KI schafft Mehrwert aus Daten. Voraussetzung ist, dass die Daten einen ausreichenden Informationsgehalt für die Fragestellung enthalten, die die KI beantworten soll. Daten sind also die Grundlage für die Wertschöpfung mit KI. Doch was bedeutet das für Ihre Datenstrategie? Sollten Sie frühzeitig mit der Sammlung von Unternehmensdaten beginnen oder besser warten, bis Sie sich auf konkrete KI Use Cases festgelegt haben? Welche Daten sollten gespeichert werden? Wird ein zentraler Datenspeicher benötigt? In diesem Artikel finden Sie Antworten auf diese Fragen.
Oberstes Ziel einer jeden Datenstrategie ist natürlich, diejenigen Daten zu speichern, die für Ihr Unternehmen wertvoll sind oder wertvoll werden könnten. Zur Identifizierung der wertvollen Daten ist es hilfreich, wenn Sie zunächst eine Liste aller Datenquellen Ihres Unternehmens erstellen. Potenziell wertvolle Daten sind etwa ERP-Daten, Produktionsdaten, Produktionsplanungsdaten, Produktdaten und Daten aus der Qualitätskontrolle. Anschließend sollte die Wertigkeit jeder Datenquelle abgeschätzt werden, z.B. auf einer Skala von 1 (wenig relevant) bis 5 (sehr wertvoll).
Bei der Einschätzung der Wertigkeit Ihrer Daten eignen sich aus unserer Sicht 2 Ansätze besonders gut. Zum Einen können Sie sich anschauen, wie die Daten zu den Geschäftsprozessen Ihres Unternehmens beitragen und welcher Geschäftswert sich hieraus ergibt. Zum Zweiten können Sie sich fragen, wie nah die Daten an Fragestellungen liegen, die für sie wichtig sind, aber auf die Sie keine verlässlichen Antworten haben.
Wenn Sie bei einer Einschätzung zu keinem klaren Ergebnis kommen können, sollten Sie diese Daten zur Speicherung vorsehen. Die Kosten hierfür sind auf Sicht geringer als das Risiko von Datenlücken, die hinterher weh tun.
Welches Wissen, welche Zusammenhänge, welche Erkenntnisse sind in Ihren Daten enthalten?
Prinzipiell gilt: mit dem Sammeln wertvoller Daten können Sie nicht früh genug anfangen. Je mehr historische Daten zur Verfügung stehen, desto zuverlässigere KI-Modelle können auf diesen Daten trainiert werden. Deshalb sollte die systematische Datensammlung nicht erst beim Start eines KI-Projektes beginnen. Daten sind wertvoll und Speicherplatz ist so günstig wie nie. Daten, die in der Vergangenheit nicht gespeichert wurden, holt man nicht mehr zurück. Warum also mit der Datenspeicherung warten?
Datenspeicherung ist eine Investition in zukünftige Wertschöpfung.
Damit die gesammelten Daten bestmöglich zu Ihrer zukünftigen Wertschöpfung beitragen, sollten sie zentral gespeichert werden. Aus KI-Sicht ist die Anbindung an Datenquellen grundsätzlich ein zeitintensiver Prozess. Dieser Aufwand ist umso höher, je mehr dezentrale Datenquellen angeschlossen werden.
Ein zentraler Datenspeicher kann den Einstiegsaufwand erheblich reduzieren. Dabei werden alle wertvollen Unternehmensdaten in einer zentralen Datenbank oder einem Datalake gespeichert und wichtige Eigenschaften dokumentiert, z.B. Spaltenbezeichner, Beschreibung, Datenquelle, Vorhaltezeit, Einheit, Erfassungszyklus. Zudem können Prozesse geschaffen werden, die sicherstellen, dass neue Daten fortlaufend eingepflegt werden und unternehmensinternen Daten-Qualitätsstandards genügen.
Auf diesen zentralen Datenspeicher können nun alle Analytics-, KI- und andere Software-Anwendungen aufsetzen. Damit ermöglichen Sie sowohl Ihrer hausinternen Entwicklung als auch externen Dienstleistern, schnellstmöglich produktive Anwendungen für Sie zu entwickeln. Hierzu empfehlen wir, einen standardisierten Prozess bzw. Schnittstellen zu schaffen, über die neue Entwickler schnell Zugriff auf Ihre Daten erhalten können.
Die zentrale Organisation von Unternehmensdaten ist die beste Vorarbeit für die Wertschöpfung mit höherwertigen Analytics- und KI-Anwendungen.
Für alle Unternehmen, die Daten zur Steigerung ihrer Wertschöpfung nutzen wollen, ist eine schlaue Datenstrategie eine unverzichtbare Vorarbeit. Doch wie fängt man am besten an? Wir empfehlen, im ersten Schritt ein Daten-Audit durchzuführen. Das Ziel des Daten-Audits ist es, einen zentralen Überblick über alle Datenquellen Ihres Unternehmens zu schaffen, etwa als Datenlandkarte.
Die Datenlandkarte enthält alle Datenquellen, Datensenken und Datenverarbeitungselemente sowie deren Verbindungen untereinander. Weitere technische Aspekte wie Speicherorte, Dateiformate, Datenvolumen, Sicherheitsanforderungen oder die Dauer der Datenvorhaltung können die Datenlandkarte ergänzen. Zudem sind in der Regel auch rechtliche und vertragliche Speichervorgaben zu berücksichtigen.
Mit einem gründlichen Daten-Audit schaffen Sie eine sehr gute Grundlage, um im nächsten Schritt Ihren zentralen Datenspeicher aufzubauen. Wenn Sie sich für die Umsetzung Ihres Daten-Audits externe Unterstützung mit ins Boot holen möchten, sprechen Sie uns gerne auf den aiXbrain Datenaudit an. Wir freuen uns, von Ihnen zu hören.