Nicht die Datenanalyse sollte der Ausgangspunkt für automatisierte Entscheidungssysteme sein, sondern die Frage: Welche automatisierten Entscheidungen muss mein Unternehmen (ständig) treffen – erst danach kommt die Frage nach den Daten.
Wer seiner Angehimmelten ein fulminantes Essen kochen möchte, wird sich kaum vor den halbleeren Kühlschrank stellen und sich fragen: Was kann ich daraus noch machen? Er wird sich fragen: Womit kann ich sie begeistern und was brauche ich dazu?
Viele Unternehmen, die sich mit Data Analytics beschäftigen, entscheiden sich aber für die Reste-Variante: Sie betrachten die Daten, die sie haben, und fragen sich: Was kann ich daraus machen und welche Erkenntnisse kann ich daraus ziehen? Es wäre aber deutlich effektiver, die drängenden oder auch täglichen Business-Entscheidungen herauszuarbeiten und dann zu ermitteln, welche Daten man dazu benötigt (und eventuell schon hat – oder noch eruieren muss).
Wenn man genau hinschaut, funktioniert die Reste-Herangehensweise in keinem Business-Bereich gut: Die Bild-Zeitung fragt sich nicht täglich: „Was ist gestern passiert und was kann ich daraus machen?“, sondern „Was wollen die Leute lesen und wo kriege ich die ‚Fakten‘ her?“. Tesla ist nicht so erfolgreich, weil sie einen großen Plattform-Baukasten haben und sich fragten, „was für ein Modell kann ich daraus noch zaubern“, sondern das Auto gebaut haben, von dem sie annahmen, dass es die Konsumenten begeistert – und sich dafür die Komponenten geholt oder entwickelt haben. Das iPhone war keine Weiterentwicklung bestehender Handytechnik („was können wir daraus machen?“), sondern getrieben vom Ansatz: was wäre das ultimative mobile Gerät, das Kunden begeistert und sich dann die Technik dafür eingekauft oder entwickelt.
Nicht daten-, sondern entscheidungsgetrieben vorgehen
Auch bei KI-unterstützten, datenbasierten und automatisierten Entscheidungen ist der Erfolg davon abhängig, wie man an die Lösungen herangeht: Wer nur seine Daten betrachtet und eine reine Datenanalyse fährt, also rein datengetrieben agiert, wird es in der Produktentwicklung schwer haben, große Sprünge zu machen. Vielfach versucht man sogar, anhand der vorhandenen Daten Entscheidungen im Nachhinein zu erklären, und zu untermauern, warum man sich so entschieden hat. Letztlich ist das herausgeworfenes Geld. Es führt nicht zu einer Disruption oder starken Digitalisierung.
Wer sein Business mit automatisierten Entscheidungssystemen weiterentwickeln möchte, darf daher den Blick nicht zu intensiv auf die Daten und Analysen richten, die er hat, sondern darauf, welche Entscheidungen er treffen muss – und erst im zweiten Schritt, welche Daten dafür schon vorhanden sind und benötigt werden.
Die folgende Tabelle zeigt die Unterschiede der Herangehensweise:
