Unternehmen 4.0: Digitale Transformation - Herausforderung fürs Management

Die digitale Transformation wird zunehmend zur zentralen Aufgabe von Unternehmen. Ganzheitliche Lösungen wie Intelligent Enterprise oder Business Agility optimieren Geschäftsprozesse und steigern die Effizienz. Die "SMAC"-Technologien - also Social-, Mobile-, Analytics- und Cloud-Anwendungen - sind inzwischen allgegenwärtig, während das "Internet der Dinge" vor allem für Industrie-Anwendungen unverzichtbar geworden ist. Der Bedarf von Unternehmen an Vernetzung und smarter Nutzung im unternehmerischen Bereich wächst stetig. Damit steigt aber auch der Bedarf an entsprechen ausgebildeten Fachkräften. Wie geht es also weiter? Und was bedeutet die digitale Transformation für die Managementebenen außerhalb der Fachabteilungen? Ein Überblick über die Auswirkungen der gegenwärtig wichtigsten Themen für das Unternehmen 4.0.

Das Internet der Dinge
Das Internet der Dinge ermöglicht Unternehmen eine zunehmende Marktdurchdringung: Alltagsgebräuchliche Elektrogeräte sind mithilfe von integrierten Chips und Sensoren miteinander vernetzt - was auch die Beziehung zwischen Anbietern und Kunden verändert. Smart Homes und Connected Cars sind nur zwei Beispiele für neue Geschäftsmodelle und Dienstleistungen. Das Internet der Dinge skaliert exponentiell, und neue Standards wie 5G werden die Vernetzung in Zukunft weiter voranbringen. Aber auch für die Digitalisierung der Logistikbranche ist das Internet der Dinge inzwischen unverzichtbar, denn es ermöglicht die unmittelbare Kommunikation zwischen Menschen, Maschinen, Logistik und Produkten entlang der gesamten Wertschöpfungskette. Supply-Chain-Manager, Verantwortliche fürs CRM, aber auch CIOs und CTOs sehen sich entsprechend mit neuen Herausforderungen konfrontiert, die über die herkömmliche Prozesssteuerung hinausreichen - Datensicherheit, Datenschutz oder die Integrierbarkeit von internen und externen System sind nur einige davon.

Agile Business Development & Intelligent Enterprise
Unternehmen befinden sich gegenwärtig in einem Organisationsumfeld, das immer komplexer wird. Gesättigte Märkte, Konkurrenzdruck sowie kurze Produktlebens- und Innovationszyklen erfordern vorausschauendes Handeln.

Die intelligente Verzahnung aller betrieblichen Prozesse zu einer umfassenden digitalen Architektur wird daher unerlässlich. Sie verhindert beispielsweise Ausfallzeiten und ermöglicht eine optimale technische Auslastung. Diese logistische Optimierung entlastet Prozesse und Mitarbeiter und macht die geforderte unternehmerische Flexibilität damit überhaupt erst möglich. Die intelligente Vernetzung schafft darüber hinaus eine ganz neue, wechselseitige Dynamik der betrieblichen Abläufe: Aktuelle Lagerbestände können beispielsweise Einfluss auf die Online-Produktbewerbung nehmen, während das User-Verhalten im Online-Shop mit den Materialbestellungs- und Fertigungsprozessen interagiert.

Das stellt auch Abteilungs- und Projektmanager vor ganz neue Herausforderungen. Die klassischen Methoden der Waren- und Fertigungssteuerung oder der Projektplanung sind sicherlich nach wie vor unverzichtbar. Ohne vertiefte Kenntnisse zumindest in der Anwendung von digitalen Tools und Verfahren- unter anderem in Analytics, ERP-Systemen oder Business Intelligence - lassen sich Management-Aufgaben heutzutage aber kaum noch bewältigen. Vor allem die komplexen Interaktionen in Echtzeit erfordern Manager, die ihr Handwerk aufgrund jahrelanger Erfahrung beherrschen und die gewillt sind, sich stetig weiterzubilden - zum Beispiel in modernen Methoden wie Design Thinking und Agile bzw. Lean Management. Dies gilt umso mehr, wenn ein Unternehmen zeitweilig oder dauerhaft auf Interim Manager setzt, die als externe Führungskräfte zwingend Softskills wie ganzheitliches Denken und die Fähigkeit zur Priorisierung benötigen, um das Unternehmen voranzubringen. Der Auswahl passender Kandidaten kommt aus diesem Grund besondere Bedeutung zu.

Machine Learning
Maschinelles Lernen wird für den unternehmerischen Bereich immer relevanter. Durch das Erkennen von Mustern in vorliegenden Datenbeständen finden Machine-Learning-Algorithmen eigenständig neue Lösungen für Probleme. Dieses Teilgebiet der künstlichen Intelligenz kommt überall dort zum Einsatz, wo die einfache Automatisierung an ihre Grenzen stößt. Auch komplexe Aufgaben wie das Erkennen von möglichen Schäden in der Fertigung lassen sich mithilfe von Machine Learning lösen. Vor allem zeitintensive Routinearbeiten lassen sich damit deutlich effizienter und kostensparender ausführen: In der Versicherungsbranche kann die künstliche Intelligenz beispielsweise bei üblichen Anliegen oder Forderungen eine Vorentscheidung treffen. Vor allem Teilbereiche der Data Science wie dieser stellen Unternehmen bei der Personalauswahl vor einige Herausforderungen. Anders als beispielsweise bei ERP- oder Datenvisualisierungssoftware ist es nicht ohne weiteres möglich, fachfremde Manager, die keine vertieften Kennnisse in statistischen Verfahren haben, in Machine Learning zu schulen. Die Lösung könnte darin bestehen, ausgewiesene Fachexperten nachträglich etwa in Personalführung und Projektmanagement zu trainieren und mittels regelmäßigem Coaching in ihren neuen Aufgaben zu begleiten.

Datenqualität und Business Intelligence
Konsistente und nutzbare Datensätze sind für Unternehmen von unschätzbarem Wert, denn Methoden der Business-Intelligence ermöglichen die effiziente Aufbereitung und Organisation von internen und externen Daten. Wird beispielsweise eine Vertriebsdatenbank mit Social-Media-Daten in Beziehung gesetzt, lassen sich daraus ganz neue Erkenntnisse gewinnen - im besten Fall in Echtzeit. Budgetanpassungen oder Materialbestellungen können auf Basis einer solchen Datenauswertung zeitnah vorgenommen und für die zukünftige Planung skaliert werden. Damit wird sich auch das klassische Marketing verändern: Bereits ein Blick in Stellenanzeigen oder die Curricula wirtschaftswissenschaftlicher Studiengänge zeigen, dass Marketer immer häufiger auch Kenntnisse in Themen wie Data Management, Web Analytics oder datenbasierte User Experience vorweisen müssen.