehrwert vorliegt.
Innovation beschleunigen
Die zentrale Herausforderung für Groß- oder Kleinunternehmen auf dem Weg zur Wertschöpfung der Daten bleibt das Knowhow zu Anwendungsfällen, Big Data und KI. Digitale datengetriebene Wertschöpfungsnetzwerke und Verbunde zwischen technologieaffinen Start-ups, Forschungseinrichtungen und den produzierenden Unternehmen können die Innovation beschleunigen.