Gespräch mit Otakar Horák: Daten als Grundlage einer erfolgreichen Digitalisierung

• Digitale Fabrik
• Gespräch

Auf der diesjährigen Konferenz Trends in Automotive Logistics spielten Daten die Hauptrolle. Kein Wunder, sind doch qualitativ hochwertige und saubere Daten zur vollständigen Ausschöpfung des Potenzials neuer Technologien, der Digitalisierung und Automatisierung unverzichtbar. Darüber, wie man sie erfasst, verwaltet und vor allem optimal nutzt, sprachen wir mit Otakar Horák, der in seiner Funktion als Direktor der Division für fortschrittliche Planungssysteme täglich mit Daten und Datenmanagement zu tun hat.

Otakar, relativ oft wird im Zusammenhang mit Daten der vielsagende Ausdruck „garbage in – garbage out“ verwendet. Wahrscheinlich braucht das keine ausführliche Erklärung, mich interessiert vielmehr, ob das stimmt?

Ich verwende diesen Ausdruck gern. Er ist prägnant und absolut zutreffend. Bei der Arbeit mit Daten entspricht die Qualität der Daten, die ich eingebe, der Qualität der Informationen, die ich durch ihre Verarbeitung erhalte. Warum digitalisieren wir? Nicht nur, um die Arbeit zu erleichtern, zu beschleunigen, effizienter zu machen, zu automatisieren und so weiter. Durch Digitalisierung verschaffen wir uns vor allem die Möglichkeit, den Überblick über das zu behalten, was vor unseren Augen geschieht. Es werden Daten erzeugt, und zwar in jedem Schritt eines digitalisierten Prozesses. Aber einzelne Daten sind für uns nutzlos. Wir müssen sie erfassen, interpretieren und vergleichen. Mit anderen Worten: Wir müssen Informationen aus den Daten gewinnen. Dabei helfen uns Tools wie die sogenannte Business Intelligence. Wenn ich aber keine korrekten Daten habe, werden die darauf basierenden Informationen irreführend sein. Auf der Grundlage falscher Informationen könnte man dann eine falsche Entscheidung treffen. Das ist der Kerngedanke dieses Begriffs – und er gilt uneingeschränkt.

Ist das auch heute noch so, im Zeitalter der aufkommenden KI, bzw. gilt das auch weiterhin? Kann KI dieses Problem nicht bewältigen?

Ja, aber nur teilweise. In gewisser Hinsicht wird das Aufkommen der KI das Problem noch verschärfen. Ich erkläre das gleich. KI ist natürlich ein großartiges Werkzeug, um große Datenmengen schnell zu verarbeiten. Aber Vorsicht! Jede KI muss man zunächst „trainieren“. Und das Training muss mit riesigen Mengen sehr sauberer Daten durchgeführt werden. Du weißt doch, wie KI-Sprachmodelle Fragen mitunter unsinnig beantworten und herumphantasieren. Man sieht den Fehler auf den ersten Blick, erkennt ihn. Wäre das bei der Analyse von Logistikprozessen auch der Fall? Wahrscheinlich nicht, denn der Fehler käme nicht als Unsinn daher. Würde man einen erfahrenen Blick auf die Quelldaten werfen, könnte man vielleicht eine Unstimmigkeit entdecken. Aber man führt dabei derart von Quelldaten entfernte Aufgaben aus, dass kaum eine Chance besteht, den Fehler zu finden. Aus diesem Grund wird in Verbindung mit Daten immer öfter den Begriff Data Intelligence genannt, der die gesamte Arbeit mit Daten umschließt, von der Erfassung über die Bereinigung bis hin zum gesamten Datenmanagement, um eine bestmögliche Grundlage für die weitere Verarbeitung zu erhalten.

Das ist auch eines der Themen, mit denen sich die von dir geleitete Abteilung befasst. Wie seid ihr vom Planungssystem zum allgemeinen Datenmanagement gekommen?

Auf ganz natürliche Weise. Bei fortschrittlichen Planungssystemen (APS), mit denen sich unsere Division langfristig befasst, kommt es nämlich besonders auf die zugrundeliegenden Ressourcen an. APS betrifft die Planung äußerst komplexer Prozesse, die von vielen Variablen und Einschränkungen beeinflusst werden. Ein derart robustes System braucht ausreichend zuverlässige Daten, mit denen es arbeiten kann. Wir haben festgestellt, dass selbst Unternehmen, die in der Digitalisierung weit fortgeschritten sind, nicht vermeiden können, dass Daten aufgrund simpler Versehen fehlen oder falsch eingegeben werden. Der schwierigste Teil der Implementierung des gesamten APS-Systems bestand im Abfangen dieser Fehler, die in den allermeisten Fällen zu Quellendaten führten. Deshalb haben wir eine eigene Lösung entwickelt, die uns dabei hilft, die Stammdaten auf die Integration mit APS, aber auch anderen Systemen vorzubereiten.

Lohnt sich eine eigene Entwicklung? Warum habt ihr nicht zu einem auf dem Markt verfügbaren Tool gegriffen?

Tools zur Unterstützung des Datenmanagements gibt es viele. Sie sind zweifellos von hoher Qualität, aber oft recht robust. Ihr Einsatz kann dann teuer und zeitaufwendig sein. Wir verfügen über fast dreißig Jahre Erfahrung in der Produktionsumgebung und wissen genau, wo wir ansetzen müssen und wo Fehler am häufigsten auftreten. Also haben wir eine sehr schlanke, schnell anwendbare Lösung entwickelt, die eine Reihe von Tests zur Aufdeckung dieser Fehler durchführt. Das hat sich bewährt. Somit wurde beschlossen, ihre Entwicklung fortzusetzen und sie entsprechend den Bedürfnissen unserer Kunden weiterzuentwickeln. Mit der Vision, ein intelligentes und nützliches Tool zu entwickeln, das sich leicht implementieren und an die individuellen Besonderheiten des Kunden und seiner Branche anpassen lässt. Der Kunde kann diese Arbeit dann vollständig uns überlassen. Wir begleiten ihn auch bei nachgelagerten Prozessen, wie der Integration und Vernetzung verschiedener Systeme. Darüber hinaus haben wir Erfahrung mit dem System SAP, das in der Automobilindustrie fast schon Standard ist. Aber nicht jeder versteht es – wir schon.

Du hast selbst gesagt, dass dieses Thema über den Bereich der Datenbereinigung und Datenqualität hinausgeht. Ist das bei eurer Lösung auch der Fall?

Natürlich hat auch Aimtec Data Intelligence, wie wir das Tool nennen, einen viel breiteren Anwendungsbereich und noch größere Ambitionen hinsichtlich der weiteren Entwicklung. Stell dir vor, unser System sammelt alle von uns vorgegebenen Daten, bereinigt sie und speichert sie anschließend im Data Warehouse. Dann bietet sich natürlich die Möglichkeit, eine derart wertvolle Ressource weiter zu nutzen. Wir unterstützen Business-Intelligence-Funktionen, wie die Erstellung von Dashboards, Berichten, KPIs oder visuellen Darstellungen. Verfügbar ist ein Standardset solcher Datenausgaben, aber es ist auch kein Problem, sie spezifisch anzupassen oder völlig neue Ausgaben zu erstellen. Wir erledigen auch die sogenannte Datenvorverarbeitung, bei der wir Daten für nachgelagerte Systeme aufbereiten und ihnen einen Mehrwert verleihen. Das können auch sehr komplizierte mathematische Aufgaben sein, für die ein Solver zur Verfügung steht, der die Berechnung komplexer mathematischer Optimierungen ermöglicht.

Aimtec Data Intelligence Anwendung

Alle Daten und alle Berichte sind über die Webanwendung verfügbar, die es ermöglicht, für bestimmte Benutzergruppen unterschiedliche Zugänge und Abbildungen der Informationen einzurichten. Das gesamte System ist modular aufgebaut, einzelne Funktionen können zu- und abgeschaltet werden. Diese Flexibilität wird dadurch unterstützt, dass Aimtec Data Intelligence als cloudbasierte Lösung läuft und dem Kunden als Service zur Verfügung steht. Der Kunde muss sich also nicht um Infrastruktur und Lizenzierung kümmern, die interne IT-Abteilung wird zudem nicht übermäßig belastet.

Du hast erwähnt, dass Aimtec Data Intelligence weiterentwickelt werden soll. Weißt du bereits, in welche Richtung?

Wir bereiten die Einbindung von KI vor, und aus Sicht der Dateninterpretation ist die Nutzung von Natural Language Processing interessant. Dabei wird sichergestellt, dass die Anwendung in der Lage ist, Anfragen zur Datenanalyse in „menschlicher Sprache“ zu empfangen und zu beantworten, wie es die bekannten Sprachmodelle heute können. Wie bei Aimtec üblich, gilt auch für den Einsatz von KI, dass wir den Kunden eine praxiserprobte Lösung anbieten möchten. Das System wird auch in Zukunft ausgehend von Best Practices der Branche weiterentwickelt, dabei aber die Flexibilität zur Anpassung beibehalten. Wir ermöglichen eine weitgehende Konfigurierbarkeit der Lösung in der Weise, dass sie ihre ursprüngliche Funktion als schnell nutzbares Toll erfüllt.

Artikel teilen