Der technologische Wandel in der Automobilindustrie wird von datengetriebenen Innovationen und künstlicher Intelligenz (KI) geprägt. Um wettbewerbsfähig zu bleiben, müssen Unternehmen Daten effektiv nutzen. Ein datenzentriertes Betriebsmodell bietet den nötigen Rahmen, um KI und andere Technologien strategisch einzusetzen und so Effizienz, Qualität und Wertschöpfung zu steigern. Dieser Artikel beleuchtet die zentrale Rolle von Daten und gibt praxisnahe Empfehlungen für eine erfolgreiche Transformation.

Die wachsende Bedeutung von Daten

Die wachsende Menge an Daten, die global vernetzt und in Echtzeit verfügbar sind, bildet das Fundament für Innovationen und neue Geschäftsmodelle. Sie eröffnen neue Möglichkeiten, die
Wertschöpfung im Unternehmen deutlich zu verbessern. Die folgenden Beispiele zeigen den Nutzen in verschiedenen Prozessen:

1. Supply Chain Management
   IoT-Technologien und datenbasierte Analysen optimieren Lieferketten, senken Kosten und verbessern die Lieferpünktlichkeit. Ein japanischer OEM reduzierte so die Lagerkosten um 20 Prozent und verbesserte die Lieferpünktlichkeit um 15 Prozent.
2. Produktionsprozesse
   Vernetzte Maschinen und Datenanalysen erhöhen die Effizienz und reduzieren Ausfallzeiten. Ein deutscher OEM nutzt weltweit über 50.000 vernetzte Maschinen, um durch kontinuierliche Datenanalyse die Produktionsqualität und Effizienz zu steigern. Dies senkte die Produktionskosten um 5 Prozent und reduzierte Ausfallzeiten um 25 Prozent.
3. Produktentwicklung
   Datengetriebene Ansätze beschleunigen die Produktentwicklung und verbessern die Qualität neuer Modelle. KI-gestützte Analysen verarbeiten große Datenmengen aus Simulationsdaten und realen Testergebnissen, was die Entwicklungsprozesse optimiert, die Entwicklungszeiten verkürzt und die Anzahl benötigter Prototypen reduziert. Dies führt zu erheblichen Kosteneinsparungen.

Handlungsempfehlung für die Einführung von KI

Seit Mitte der 2010er Jahre wächst das globale Datenvolumen, insbesondere bei Echtzeitdaten, exponentiell. KI-Technologien ermöglichen die zuverlässige Verarbeitung und Analyse dieser Daten in Echtzeit, was entscheidend für schnelle Entscheidungen und Wettbewerbsfähigkeit ist. KI steigert zudem die Effizienz durch Automatisierung repetitiver Aufgaben und reduziert menschliche Fehler, etwa in der Produktionsüberwachung und smarten Wartung. Die Nutzung von KI erfordert einen ganzheitlichen Ansatz, den wir datenzentriertes Betriebsmodell nennen. Dieser erkennt die zentrale Rolle von Daten an und betrachtet das Unternehmen ganzheitlich. Zu den Schlüsselelementen eines datenzentrierten Betriebsmodells gehören:

• Business Impact:
  Die Implementierung und Nutzung von KI müssen auf Wertgenerierung und die Erreichung der Unternehmensziele abzielen.
• Data Foundation:
  Ressourcen und Kompetenzen im Bereich Data Governance und Data Management sind unabdingbar. Standards und Richtlinien sind unerlässlich, um die Verfügbarkeit, den Zugriff und die Qualität der Daten sicherzustellen. KI, die auf falschen Daten trainiert oder angewendet wird, führt zwangsläufig zu falschen Ergebnissen.
• People:
  Mitarbeitende sind entscheidend für den Erfolg und die Nutzung neuer Technologien. Die zunehmende Datenkomplexität erfordert qualifizierte Fachkräfte. Data Literacy beschreibt diese Fähigkeit (s. Kasten). Schulungen und professionelles Change-Management sind notwendig, um die Mitarbeitenden für die neuen Anforderungen fit zu machen.

• Brand:
  In Zeiten des Fachkräftemangels und des demographischen Wandels ist das Finden und Halten von Talenten essenziell für die Wettbewerbsfähigkeit.
• Data Utilization:
  Eine moderne und flexible Cloud-Infrastruktur sowie robuste IT-Architekturen bilden die Grundlage für die erfolgreiche Nutzung von Daten. Die Anwendung von Tools wie Dashboards und KI zur Lösung spezifischer Business-Probleme ist für die Wertgenerierung entscheidend.

Die Praxis

Aus unserer Erfahrung ist es entscheidend, die Implementierung von KI als eine Reise zu verstehen, die eine strategische Vorgehensweise erfordert. Zuständigkeiten und Verantwortlichkeiten müssen auf Vorstandsebene verankert werden. Basierend auf einer umfassenden Analyse der Unternehmensstrategie, -kultur und -ziele wird eine individuelle Datenstrategie entwickelt.

Ein erster Schritt besteht darin, die Unternehmensziele zu analysieren und daraus die Anforderungen an das Datenmanagement (Data Foundation), die notwendigen Mitarbeiterkompetenzen (People), die relevanten Anwendungsfälle sowie die erforderlichen technischen Voraussetzungen (bei des Data Utilization) abzuleiten. Die Strategie gibt die Richtung vor, die operative Umsetzung erfolgt jedoch in konkreten, kleinen Schritten. Als Startpunkt haben sich sogenannte KI-Exzellenzzentren bewährt, die Kompetenz, Strategie und Governance zentral bündeln, während Experten und Projekte aus den jeweiligen Fachbereichen kommen.

Parallel dazu erarbeiten wir mit gemeinsam mit unseren Kunden Kommunikationskonzepte, um die Mitarbeitende frühzeitig auf die Veränderungen vorzubereiten und Schulungen anzubieten, die auf die neuen Anforderungen im Umgang mit Daten (Data Literacy) zugeschnitten sind.

Die weiteren Schritte erfordern Flexibilität und hängen von verschiedenen Faktoren ab. Je nach Unternehmensgröße und -struktur kann dies ein angepasstes KI-Betriebsmodell beinhalten. Ein
Praxisbeispiel zeigt, dass ein starkes „Pull“ aus den Fachbereichen nach der ersten Implementierungsphase zu einer Verlagerung der Ressourcen dort hin geführt hat.

Ausblick

Unsere Erfahrungen und Marktbeobachtungen zeigen ein breites Spektrum an Aktivitäts- und
Reifegraden im Umgang mit Daten und KI. In den kommenden Jahren wird die Automobilindustrie zunehmend von Unternehmen dominiert werden, die KI und datengetriebene Ansätze strategisch integrieren. Ein datenzentriertes Betriebsmodell wird entscheidend sein, um das volle Potenzial dieser Technologien auszuschöpfen. Der aktuelle Trend zur Konsolidierung und Reflexion im Umgang mit Daten und KI bietet eine einmalige Chance, diese Technologien tief in der Unternehmensstrategie zu verankern. Unternehmen, die diesen Weg konsequent verfolgen, werden effizienter arbeiten, innovative Produkte und Dienstleistungen entwickeln, und den Markt nachhaltig prägen.

Die Autoren

Ulrich Lorang ist Unternehmensberater für KI, Daten und digitale Transformation mit langjähriger Industrieerfahrung. Zuletzt verantwortete er den Bereich Daten in einem internationalen Energieunternehmen, wo er den Bereich KI aufgebaut und erfolgreich etabliert hat. Heute berät er strategisch Unternehmen verschiedener Branchen, unter anderem im Automobilsektor in Zusammenarbeit mit Strategy Engineers.

 

 

 

Arne Petersen ist Partner bei Strategy Engineers. Seit 20 Jahren berät er Kunden entlang der automobilen Wertschöpfungskette in Fragestellungen zu Profitabilität und Zukunftsfähigkeit.