Die Mehrwerte aus Daten & KI

Die Digitale Transformation lebt davon, aus verfügbaren Daten wertvolle Erkenntnisse zu gewinnen und diese gezielt für den Unternehmenserfolg einzusetzen. Dabei geht es im Kern um eine Sekundärnutzung von Daten. Klingt kompliziert, ist aber eigentlich ganz einfach: Unternehmensprozesse erzeugen und speichern Daten bei Geschäftsereignissen, wie beispielsweise einer Kundenbestellung. Diese Daten können für analytische Zwecke „recycelt“ werden. So nutzt eine Kundenwert- oder Abwanderungsanalyse unter anderem die historischen Bestelldaten, um Muster zu erkennen, wann Kunden eine hohe Kündigungswahrscheinlichkeit haben. Dieses Wissen kann sodann genutzt werden, um gezielt Kunden anzusprechen, Kündigungen zu vermeiden und somit Umsatzpotenziale zu heben.

Das vorangehende Bespiel illustriert ein mögliches Einsatzgebiet von KI, um geschäftliche Potenziale zu heben. Während Technologien wie Künstliche Intelligenz derzeit viel mediale Aufmerksamkeit erhalten, stehen viele Unternehmen noch immer vor der Herausforderung, Daten in echten, messbaren Mehrwert zu übersetzen. Was macht für mein Unternehmen Sinn? Wo fange ich an? Was benötige ich dafür? Ist KI das richtige Werkzeug für mein Problem?

Herausforderungen

Falsch machen kann man dabei vieles, und Herausforderungen im Bereich Daten gibt es auch genügend.

Und ja, Technologie gehört häufig ebenfalls zu den Herausforderungen, ist dabei aber so gut wie nie die härteste Nuss, die es zu knacken gilt: Die technologischen Herausforderungen sind gelöst. 

Wenn es darum geht, die mannigfaltigen Probleme rund um Daten zu adressieren, fallen nicht selten Begriffe wie Daten- und/oder KI-Strategie. Was ist das eigentlich genau? 

Daten- und KI-Strategie – ein meist missverstandenes Mysterium

Selbst ohne das Daten- oder KI-Präfix – Strategie ist ein weit missverstandener Begriff. Er wird im geschäftlichen, gesellschaftlichen und privaten Kontext von Akteur:innen benutzt – nur selten besteht ein Konsens darüber, was unter Strategie verstanden wird.  

Im geschäftlichen Kontext ist Strategie jedoch sehr klar und trennscharf definiert: Strategie bedeutet, bewusste Entscheidungen zu treffen – über die Ambitionen eines Unternehmens, die Kunden, die es bedient, die Produkte oder Dienstleistungen, die es anbietet, und wie es im Vergleich zur Konkurrenz einen überlegenen Mehrwert für diese Kunden liefert.   

Bei der Nutzung der Begriffe Daten- oder KI-Strategie gilt es ebenfalls aufzupassen – auch hier scheint kein Konsens zu herrschen, was man darunter versteht. Sowohl in der Literatur, innerhalb der Daten- und KI-Expert:innen-Gemeinschaft als auch bei Entscheider:innen und Führungskräften. Die einen verstehen darunter einen Fahrplan, wie man Daten- und KI-relevante Unternehmenskompetenzen wie Data Governance, Daten(qualitäts)management, Analytics oder relevante Daten- oder IT-Architektur aufbaut, die anderen halten es für ein Komplement der Geschäftsstrategie, das definiert, wie eine Organisation mit Hilfe von Daten und KI am Markt gewinnt, d.h. einen nachhaltigen Wettbewerbsvorteil generiert. 

Beide Versuche einer Definition sind in meinen Augen problematisch, weil sie nicht kompatibel mit der oben genannten weit verbreiteten und allgemein akzeptierten Definition einer Geschäftsstrategie sind. Dies führt in der Praxis häufig zu Problemen, da es die Kommunikation zwischen betriebswirtschaftlichen bzw. strategischen Expert:innen in einem Unternehmen mit Expert:innen für Daten und KI mindestens einmal erschwert – wenn nicht sogar wenig zielführend macht. Letztlich geht es beim Einsatz von Daten und KI darum, Wettbewerbsvorteile für das Unternehmen zu realisieren. Das ist schwierig, wenn involvierte Stakeholder keine gemeinsame Sprache sprechen. 

Eine gemeinsame Sprache für Strategie, Daten & KI

Wie schafft man es, strategische Entscheidungen und Ansätze bezüglich Daten und KI mit der Geschäftsstrategie zu harmonisieren? Es ist eigentlich einfach: trifft eine Organisation strategische Entscheidungen im Hinblick auf Daten und KI, die auf einen Wettbewerbsvorteil einzahlen, so sind diese Teil der Geschäftsstrategie – und kein Supplement dieser. 

Innovation von Daten- und KI-Anwendungsfällen und das Design von Geschäftsstrategien gehören somit zusammen und gehen Hand in Hand. Pläne, wie man strategische Unternehmenskompetenzen auf- oder ausbaut ergeben sich aus der Geschäftsstrategie. 

Finden Daten- oder KI-Strategien dann gar keine Anwendung? Doch, in Form einer Funktionsstrategie. Benötigt ein Unternehmen eine Funktion (Team, Abteilung, Exzellenzzentrum) für Daten, Analytics und/oder KI, so benötigt diese Funktion eine Strategie, das ist die Datenstrategie. Sie definiert, wie die Funktion bei seinen meist internen Kunden mit seinen Produkten und Dienstleistungen gewinnt und somit auf die Geschäftsstrategie einzahlt.

Wie wird meine Organisation datengetrieben bzw. KI-exzellent?

Schlüssel und Basis für den Erfolg einer Organisation mit Daten oder KI ist – wie mit jeder anderen Technologie – eine solide Geschäftsstrategie, die klar definiert, welche strategische Rolle Daten und KI für den geschäftlichen Erfolg spielen. Dafür benötigt es interdisziplinäre Strategie-Design-Teams, die im Rahmen des Strategie-Designprozesses Datenanwendungsfälle innovieren und ggf. verproben. Dies wiederum erfordert Kompetenzen in der Organisation sowohl für Strategie als auch für Daten und KI.

Erfordert die Aktivierung der Strategie umfangreiche Veränderungen in der Organisation, so handelt es sich um ein (digitales) Transformationsvorhaben, welches entsprechen begleitet werden muss. Dazu bedarf es ebenfalls Kompetenzen aus dem Organisationsdesign, welche unter anderem die Entwicklung einer Datenkultur ermöglichen.

Fazit

Viele Initiativen zur Wertschöpfung mit Daten und KI sind noch immer technologiegetrieben. Dabei liegen die eigentlichen Herausforderungen häufig im Strategie- und Organisationsdesign. Wer Datenpotenziale nachhaltig erschließen will, sollte den medialen Hype kritisch hinterfragen – und mit klarem Blick entscheiden, ob und wo Daten und KI echten Mehrwert schaffen können. Dafür braucht es eine gemeinsame Sprache und fundierte Kompetenzen – sowohl für Daten & KI als auch für Strategie und Organisationsdesign.