Erschienen in Markt und Mittelstand 04/2023.
Im Marketing ist das Erheben von kundenbezogenen Daten schon immer ein wichtiger Faktor. Je mehr, desto besser. Supermärkte sammeln beispielsweise mithilfe von Rabattkarten oder ähnlichen Mitteln Informationen über das Kaufverhalten ihrer Kundinnen und Kunden. Das Ziel ist dabei, das Kundenverhalten möglichst gut zu analysieren, um es einerseits vorhersagen und andererseits beeinflussen zu können. So gab es beispielsweise schon vor vielen Jahren einen aufsehenerregenden Fall, in dem ein amerikanischer Supermarkt alleine aufgrund der erhobenen Einkaufsdaten vorhersagen konnte, wann der errechnete Geburtstermin einer Frau sein würde. Die Marketingleute nutzten diese Information dann, um gezielt Werbung für Windeln zu platzieren.
Das geht natürlich auch im B2B-Bereich. Was Supermärkte für ihre Kunden errechnen können, können auch Händler für ihre Industriekunden vorhersagen. In Summe können diese Informationen Geld wert sein, wenn man beispielsweise die Lagerhaltung oder Vertriebswege optimieren kann. Die Möglichkeiten, die es im Rahmen der geltenden Datenschutzbestimmungen gibt, werden hierzulande durchaus genutzt. Wo Big Data aber immer noch ein Schattendasein fristet, ist die Industrie. Im Land der Maschinenbauer konzentrieren wir uns meist auf die Optimierung einzelner Anlagen. Dass diese Anlagen auch ein interessanter Datenlieferant sein können, sickert nur langsam durch.
Dabei können große Datenmengen, wenn sie ausgewertet werden, auch für den industriellen Bereich hilfreiche Informationen beinhalten. Im Bereich der predictive Maintenance beispielsweise können Parameter, die sich über die Zeit leicht verändernd auf den Verschleiß eines bestimmten Teiles hinweisen, bevor es kaputt ist. So kann die Reparatur der Maschine geplant werden und muss nicht mitten im Betrieb auf die Schnelle repariert werden, wenn das Teil wirklich kaputt ist. Doch diese Anwendungen lassen sich nur mit „echten“ Daten entwickeln. Statistische Aussagen lassen sich eben nur machen, wenn man auf eine kritische Masse an Maschinen zurückgreifen kann. Wer die Daten der eigenen Maschine teilt, profitiert also auch von den Informationen von Maschinen, die an anderen Orten stehen.
Wer seine Maschinendaten lieber für sich behält, kann dennoch von Big Data profitieren. Bei manchen Produktionsprozessen wird immer wieder das gleiche Produkt auf unzähligen Maschinen produziert, beispielsweise Garn. Dabei ist es wichtig, dass die Endprodukte eine reproduzierbare Qualität haben. Manchmal gibt es Schwankungen in der Produktqualität, die auf unterschiedliche Herstellungsparameter und Umgebungseinflüsse zurückzuführen sind. Diese sind aber für den Menschen nicht so einfach ersichtlich. Wer also Eingangsparameter, Umgebungswerte und die Qualität des Endprodukts kontinuierlich erfasst, wird mit statistischen Methoden Muster erkennen können. Diese können dann ein Hinweis darauf sein, wo es in der Maschine hakt und welcher Parameter anders eingestellt werden müsste. Die Auswertung von Daten kann vielfältige Impulse bringen – schauen Sie sich Ihren jeweiligen Datenschatz ruhig einmal mit Hilfe von fähigen Analysten an. Sie werden staunen, was Sie alles finden werden!
