Artikel SAP

Laut Mike Flannagan, Senior Vice President für SAP Leonardo Data and Analytics, war es für Unternehmen wie Uber und Airbnb relativ einfach, ganze Branchen zu revolutionieren, da sie bei null angefangen haben. „Sie mussten weder eine langjährige Unternehmenstradition noch einen Ruf schützen“, erklärt Flannagan. „Aber genau das ist die Aufgabe, der sich die meisten von uns jeden Tag stellen müssen.”

Laut Flannagan geht es bei den meisten etablierten Unternehmen im digitalen Transformationsprozess weniger um Veränderungen und Innovationen, sondern vielmehr um Prozessverbesserung und -effizienz. Große Projekte zielen eher darauf ab, die Kundenzufriedenheit zu erhöhen und Kosten zu senken – und so kann ein tiefgreifender Wandel sogar überflüssig werden.

Einen attraktive Erfahrung für Fans

Die nordamerikanische National Hockey League (NHL) bemüht sich mit aller Kraft darum, die Beziehung zu den ohnehin begeisterten Eishockey-Zuschauern weiter zu stärken.

„Das klingt vielleicht nicht gerade nach Innovation, aber die NHL lässt sich einiges einfallen, um sich die Treue der Fans zu sichern“, erläutert Flannagan. „Für die NHL ist es eine Art Prozessverbesserung, auf die sie schon lange hinarbeitet.“

Sportstatistiken sind mit einer gemeinsamen Sprache in einem Stamm vergleichbar. Die NHL hat sich diesbezüglich wirklich weiterentwickelt und bietet den Zuschauern zahlreiche Informationen zur Leistung der Spieler. Seit der Einführung eines Statistikbereichs auf der NHL-Website stieg die Besucherzahl um 25 Prozent und die Verweildauer sogar um 45 Prozent.

„Statistiken müssen keine schnöden, statischen Zahlen in Spalten sein“, meint Chris Foster, NHL Director für Digital Business Development. „Wenn sie ansprechend präsentiert werden, können sie eine starke Anziehungskraft auf Fans ausüben.“

Millionen einsparen mit Analysen

Paketfahrer bei ihrer Arbeit zu unterstützen, klingt auch nicht unbedingt nach digitaler Transformation. Aber optimierte Routen und Abkürzungen brachten dem weltweit tätigen Paketdienst UPS einen enormen Vorteil.

„Mithilfe von erweiterten Analysen ermittelt UPS die besten Strecken für ihre Zusteller“, so Flannagan. „Auf diese Weise konnte das Unternehmen rund 137 Millionen Kilometer pro Jahr sparen und effizientere Routen aufspüren.“

Sensoren für das Internet der Dinge helfen UPS, Standzeiten zu verkürzen, in denen der Fahrer den Lieferwagen verlässt, das Paket zustellt und zum Fahrzeug zurückkehrt. Dies wirkt sich wiederum positiv auf den Kraftstoffverbrauch aus und reduziert Verschleißerscheinungen sowie negative Umweltauswirkungen.

„UPS baute ganz einfache Sensoren in seine Lieferwagen ein, um herauszufinden, wann der Fahrer aussteigt und ein Paket zustellt. Ist das der Fall, wird der Motor automatisch abgestellt“, berichtet Flannagan. „Dadurch war das Unternehmen in der Lage, 100 Millionen Minuten an Standzeiten pro Jahr einzusparen.“

Geringere Kosten durch mehr Effizienz

UPS nahm diese Projekte nicht wegen der digitalen Transformation in Angriff und entschied sich auch nicht aus Innovationsgründen für diese Veränderungen. Flannagan zufolge wollte der Paketdienst schlicht Geld sparen und effizienter werden. Nebenbei erzielte UPS einen echten wettbewerbsrelevanten Kostenvorteil.

„Wenn wir morgen einen Paketdienst wie UPS gründen wollten, müssten wir zunächst überlegen, wie wir diesen Service auf einem standardisierten Markt zu einem geringeren Preis als UPS anbieten können“, meinte Flannagan. „UPS ist mittlerweile jedoch so unglaublich effizient darin geworden, ihre Kosten mit den genannten Aktivitäten zu optimieren, dass es schwierig wäre, in dieses Geschäft einzusteigen und UPS Kunden wegzunehmen.“

Deshalb kann die digitale Transformation nach Meinung von Flannagan auch dazu beitragen, dass sich Unternehmen einen Wettbewerbsvorteil sichern und ein Produkt oder einen Service zu einem geringeren Preis anbieten können. Das gefällt natürlich auch den Kunden.

„Wenn sich auf diese Weise die Konkurrenz davon abhalten lässt, in den Markt einzusteigen und meinem Unternehmen die Position streitig zu machen, dann ist das auch eine Form von Innovation“, führt Flannagan weiter aus. „Ich bin der Meinung, dass die NHL und UPS Beispiele für Neuerungen sind, die für viele von uns eingängig sind.“

Strategische Ziele erreichen

„Die digitale Transformation ist als Strategie selten ein Selbstzweck“, so SAP Chief Commercial Officer Franck Cohen. „Sie stellt eher eine Möglichkeit dar, strategische Ziele wie Unternehmenswachstum, agilere Betriebsmodelle oder ein besseres Kundenerlebnis zu erreichen.“

Doch viele Unternehmen haben Aufholbedarf. Gemäß einer Accenture-Studie aus dem Jahr 2017 treiben beispielsweise nur zehn Prozent der Führungskräfte in Beschaffungsunternehmen die Digitalisierung mit Nachdruck voran. Dazu kommt noch, dass lediglich fünf Prozent dieser Führungskräfte (0,005 Prozent der Gesamtzahl) innovative digitale Technologie wie Analysen, Social Media und Sensoren einsetzen, um im Leistungsmanagement, bei Spezifikationen und in vielen anderen Bereichen neue Wege zu gehen.

„Ohne die digitale Transformation werden sie Schwierigkeiten haben, ihre Wachstumsziele zu erreichen“, meinte Cohen. „Sie benötigen neue digitale Produkte, neue digitale Services und ein neues Geschäftsmodell, die zu diesen Zielen passen.“

Der Prozess beginnt mit der Phase Explore. Dabei erarbeitet die SAP zusammen mit Kunden, welches Geschäftsproblem zuerst gelöst werden soll. „Explore“ ist eine von vier Phasen („Explore“, „Discover“, „Design & Prototype“ und „Deliver“) und ein mitunter mühsamer, aber wichtiger erster Schritt bei der digitalen Transformation eines Unternehmens.

Alle Möglichkeiten ausloten, Probleme einzeln angehen

„In Bezug auf SAP Leonardo … fiel es uns anfangs schwer, Probleme zu identifizieren und einen Lösungsansatz zu konzipieren“, meinte Ina Flores vom Einzelhandelskonzern Liverpool auf der Konferenz SAP Leonardo Now der SAP Labs Latin America. „Deshalb nehmen wir an dieser Veranstaltung teil – sie hilft uns, Problemursachen zu ermitteln und Lösungen zu finden.“

„Während der Explore-Phase finden wir oft heraus, dass einige Abteilungen in Unternehmen überhaupt nicht miteinander kommunizieren“, erklärte Matheus Souza von SAP Labs Latin America.

Oft beginnt der Prozess mit einem ein-oder zweitägigen Explore-Workshop, bei dem Unternehmen zusammen mit der SAP ihre Ziele formulieren. An dem Workshop nehmen gewöhnlich zehn bis 15 Mitarbeiter eines Unternehmens teil, um ein ganzheitliches Bild zu erhalten, das nicht nur auf die Belange einer einzelnen Abteilung eingeht.

„Wenn es um die Frage geht, welche Priorität bestimmte Innovationen haben und welche Probleme gelöst werden sollen, finden Kunden in der Regel eine ganze Reihe von Problempunkten – sie wissen nur nicht, mit was sie anfangen sollen“, so Matheus Souza, Leiter im Bereich Innovation bei SAP Labs Latin America, auf der SAP Leonardo Now. „Aus diesem Grund halten wir den Explore-Workshop ab, bei dem das SAP-Entwicklungsteam oft bis zu 20 Geschäftschancen ermittelt und dann priorisiert.

„Wir konzentrieren uns auf die Rendite unserer Kunden und auf Möglichkeiten, sich von anderen am Markt abzuheben“, führte Souza weiter aus.

Zuerst müssen dazu allerdings die einzelnen Problemfelder genauer betrachtet werden.

Probleme identifizieren, priorisieren und lösen

„Wir müssen zuerst sicherstellen, dass das Unternehmen versteht, welche Geschäftsprobleme gelöst … und welche Prozesse optimiert werden sollen“, veranschaulichte Mala Anand, President für SAP Leonardo und Analytics, in einer Fragerunde mit den Medien vor der SAP Leonardo Now. „Wir fangen im Kleinen an, nicht bei vielen Problemen gleichzeitig.“

„Der größte Vorteil von SAP Leonardo besteht in der Produktivitätsoptimierung. Wir betrachten einen Geschäftsprozess näher, den wir mithilfe von maschinellem Lernen automatisieren“, so Mala Anand von SAP Labs Latin America.

Die Kaufhauskette Liverpool konnte ihre digitale Transformation mit der Teilnahme an den Innoweeks beschleunigen. Die Innoweeks sind eine Initiative von SAP Labs Latin America, bei dem SAP-Benutzer und -Partner mit Studenten und SAP-Experten gemeinsam an einem Problem aus der Praxis arbeiten. Die Veranstaltung habe dem Unternehmen dabei geholfen, sein erstes Geschäftsproblem zu lösen, bekräftigte Ina Flores, verantwortlich für Versand und Logistik bei Liverpool in Mexiko-Stadt:

„Wir betrachteten anfangs mehr als zehn Probleme … und konnten die wichtigsten Herausforderungen ermitteln, was sehr hilfreich für uns war. Wir gehen davon aus, dass SAP Leonardo dauerhaft eine unterstützende Rolle für unser Unternehmen einnehmen und unsere Branchenerfahrung weiter verstärken kann.“

Mit Innovation volles Potenzial entfalten

Laut Anand bieten die intelligenten Technologien von SAP Leonardo die drei folgenden Vorteile:

„Es ist wichtig, dass Mitarbeiter aus mehreren Abteilungen des Unternehmens am Explore-Workshop teilnehmen“, betonte Matheus Souza, Mitarbeiter bei SAP Labs Latin America. „Wir wollen uns nicht nur auf einen Bereich oder eine Abteilung konzentrieren.“

• Maschinelles Lernen: Automatisierung von Routineaufgaben und Optimierung von Geschäftsprozessen und Produktivität
• Bestandsführung:  Steigerung der Rendite, indem sichergestellt wird, dass die meistverkauften Artikel immer auf Lager sind
• Kundenerlebnis: Personalisierung durch moderne Datenanalyse

„Ein Besuch der SAP Leonardo Center ist der beste Ausgangspunkt“, erläuterte Anand im Rahmen der SAP Leonardo Now. „In diesen Zentren können Sie sich selbst ein Bild von unseren Innovationen machen … und eine Lösung selbst hautnah erleben – nicht nur die Technologie, die dahinter steckt, sondern auch die Geschwindigkeit und Flexibilität.

Intelligenz ist heute die treibende Kraft für Innovationen. Technologische Innovationen automatisieren manuelle und repetitive Aufgaben und erzielen neue Wettbewerbsvorteile durch Produktivitätssteigerungen. Dass an diesen neuen Technologien heute kein Weg mehr vorbeiführt, haben viele Unternehmen bereits erkannt.

Bei den ersten Schritten zur Umsetzung kann die SAP Ihnen helfen. Die Herausforderungen jeder einzelnen Branche lassen sich durch intelligente Technologien lösen. Auf dieser Grundlage haben wir die SAP Leonardo Industry Innovation Kits zusammengestellt und Funktionen integriert, die Ihnen helfen, Ihre branchentypischen Probleme schneller zu lösen.

Unterstützung für 12 Branchen

Inzwischen bietet SAP 23 Industry Innovation Kits für zwölf Branchen. Jedes Kit umfasst integrierte Software und Services, die zu branchenspezifischen Lösungen kombiniert sind und innerhalb weniger Wochen implementiert werden können.

Das folgende Beispiel aus der Lebensmittelbranche zeigt, wie Kunden von Industry Innovation Kits profitieren. Einzelhändler schätzen in der Regel die durchschnittliche Kundenzahl pro Tag in einer Filiale grob ein und planen die Regalbefüllung entsprechend vor. Oft wird der Bedarf dabei jedoch überschätzt. Bei Produkten mit kurzer Haltbarkeit, zum Beispiel Fleisch, Fisch, Milchprodukten, Feinkost oder frischem Obst und Gemüse, kann dies zu beträchtlichen Mengen an Lebensmittelabfällen und Umsatzeinbußen führen. Jedes Jahr werden alleine in den USA Lebensmittel im Wert von 47 Milliarden Dollar weggeworfen. In einer Branche mit hauchdünnen Margen hat dieser Verlust bedeutende wirtschaftliche und gesellschaftliche Folgen.

Deshalb haben wir SAP Leonardo for Retail, Zero Waste Option entwickelt. Dieses Branchen-Kit für den Einzelhandel ermöglicht durch maschinelles Lernen tägliche Bedarfsprognosen, um für Klarheit zu sorgen. Tägliche Arbeitsanweisungen, wie viel an einem bestimmten Tag vorbereitet, gebacken oder bevorratet werden muss, können damit automatisiert werden.

Stellen Sie sich vor, Sie wären als Filialmitarbeiter in der Feinkostabteilung beschäftigt. Welche Mengen an Lebensmitteln müssen Sie bevorraten und vorbereiten, damit die Regale nicht leer sind und gleichzeitig am Ende des Tages keine Waren weggeworfen werden müssen? Diese Planung lief bisher manuell ab. Mit dem Innovation Kit für „Zero Waste“, also zur Abfallvermeidung, können Sie nun über eine App die momentan verfügbaren Produkte auflisten oder den Barcode eines Produkts scannen, um Informationen zu dessen Lagerbestand einzuholen. Sie erhalten sofort eine Prognose darüber, wie viele Einheiten im Laufe des Tages verkauft werden, und können diese mit den Einheiten vergleichen, die noch auf Lager oder momentan auf dem Transportweg sind. Außerdem können Sie die Qualität des Bestands vor Ort überprüfen und beschädigte Produkte oder Ausschussware berücksichtigen. Ihre Beobachtungen können Sie dann festhalten und an die Kollegen weiterleiten, die für Nachschub sorgen, damit diese genau wissen, was sie heute vorbereiten oder bevorraten müssen.

SAP Leonardo for Retail für präzise Prognosen

Mit SAP Leonardo for Retail mit Zero-Waste-Option hat SAP einen bisher manuellen und fehleranfälligen Prozess mit präzisen täglichen Prognosen für den Kundenbedarf ersetzt. Dieses Industry Innovation Kit umfasst ein Modell für maschinelles Lernen, das historische Point-of-Sales-Daten mit Sonderaktionen in den Filialen und externen Variablen verknüpft, zum Beispiel regionale Feiertage oder Wettervorhersagen. Den Filialmitarbeitern werden dann per App täglich Nachfrageprognosen gesendet. Die Prognose kann dann präzisiert werden, indem die Mitarbeiter die Qualität der Waren bei Schichtbeginn verzeichnen, um ihre Kollegen anzuweisen, was für den Tag vorbereitet, gebacken oder bevorratet werden muss. Die Lösung basiert auf der SAP Cloud Platform, das Modell für maschinelles Lernen wird durch SAP HANA ermöglicht und ein Dashboard mit wichtigen Leistungskennzahlen wird durch SAP Analytics Cloud realisiert. Alle Vorgänge können in Ihr Backend integriert werden, darunter SAP S/4HANA oder SAP Customer Activity Repository, sodass für einen lückenlosen Zyklus gesorgt ist.

Das Ergebnis ist ein Industry Innovation Kit für den Einzelhandel mit Zero-Waste-Option, das für Klarheit bei den täglichen Nachfrageprognosen für Waren mit kurzer Haltbarkeit sorgt. Die Plattform schafft einen besseren Überblick und Transparenz über alle Unternehmensebenen hinweg und hilft dabei, Lebensmittelverschwendung zu minimieren. SAP hat dieses Branchen-Kit zusammen mit zahlreichen Supermärkten weltweit entwickelt und gezielt für den Verkauf von Fisch, Fleisch, Feinkost, Frisch- und Backwaren konzipiert.

Bei einem SAP-Kunden aus der Einzelhandelsbranche schlugen die Kosten für Lebensmittelabfälle in einer Abteilung mit über 100 Millionen Dollar pro Jahr zu Buche. Ausgehend von den ersten Ergebnissen des Innovation Kit mit Zero-Waste-Option können die Lebensmittelabfälle um schätzungsweise 25 bis 30 Prozent reduziert werden. Es kann davon ausgegangen werden, dass diese Kosteneinsparungen im Laufe der Zeit steigen, denn je öfter das Modell für maschinelles Lernen genutzt wird, umso besser und präziser werden die Ergebnisse.

Branchentypische Probleme lösen

Dies ist nur ein Beispiel für ein Industry Innovation Kit für den Einzelhandel. SAP Leonardo bietet mehr als 23 Kits für zwölf Branchen, die Lösungsansätze für branchentypische Probleme bieten. Außer SAP Leonardo for Retail mit Zero Waste-Option gibt es noch einige andere gefragte Industry Innovation Kits:

• SAP Leonardo for Automotive, Fleet Insights Option:Dieses Innovation Kit ist für Unternehmen mit einem Bestand an Kraftfahrzeugen, Lastwagen oder anderen Fahrzeugen relevant. Sie können den Fuhrparkstatus inklusive Nutzung, Fahrzeugausfällen und Instandhaltung verfolgen, um die Verfügbarkeit des Fuhrparks und Ihre Margen zu verbessern.
• SAP Leonardo for Consumer Products, Assets Option:Ermöglicht die Überwachung und Wartung von Kühlschränken, Verkaufsautomaten, Kaffeemaschinen und anderen Anlagen im Einzelhandel und in Mini-Märkten. Mit der Lösung können der Anlagenstandort, die Auslastung, Temperatur und andere wichtige Kennzahlen verfolgt werden, um die Anlagen länger produktiv nutzen zu können, den Verderb von Erzeugnissen zu minimieren und die Nachschubplanung zu optimieren.
• SAP Leonardo for Life Sciences, Cold Chain Logistics Option:Sichert die nahtlose Überwachung der Kühlkette für temperaturempfindliche Waren, um den Verderb von Erzeugnissen zu vermeiden und Vorschriften zur Temperaturreglung zu erfüllen.

Hinter jedem Industry Innovation Kit steckt intensive Forschungs- und Entwicklungsarbeit seitens der SAP. Jedes Kit umfasst integrierte SAP-Leonardo-Technologien wie das Internet der Dinge, Analytik und maschinelles Lernen, die auf der SAP Cloud Platform betrieben werden und mit Beispieldaten gefüllt sind. So kann SAP Ihnen in nur sechs bis acht Wochen einen funktionsfähigen Prototyp für Ihr Unternehmen bereitstellen.

Was eine Fabrik der Zukunft vor allem braucht, ist Integration über die gesamte Wertschöpfungskette, vom Lieferanten bis zum Kunden. Daten aus vielen Hundert Quellen wie Sensoren, ERP-Systemen, Produktionssoftware und Kameras laufen an einem Ort zusammen und geben automatisiert Auskunft über Lieferengpässe, geänderte Auftragslage und Lagerbestände. Sogar vorausschauend, so dass Fabriken optimal ausgelastet und Kunden zufrieden sind.

Von smarten und digitalen Fabriken

Mit Smart Factory ist das oben angedeutete Idealbild einer digitalisierten Fabrik gemeint: In ihr sind Maschinen, Lieferanten, Mitarbeiter, Werkzeuge und Ressourcen vernetzt. Doch so weit sind die meisten Produzenten noch nicht, was nicht heißt, dass sie nicht digitalisieren: Man spricht dann von digitalen Fabriken, wenn diese beispielsweise PLM nutzen – Software für das Product Lifecycle Management. Die Fabriken verwalten mit PLM Prozesse und Produktdaten in einem System. Damit lassen sich Produktdaten wie Arbeits- und Montagepläne direkt an den Arbeitsplätzen abrufen: Maschinen und Werkzeuge werden mit Informationen über das zu fertigende Produkt versorgt und spezifisch eingestellt. Das ermöglicht Serienproduktion in winzigen Losgrößen.

Der Blick nach vorne: Industrie 4.0

Wie gesagt, ist die Integration der Schlüssel zur Smart Factory und Industrie 4.0. Alle Objekte müssen über das Internet vernetzt sein, in Echtzeit miteinander kommunizieren und Daten werden zentral abgelegt, verwaltet und abgerufen.

Die Fabriken gestalten Prozesse über die gesamte Wertschöpfungskette hinweg digital. Das ist gleichzeitig der Ansatzpunkt für neue Geschäftsmodelle und für zusätzlichen Umsatz. Das Stichwort ist hier die vorausschauende Wartung. Doch wird sich die Digitalisierung auf weitere Geschäftsbereiche auswirken – Produktentwicklung, Marketing, Vertrieb und Kundenbetreuung.

Technologisch werden die Fabriken verstärkt Cloud-Computing einsetzen, Big Data, IT-Plattformen, IoT (Internet of Things), künstliche Intelligenz und Edge-Computing. Wenn beispielsweise ein Produkt entwickelt werden soll, laufen alle Daten digitale zusammen: Ein digitaler Zwilling entsteht, der mit Daten aus der bisherigen Fertigung angereichert wird, die schon in der heutigen digitalen Fabrik erfasst werden. Durch die Kombination der Daten entstehen wertvolle Erkenntnisse, mit denen Produkte und Prozesse optimiert werden. Schon heute planen Fertigungsunternehmen vermehrt digital in präziser, virtueller Realität, um dann erst mit der realen Umsetzung zu starten. Teure Prototyen können damit entfallen.

Dazu können Maschinenbauer, Elektro­ingenieure und Hydrauliker simultan an einem digitalen Produkt arbeiten, wenn eine digitale Plattform zum Einsatz kommt.  Im Mittelpunkt der Industrie 4.0 stehen Technologien, Daten und deren Nutzung.

Jerry Z. Muller ist Geschichtsprofessor an der Catholic University of America und hat selbst erlebt, welche Folgen übertriebene Zahlengläubigkeit haben kann, als seine Hochschule neue Kennzahlen für studentische Leistungen einführte. Die Kennzahlen boten keinerlei Mehrwert gegenüber der bisherigen Leistungsbewertung in Form von Noten. Als er feststellte, dass diese Kennzahlen reine Zeitverschwendung waren und lediglich Mehraufwand bedeuteten, befasste er sich näher mit den allgemeinen Mechanismen der Leistungsmessung in Unternehmen.

Jerry Z. Muller, dessen Forschungsschwerpunkt Kapitalismus und Politik sind, hinterfragt in seinem neuen Buch The Tyranny of Metrics die Prämisse, dass das Quantifizieren der Unternehmensleistung und das Offenlegen der Ergebnisse automatisch zu mehr Verantwortlichkeit, besseren Entscheidungsprozessen und besseren Ergebnissen führen. Die Mitarbeiter zu zwingen, ihre Arbeit an standardisierten Bewertungsmaßstäben auszurichten, gebe den Unternehmen allenfalls das Gefühl einer adäquaten Leistungsüberwachung, so sein Argument. Innovation werde dadurch nicht gefördert.

Warum wir im Zeitalter von Big Data Zahlen nicht immer trauen sollten

Wir wollten von Jerry Z. Muller wissen, wie Führungskräfte diese Zahlenhörigkeit vermeiden können.

Sie vertreten die Ansicht, dass zu häufig Kennzahlen erhoben werden, die wenig aussagekräftig sind, und Unternehmen die Ergebnisse falsch anwenden. Wie kann die Unternehmensführung eine Kurskorrektur vornehmen?

Jerry Z. Muller: In vielen Unternehmen wurde das mittlere Management stark ausgedünnt – also die Ebene, die sich mit den Bereichen des Unternehmens auskennt, die Produkte herstellen und Kundenkontakt haben. Die Führungsebene greift deshalb auf standardisierte Bewertungsmaßstäbe zurück, um sich ein Bild von der Lage zu machen. Messen ist jedoch nicht gleichbedeutend mit verstehen.

Um wieder zu einem besseren Verständnis zu gelangen, wäre eine Kehrtwende denkbar, was den Abbau des mittleren Managements betrifft. Denn gerade diese Führungskräfte kennen die Abläufe im Unternehmen wie ihre eigene Westentasche. Wir sollten uns außerdem vor Augen halten, dass wir zwar auf mehr Daten als je zuvor zugreifen können, das Erheben und Veröffentlichen dieser Daten jedoch kein Allheilmittel ist. Im Wesentlichen müssen wir uns von der Überzeugung verabschieden, dass Kennzahlen immer objektiv und damit dem menschlichen Urteilsvermögen überlegen sind.

1986 schrieb der Managementexperte Tom Peters: „Was gemessen wird, wird auch erledigt“. Daraus entwickelte sich die Vorstellung, dass das Quantifizieren von Dingen der notwendige erste Schritt zur Verbesserung ist. Wenn man sich jedoch ausschließlich auf die Kennzahlen konzentriert, ergeht es einem wie Wells Fargo: Der Finanzdienstleister musste Bußgelder in Millionenhöhe zahlen, da Mitarbeiter ohne Erlaubnis der Kunden Konten eingerichtet hatten, um ihre Cross-Selling-Quoten zu erreichen.

Man muss nicht nur wissen, ob die Daten präzise sind, sondern auch, ob sie relevant sind.

Wodurch wird eine Kennzahl aussagekräftig?

Jerry Z. Muller: Man muss nicht nur wissen, ob die Daten präzise sind, sondern auch, ob sie relevant sind. Unternehmen messen ihren Gewinn, weil diese Kennzahl für den unternehmerischen Erfolg konkret und einfach zu verstehen ist. Das langfristige Florieren eines Unternehmens wird jedoch auch von anderen Faktoren beeinflusst, beispielsweise von den Kundenbeziehungen, der Innovation, der Zusammenarbeit und der Betreuung der Mitarbeiter. Diese Faktoren lassen sich weniger gut verallgemeinern und quantifizieren, sind aber dennoch sehr wichtig. Um sie zu bewerten, benötigt man keinen Algorithmus, sondern eine erfahrene Führungskraft.

Ein weiteres Beispiel für einen solchen Fehlschluss ist die Bewertung eines gemeinnützigen Unternehmens danach, wie hoch die Verwaltungskosten im Vergleich zu den Kosten für die Durchführung von Programmen sind. Niedrige Gemeinkosten sind zwar eine präzise Kennzahl, jedoch nicht wirklich aussagekräftig. Wir gehen davon aus, dass in Relation zu den Programmkosten hohe Gemeinkosten auf Betrug oder schlechtes Management schließen lassen. Doch in den meisten Fällen lassen sich umgekehrt niedrige Gemeinkosten nicht mit hoher Produktivität gleichsetzen. Ganz im Gegenteil: Der Organisation fehlen die geschulten Mitarbeiter, die funktionalen Büros und die Programm-Managementtools, die sie für ihre Arbeit eigentlich benötigt.

Zudem verlieren Kennzahlen ihre Bedeutung, wenn man sie nicht zur Diagnose und Analyse verwendet, sondern dazu, Leistung zu belohnen oder unzureichende Leistung zu bestrafen. Wenn eine Kennzahl mit Belohnung und Bestrafung verknüpft ist, führt dies unweigerlich dazu, dass die Zahlen manipuliert werden. Und dabei kann es um Leben und Tod gehen: Im US-Bundesstaat New York etwa sank die Sterblichkeitsrate nach Herzoperationen, als Kennzahlen zu den Erfolgsquoten der einzelnen Chirurgen veröffentlicht wurden – weil die Chirurgen nicht mehr so häufig Hochrisikopatienten behandelten, deren Tod sich negativ auf ihre Erfolgsquote auswirken würde.

Potenzial von künstlicher Intelligenz: Übersehene Variablen aufdecken

Aktuellen Untersuchungen zufolge können Systeme mit künstlicher Intelligenz, die mithilfe von Fotos trainiert wurden, Hautkrebs präziser diagnostizieren als erfahrene Dermatologen. Verschwimmt die Grenze zwischen dem Einsatz von Daten zur Unterstützung menschlicher Entscheidungsprozesse und Systemen, bei denen Daten die Entscheidungen für uns treffen?

Jerry Z. Muller: Dieses Beispiel ist nur der Anfang dessen, was durch die Aggregation von Daten in der medizinischen Diagnose künftig möglich sein wird. Daten für die Diagnose von Hautkrebs zu verwenden, ist absolut sinnvoll. Das eigentliche Potenzial von künstlicher Intelligenz liegt darin, klar messbare, jedoch bislang übersehene Variablen aufzudecken, aus denen sich bessere Rückschlüsse ziehen lassen, als ein erfahrener Experte dies könnte, oder die weiterhelfen, wenn eine intuitive Entscheidung aufgrund von mangelnder Erfahrung nicht möglich ist.

Was Algorithmen nicht können, ist eine Vision, neue Ideen oder auch gemeinsame Zielvorstellungen in einem Unternehmen zu entwickeln. Visionen und Risikobereitschaft sind wichtige Aspekte des Unternehmertums und der Innovation. Kennzahlen können nur das quantifizieren, was bereits vorhanden ist. Wenn sich ein Unternehmen ausschließlich an Kennzahlen orientiert, ohne menschliches Urteilsvermögen walten zu lassen, entsteht ein risikoscheues Unternehmen – das letztlich keine Überlebenschance hat.

2025 werden 60 Prozent aller menschlichen Arbeitsaufgaben automatisiert sein. Sprach- und Videoerkennung sind mittlerweile so ausgereift, dass innerhalb der kommenden zwei Jahre mit Trefferquoten von 99 Prozent zu rechnen ist. Im Bereich der Bilderkennung ist die Fehlerquote bereits heute auf drei Prozent gesunken – das ist besser als der Mensch.

Die Technik, die hinter diesen neuen Funktionen steckt, ist faszinierend. Aber wirklich spannend werden die Auswirkungen auf das Geschäft sein. Es gilt, mehr Umsatz und höhere betriebliche Effizienz zu erzielen, bessere Kundenbeziehungen aufzubauen und das Mitarbeiterengagement zu erhöhen. Dies zu erreichen wird nicht einfach sein, aber es besteht eine Riesenchance: Ein Wertsteigerungspotenzial von 3,5 Billionen US-Dollar soll realistisch sein.

Das intelligente Unternehmen wird Realität

Der Wandel hin zum intelligenten Unternehmen bedeutet, einfach gesagt, dieses Potenzial voll auszuschöpfen. Dazu müssen Unternehmen das beste Kundenerlebnis bieten und für eine hohe Mitarbeiterzufriedenzeit sorgen, um so die besten Talente zu gewinnen und zu halten. Sie benötigen hocheffiziente Abläufe und müssen besser sein als ihre Wettbewerber. Alle geschäftskritischen Prozesse müssen so intelligent sein, dass diese Ziele verwirklicht werden können.

SAPs Antwort auf diese Herausforderung war die Einführung von SAP Leonardo vor einem Jahr.

Seit jeher stehen Unternehmen vor den gleichen Herausforderungen, wie Kostenoptimierung und Effektivitätssteigerung. Wenn neue Technologien auf den Markt kommen, können Firmen diese nutzen, um ihre klassischen Probleme zu lösen und bessere Ergebnisse zu erzielen. Neue Technologien wird es immer geben. Das Ziel von SAP Leonardo ist es, einen Prozess zu schaffen, mit dem Unternehmen diese neuen Technologien kostengünstiger und risikoärmer testen und gleichzeitig erfolgreiche Strategien beibehalten und fortführen können. Dabei profitieren die Kunden von der Erfahrung, die SAP mit diesen Technologien mitbringt, und müssen Fachwissen und Expertenteams nicht selbst aufbauen.

SAP Leonardo: Intelligenz sinnvoll einsetzen

Innovation bedeutet nicht, Technologien nur deshalb zu nutzen, weil es sie gibt. Es geht darum, für einen bestimmten Geschäftsprozess die richtige Technologie einzusetzen, um bessere Ergebnisse zu erzielen. Durch ihr umfassendes Know-how zu Branchen und Geschäftsprozessen kann die SAP Unternehmen dabei unterstützen, an den richtigen Stellen im Geschäftsprozess geeignete intelligente Technologien einzusetzen. So können ein deutlicher Mehrwert und bessere Ergebnisse erzielt werden. SAP-Kunden können SAP Leonardo auf drei Arten nutzen:

• Als Teil einer SAP-Anwendung: Lösungen von SAP Ariba und SAP Hybris sowie SAP S/4HANA erhalten neue, intelligente Funktionen. Wenn Unternehmen die Intelligenz dieser Anwendungen nutzen, verwenden sie SAP Leonardo.
• Industry Innovation Kits: Vorab integrierte Branchen-Kits, die schnellere Lösungen für branchentypische Herausforderungen bieten.
• Offene Innovation: Unternehmen nutzen intelligente Technologien über die SAP Cloud Platform für ihr bestes Innovationskonzept.

Egal, auf welchem Weg Unternehmen SAP Leonardo nutzen, sie erhalten stets intelligente Funktionen für ihre Geschäftsprozesse, mit denen sie ihr Geschäftsergebnis optimieren können. Hier einige Beispiele:

Bisher unerreichbare Ergebnisse erzielen

Das ganze letzte Jahr über haben wir gemeinsam mit unseren SAP-Leonardo-Kunden Geschäftsdaten ausgewertet. Dabei konnten wir beobachten, wie Analysefunktionen bessere Entscheidungen ermöglichen und Kunden helfen, Marketingkampagnen zu optimieren, Verkaufstrichter besser zu nutzen und ihr Umsatzwachstum zu steigern. Die Prozesseffektivität bei immer wieder anfallenden Aufgaben kann durch maschinelles Lernen deutlich erhöht werden. Diese Automatisierung ermöglicht es Kunden, ihre Ressourcen wertschöpfender einzusetzen, Kosten zu senken und die Mitarbeitermotivation zu steigern.

Weiter konnten wir eine Senkung der Wartungskosten bei steigender Produktivität beobachten, und zwar unabhängig davon, ob maschinelles Lernen, künstliche Intelligenz (KI), das Internet der Dinge (IoT) oder eine beliebige Kombination dieser drei genutzt wurde. So konnten unsere Kunden beispielsweise dank IoT dafür sorgen, dass durch eine Vernetzung der Arbeiter deren Arbeitsumfeld sicherer wurde. Die Gesundheit der Mitarbeiter konnte so verbessert werden.

Viele Unternehmen wünschen sich ähnliche Ergebnisse. Doch oft wissen sie nicht, wie und wo sie ansetzen sollen. Was sie jedoch wissen, ist, dass die SAP als verlässlicher Partner ihre geschäftlichen Anforderungen und Bedürfnisse versteht. Täglich laufen über 77 Prozent aller weltweit getätigten Transaktionen über ein SAP-System. Die wichtigsten Geschäftsprozesse werden über SAP erfasst. Mehr als 388.000 Kunden aus 180 Ländern und Dutzenden von Branchen nutzen SAP. Unsere Kunden wissen, dass SAP ihnen ein umfassendes Portfolio an Innovationen bereitstellt, die ihnen helfen, ihre drängendsten Probleme zu lösen.

Design Thinking in Aktion

Zum ersten Jahrestag von SAP Leonardo spornt uns die wachsende Begeisterung unserer Kunden weiter an. Die unglaubliche Dynamik und das Engagement unserer Kunden und Partner zeigen, wie digitale Innovationen Realität werden können. Dies gilt vor allem für die fünf jüngst eröffneten globalen SAP Leonardo Design Center. Hier können sich Kunden, Mitarbeiter und Partner als Teil eines globalen Innovationsnetzwerks über die neuesten digitalen Innovationen informieren, zusammenarbeiten und voneinander lernen.

SAP Leonardo Center gibt es in New York, Paris, São Leopoldo, Bangalore und seit neuestem auch in Singapur. Bis heute haben weltweit über 6.200 Personen aus 1.300 Unternehmen diese Zentren besucht.

Für mehr Branchen-Know-how: Industry Innovation Kits

SAP besitzt umfassendes Wissen zu über 25 verschiedenen Branchen. Unser Design-orientierter Ansatz und die vorab integrierten Branchen-Kits haben sich im vergangenen Jahr zum Erfolgsgarant für die Bereiche Fertigungsindustrie, Energie- und Rohstoffindustrie sowie Konsumgüter entwickelt. Derzeit sind 23 SAP Leonardo Industry Innovation Kits erhältlich. Das Angebot richtet sich an Kunden der Branchen: Telekommunikation, Einzelhandel, Konsumgüter, Sport und Unterhaltung, Reise und Logistik, Chemie, Versorgung, Biowissenschaften, Öl und Gas sowie Bergbau.

Eine große Idee für eine intelligente Zukunft

Der Weg zum intelligenten Unternehmen ist eine große Herausforderung, aber er birgt die Chance, die Wertschöpfung bedeutend zu steigern. Wenn Geschäftsprozesse intelligenter werden, können Unternehmen bessere Ergebnisse erzielen: höhere Verkaufszahlen, verbesserte Kundenerfahrungen, mehr Arbeitssicherheit und noch vieles mehr.

SAP Leonardo hat SAP-Kunden bereits im ersten Jahr überragende Erfolge ermöglicht. Besuchen Sie ein SAP Leonardo Center in Ihrer Nähe. Dort erfahren Sie alles über Design Thinking und intelligente Technologien. Sehen Sie mit eigenen Augen, wie Unternehmen ihre digitale Innovation vorantreiben.

Die SAP hat  ihr Portfolio rund um die SAP-HANA-Technologie an diesen Herausforderungen ausgerichtet. So bietet SAP Leonardo Internet of Things die Möglichkeit, Maschinen und intelligente Geräte, aber auch bestehende oder neue Geschäftsprozesse mit einer Plattform zu verbinden. So können Maschinen- und Sensordaten in Echtzeit ausgewertet und neue Anwendungsfälle oder Geschäftsmodelle im Unternehmen etabliert werden.

Industrie 4.0 in der Fertigung

Ein augenfälliges Beispiel für den Weg zu Industrie 4.0 findet sich in der Fertigungsindustrie. Eine umfassende Prozessflexibilisierung auf Basis des Smart-Factory-Konzepts wird hier zum entscheidenden Unterschied im globalen Wettbewerb: Industrie 4.0 läutet ein revolutionäres neues Zeitalter ein, in dem ein Produkt seine Produktions- und Logistikprozesse selbst steuern kann und die heute bekannte Automatisierungspyramide ausgehend vom ERP-System bis hin zum Smart Device in Frage gestellt wird. Intelligente Gesamtlösungen (wie z. B. Predictive Maintenance, Asset Tracking, Smart Products und Produktionsassistenzsysteme) werden in den Unternehmen evolutionär in kleinen planbaren Schritten umgesetzt.

Wer das Potenzial der vertikalen Vernetzung von Sensoren bis hin zum ERP-System und der horizontalen Vernetzung von Werken zu Wertschöpfungsnetzwerken nicht erkennt und für sein Unternehmen aufgreift und umsetzt, läuft Gefahr, bei der Entwicklung neuer Geschäftsmodelle oder neuer Produkte den Anschluss zu verlieren.

Vernetzung Cloud und On-premise

Die SAP Cloud Platform, bietet dazu Firmen die Möglichkeit zur Verbindung aller Komponenten, Produkte und Maschinen, den Zugriff auf die Daten und der Bereitstellung von Funkstrecken,  eine Prozess-Verbesserung und Optimierung durch die neu gewonnenen Daten sowie die Etablierung neuer Geschäftsprozesse und -modelle. Diese Plattform beinhaltet vordefinierte Dienste und Services, aber auch eine Anbindung von bestehenden On-premise Systemen (z.B. ERP, CRM) und den darin abgebildeten Kernprozessen.

Internet der Dinge

Während Industrie 4.0 im Kern die Digitalisierung der Produktionsprozesse bedeutet, um eine adaptive Produktion zu realisieren, betrifft das Internet der Dinge die Anwendung von vernetzten und digitalisierten Objekten. Obwohl der Markt für IoT-Lösungen noch sehr jung ist, wird die Verzahnung der realen mit der virtuellen Welt über Sensoren und Aktoren schon durch zahlreiche Cloud- und Big-Data-Lösungen von Standardsoftwareherstellern „out-of-the-box“ unterstützt.

Die SAP bietet hier dem Markt bereits heute eine Vielzahl an vorgefertigten Szenarien, die stetig durch die SAP selbst oder durch Partner erweitert und ausgebaut werden: Mit SAP Predictive Maintenance & Service steht eine Lösung zur vorausschauenden Wartung von Maschinen und Geräten zur Verfügung, SAP Connected Logistics zeigt den Weg zur Optimierung von komplexen Logistikketten durch deren Verknüpfung, während die Lösung SAP Vehicle Insights Fahrzeugdaten zur Optimierung des Fleet-Managements und der Verkehrsflusssteuerung bereitstellt.

SAP-Innovator Guido Wagner erklärt, wie sich Risiken eingrenzen lassen und welche Rolle eine digitale Ethik dabei spielt. Visionäre Köpfe wie der kürzlich verstorbene Physiker Stephen Hawking warnten vor dem Einsatz von KI. 2016 entwickelte ein Chatbot innerhalb kürzester Zeit eine rassistische Ausdrucksweise.

Angesichts solcher Berichte fürchten viele Menschen den Einsatz künstlicher Intelligenz. Zu Recht?

Die Warnungen von Hawking bezogen sich auf mögliche Langzeitauswirkungen potenzieller Super-Intelligenzen. Bei SAP hingegen konzentrieren wir uns insbesondere darauf, bei Interaktion zwischen Anwender und System den Menschen in den Mittelpunkt zu stellen sowie spezifische Geschäftsprozesse zu verbessern. Aber natürlich lassen solche Dinge aufhorchen. Das Risiko, dass KI-Systeme Fehler machen, besteht wie in jedem – auch von Menschen gesteuerten – Prozess zweifellos. Allerdings tragen dafür nicht die Systeme die Verantwortung, sondern die Menschen, die sie einsetzen, sie programmiert und angelernt haben. Denn wir geben unsere Vorlieben, Werte und teilweise auch Vorurteile über den Lernalgorithmus und über die Qualität der zum Lernen benutzten Daten an die KI weiter. Intelligente Systeme können zwar mühelos Muster in unstrukturierten Datenmassen erkennen, realitätsverzerrende Ungleichgewichte in einer Datenbasis (Bias) aber bislang ohne menschliche Hilfe nicht immer richtig und wertfrei einordnen.

Wie lässt sich die KI verbessern?

Zunächst einmal sollten alle Entwickler von KI daran arbeiten, dass die von ihren Algorithmen autonom getroffenen Entscheidungen allgemein so nachvollziehbar und transparent wie möglich bleiben – und bei Bedarf in letzter Instanz durch den Menschen korrigiert werden können. Das allein reicht aber nicht aus. Mindestens genauso wichtig ist das Ziel, bei der Entwicklung und dem Einsatz künstlicher Intelligenz moralische Werte einzubringen. Intelligente Systeme, die „wertfrei“ aufs Gewinnen getrimmt sind, werden nur dieses Ziel verfolgen.

Algorithmen haben von sich heraus kein Gespür dafür, ob durch ihr Handeln womöglich Menschen benachteiligt oder geschädigt werden. Menschen dagegen wissen, dass eine faire Gesellschaft Regeln braucht, und fällen Entscheidungen deshalb auch auf Basis ethischer Gesichtspunkte. Wer will, dass KI-gesteuerte Strukturen sich nach menschlichen Maßstäben korrekt verhalten, muss sie mit entsprechenden Grundlagen versorgen. Anders gesagt: KI kann nur das widerspiegeln, was wir ihr in der Programmierung, Trainingsphase und im Laufe ihrer Nutzung vermitteln. Daher müssen alle KI-Anbieter weiter an ethischen Aspekten sowie an den diversen technischen Herausforderungen arbeiten.

Vielerorts sind KI-Lösungen bereits im Einsatz. Wurde da vielleicht der zweite Schritt vor dem ersten gemacht?

Bisherige Systeme liefern zwar Analysen und Vorschläge, greifen in der Regel aber nicht autonom in ein Geschehen ein. Hier können wir aus früheren Erfahrungen lernen: Beispielsweise wurde das Thema Cybersecurity lange allgemein unterschätzt. Erst als Viren, Trojaner und Datendiebstahl weltweit Schäden in Milliardenhöhe anrichteten, wurde Internetsicherheit zum Business Case. Umso wichtiger, dass wir als Gesellschaft es in Sachen KI gar nicht erst so weit kommen lassen. Als führendes europäisches Softwareunternehmen übernimmt die SAP dabei eine große Verantwortung. Schließlich ebnen wir mit zahlreichen innovativen Produkten den Weg zum intelligenten Unternehmen. Wir sorgen deshalb aktiv dafür, dass die Mitarbeiter und die Geschäftsmodelle unserer Kunden geschützt bleiben, und werden dies auch in Zukunft tun.

Was bedeutet das konkret?

Einerseits spielt die Qualität der Eingangsdaten bei der Entscheidungsfindung eine wichtige Rolle. Es gilt, Verzerrungen auszuschließen und eine zuverlässige Entscheidungsbasis herzustellen. Auch deswegen entwickelt die SAP neue Lösungen gemeinsam mit Kunden und Co-Innovationspartnern. Projekte ohne ausreichende Datenbasis werden von uns nicht weiterverfolgt. Andererseits muss die Industrie weiter daran arbeiten, dass KI-Systeme Entscheidungen verlässlich, nachhaltig und eben auch verantwortlich und unter Berücksichtigung ethischer Aspekte treffen. Um dies zu gewährleisten, braucht es entsprechende Leitplanken für die Entwicklung und den Umgang mit KI-Systemen. Erst dann kann ein Unternehmen davon ausgehen, dass die vom System vorgelegte Entscheidungsgrundlage auch auf den aktuellen Unternehmenswerten fußt.

Wie trägt die SAP zur Entwicklung entsprechender Standards bei?

Aktuell arbeiten wir beispielsweise an Leitgedanken für das Design und die Entwicklung von KI-basierten Lösungen. Diese sollen zeigen, wie wir als SAP mit solchen Fragestellungen umgehen, und so das Vertrauen unserer Kunden in KI-Systeme stärken – zum Beispiel, indem wir uns gemeinsam mit akademischen Forschungspartnern mit Themen wie Datenschutz und Privatsphäre beschäftigen. In einer Arbeitsgruppe zum Thema Unternehmensverantwortung entwerfen Vertreter aller involvierten Geschäftsbereiche Vorschläge, die auch über die SAP hinaus Bestand haben. Das ist aus meiner Sicht enorm wichtig. Denn in Zeiten der Globalisierung müssen ethische Leitplanken für künstliche Intelligenz und maschinelles Lernen auf einem gemeinsamen, unternehmensübergreifenden Nenner basieren. Dieser kann durch die Gesetzgebung und durch industrielle Selbstorganisation erzeugt werden. Gelingt das, wird digitale Ethik langfristig vielleicht sogar dazu beitragen, kulturelle und gesellschaftliche Grenzen zu überwinden.

Die Umfrage, die von SAP in Australien, Frankreich, Deutschland, Großbritannien und den USA durchgeführt wurde, zeigte, dass Führungskräfte bereit sind, entsprechend zu handeln, und dass eine wachsende Nachfrage nach Innovationen auf Basis künstlicher Intelligenz besteht.

• Sechs von zehn Führungskräften gaben an, dass sie künstliche Intelligenz eingeführt haben oder dies im nächsten Jahr planen.
• Ein Drittel der befragten Führungskräfte planen in den nächsten 12 Monaten erhebliche Investitionen (zwischen 500.000 und 5 Mio. US-Dollar) in künstliche Intelligenz.

„Wir möchten in den nächsten drei Jahren die Hälfte aller ERP-Geschäftsprozesse mit KI-gestützten Funktionen automatisieren“, sagte Bernd Leukert, der als Mitglied des Vorstands der SAP SE den Bereich Products & Innovation verantwortet. „SAP S/4HANA Cloud ist das einzige Produkt auf dem ERP-Markt, das Unternehmen die umfassende Intelligenz bietet, die sie benötigen, um ihre Wettbewerber zu überflügeln und weiterhin Spitzenleistungen zu erzielen.“

SAP S/4HANA Cloud: das intelligenteste ERP-Angebot auf dem Markt

SAP optimiert seine Produktangebote grundlegend mit künstlicher Intelligenz und nimmt damit eine Vorreiterrolle ein. Im Gegensatz zu anderen Anbietern, die ebenfalls intelligente Funktionen bereitstellen, ist SAP S/4HANA Cloud heute die einzige bewährte intelligente ERP-Lösung am Markt mit den folgenden Vorteilen:

• Sprachbasierte, dialogorientierte Oberfläche: SAP S/4HANA Cloud bietet durch die Integration des digitalen Assistenten SAP CoPilot die erste dialogorientierte Benutzerschnittstelle des digitalen Zeitalters für den ERP-Softwaremarkt. Mit dem intelligenten digitalen Assistenten für Unternehmen können Nutzer noch effizienter mit ihrer ERP-Software arbeiten. SAP S/4HANA Cloud ist daher die weltweit erste sprachgesteuerte ERP-Lösung, die es Kunden erlaubt, auf ganz neue Weise mit ihrer ERP-Software zu arbeiten und Nutzen daraus zu ziehen.
• KI-gestützte Automatisierung: SAP S/4HANA Cloud bietet Kunden die umfangreichsten KI-gestützten Funktionen, die es heute auf dem ERP-Markt gibt. Mit intelligenten selbstlernenden Mechanismen verändert SAP S/4HANA Cloud von Grund auf die Art und Weise, wie Aufgaben erledigt werden. Mit dem neuesten Release von SAP S/4HANA Cloud sind zum Beispiel Projektleiter nun in der Lage, KI-Funktionen zur Projektkostenprognose zu nutzen, um Budgetüberschreitungen zu vermeiden und präzisere Entscheidungen für die Investition von Ressourcen zu treffen.
• Zukunftsweisende Geschäftsprozesse: SAP S/4HANA Cloud hat Geschäftsprozesse grundlegend verändert, denn die Lösung vereint jahrelange Branchenerfahrung mit den Stärken der neuesten technischen Innovationen wie künstliche Intelligenz und In-Memory-Technologie. Heute kann ein Händler mit der dynamischen Preisfindung Preise intelligent an den Bedarf anpassen. Und der Leiter einer Fachabteilung hat die Möglichkeit, auf Vorhersagen für die Ressourcen- oder Stellenbesetzung zurückzugreifen, die auf den Anforderungen und dem Status eines bestimmten Projekts bzw. einer Stelle basieren. Das sind nur zwei Beispiele dafür, wie Kunden von innovativen Geschäftsprozessen profitieren können, die durch SAP S/4HANA Cloud ermöglicht werden.

SAP S/4HANA Cloud ermöglicht Kunden die Umsetzung eines intelligenten Unternehmens

Kunden wie La Liga, pladis global, Royal Dutch Shell plc und Beyond Technologies werden auf der Kundenkonferenz SAPPHIRE NOW vertreten sein, die vom 5. bis 7. Juni 2018 stattfindet. Sie werden darüber sprechen, wie SAP S/4HANA Cloud sie auf dem Weg zum „intelligenten Unternehmen“ unterstützt.

La Liga, die höchste spanische Fußballliga, setzt SAP S/4HANA Cloud ein, um sich zu einem intelligenten Unternehmen zu entwickeln. Um den weltweiten Unterhaltungssektor erschließen zu können, musste das Unternehmen seine veralteten, komplexen und manuellen Geschäftsprozesse erneuern.

„Wir sind in den letzten Jahren schnell gewachsen. Auf unserem Weg zu einer globalen Marke in der Unterhaltungsbranche sind wir auf die neuesten Technologien und eine Komplettlösung angewiesen, die uns helfen, alle unsere Ziele zu erreichen“, sagte José Guerra, leitender Geschäftsführer von La Liga. „Wir betrachten SAP als wichtigen Lösungsanbieter, der uns dabei unterstützt, diese Ziele zu verwirklichen. Wir sind sicher, dass diese Beziehung für unsere Geschäftstätigkeiten zwei wesentliche Vorteile bieten wird: optimierte Geschäftsprozesse und schnellere Innovationszyklen.“

„Eine spannende Zeit für Versorgungsbetriebe“, meint Tom Pollock, Leiter für Informationsmanagement beim britischen Unternehmen Northern Gas Networks(NGN). Moment, wie bitte? Wenn Sie mit Tom Pollock und anderen führenden Versorgungsbetrieben über ihre Strategie für die digitale Transformation sprechen oder darüber, wie ihre Branche mit der neuesten Technologie Innovationen vorantreibt, werden Sie ihre Begeisterung verstehen.

Erster Schritt: Daten bändigen

Pollock beschreibt die geschäftliche Entwicklung von NGN: „Vor etwa zwei Jahren überlegten wir, wie würden wir vorgehen, wenn wir ein Start-up-Unternehmen wären. Und dann fragten wir uns, was uns im Weg steht.” Die Hürde war ein Übermaß an Daten und Technologien. “Wir hatten Datenschulden und brauchten Zeit, bis wir das Ausmaß des Problems beziffern konnten. Dabei stellten wir fest, dass wir 155 Aufzeichnungssysteme und sieben Millionen Tabellen hatten. Unsere Daten waren also weit verstreut in verschiedenen Systemen, Tabellen und Prozessen, dadurch konnten wir unsere Daten nicht optimal nutzen.” Mit tatkräftiger Unterstützung der Geschäftsführung bestand der erste Schritt der digitalen Transformation darin, alle Daten zusammenzuführen. Eine gute Ausgangsbasis, um neue Wege für einen Neuanfang zu beschreiten.

NGN ist seit 2006 SAP-ERP-Kunde. Zunächst nutzte NGN die Analysefunktionen von SAP und später SAP HANA, die In-Memory-Datenbank des Unternehmens, um einen einheitlichen Echtzeitüberblick über das Unternehmen zu erhalten. In Zusammenarbeit mit SAP konnte NGN diese Daten im Dashboard SAP Digital Boardroom einspeisen und bekommt so einen Echtzeitüberblick über die Abläufe bereitsgestellt. Auch technisch weniger versierte Benutzer können mit diesem Tool, das NGN als „Digital Operations Room“ bezeichnet, Daten analysieren und die Auswirkung neuer Geschäftsmodelle vorhersehen.

Pollock erklärt: „Der Digital Operations Room ist das Zentrum unseres Unternehmens und steht allen Kollegen zur Verfügung. Wir müssen uns nicht mehr auf unser Bauchgefühl verlassen, sondern können auf der Grundlage von Daten fundierte Entscheidungen treffen.“ Nun implementiert das Unternehmen SAP S/4HANA und SAP-Cloud-Technologien als digitale Basis von NGN. Pollock stellt fest: „SAP S/4HANA bildet das Fundament für Sensoren, das Internet der Dinge und maschinelles Lernen. Zu diesem Fundament werden wir weitere Cloud-Lösungen für Beschaffung, Verträge und Geschäftsreisen hinzufügen. In ein paar Jahren werden wir strategisch so positioniert sein, dass wir mit den neuen Entwicklungen, die heute in aller Munde sind, mühelos Schritt halten können.“

Der rote Faden für die Versorgungswirtschaft

Wie viele Versorgungsbetriebe ist NGN hochgradig reguliert und unterliegt strengen Berichtslegungspflichten. Durch die Digitalisierung und besonders durch die schwerpunktmäßige Konzentration auf Analyselösungen und Big Data ist NGN auf dem besten Weg, gesetzliche Vorschriften schneller und einfacher einzuhalten. Hinzu kommt: NGN ist mit einer weiteren branchentypischen Herausforderung konfrontiert – ein zunehmend vernetzter, anspruchsvoller Kundenstamm auf einem geografisch klar abgesteckten Markt. NGN möchte sich zum beliebtesten Unternehmen Großbritanniens entwickeln. Daher liegt der Schwerpunkt der digitalen Transformation darauf, allen Kunden und Beteiligten einen ausgezeichneten Service anzubieten sowie den Mitarbeitern eine angenehme, produktive Zusammenarbeit zu ermöglichen. Dies soll mit einer höheren Effizienz und Kosteneinsparungen einhergehen.

Diese Innovation wird das Wachstum fördern. Pollock dazu: „Wir müssen neue Geschäftsmodelle schaffen, um die Herausforderungen des Klimawandels und der Energiesicherheit zu bewältigen. Daher suchen wir nach neuen Formen der Energie, wofür wir ein reaktionsstarkes und flexibles Innovations- und Aufzeichnungssystem benötigen. Genau das möchten wir mit SAP S/4HANA implementieren.“

Zukunftsplanung für Innovation bei NGN

NGN ist begeistert von SAP Leonardo, dem digitalen Innnovationssystem, das maschinelles Lernen, das Internet der Dinge (IoT), Blockchain und andere Technologien umfasst. Pollock sieht Anwendungsfälle für maschinelles Lernen, um die Mitarbeiterzahl von NGN zu optimieren. Mithilfe von IoT kann das Unternehmen durch eine Druckverwaltung in Echtzeit proaktiv Gaslecks verhindern und somit Kostensenkungen erzielen.

Brasilianisches Start-up-Unternehmen nutzt IoT für das Digital Asset Management

Während NGN mit Technologie neue Geschäftschancen erschließen möchte, verlassen sich andere Versorgungsbetriebe auf die neueste Innovation, um Anlagen zu verwalten, wie zum Beispiel Energiequellen, aber auch die dafür benötigten Rohre und Leitungen. Weltweit sind in 8,4 Milliarden „Dingen“ Sensoren integriert. Mit IoT-Technologie lassen sich Daten über Energieleitungen verfolgen und analysieren, die von physischen Komponenten und Zählern ausgegeben werden. Genau das macht Huru Systems, ein brasilianisches Asset-Management-Start-up-Unternehmen. Mit SAP HANA kann Huru Systems IoT-Daten analysieren und dadurch Erkenntnisse über die Leistung der Teile gewinnen, damit die Energie schnell und effizient zu den zahlenden Kunden gelangt.

Dieser Service ist für Versorgungsbetriebe äußerst wichtig. CEO Ian Nazzari erklärt: „In der Versorgungswirtschaft gibt es zwei große Herausforderungen. Erstens entstehen jedes Jahr weltweit Verluste in Höhe von nahezu 100 Milliarden US-Dollar, die zum Teil auf Energiediebstahl zurückzuführen sind. Zweitens werden physische Anlagen im Wert von mehreren Millionen US-Dollar gestohlen oder sie gehen anderweitig verloren.“

Nazzari erklärt: „Mit IoT, Cloud und Big-Data-Analysen können wir diese Anlagen an ihrem Standort überwachen. Wenn sie abhanden kommen, wissen wir, wo dies geschehen ist und wer sie installiert hat. Außerdem erfahren wir, wenn eine Anlage nicht richtig installiert wurde. Wir haben einen Überblick über den Verbrauch und können Anlagen umdisponieren, wenn sie nicht ausgelastet sind.“ Darüber hinaus schweben Nazzari noch größere Pläne für die digitale Versorgungswirtschaft vor. „In der digitalen Wirtschaft wird es künftig auf eine allgemeine und freie Strom- und Gasversorgung hinauslaufen. Kunden koppeln sich immer mehr von Marken ab. Dieses Phänomen bewirkt einen großen Wandel. Ähnlich wie bei Fahrradmietstationen ist es vorstellbar, dass auch Strom frei austauschbar zur Verfügung steht.“

Laut einer aktuellen Umfrage von MIT Sloan and Deloitte rechnen etwa 90 Prozent der Befragten mit einem digitalen Wandel in ihrer Branche. Doch nur 44 Prozent glauben, dass ihr Unternehmen gut darauf vorbereitet ist. Fünf Tipps, wie Sie sich vorbereiten können.

Ich sprach mit zwei Größen der Branche, Eric Kavanagh, CEO von The Bloor Group, und Mala Anand, Executive Vice President von SAP Data and Insights, über Aspekte, die Unternehmen auf dem Weg zur digitalen Transformation beachten sollten.

Beide haben jahrzehntelange Erfahrung in der Entwicklung und Analyse von Unternehmenssoftware sowie im Reporting. Mit ihrem Know-how beraten sie Unternehmen bei der Wahl der richtigen Technologien, die für den geschäftlichen Erfolg heute nötig sind. Zusammengefasst lauten ihre Tipps und Anregungen wie folgt:

Geschäftsergebnisse visualisieren

Anand und Kavanagh sind überzeugt, dass es für Unternehmen wichtig ist zu verstehen, was sie verändern möchten.

„Dazu benötigen Unternehmen einen Überblick über ihre Geschäftsprozesse und -modelle. Und sie sollten in der Lage sein, die größten Spannungsfelder im Unternehmen zu identifizieren. Dies ist ein zentraler Ausgangspunkt für den digitalen Wandel“, erklärt Kavanagh.

Anand ergänzt: „Wir raten unseren Kunden dazu, die gewünschten Geschäftsergebnisse zunächst zu visualisieren. Dabei kann es sich um beliebig viele Ziele handeln. Wichtig ist, dass sie auf das Geschäft abgestimmt sind.

Nachdem die Geschäftsziele abgesteckt sind, geht es im nächsten Schritt darum, die wichtigsten Abhängigkeiten zu ermitteln  – inklusive der dafür erforderlichen Daten und Prozesse. Dann folgen die Überlegungen, mit welchen Technologien sich diese Ziele erreichen lassen.“

Digitalisierung nicht auf die lange Bank schieben

Eric Kavanagh betont: „Veränderungen sind immer schwierig, doch die Alternative ist noch schlechter. Denn Unternehmen, die sich dem digitalen Wandel verschließen, werden verlieren.

Die Digitalisierung findet überall statt. Sie gleicht einem Tsunami. Anfangs ist sie wie ein unscheinbarer Wind, der allerdings jederzeit zu einem Orkan werden und alles andere in kürzester Zeit beiseite fegen kann. Nehmen wir Uber und Airbnb, die zu Branchen gehören, in denen lange keine Innovation mehr stattfand.

Seit der Einführung von Taxilizenzen und -schildern hatte sich in der Taxibranche nichts mehr verändert. Heute kann so gut wie jeder Taxifahrer sein. Uber hat jedoch bewirkt, dass Fahrgäste keine Wartezeiten mehr akzeptieren. Wer ein traditionelles Taxiunternehmen anruft und warten muss oder eine weitere Firma anrufen muss, entscheidet sich für die Uber-App, über die Taxis sofort bereitstehen.”

„Menschen lehnen Veränderungen häufig ab. Sie sind einfach zu sehr mit ihren alltäglichen Aufgaben beschäftigt. Daher müssen wir die Vorteile noch deutlicher machen, um ihre Bereitschaft zu schnellen Veränderungen zu erhöhen.”

Den richtigen Partner wählen

Mala Anand hat bei vielen großen Technologieunternehmen gearbeitet: Cisco, Oracle und nun SAP. Sie glaubt: „Letztendlich kommt es darauf an, mit einem Anbieter zusammenzuarbeiten, der die Digitalisierung versteht und ermöglichen kann, Daten und Systeme unternehmensweit zusammenzuführen.

Viele Unternehmen haben bereits umfangreich in ihre vorhandenen IT-Systeme investiert. Sie brauchen nun einen Partner, der diese Systeme schützt und die darin angesammelten Daten, Best Practices und das Unternehmenswissen zu ihrem Vorteil nutzt. Gleichzeitig benötigen Unternehmen jemanden, der digitale Anwendungsfälle entwickeln kann, die sich in diese Infrastruktur integrieren und unternehmensweit skalieren lassen, wenn die Investitionen beginnen, sich bezahlt zu machen.

Und schließlich brauchen Unternehmen einen Partner, dem sie vertrauen können. Es gibt vielfältige neue Technologien, wie zum Beispiel das Internet der Dinge,maschinelles Lernen und Blockchain. Der Partner muss diese Technologien bereitstellen, damit das Unternehmen davon profitiert. Darüber hinaus sollte der Partner über umfangreiche innovative digitale Technologien verfügen, die im Laufe der digitalen Transformation des Unternehmens mitwachsen und sich weiterentwickeln.”

Der Faktor Mensch

Eric Kavanagh betont: „Wir brauchen beim digitalen Wandel auch die menschliche Komponente. Denn unabhängig vom Grad der Automatisierung sind bei kritischen Prozessen nach wie vor Menschen involviert. So gibt es ‚Kontrollpunkte‘, an denen Anwender aktiv eingreifen und Veränderungen vornehmen können. Dadurch ist es möglich, ein bestimmtes Szenario zu beeinflussen und sicherzustellen, dass die Kunden zufrieden sind. Es treten immer Situationen auf, die von der Norm abweichen. Besteht dann die Möglichkeit für manuelle Änderungen, kann ein Mitarbeiter bei Bedarf sofort eingreifen.“

Für Mala Anand ist die menschliche Komponente im Design Thinking verankert. Mithilfe dieser Methodik können Unternehmen schwierigste Herausforderungen meistern, ohne dabei den Anwender aus dem Blick zu verlieren.

„Bei Design Thinking spielt der Anwender eine zentrale Rolle. Wenn wir uns also mit der Digitalisierung und der Anwendung von Innovation zur Lösung kritischer Probleme beschäftigen, beginnen unsere Fragen immer beim Endanwender: Wie sieht sein Tag aus, wie arbeitet er und mit welchen Mitteln kann er seine Aufgaben erfolgreich erledigen? Auf dieser Grundlage ermitteln wir anschließend, wie Technologie zur Problemlösung eingesetzt werden kann.“

Klein anfangen, groß träumen

Mala Anand und Eric Kavanagh sind sich einig, dass Unternehmen einen Anwendungsfall zunächst eindeutig identifizieren müssen. Die Skalierung erfolgt später. Ganz wichtig ist dabei, besonders die Anwendungsfälle im Auge zu behalten, die sich stark auf den Gewinn und die Verbraucher auswirken können.

Mala Anand rät dazu, „sich nicht vom Umfang der digitalen Transformation abschrecken zu lassen.  Innovation lässt sich einfacher denn je in vorhandene Geschäftsprozesse integrieren. Dazu stehen modulare, offene Möglichkeiten zur Verfügung, die plattformübergreifend und mit bestehenden Partnern und Systemen skalierbar sind.  Wir wissen natürlich, dass die digitale Transformation keine Einheitslösung ist. Doch wir haben gelernt, wie man Innovationen bündeln kann, damit diese Transformationen zugänglich, gut unterstützt und leicht skalierbar sind.“

Eric Kavanagh gibt ein Beispiel aus den Anfängen der Digitalisierung, als bescheidene Anfänge zu großen Erfolgen führen konnten. „Anfang der 1980er Jahre sprach ich mit einem Russen. Er war Student und Besitzer einer kleinen Baufirma, als das Internet gerade Laufen lernte. Er nutzte das Internet, um sich landesweit über aktuelle Preise von Baumaterial zu informieren, und begann, mit Rohstoffen zu handeln. Mit 25 Jahren hatte er bereits ein Eigenkapital von 25 Millionen US-Dollar. Seine frühzeitige Nutzung digitaler Innovation veränderte sein Leben.“

Künstliche Intelligenz (KI), auch Artificial Intelligence (AI) genannt. Zur KI gehört das Machine Learning (ML), das bereits von vielen Unternehmen genutzt wird. Wir geben Antworten auf die wichtigsten Fragen.

Künstliche Intelligenz ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen wie Lernen, Urteilen und Problemlösen erbringen. Die Technologie des maschinellen Lernens (ML) – ein Teilgebiet der künstlichen Intelligenz –  lehrt Computer aus Daten und Erfahrung zu lernen und Aufgaben immer besser auszuführen. Ausgefeilte Algorithmen können in unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster erkennen und anhand dieser Entscheidungen selbstständig treffen.

Diese Art des Lernens ermöglicht unter anderem das sogenannte Natural Language Processing (NLP). Dabei geht es um die Verarbeitung von Texten und natürlicher menschlicher Sprache, die unter anderem bei dem Sprachdienst Alexa von Amazon zur Anwendung kommt. Als vielversprechendste Methode des Machine Learning wird aktuell Deep Learning (DL) gesehen, das sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen nutzt.

Im Gegensatz zu NLP geht der Algorithmus beim DL tiefer: Die Maschine erkennt Strukturen, kann diese evaluieren und sich in mehreren vorwärts wie rückwärts gerichteten Durchläufen selbständig verbessern. Dabei verwendet der Algorithmus mehrere Knotenebenen (Neuronen) parallel, um fundierte Entscheidungen zu treffen. Beispielsweise findet die Medizin mit Deep Learning Unterstützung bei der Früherkennung von Krebs oder Herzkrankheiten und kann DNA-Profile von Kindern nach Genmarkern untersuchen, die auf Typ 1 Diabetes hinweisen. In der Forschung wird Deep Learning unter anderem eingesetzt, um tausende Zellprofile und deren aktive Gene auszuwerten oder Teilchenschauer, die entstehen, wenn in einem Teilchenbeschleuniger Protonenstrahlen aufeinanderprallen. Da diese Art des Lernens komplexe, nicht lineare Probleme löst, kommt sie etwa auch bei selbstfahrenden Fahrzeugen zum Einsatz, um unübersichtliche Verkehrsszenen richtig zu interpretieren: Fußgänger, Radfahrer, Wetter, Verkehrszeichen oder Bäume – das Verhalten der Verkehrsteilnehmer muss unter Berücksichtigung aller möglichen Einflussfaktoren richtig erkannt und vorhergesagt werden.

Wann ist künstliche Intelligenz entstanden?

Seit in den 1950er Jahren das Potenzial der Computer deutlich wurde, entwickelte sich auch die KI zu einem Thema, das Phantasien weckte. 1970 erklärte Marvin Minsky, der „Vater der KI“, dass Maschinen in wenigen Jahren Shakespeare lesen würden. Aber nichts dergleichen passierte.

Dann feierten Computer Erfolg nach Erfolg: Zuerst durch pure Rechenleistung. 1997 schlug ein Computer den damaligen Schachweltmeister Kasparov in einem Turnier und 2011 gewann ein Computer die Quizshow „Jeopardy“. Doch über die pure Rechenleistung hinaus wuchsen die Computer erst, als eine Software den Go-Ausnahmespieler Lee Sedol überraschenderweise mit vier zu eins besiegte. Denn das asiatische Strategiespiel Go ist viel komplexer als Schach oder Jeopardy, bei dem der Computer im Grunde nur Fragen verstehen und Antworten in einer Datenbank suchen muss. Die Go-Partien hat der Computer gewonnen, weil er weit mehr als ein schneller Rechner ist – die Software lernt dazu. Eine stärkere Version lernte später das Spiel sogar von Grund auf selbst und gewann gegen seine Vorgänger.

Wie lernen Maschinen dazu?

Das maschinelle Lernen geschieht entweder durch Training anhand eines Datensatzes mit bereits bekannten Outputs (überwacht), oder Algorithmen müssen selbst Muster in Daten erkennen (unüberwacht). Möglich ist auch Lernen durch Belohnung und Bestrafung (verstärkt), bei dem der Algorithmus selbstständig erkennt, ob die Lernkomponente dem gesamten System nutzt (Belohnung) oder nicht (Bestrafung).

In welchen Bereichen kann KI eingesetzt werden?

KI ist für alle Branchen interessant, in denen großen Datenmengen anfallen. Beispielsweise für die produzierenden Unternehmen, bei denen Lieferanten, Sensoren in den Maschinen und das ERP-System viele Daten liefern können. Selbstlernende Algorithmen unterstützen hier die Qualitätskontrolle und liefern Prognosen für die vorausschauende Wartung der Maschinen. So vermeiden Unternehmen Produktionsausfälle und minimieren die Lagerhaltungskosten, um nur einige Beispiele zu nennen.

Auch im Gesundheitswesen bieten sich durch medizinische Bildanalysen oder roboterassistierte Chirurgie nahezu unbegrenzte Möglichkeiten für den Einsatz der KI. In jeder Branche entstehen derzeit Ideen, die oft zu deutlichen Effizienzgewinnen führen, da wiederholbare Aufgaben in Prozessen automatisch ablaufen. Die Menschen erhalten dadurch mehr Zeit für strategisch wichtige und kreative Aufgaben. Aber KI führt auch zu neuen Geschäftsmodellen – zum Beispiel, wenn ein Unternehmen keine Maschinen mehr verkauft, sondern stattdessen deren Leistung.

Was sind die Vorteile für Unternehmen mit KI?

Künstliche Intelligenz vereinfacht Arbeitsabläufe, ermöglicht genauere Prognosen und schafft neue datenbasierte Geschäftsmodelle. Sie erlaubt schnellere Entscheidungen auf einer besseren Datenbasis, erhöht die Anpassungsfähigkeit von Unternehmen auf Marktveränderungen durch Echtzeitinformationen sowie Vorhersagen jenseits menschlicher Fähigkeiten. KI schafft für Unternehmen also weit mehr als Effizienz – sie ist ein Schlüssel zu erhöhter Wettbewerbsfähigkeit.

Wie kann KI in Unternehmen eingesetzt werden?

Laut IDC sind 94 Prozent der Unternehmen überzeugt, dass maschinelles Lernen der Schlüssel zu deutlichen Wettbewerbsvorteilen ist. Nicht ohne Grund – denn künstliche Intelligenz stärkt Unternehmen bei der Produktivität, Flexibilität und schafft neue Geschäftswerte, beispielsweise durch intelligente Chatbots im Service.

Durch personalisierten Kundenservice lernen Algorithmen aus der direkten Interaktion mit den Kunden und gehen präziser auf deren Bedürfnisse ein. Hier setzt auch die SAP auf intelligente Prozesse und unterstützt ihre Kunden mit entsprechenden Services und Anwendungen. Wie kann mein Unternehmen Machine Learning integrieren?

Jedes Unternehmen sollte wissen, welche Möglichkeiten für Machine Learning bereits in der eingesetzten Lösung vorliegen. Denn nicht für jede intelligente Applikation ist eigene Machine Learning-Expertise notwendig. In SAP-Produkten wie Concur oder SAP S/4HANA ist Machine Learning bereits integriert und mit Hilfe der SAP Leonardo Machine Learning Foundation kann jeder SAP- Partner oder SAP-Anwender fertig vorbereitete Services verknüpfen und implementieren, aber auch eigene Modelle für die Erstellung von intelligenten Anwendungen nutzen.

Um im Unternehmen künftig die richtigen Entscheidungen zu treffen, sollten zwei Parteien gut miteinander zusammenarbeiten – der Mensch und intelligente Systeme. Umso besser das gelingt, umso eher hebt sich das eine vom anderen Unternehmen um das Quentchen ab, das letztlich wettbewerbsentscheidend sein wird. „Um ein intelligenteres Unternehmen zu schaffen, ist es nötig, dass Manager die Stärken von Menschen als auch Maschinen bündeln und so zu überlegenen Entscheidungen zu gelangen“, formuliert der Experte für strategisches Management und Entscheidungsfindung Paul Schoemaker in der MIT Sloan Management Review. Dazu gehören zum einen die Fähigkeit, die nun verfügbare massive Rechenkraft zu bündeln, um Big Data aus dem Unternehmen zu durchforsten, Vorhersagen zu treffen und künstliche Intelligenz einzusetzen. Zum anderen sei, so der Professor, immer mehr Wissen darüber entstanden, was Menschen gut können und was nicht so gut.

Der Automatisierungsgrad von Prozessen nimmt weiter zu

In der Schnittmenge zwischen den Fähigkeiten der Technik und des Menschen also – Schoemaker nennt es „Sweet Spot“ – schlummert oft noch enormes Potenzial. Nach einer Studie von McKinsey werden 60 Prozent der Tätigkeiten des Menschen bis zum Jahr 2025 automatisiert sein. Computer werden Sprache besser verstehen als Menschen und Bilder sicherer erkennen. Routinen, so viel ist klar, werden von Maschinen besser erledigt. „Sie werden die Fähigkeiten des Menschen weiter erhöhen, aber nicht ersetzen“, ist Matthias Haendly überzeugt, für SAP S/4HANAzuständiger Produktmanager. Hingegen werden die Systeme in den Unternehmen mehr und mehr in der Lage sein, dem Menschen lästige und einfache Aufgaben abzunehmen und ihm die Chance geben, höherwertige komplexe Aufgaben zu übernehmen (siehe Grafik).

Intelligentes Unternehmen: Wenn ein Computer liest, hört, versteht und interagiert

Voraussetzung dafür ist allerdings, dass ein Unternehmen seine Intelligenz aus Daten ableitet und nicht auf festen Regeln beharrt, die oft noch bis heute die Grundlage für Automatisierungen sind. Erst ein wirklich intelligentes Unternehmen versetzt den Computer in die Lage, zu lesen, zu hören, zu verstehen und zu agieren. Die erste Frage, bevor ein Unternehmen seine Intelligenz wirklich ausspielen kann, ist, ob wirklich alle nötigen Daten dafür verfügbar und analysierbar sind. Die meisten liegen im Unternehmens-ERP, etwa SAP S/4HANA, doch reicht das nicht immer aus. Sind Informationen aus anderen Bereichen und Quellen nötig, die für eine – überlegene – Entscheidung nötig sind? Oder liegen welche außerhalb des eigenen Systems, so dass per Cloud-Platform, etwa der SAP Cloud Platform, weitere externe Daten herangezogen werden sollten? Daten von Sensoren, aus Cloud- oder Open-Source-Anwendungen können auf diese Art ebenfalls im intelligenten Gesamtsystem mit berücksichtigt werden. Ist diese Möglichkeit gegeben, geht es im nächsten Schritt darum, sicherzustellen, dass für ausreichende Rechenpower gesorgt ist, um auf die vorliegenden Daten Deep-Learning-Algorithmen anzuwenden.

Auf dieser Grundlage wurden diverse Szenarien bereits entwickelt:

Automatisch Lösungen vorschlagen: Ein digitaler Assistent, SAP CoPilot genannt, liest ständig alle verfügbaren internen und externen Daten, er erkennt, in welcher Rolle einzelne Mitarbeiter für das Unternehmen tätig sind und entwickelt aus diesem Wissensfundus selbständig Lösungsvorschläge. Der digitale Assistent macht einige Dinge besser als der Mensch: Er hat historische Daten ständig parat und ist in der Lage, sie ohne Zeitverzögerung zu analysieren. Er weiß, wie etwa Kunden in der Vergangenheit auf Zahlungserinnerungen reagiert haben und schlägt vor, ob ein kurzes Telefonat ausreicht oder direkt ein Schreiben vom Anwalt nötig ist. Der SAP CoPilot liefert Informationen, wenn sie nötig sind. Die Entscheidung trifft der Mensch.

Rechnungen richtig zuordnen: Im Rechnungswesen verbringen viele Mitarbeiter viel Zeit damit, Rechnungen zuzuordnen, bei denen sich ein Nummerndreher in der Auftragsnummer eingeschlichen hat, aufgrund einer Überweisung über Paypal die überwiesene Summe nicht exakt übereinstimmt oder eine Sammelrechnung gestellt wurde. Zahlungseingänge den offenen Posten zuzuordnen übernimmt heute das System eigenständig, mit Hilfe von maschinellem Lernen. Die entsprechende Anwendung SAP Cash Application lernt, wie Rechnungen in der Vergangenheit zugeordnet wurden und ermöglicht so, 19 von 20 der fehlerhaften Rechnungen richtig zuzuweisen.

Intelligent Enterprise: Überlegene Entscheidungen schaffen

Ob automatisierte Warnungen durch Analysen der Gewinne und Verluste, vorausschauendes Lagermanagement oder Liquiditäts-Management: Diverse konkrete und durch maschinelles Lernen unterstützte Anwendungsszenarien befinden sich derzeit in der Entwicklung und werden Unternehmen weitere intelligente Ansätze ermöglichen – und letztlich auch mit dazu beitragen, dass Entscheidungen in Unternehmen künftig nicht nur überlegt, sondern auch überlegen werden.

Digitale Transformation ist eine entscheidende Voraussetzung, um in der heutigen Geschäftswelt wettbewerbsfähig zu bleiben – an dieser Tatsache kommt kein Unternehmen mehr vorbei. Vielen von ihnen kommt jedoch der Weg zum digitalen Unternehmen einem Irrgarten gleich, in dem sie erst die richtige Richtung finden müssen.

Cloud-Lösungen bieten heute die Möglichkeit, Anwendungen miteinander zu verbinden. Sie lassen sich flexibel nutzen sowie skalieren und unterstützen auf diese Weise die individuellen Anforderungen von Unternehmen, die sich immer wieder ändern. Zwar hat diese nahtlose Innovation vielen Unternehmen den Weg in die digitale Transformation geebnet, doch führt auch dieser nicht immer geradeaus.

Hier kommt der Kunden-Support mit seinen Services ins Spiel – zumindest wäre dies seine Aufgabe. Denn trotz der zunehmenden Vielfalt von Lösungen setzen zu viele Anbieter beim Kunden-Support nach wie vor auf einen pauschalen Ansatz. Doch jedes Unternehmen nutzt individuelle digitale Systeme und Prozesse, die auch einen individuellen Support erfordern.

Künstliche Intelligenz, ein „Mitglied“ des Support-Teams

Künstliche Intelligenz kann die Arbeit von Support-Spezialisten unterstützen und das Team als zuverlässiges, technisch versiertes „Mitglied“ ergänzen, indem sie durch die Verarbeitung und Auswertung großer Datenmengen Empfehlungen für die optimale Lösung unterbreitet.

Beim Bearbeiten einer Support-Anfrage verirren sich Experten mitunter ebenso im Labyrinth wie die Kunden selbst. Da Lösungsanbieter viele Tausend Produkte gleichzeitig unterstützen müssen, gibt es dazu auch Unmengen von Daten, aus denen sich wiederum Millionen von möglichen Lösungen ableiten lassen. Hinzu kommt, dass Kunden so vielfältig sind wie die von ihnen eingesetzten Lösungen und deshalb ein und dasselbe Problem von verschiedenen Kunden ganz unterschiedlich beschrieben wird.

Um dem Team vor diesem Hintergrund den richtigen Weg zur Problemlösung zu weisen, kann künstliche Intelligenz zwischen den Zeilen von Support-Anfragen lesen und dafür sorgen, dass den Support-Spezialisten sofort die notwendigen Informationen zur Verfügung stehen. Durch diesen schnellen Zugriff auf Daten sind Support-Mitarbeiter in der Lage, Probleme doppelt so schnell zu beheben und Anfragen wesentlich effizienter und genauer zu bearbeiten.

Ein präventiver Support-Ansatz

Durch die vielen Tausend Support-Meldungen täglich entstehen umfangreiche Daten, die Aufschluss über die Häufigkeit bestimmter Probleme geben und auch darüber, in welcher Form sie auftreten und wie sie sich am besten lösen lassen. Die Support-Abteilung würde Jahrzehnte brauchen, aussagekräftige Informationen aus diesen Daten abzuleiten. Künstliche Intelligenz hingegen ist in der Lage, komplexe IT-Landschaften eigenständig zu überwachen und die Informationen, die zur Behebung von Problemen mit einer bestimmten Lösung relevant sind, auszulesen.

Durch Analyse der bereits vorhandenen Daten kann künstliche Intelligenz häufig auftretende Probleme aufgreifen, sodass der Softwareanbieter Lösungsstrategien entwickeln und bereitstellen kann. SAP stellt beispielsweise eine umfassende Bibliothek mit Artikeln in der Wissensdatenbank SAP Knowledge Base zur Verfügung, die Anleitungen zur Lösung bekannter Probleme enthalten. Der Einsatz von künstlicher Intelligenz auf den Backend-Systemen ermöglicht eine einfache Zuordnung und stellt sicher, dass die empfohlenen Artikel zur jeweiligen Lösung passen und auf die Anforderungen der Kunden zugeschnitten sind.

Oft treten bestimmte Sachverhalte immer wieder auf, weshalb ein präventiver Support-Ansatz für den langfristigen Erfolg entscheidend ist. Mithilfe künstlicher Intelligenz lässt sich erkennen, ob ein Problem auf kurze Sicht noch weitere Kunden betreffen wird, sodass entsprechende Gegenmaßnahmen ergriffen werden können. Ebenfalls gefährdete Kunden können dann benachrichtigt werden, noch bevor das Problem tatsächlich auftritt. Es können außerdem die erforderlichen Änderungen an der Lösung vorgenommen werden, damit sich die Probleme in Zukunft vermeiden lassen.

Der zunehmende Einsatz von künstlicher Intelligenz im Support wird dazu führen, dass die Zahl der Vorfälle deutlich abnimmt und auch für die Problembehebung wesentlich weniger Zeit benötigt wird. Noch bevor ein Anwender seine Support-Meldung vollständig eingegeben hat, wird künstliche Intelligenz auf der Grundlage der verwendeten Begriffe sowie bisheriger Support-Anfragen dieses Anwenders und anderer Kunden eine geeignete Lösung vorschlagen. Mit diesen neuen Möglichkeiten sind Unternehmen durch den Einsatz von künstlicher Intelligenz bestens gerüstet, ihren Weg aus dem digitalen Labyrinth zu finden und ihre Support-Prozesse zu optimieren.

1. Künstliche Intelligenz (KI)

Fast alle Unternehmen sammeln Informationen und pilotieren oder passen Lösungen an, um von KI zu profitieren. Denn KI ermöglicht bessere Entscheidungen und schafft die Basis für neue Geschäftsmodelle oder Kundenerfahrungen, so Gartner. Algorithmen sind schon heute für spezifische Aufgaben optimiert. Sie sind die Grundlage dafür, dass etwa Fahrzeuge in kontrollierten Umgebungen autonom fahren können. Laut Gartner werden sich Unternehmen auch in 2018 auf klar definierte Geschäftsziele fokussieren. Die Vision von technischen Systemen, die genauso dynamisch lernen wie Menschen, bleibt vorerst Stoff von Science-Fiction-Autoren.

2. Intelligente Apps und Analytik

KI schleicht sich in die meisten Anwendungen nach und nach hinein. Analysen, Kundenerfahrungen und Prozesse profitieren derart davon, dass neue, KI-unterstützte Anwendungen den Softwaremarkt aufmischen werden. Als Vermittler zwischen Mensch und Technik transformieren sie das Arbeiten – etwa in Form von virtuellen Assistenten und -beratern und werden zunehmend als „Freunde“ des Menschen gesehen und nicht als Methode, die menschliche Arbeitskraft zu ersetzen.

3. Intelligente Dinge

„Dinge“ werden zunehmend intelligent und autonom einsetzbar, um klar definierte Aufgaben zu erledigen. Dazu gehören etwa Maschinen, die zur Ernte in der Landwirtschaft genutzt werden. Je mehr sich die intelligenten Dinge „vermehren“, umso mehr werden sie in der Lage sein, sich selbständig oder auch durch Menschen unterstützt zu vernetzen und zusammenzuarbeiten. Als Beispiel nennt Gartner Dronen-Schwärme, die militärische Anlagen verteidigen.

4. Digitale Zwillinge

Fast jedes technische Gerät enthält heute Sensoren. 21 Milliarden dieser Messzellen prognostiziert Gartner für 2020. Sie werden dafür eingesetzt, den Betrieb zu überwachen und auf Unregelmäßigkeiten aufmerksam zu machen. Der Aufwand für Wartung sinkt und die Leistung der Geräte steigt. Künftig werden die digitalen Zwillinge nicht auf sich selbst beschränkt bleiben, sondern eine intelligente Welt an digitalen Zwillingen bilden. So werden Modelle von Menschen etwa biometrische und medizinische Daten abbilden.

5. EDGE-Computing aus der Cloud

Hinter EDGE-Computing verbirgt sich der Gedanke, Informationen direkt dort zu verarbeiten, wo sie entstehen. Das hat den Vorteil für die Unternehmen, dass ihre Datenleitungen und Speicher nicht unnötig belastet werden. Der lokale Prozessor filtert überflüssige Daten heraus und leitet nur die wichtigen Daten weiter. Besonders Unternehmen, bei denen das Internet der Dinge einen hohen Stellenwert besitzt, rät Gartner, EDGE-Design-Pattern in ihren Infrastruktur-Architekturen zu berücksichtigen.

6. Konversations-Plattformen

Plattformen werden zunehmend eigenständig in der Lage sein, Fragen zu beantworten oder Interaktionen auszuführen (wie das Buchen einer Reise). Bisher sind die Nutzer allerdings gezwungen, ihr Anliegen sehr strukturiert zu beschreiben. Laut Gartner wird es künftig möglich, zum Beispiel auf Basis einer Zeugenaussage vor Gericht das Gesicht des Angeklagten zu simulieren. Derart komplexe Mechanismen gelingen aber nur, wenn die Konversationsmodelle robust sind und Drittanbieter nahtlos angebunden werden können.

7. Erweiterte und virtuelle Realität

Über die erweiterte und virtuelle Realität werden Menschen beliebig zwischen dem digitalen Kosmos und der physischen Welt wechseln. Der Umgang der Menschen mit der digitalen Welt wird sich dadurch fundamental verändern. Anwendungs-, System- und Plattformanbieter bringen sich in Stellung. Datenbrillen mit integrierten Displays (Head Mounted Displays) wie auch Smartphone- und Tablet-basierte Lösungen werden zunehmend erweiterte und virtuelle Realitäten abbilden. Gartner nennt das ARkit und das iPhone X von Apple, Tango sowie ARCore von Google und die Entwicklungsplattform Wkitude als fortschrittliche Entwicklungen.

8. Blockchain

Als verteilte öffentliche Datenbank speichert eine Blockchain eine ständig wachsende Liste von Transaktionsdatensätzen. Jeder Datensatz liegt auf diversen Servern identisch vor. Die bisher noch weitgehend unregulierte Technologie hat das Potenzial, Industrien stark zu verändern – etwa das Gesundheitswesen, die Logistik und den öffentlichen Sektor. Die Etablierung der Blockchain erfordert laut Gartner ein präzises Wissen über die Chancen aber auch Grenzen der Technologie, eine zuverlässige Architektur, kryptographisches Know-how und die Fähigkeit, die Plattform zu implementieren.

9. Reaktionsschnelligkeit

Künstliche Intelligenz und das Internet der Dinge tragen dazu bei, Geschäftsentwicklungen, die ein Eingreifen erfordern, schneller zu identifizieren und detaillierter zu analysieren. Laut Gartner werden 2020 bereits 80 Prozent der digitalen Lösungen mit einem „Echtzeit-Bewusstsein“ ausgestattet sein. Ob es um eine Bestellung geht, einen LKW im Stau oder Probleme in der Produktion: Je früher diese Informationen vorliegen, umso einfacher ist es, die richtigen Entscheidungen zu treffen.

10. Anpassungsfähiges Risiko- und Vertrauensmanagement

CARTA heißt das Konzept, mit dem Unternehmen künftig gegen Bedrohungen von Außen vorgehen wollen. Im Mittelpunkt des „Continuous Adaptive Risk and Trust Assessment“ steht die Gewissheit, dass die absolute Kontrolle nicht möglich ist. Entwickler werden künftig mit höherer Sensibilität für Sicherheitsaspekte programmieren und Unternehmen immer flexibler auf Störungen von Außen reagieren müssen. In „DevSecOps“ werden künftig nicht nur Entwickler und IT-Mitarbeiter zusammenarbeiten, sondern auch Security-Experten. Sicherheitsanforderungen werden also schon bei Entwicklung der Software mit berücksichtigt. Zudem werden Abwehrtechniken weiter ausgefeilt, etwa anpassungsfähige, sogenannte „Honeypots“ geschaffen, um Angreifer in die Irre zu führen.

Ob Wettervorhersagen, astrophysikalische Vorgänge oder die Erkundung von Öl- und Gasvorkommen – für die Berechnung komplexer Probleme aller Art sind derzeit leistungsstarke Supercomputer im Einsatz.

Doch einigen Herausforderungen sind selbst die schnellsten Rechenmaschinen der Welt nicht gewachsen: vor der Simulation von Molekülen müssen auch sie kapitulieren. Ein Umstand der besonders in der Medizin- und Chemiebranche Kopfschmerzen bereitet. Die Entwicklung neuer wirksamer Medikamente gegen Erkrankungen aller Art sowie besserer Düngemittel zur Bekämpfung des Welthungers hängen wesentlich von derartigen Berechnungen ab.

Ein anderes Beispiel betrifft die Optimierung: Ein Rucksack fasst 20 Kilogramm. Aus einer Menge von Gegenständen mit jeweils spezifischem Gewicht und Nutzwert soll eine Teilmenge gewählt werden, die das Maximalgewicht des Rucksacks nicht überschreitet, aber den Nutzwert maximiert. Ähnliche Herausforderungen finden sich in der Warenwirtschaft häufig, doch konnte mathematisch gezeigt werden, dass sie sich auf herkömmlichen Computern nicht zufriedenstellend lösen lassen.

Die Ursache für diese Eigentümlichkeit findet sich in der Art und Weise, wie Computer aufgebaut sind. Ihre kleinstmögliche Speichereinheit, das Bit, kann die Zustände 0 oder 1 repräsentieren. Physisch wird dabei zwischen zwei Spannungspotentialen unterschieden, welche dann den Zuständen 0 und 1 entsprechen. Diese binäre Darstellung von Information gerät bei den genannten Aufgaben an ihre Grenzen.

Qubits: In Superposition und verschränkt

Der Physiker und Nobelpreisträger Richard Feynman postulierte bereits 1981, dass diese Berechnungen auf einem sogenannten Quantencomputer ausgeführt werden können. Dieses damals noch weitestgehend theoretische Konzept hat seither viel Interesse erfahren und bildet heute ein weites Forschungs- und Entwicklungsfeld.

Ein solcher Quantencomputer arbeitet mit Quantenbits, häufig kürzer Qubits genannt. Im Unterschied zum klassischen Computer können sich die Zustände der Speichereinheit hier überlagern. Anstatt also lediglich 0 oder 1 zu repräsentieren, kann sich ein Qubit auch in allen möglichen Zuständen dazwischen befinden. Dieses Phänomen wird Superposition genannt. Sobald der Zustand des Qubits allerdings gemessen wird, gleicht es einem herkömmlichen Bit. Es nimmt dann also definitiv den Wert 0 oder 1 an.

Fügt man nun mehrere Qubits zusammen, so befindet sich keines von ihnen in einem definierten Zustand – es liegt lediglich ein Zustand der Gesamtheit der Qubits vor. Diese in der Quantenmechanik als „Verschränkung“ bekannte Eigenschaft bedeutet, dass der Zustand zweier Teilchen voneinander abhängig ist. Am Beispiel zweier Qubits wäre also nach der Messung, dass sich eines von beiden im Zustand 1 befindet, der Zustand des anderen bereits klar.

Die Dekohärenz überwinden

Superposition und Verschränkung bilden zusammengenommen den entscheidenden Unterschied, von dem Quantencomputer profitieren sollen: Mit einer gegebenen Anzahl von Qubits lassen sich ebenso viele Sequenzen herkömmlicher Bits gleichzeitig darstellen. Eine Berechnung in diesem Zustand bedeutet also die Berechnung aller dieser Bitfolgen gleichzeitig. Dieser „Quantenparallelismus“ verspricht bei bestimmten Problemen einen deutlichen Geschwindigkeitsvorteil gegenüber üblichen Computern hervorzubringen.

Eine Herausforderung für Forscher ist dabei jedoch die Dekohärenz. Treten abgeschlossene Quantensysteme mit ihrer Umgebung in Wechselwirkung, so wird sowohl der Zustand des Systems selbst, als auch derjenige der Umgebung unumkehrbar verändert. Passiert das noch während der Berechnungen, so sind sie fehlerhaft.

Um die fehlerfreie Ausführung von Operationen zu gewährleisten, müssen die Qubits eines Quantencomputers also möglichst entkoppelt von ihrer Umgebung sein – die Zeit bis zur Dekohärenz dementsprechend minimiert. Hierbei ergibt sich ein möglicher Zielkonflikt, da es gleichzeitig notwendig ist, dass sich der Zustand eines einzelnen Qubits von außen verändern lässt.

Auch die Menge der verwendeten Qubits spielt eine technische Rolle: je höher ihre Zahl, desto größer der erwartbare Geschwindigkeitsvorteil. Gleichzeitig steigen die Hürden für die Vermeidung der Dekohärenz mit jedem zusätzlichem Qubit.

Fünf Kriterien für einen Quantencomputer

Der Physiker David DiVincenzo formulierte 1996 entsprechend dieser Überlegungen fünf Kriterien, die für einen Quantencomputer als hinreichend gelten:

• Ein skalierbares System aus Qubits
• Die Möglichkeit die Qubits auf einen vorgegebenen Zustand einzustellen
• Eine universale Menge von Elementen für logische Operationen
• lange Dekohärenz-Zeiten, viel länger als die Rechenzeit
• Eine für die Qubits spezifische Messvorrichtung ihres Zustands

Bisher ist es noch nicht gelungen, ein System zu entwickeln, mit denen all diese Voraussetzungen erfüllt werden.

Unter anderem liegt dies an der Unklarheit bezüglich des geeignetsten Kandidaten für die physische Umsetzung von Qubits. So sind etwa das Energieniveau eines Atoms oder der Drehimpuls von Elektronen im Gespräch, doch auch viele andere Möglichkeiten werden erforscht.

Anwendungsbeispiele für Quantencomputing

Dennoch werden in regelmäßigen Abständen Fortschritte in der Entwicklung von Quantencomputern vermeldet. Bis jetzt war jedoch keiner der Prototypen in der Lage, seine Überlegenheit gegenüber klassischen Supercomputern definitiv zu demonstrieren. Das liegt vor allem auch an der Zahl der eingesetzten Qubits. Erst ab 50 von ihnen, so die häufige Meinung, soll sich ihr Vorteil zeigen – eine Zahl, die zwar bereits angekündigt, jedoch noch nirgends erfüllt wurde.

Experten erwarten den ersten allgemeinen Quantencomputer im Zeitraum der nächsten zehn Jahre. Wer jedoch erwartet, ein solches Gerät dann selbst unter dem Schreibtisch stehen zu haben, mag enttäuscht sein: auf absehbare Zeit wird die Technologie wohl nur für entsprechende Aufgaben in großen Skalen genutzt werden.

Ich traf Thomas Grassl, Chief Developer und Coolness Officer bei SAP, in der Developers Garage des TechEd-Ausstellungsbereichs. In nachfolgendem Video-Interview zeigte er mir, wie einfach Entwickler mit SAP Leonardo Machine Learning in das Thema einsteigen können.

Hoher Bedarf an Weiterbildung

In Umfragen zum Thema maschinelles Lernen geben über 40 Prozent der Unternehmen an, dass der Mangel an Fachkräften mit den entsprechenden Kenntnissen für sie ein Problem darstellt, die Technologie aufzugreifen. Um hier schnell Abhilfe zu schaffen, investiert die SAP in praxisbezogene Schulungen.

„Mit SAP Leonardo Machine Learning macht es die SAP für Entwickler ganz einfach, sich weiterzubilden“, sagte Grassl. „Die meisten Entwickler haben schon mal von Machine Learning gehört, sich aber noch nicht näher damit befasst. Denn sie denken, dass das Thema zu komplex ist – oder wissen nicht, wo sie anfangen sollen. Wir investieren in Tools und Trainingsprogramme für Machine Learning und haben alle unsere Tutorials auf das SAP Developer Center gestellt. Dort finden Entwickler Schritt-für-Schritt-Anleitungen, wie sie in das Thema einsteigen können.“

“Mit SAP Leonardo Machine Learning macht es SAP für Entwickler ganz einfach, sich weiterzubilden.”

Der Machine-Learning-Prototyp, den mir Grassl auf der SAP TechEd gezeigt hat, ist äußerst pfiffig und besteht aus einer mobilen App mit Bilderkennungsfunktion. Die App wurde mit dem SAP Cloud Platform SDK for iOS entwickelt und lässt sich mit der folgenden Anleitung leicht nachbauen. Anhand eines Smartphone-Fotos konnte sie ein Objekt korrekt identifizieren. „Wir helfen Entwicklern, Machine-Learning-Funktionen in die Anwendungen auf der SAP Cloud Platform zu integrieren und dies auch für mobile Endgeräte zur Verfügung zu stellen”, sagte Grassl.

Da maschinelles Lernen auf dem Vormarsch ist, müssen sich Entwickler schnell weiterbilden. Nur so können sie am Ball bleiben und bei der digitalen Transformation weiterhin eine führende Rolle spielen.

Wie im Gleichnis Die Blinden Männer und der Elefant hat jeder eine andere Sicht auf die digitale Transformation. Für einige ist sie gleichbedeutend mit neuen Technologien, und sie setzen auf Entwicklungen wie das Internet der Dinge, maschinelles Lernen und künstliche Intelligenz. Andere sehen darin eine Möglichkeit, die Effizienz zu steigern und Geschäftsprozesse umzugestalten, um die Markteinführung ihrer Produkte zu beschleunigen. Wieder andere betrachten die digitale Transformation als Mittel, um sich strategisch von Wettbewerbern abzuheben und die Kunden mit neuen Geschäftsmodellen an sich zu binden. Trotz dieser Vielfalt an Blickwinkeln gibt es immer noch viele Unternehmen, die sich mit der Digitalisierung und der Umsetzung sinnvoller, innovativ ausgerichteter und marktwirksamer Maßnahmen schwertun.

Zu diesem Thema hat das SAP Center for Business Insight zusammen mit Oxford Economics eine umfassende globale Studie veröffentlicht. In der SAP-Überblicksstudie zur digitalen Transformation: „4 Ways Leaders Set Themselves Apart” (4 Differenzierungsstrategien erfolgreicher Unternehmen) werden die Herausforderungen, Chancen und Wertschöpfungsmöglichkeiten präsentiert und die Technologien beschrieben, mit denen die digitale Transformation vorangetrieben werden kann. In der Studie wurde insbesondere die Leistung der „digitalen Vorreiter“ analysiert. So werden die Unternehmen bezeichnet, denen es besser und schneller gelingt als ihren Wettbewerbern, Menschen, Dinge und Unternehmen miteinander zu verbinden.

Merkmal Nr. 1: Sie betrachten die digitale Transformation als Chance zur Veränderung.

Eine überwältigende Mehrheit (96 %) der digitalen Vorreiter betrachtet die digitale Transformation als wichtiges Geschäftsziel, das nur erreicht werden kann, wenn das gesamte Unternehmen dahintersteht. Eine Digitalisierungsstrategie kann ihrer Meinung nach nur dann erfolgreich umgesetzt werden, wenn nicht einzelne Abteilungen in ihrem eigenen Tempo vorgehen, sondern das Unternehmen als Ganzes transformiert wird.

Durch die Schaffung einer soliden Basis für die Transformation gewinnen die digitalen Vorreiter einen immer größeren Vorsprung vor ihren weniger erfolgreichen Wettbewerbern. Mit ihren innovativen Geschäftsmodellen sind sie in der Lage, Risiken zu mindern und neue Chancen zu ergreifen, sobald sie sich bieten.

Merkmal Nr. 2: Sie achten darauf, die Bereiche mit Kundenkontakt zuerst zu transformieren.

Die meisten Unternehmen halten Technologie, das Tempo des Wandels und den wachsenden globalen Wettbewerb für die wichtigsten globalen Trends der nächsten Jahre. Die digitalen Vorreiter gehen einen Schritt weiter und berücksichtigen auch den Einfluss der Kunden und binden diese stärker ein. Führungskräfte, die bahnbrechende Innovationen vorantreiben und die Branche verändern, wollen mehr als nur die Anforderungen der Märkte erfüllen. Ihnen ist es wichtig, einen umfassenden und durchgängigen Kundenservice zu bieten.

So haben 92 Prozent der digitalen Vorreiter fortschrittliche Digitalisierungsstrategien und -prozesse entwickelt, mit denen sie auch die Zufriedenheit und Motivation ihrer Kunden verbessern. Bei den weniger erfolgreichen Wettbewerbern beträgt dieser Wert nur 22 Prozent. Auf diese Weise konnten 70 Prozent der führenden Unternehmen einen großen Nutzen aus ihren Initiativen ziehen.

Merkmal Nr. 3: Sie schaffen einen positiven Kreislauf digitaler Talente.

Der Wettbewerb um qualifizierte Mitarbeiter ist bekanntermaßen sehr groß. Für 75 Prozent der Unternehmen, die als digitale Vorreiter gelten, ist es einfacher als für die Konkurrenz, diese Talente zu gewinnen und im Unternehmen zu halten. Das liegt daran, dass sie mit einer fünfmal so hohen Wahrscheinlichkeit die Vorteile der Digitalisierung nutzen, um ihr Talentmanagement an die aktuelle Entwicklung anzupassen.

Sie verlassen sich nicht nur auf Personalvermittler, um passende Bewerber zu ermitteln, Risikofaktoren und Fehler bei Einstellungen aufzudecken und den Talentbedarf langfristig zu prognostizieren. Fast die Hälfte (48 %) der digitalen Vorreiter ist sich darüber im Klaren, dass hohe Investitionen in die Entwicklung digitaler Fähigkeiten und Technologien erforderlich sind, um den Umsatz zu steigern, produktive Mitarbeiter an das Unternehmen zu binden und neue Rollen zu entwickeln, um in den kommenden zwei Jahren mithalten zu können. Unter den insgesamt befragten Führungskräften beträgt der Anteil nur 30 Prozent.

Merkmal Nr. 4: Sie investieren in zukunftsfähige Technologie und nutzen eine bimodale Architektur.

Vor wenigen Jahren hat Peter Sondergaard, Senior Vice President bei Gartner und Global Head of Research, festgestellt, dass „CIOs ihre alte IT-Organisation zwar nicht in ein digitales Startup-Unternehmen verwandeln können, wohl aber in eine bimodale IT-Organisation. 45 Prozent der CIOs geben an, dass sie bereits auf einem guten Weg sind. Wir gehen davon aus, dass 75 Prozent der IT-Organisationen bis 2017 auf die ein oder andere Weise mit einer bimodalen Architektur arbeiten werden.

Der Einsatz dieser bimodalen Architektur ermutigt die digitalen Vorreiter, fortschrittliche Technologie zu nutzen. So zeigt die Studie, dass 50 Prozent dieser Unternehmen mit künstlicher Intelligenz und maschinellem Lernen arbeiten. Bei den insgesamt Befragten beträgt der Anteil gerade einmal 7 Prozent. Außerdem setzen sie weitaus häufiger Big Data und Analysen (94 % im Vergleich zu 60 %) sowie das Internet der Dinge (76 % im Vergleich zu 52 %) ein.

Wer in der digitalen Wirtschaft die Führerschaft übernimmt, muss mehr tun als digitalisieren  – er muss das richtige Gleichgewicht finden.

Den meisten Führungskräften ist bewusst, dass die digitale Transformation der entscheidende Faktor für Umsatzwachstum, Rentabilität und Expansion ist. Wie die digitalen Vorreiter beweisen, ist es allerdings entscheidend, dass Digitalisierungsstrategien eine Balance zwischen organisatorischer Flexibilität, Akzeptanz fortschrittlicher Technologien und mutiger Veränderung schaffen. Denn dieser Ansatz macht sich ganz klar bezahlt. Diese Unternehmen profitieren, indem sie ihren Marktanteil vergrößern, die Kundenzufriedenheit erhöhen, die Mitarbeitermotivation steigern und eine höhere Rentabilität erzielen als je zuvor.

Jedes Unternehmen, das aufholen und zu einem digitalen Vorreiter werden möchte, muss drei wichtige Grundsätze beachten: Es darf nicht mehr in einmalige, isolierte Projekte investieren, die nur in einer einzelnen Organisation zum Einsatz kommen. Es muss die IT als strategischen Partner begreifen statt als Mittel zum Zweck. Es darf das übrige Unternehmen nicht länger von den Erfolgen fernhalten, die in einigen Bereichen bereits durch Digitalisierung erreicht wurden.

Unsere Studie hat gezeigt, dass nur die Unternehmen, in denen die digitale Transformation alle Bereiche durchdringt, mit der dynamischen digitalen Wirtschaft Schritt halten werden.

Das Internet hat Daten und Informationen für Milliarden Menschen auf der ganzen Welt zugänglich gemacht. Ausgerechnet in Unternehmen war der Zugriff auf Daten jedoch bislang einigen wenigen vorbehalten. Das hat sich nun geändert. Schneller und kostengünstiger Arbeitsspeicher, neue Speichertechnologien und Datenwerkzeuge ermöglichen es Unternehmen aller Größen, riesige Datenmengen ohne hohen Kostenaufwand zu erfassen und zu speichern. Dabei kann es sich sowohl um strukturierte Daten (beispielsweise Daten in den Feldern von Tabellen oder Datenbanken) als auch um unstrukturierte Daten (E-Mails oder Beiträge in sozialen Netzwerken) handeln. Auf diesen riesigen Data Lake können dann alle Mitarbeiter des Unternehmens zugreifen, um schnell zu neuen Erkenntnissen zu gelangen.

Lesen Sie, wie Unternehmen maschinelles Lernen nutzen, um auf Basis von Big Data Lösungen für die drängenden Fragen der Zeit zu finden.

Aufdecken von Betrug durch Korrelation von Daten

Die Organisation Financial Industry Regulatory Authority (FINRA), deren Aufgabe die Beaufsichtigung der Marktteilnehmer im US-Wertpapierhandel ist, hat sich bei der Entwicklung von Strategien zur Bekämpfung von Betrug und Insidergeschäften bislang vor allem auf die Erfahrung ihrer Mitarbeiter verlassen. Nach wie vor ist diese Erfahrung eine wichtige Stütze, doch die FINRA greift nun zusätzlich auf einen Data Lake zu und ist so in der Lage, Muster aufzudecken, die dem menschlichen Auge verborgen bleiben.

Die Aufsichtsbehörde verarbeitet tagtäglich mehr als fünf Petabyte Transaktionsdaten aus unterschiedlichen Quellen. Infolge der Ablösung der herkömmlichen Datenbank- und Speichertechnologie durch einen Data Lake konnte die FINRA einen Self-Service-Prozess einrichten, über den Analysten Daten ohne Unterstützung durch die IT-Abteilung abrufen können. Hatte die Suche nach den benötigten Informationen früher noch mehrere Stunden gedauert, benötigen die Analysten nun nur noch 90 Sekunden.

Während sich herkömmliche Datenbanken gut dafür eigneten, Daten miteinander zu verknüpfen – um etwa sämtliche Transaktionen einer bestimmten Person nachzuverfolgen –, können die Anwender mithilfe der neuen Data-Lake-Konfigurationen nun auch Beziehungen aufdecken, von deren Existenz sie gar nichts wussten.

Die Datenexperten können nach verdächtigen Verhaltensmustern suchen, die auf Betrug, manipulierte Marketingunterlagen und den Verstoß gegen Vorschriften schließen lassen. Dadurch konnte die FINRA im vergangenen Jahr 373 Bußgeldbescheide in Höhe von insgesamt 134,4 Mio. US-Dollar ausstellen – laut Law360 ein neuer Rekord.

Auch Data Lakes sind komplex

„In den letzten 20 Jahren sind unzählige Millionen in Data-Warehousing-Lösungen geflossen. Unternehmen sollten nicht davon ausgehen, dass sie diese Daten nun einfach in einen Data Lake verschieben können“, so Mike Ferguson, Geschäftsführer des britischen Analystenhauses Intelligent Business Strategies. Ferguson ist jedoch überzeugt, dass dank der Effizienz von Data Lakes mehr Kapazitäten in Data Warehouses für Abfragen, Berichte und Analysen zur Verfügung stehen.

Zudem führt der Einsatz von Data Lakes auch nicht dazu, dass die Bereinigung und Verwaltung von Daten überflüssig werden – sie sind eine wichtige Voraussetzung dafür, dass hilfreiche Erkenntnisse aus den Daten abgeleitet werden können.

Unternehmen benötigen außerdem strenge Data-Governance-Prozesse. Es muss klar definiert werden, wer auf die Daten zugreifen, sie verteilen, ändern, löschen oder in sonstiger Weise bearbeiten darf. Unternehmen müssen außerdem sicherstellen, dass die erfassten Daten aus einer rechtmäßigen Quelle stammen.

Immer häufiger ist es Aufgabe eines Chief Data Officer (CDO), dafür zu sorgen, dass die wachsende Zahl der Mitarbeiter mit Zugriff auf Daten diese auch effektiv und verantwortungsbewusst nutzt. Einer Prognose des Marktforschungsunternehmens Gartner zufolge wird es bereits 2019 in 90 Prozent aller Großunternehmen einen CDO geben.

Data Lakes lassen sich auf verschiedene Weise konfigurieren: als zentrales oder verteiltes Repository mit Speichersystemen in der lokalen Infrastruktur, in der Cloud oder in einer Hybridumgebung. Manche Unternehmen haben auch mehrere Data Lakes implementiert.

„Viele meiner Kunden versuchen aus naheliegenden Gründen, einen zentralen Data Lake zu realisieren. Es ist wesentlich einfacher, Daten an einem zentralen Ort zu verwalten und zu erfassen“, so Ferguson. „Oft entsteht dadurch jedoch an anderer Stelle zusätzliche Komplexität. Viele von ihnen stellen fest, dass für die Verwaltung von Daten über mehrere Datenspeicher hinweg ein verteilter Data Lake erforderlich ist.“

Die enormen Kapazitäten von Data Lakes führen außerdem dazu, dass sich der einst überschaubare Datenfluss zu einem gewaltigen Strom entwickelt hat. „Neue Daten werden heute in extremer Geschwindigkeit und in sehr großen Mengen erzeugt“, erklärt Ferguson. „Wir müssen nach Lösungen suchen, wie wir Komplexität abbauen können. Meist heißt diese Lösung Automatisierung. Unternehmen erwarten, dass ihnen Informationsmanagement-Software wie ein Informationskatalog helfen kann, die Erfassung von Daten zu beschleunigen und diese automatisch zu klassifizieren, Profilen zuzuordnen, zu organisieren und leicht auffindbar zu machen.“

Maschinen konzipieren und bauen ist nur die eine Seite des Geschäfts. Auch angetrieben durch das Internet der Dinge schlummern im Wartungs- und Instandhaltungsgeschäft große Potenziale. Dieser „Aftermarket“ ist – so schätzen Experten von SAP – vier- bis fünfmal größer als das eigentliche Herstellergeschäft, wobei das Gesamtvolumen der Ausgaben der Kunden für Ersatzteile und Services allein auf dem US-Markt bei rund einer Billion US-Dollar pro Jahr liegt. Branchenexperten sind davon überzeugt, dass einige Hersteller heute bereits bis zu 40 Prozent ihres Gewinns mit dem Verkauf von Zubehör, Ersatzteilen und Services erwirtschaften. Entsprechend hart umkämpft ist das Aftermarket-Geschäft. Freie Anbieter von alternativen Ersatzteilen und Services konkurrieren mit den Herstellern von Maschinen um das Geschäft, das nach dem Kauf mit der ersten Betriebsstunde beginnt. „Kundenservice, Ersatzteile und Zubehör sind für Fertigungsunternehmen ein enormer Wachstumsmarkt“, ist Dale Grant, Business Solution Advisor bei SAP überzeugt.

Wie Amazon zum Vorbild fürs Aftermarket-Geschäft wurde

Mit fortschreitender Digitalisierung haben sich Kunden an die Mehrwerte gewöhnt, die ihnen Amazon, Google und Alibaba in Form eines einfachen und schnellen Einkaufserlebnisses bieten. Ganz zu schweigen von der Angebotsvielfalt eines globalen Lieferantennetzwerkes. Die logische Folge: „Angetrieben von diesen Erfahrungen haben sich die Wünsche der Kunden an ihre Lieferanten hinsichtlich der Abwicklung von Ersatzteilen und Services in den letzten Jahren deutlich verändert“, sagt SAP-Experte Grant. „Wo früher der Ansprechpartner beim Hersteller telefonisch kontaktiert oder der kleine Wartungsbetrieb um die Ecke beauftragt wurde, erwarten Kunden mittlerweile eine schnellere und einfachere Lösung ihres Problems – über alle Vertriebskanäle hinweg.“ Personalisierte Kundenportale, die Kunden Self-Services bieten und Vertriebskanäle wie etwa den Telefonsupport in einem ganzheitlichen Multi-Channel Ansatz miteinander verbinden sollten künftig zum Portfolio eines OEMs gehören. Das setzt eine End-to-End-Betrachtung der Prozesse voraus: Nur wer den Produktlebenszyklus inklusive Verbrauchsmaterial, Reparatur, Pflege und Instandhaltung, Installation von Upgrades sowie des Angebots von Ergänzungsprodukten, Schulungen, etc. nicht nur versteht, sondern auch in seinen Systemen abgebildet hat, kann dem Kunden maßgeschneiderte Angebote zum richtigen Zeitpunkt während der Nutzung unterbreiten. „Nur so kann der Hersteller die Kunden während der Nutzungsphase an sich binden und sich so auf Dauer das Aftermarket-Geschäft sichern“, ist Grant überzeugt.

Wie Krones den Aftermarket adressiert

Beim bayrischen Spezialisten von Abfüll- und Verpackungsanlagen Krones geht es beim Thema Wartung und Service vorrangig darum, Ausfallzeiten von Anlagen zu vermeiden und Reparaturen so schnell wie möglich erledigen zu können. Eine wichtige Voraussetzung dafür ist, dass der Kunde schnell die richtigen Ersatzteile bekommt: „In unserem Online-Shop bekommen unsere Kunden das gleiche Einkaufserlebnis, das sie von Online-Händlern wie Amazon auch erwarten“, ist der E-Business-Chef bei Krones Bernd Baldauf überzeugt. Wer ein Ersatzteil sucht, blättert nicht lange in (vielleicht veralteten) Katalogen, sondern ruft online die Struktur der Anlage und Maschinen mit Stücklisten und dazugehörigen Zeichnungen auf. Auf Bildern sieht er, aus welchen Einzelteilen sich ein Bauteil zusammensetzt. Das vereinfacht die Selektion der nötigen Artikel, die direkt in den Warenkorb gelegt und bestellt werden können. Dringende Aufträge sind per Expresslieferung innerhalb von 24 Stunden beim Kunden.

Welche Rolle IoT spielt

Auch das „Internet of Things (IoT)“ wird künftig eine wichtige Rolle spielen. Denn viele Maschinen kommunizieren heute bereits mittels Sensoren und können so aus der Ferne überwacht werden. Die Messfühler erkennen bei Überschreiten definierter Grenzwerte für Betriebsstunden oder Vibrationen, dass eine Inspektion vorgenommen werden sollte. Eingebunden in ein personalisiertes Herstellerportal können diese Daten direkt dazu genutzt werden Serviceanfragen an den Hersteller zu richten oder aber auch um notwendiges Verbrauchsmaterial automatisiert zu bestellen.

Was zum technischen Portfolio gehören sollte

Technisch spielen viele Rädchen ineinander. „SAP setzt nicht auf ein einzelnes Produkt, etwa einen E-Shop, sondern bindet diverse Lösungen und das „Backend“ mit ein, in dem etwa Aufträge verarbeitet und Rechnungen für gelieferte Ersatzteile direkt gestellt werden“, erläutert SAP-Experte Grant. Im Zentrum der Lösung – etwa auch von Krones – steht die E-Commerce-Plattform SAP Hybris B2B Commerce, doch können je nach Zielsetzung viele andere Funktionalitäten hinzukommen.

• Explosionszeichnungen der Anlage werden durch das Visualisierungstool SAP Visual Enterprise möglich.
• Das SAP Asset Intelligence Network hält aktuelle Ersatzteilkataloge und technische Dokumente der jeweiligen Anlagen bereit und ist darüber hinaus die Voraussetzung für einen digitalen Zwilling einer Maschine.
• Das Portfolio für das Internet der Dinge SAP Leonardo ermöglicht, Sensordaten aus den Maschinen zu verarbeiten und in der Cloud zu analysieren. „Sind die Geräte bereits mit entsprechender Sensorik ausgestattet, erhält der Service automatisch eine Warnung, sofern eine Maschine überhitzt oder heftig vibriert“, erläutert Grant.
• SAP Hybris Cloud for Service sorgt letztlich dafür, dass Servicetechniker disponiert und gesteuert werden können.

Wie eine individuelle Lösung entsteht

Welche der Komponenten aus dem SAP-Portfolio letztlich für den Einsatz im Unternehmen relevant werden, ist individuell. „Die Grundarchitektur ist ein weites Feld“, erläutert SAP-Experte Grant. Deshalb startet die Zusammenarbeit mit potenziellen Kunden auch meist mit einem Design-Thinking-Workshop. Ziel ist es, zunächst losgelöst von der Entscheidung für technische Lösungen jene Ansätze zu identifizieren, mit denen die größten Effekte für Geschäftsmodelle zu erwarten sind. Erst dann folgt die Entscheidung, welche Softwarebausteine im Unternehmen sinnvoll sind.

Bei seiner Keynote auf der SAPPHIRE NOW stellte SAP-Vorstandssprecher Bill McDermott eine der größten Neuerungen seit SAP HANA ins Rampenlicht: SAP Leonardo, und betonte:

„Es ist Zeit, dass maschinelles Lernen Ihnen Arbeit abnimmt. Es ist Zeit, dass Milliarden von Geräten Daten nicht nur erfassen, sondern auch nutzen. Es ist Zeit für SAP Leonardo, das SAP-System für digitale Innovation.“

Künstliche Intelligenz bedeutet einen Paradigmenwechsel

Im Laufe seines Vortrags bat McDermott Mala Anand, verantwortlich für SAP Leonardo, auf die Bühne, um dem gespannten Publikum weitere Details zu SAP Leonardo zu geben. Anand sollte ihre Zuhörer nicht enttäuschen und gab ihnen viele Denkanstöße über das jüngste Produkt der SAP.

„In der Digitalisierung sehen unsere Kunden das Potenzial für schnelleres Wachstum und höhere Produktivität“, sagte Anand. „Sie fragen uns aber auch, wo sie mit ihrer Digitalisierung beginnen sollen. SAP kann mehr als alle anderen unseren Kunden dabei helfen, von den Trends der digitalen Transformation zu profitieren und ihre Geschäftsergebnisse zu verbessern.“

Laut Anand finde derzeit ein Paradigmenwechsel statt. Um diese Geschäftsergebnisse ermöglichen zu können, entstünden neuartige Intelligenzsysteme, die künstliche Intelligenz, maschinelles Lernen, Big Data, Analysefunktionen, das Internet der Dinge und Blockchain nutzten.

„Diese neuen datengestützten Intelligenzsysteme machen es möglich, dass wir mehr als je zuvor von Daten profitieren, neue Geschäftsmodelle entwickeln und die Geschäftsprozesse in der Logistikkette, im Kontakt mit Kunden, im Personalwesen und vielen anderen Bereichen ganz neu gestalten können“, sagte Anand.

Leonardo kombiniert Lösungen zu einem einheitlichen System

Laut Anand habe sich die SAP die IT-Landschaften ihrer 350.000 Kunden angesehen und sei dabei auf bestimmte Probleme gestoßen, die bei allen vorgekommen seien. Um diese Probleme zu lösen, habe man immer wieder und in unterschiedlichem Umfang sehr ähnliche Technologien und Konzepte eingesetzt.

„Aus diesem Grund haben wir SAP Leonardo geschaffen“, sagte sie. „Sie alle wissen, dass SAP Leonardo verschiedene Technologien kombiniert, aber um Wandel in großem Stil zu ermöglichen, brauchen wir mehr als IT. Deshalb haben wir SAP Leonardo zu unserem digitalen Innovationssystem weiterentwickelt, mit dem Sie Ihr Unternehmen auf diese digitale Welt neu ausrichten können.“

Bei SAP Leonardo habe man ganz unterschiedliche Softwarefunktionen und moderne Design-Thinking-Methoden zu Lösungen für ganze spezielle Geschäftsprobleme gebündelt, die schnell einsetzbar seien.

Für ihre Digitalisierung müssten Unternehmen jedoch sowohl ihr Geschäftsmodell als auch die Prozesse ändern – und dies könne eine einzelne Technologie alleine nicht leisten, warnte Anand.

„Deshalb kombiniert SAP Leonardo unterschiedliche Softwarefunktionen – maschinelles Lernen, Big Data, Analysefunktionen und das Internet der Dinge – auf unserer Cloud-Plattform mit SAP HANA und stellt diese in Echtzeit zur Verfügung.“