Beratung Machine Learning und Analytics in der Entwicklung

Data Analytics und Machine Learning (ML) sind in vielen Bereichen der Produktentwicklung sehr prominent in Erscheinung getreten. Von digitalen Assistenten in Smartphones und Smart Home Applikationen, über Assistenz- und Sicherheitssysteme bis hin zu Convenience Funktionen in verschiedenen Softwarepaketen – bspw. bei der Erstellung von Stunden- und Einsatzplanungen.

In anderen Bereichen, z.B. der Produktion sowie dem gesamten IoT Umfeld, haben Data Analytics und darauf basierende Ansätze, wie zum Beispiel predictive maintenance, schon lange Einzug in den Alltag gehalten und gezeigt, wie groß die Potentiale zur Steigerung von Effizienz und Qualität sind.

Analytics und Machine Learning zur Befähigung der Entwicklungsabläufe

In der Produktentwicklung ist dies in der Breite bislang noch nicht der Fall. Ein Großteil der Firmen nutzt bislang noch nicht die Daten ihrer Produkte, Produktverkäufe und des Produkteinsatzes, um ihre Entwicklung zu optimieren. Ebenso werden die Daten aus ihren Entwicklungsprozessen noch nicht genutzt, um diese evidenzbasiert zu optimieren.

Sicher ist jedoch, dass Machine Learning und Analytics-Ansätze die Arbeitsweise in allen Unternehmen in den kommenden Jahren massiv beeinflussen wird und sonst nicht erreichbare unternehmerische Vorteile im Wettbewerb ermöglichen. Absehbar und zum Teil bereits in Anwendung sind z.B.:

  • Die teilautomatisierte Analyse von Kundenbedarfen und Marktveränderungen,

  • die teilautomatisierte Entwicklung von neuen Produkt-Features,

  • Optimierung von Produktstrukturen und Varianten,

  • Tailoring oder Unterstützung in der Ausführung unternehmerischer Abläufe,

  • Unterstützung und Beschleunigung von Entscheidungsprozessen.

Damit diese realisiert werden können, müssen jedoch einige grundlegende organisatorische Bedingungen vorhanden sein:

  • Unternehmerische und konsistente Zielsysteme,

  • Abgestimmte Daten- und IT-Strukturen sowie Durchgängigkeit der Tools & Systeme,

  • Modelle und Quellen umfangreicher, konsistenter und qualitativ wertiger Daten zu Produkten und Prozessen,

  • unternehmerisches Verständnis in der Organisation zu möglichen, realistischen Anwendungen sowie

  • ggf. Aufbau von „Analytics-“ oder „AI-Teams“, welche eine Ausrichtung als unternehmerische Dienstleister besitzen.

Herausforderungen in der Einführung

Die bis dato langsame Anwendung dieser Konzepte liegt zum einen sicherlich in der Natur der Produktentwicklung, die per se deutlich weniger vorhersagbar ist als bei hochautomatisierten Produktionsprozessen. Damit verbunden ist die Schwierigkeit Prozess- und Einsatzdaten von Produkten zu erheben, welche eine adäquate Vernetzung voraussetzt. Datenschutzrechtliche Fragen tragen ein Übriges dazu bei.

Bei Anwendung auf die eigenen Konzepte hakt es oft an der Vielzahl an Tools, die in der Entwicklung im Einsatz sind, und die trotz allem nicht die wesentlichen Daten und Informationen über die Entwicklungsprozesse und deren Auswirkungen auf Kosten, Termintreue und Qualität der Produkte und Services liefern können.

Ebenso werden für eine Reihe von Services, die heute auf Basis von Machine Learning und Data Analytics automatisiert und damit vereinfacht und deutlich beschleunigt werden könnten, noch immer viele Mitarbeitern eingesetzt, die mit ihrer Ausbildung und Erfahrung höherwertigen und wertschöpfenderen Tätigkeiten nachgehen könnten. Standard Supportanfragen und Problemlösungen und automatisierte Problemerkennung und Beseitigung in Systemen gehören zu den prominenten Beispielen dieser Kategorie.

 

ROI-EFESO hilft Ihnen im Rahmen von Beratungsprojekten diese Herausforderungen zu überwinden und damit die Potentiale Schritt für Schritt in Ihrem Unternehmen zu realisieren. Hierzu gehören:

  • Business Diligence:
    • Erarbeitung & Klärung wesentlicher Fragestellungen und grundlegender Ziele, die Sie in Ihrer Entwicklung mit Analytics Knzepten lösen wollen
    • Assessment ihrer Tol- und Datenlandschaft zur Erstbeurteilung der Möglichkeiten
    • Assessment der Reife vn Prozessen und Organisation
  • Information Architecture und Analytics Konzeption:
    • Ermittlung von relevanten Use-Cases
    • Analyse und Knzeption der Daten und Toollandschaft inklusive Anpassung und Automatisierung von Entwicklungsprozessen
  • Unternehmerische Realisierung:
    • Datengetriebene Prduktentwicklung: Upgrade von Produktmanagement und Portfoliomanagement basierend auf Kunden und Nutzungsdaten
    • Datengetriebene Przessverbesserung in der Entwicklung:
      Przessoptimierung und Implementierung von Verbesserungsmechanismen basierend auf Entwicklungsprozessdaten, wie z.B. ML-unterstützte Aufwandsschätzungen
    • Begleitung in der Herstellung einer organisatorischen Befähigung, z.B. Aufbau von AI Teams
clickable image that starts video playback
Führt mehr Information zwangsläufig zu mehr Komplexität? Andreas Pfister, Director Industrial Core Processes bei Freudenberg IT schildert im Video der Unternehmensberatung ROI technologische Herausforderungen des „Internet of Things“ (IoT) für Unternehmen.
clickable image that starts video playback
Impressionen vom „5. Fachkongress Industrie 4.0“, ein Event von ROI, PRODUKTION und SV Veranstaltungen am 21. und 22. November 2017 in der Gartenhalle der Messe Karlsruhe. Hochkarätige Vorträge aus allen Sparten der verarbeitenden Industrie sowie Keynotes aus Wissenschaft und Forschung lieferten Orientierungspunkte und Entscheidungshilfen für Industrie 4.0-Projekte.
clickable image that starts video playback
„Die Liste der in den vergangenen Jahren nominierten Projekte liest sich wie ein exzellentes Praxis-Handbuch für eine erfolgreiche und nachhaltige digitale Transformation in der Industrie“, sagt Hans-Georg Scheibe, ROI-Vorstand und Initiator des Awards. „Die Gewinner, die in ihren Branchen zu den besonders visionären und konsequenten Modernisierern gehören, zeichnen mit ihren Projekten die Marschroute der Digitalisierung auf.

Case Study

Zwei Männer vor einem Computer
©Alessandro Romagnoli/shutterstock.com

Agile Methoden in der Softwareentwicklung

Ein Energieversorgungsunternehmen wollte die Leistungsfähigkeit seiner weltweiten F&E-Organisation auf ein neues Level bringen. Dazu verschaffte es sich im ersten Schritt gemeinsam mit ROI einen Gesamtüberblick über den jeweiligen Agilisierungsgrad der verschiedenen F&E-Units und -prozesse.