Big Data ist kein Thema für den Mittelstand? Weit gefehlt! Denn auch in mittelständischen Unternehmen nimmt die Datenmenge kontinuierlich zu: Wo Produktionsabläufe automatisiert und digital gesteuert werden, das Marketing zunehmend im digitalen Raum des Internets stattfindet und Personal durch maßgeschneiderte Software ersetzt wird, da entstehen auch in kleinen und mittleren Unternehmen inzwischen große Datentöpfe. Doch was tun mit diesen Informationen? Laut einer Studie der Universität Potsdam standen dieser Frage im Jahr 2015 noch 70 % aller 1.500 teilnehmenden KMU-Manager weitgehend ratlos gegenüber. Dabei birgt die täglich wachsende, unternehmensinterne Datenflut große Chancen für die erfolgreiche Weiterentwicklung des Unternehmens.
„Big Data lässt sich nur schwer interpretieren, dazu werden Spezialisten benötigt.“
Was Professor Dr. Norbert Gronau, Leiter der Studie, auf den Punkt bringt, ist dann auch die Krux für den deutschen Mittelstand: „Ursache für die geringe Nutzung sind vor allem fehlendes Know-how und zu geringe interne Ressourcen.“ Auch heute, zwei Jahre nach der Potsdamer Big-Data-Studie, hat sich an dieser Situation nur wenig verändert: In die Auswertung von unternehmensinternen Daten wird weiterhin vor allem in Bezug auf Risikomanagement und Logistik investiert. Nur der Bereich Online-Marketing hat hier auch in den KMUs deutlich an Relevanz gewonnen. So werden Informationen aus Kommentaren, Fotos und Videos von Usern, Transaktionsdaten, GPS-Signale, etc. inzwischen gezielter dafür genutzt, um die Kundenbindung zu stärken. Dabei geht die Mehrheit der KMUs jedoch noch einen sehr traditionellen Weg der Datenauswertung.
Das Manko der nachträglichen Datenauswertung
Werten KMU ihre Daten überhaupt aus, dann geschieht dies ganz traditionell im Rahmen einer nachträglichen Bewertung. Die Informationen werden hier vorwiegend dazu genutzt, um Optimierungsmaßnahmen für die Zukunft zu entwickeln. Eine Nutzung der Informationen in Echtzeit, um situativ oder sogar vorbeugend zu agieren, steht für viele KMU allein schon aufgrund der schon genannten internen technischen und personellen Auswertungsprobleme noch in den Sternen. Dabei können spezielle Softwarelösungen und auch externe Dienstleister diese Lücke erfolgreich und auch kostentragend schließen, wie das Beispiel von „Predictive Maintanance“ belegt.
Predictive Maintainance oder der Blick in die unternehmensinterne Glaskugel
Durch die permanente Echtzeit-Analyse von Produktions- und Maschinendaten ist es möglich, etwaige Störungen im Produktionsablauf schon frühzeitig zu erkennen und Folgeschäden erfolgreich vorzubeugen. Das zahlt sich aus – nicht zuletzt auch im Bereich der Produktionswartung: Wurde früher auf die automatische Überprüfung und Kontrolle in bestimmten Zeitintervallen gesetzt, so ermöglicht die Echtzeit-Auswertung von Maschinendaten „predictive maintainance“. Dank dieser „vorausschauenden Wartung“ entfällt das regelmäßige Herunterfahren der Produktion zu Kontroll- und Wartungszwecken vollständig, da mögliche Probleme oder Verschleiß schon durch die Echtzeit-Analyse frühzeitig erkennbar werden. Fällt zum Beispiel die Spannung an einer Maschine kurz ab, dann sind das schon erste Hinweise darauf, dass ein technischer Fehler entstehen und dass das im Moment produzierte Produkt höchstwahrscheinlich nicht den Qualitätsstandards entsprechen wird. Auf diese Weise kann sowohl dem Produktionsstopp aufgrund eines Maschinenausfalls als auch einer teuren Rückrufaktion erfolgreich vorgebeugt werden.
Fazit
Nur wer in der Lage ist, die Daten aus allen Unternehmensbereichen vollständig zu erheben und produktiv auszuwerten, kann letztlich auch das ganze Potenzial von Big Data voll für sein Unternehmen ausschöpfen. Der Erfolgsschlüssel liegt hier eindeutig in der abteilungsübergreifenden und damit unternehmensweiten Datenzusammenführung und professionellen, interdisziplinären Datenanalyse. Wie sich diese in Zukunft im Mittelstand durchsetzen wird, ist noch offen. Eines steht jedoch jetzt schon fest: Die Entwicklung lässt sich nicht zurückdrehen.
Gastautor: Daniela Fehrenbacher