Referenzprozess und Kompetenzen

Referenzprozess zur digitalen Transformation

Die Wertschöpfung von Unternehmen basiert mehr und mehr auf Daten. Um auch in Zukunft erfolgreich zu sein, müssen sich Unternehmen deshalb über alle Geschäftsprozessebenen hinweg digitalisieren. Dafür hat die Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS eigens den Referenzprozess zur digitalen Transformation entwickelt, mit dem klassische industrielle Geschäftsprozesse auf eine datengetriebene Ebene gehoben werden können: Ausgehend von Daten als Kern jeder Optimierung, sei es von Prozessen, Organisationen oder Geschäftsmodellen, zeigt dieser in 4 Schritten modellhaft auf, wie Unternehmen mit Daten Mehrwert generieren können und welche Kompetenzen für eine erfolgreiche Transformation notwendig sind.

In 4 Schritten zur digitalen Transformation

Die Arbeitsgruppe SCS informiert: Referenzprozess zur digitalen Transformation

Ausgangspunkt sind Daten als Grundlage jeder erfolgreichen digitalen Transformation: Alle Datenquellen – innerhalb wie außerhalb des Unternehmens – müssen verfügbar gemacht, die Daten in entsprechenden Datenräumen strukturiert, integriert und geordnet werden.

Schritt 1 – Geschäftsstrategie und Anwendung  

Auf dieser Basis erfolgt der erste Schritt im Bereich der Geschäftsstrategie und Anwendung: Es gilt, eine Unternehmensvision für die digitale Zukunft zu entwickeln, sie auf datengetriebene Anwendungen herunter zu brechen, diese nach technischer und organisatorischer Umsetzbarkeit und quantitativem aber auch qualitativem Nutzenpotenzial zu bewerten und eine Umsetzungsroadmap bzw. erste Umsetzungsprojekte zu starten.

Schritt 2 – Wissen generieren

Mit Fokus auf einem konkreten Anwendungsfall aus der vorher erstellten Roadmap wird eine passende Lösung definiert. Dazu werden die passenden Verfahren ausgewählt und mit den richtigen Daten bestückt. Die relevanten Daten werden aus vorhandenen Quellen beschafft bzw. bei Bedarf für das Verfahren zusätzlich kuratiert.

Schritt 3 – Wissen anwenden

Hier werden Lösungen als technische Prototypen in Prozesse implementiert und auf Funktion und Nutzen überprüft. Dabei ist die Einbindung und Befragung des letztendlichen Nutzers, des Kunden und Mitarbeiters – also die Berücksichtigung des Faktors Mensch – für den Erfolg essentiell.

Schritt 4 – Entscheidungsvorgabe

Im letzten Schritt werden konkrete Entscheidungen getroffen, z. B. die Kosten für die Lösung ermittelt, der Business Case bzw. ein passendes Geschäftsmodell definiert, Entscheidungsvorlagen für die Unternehmensleitung erstellt und anschließend bei Bedarf die in Schritt 1 getroffenen Entscheidungen überprüft und neu bewertet.

Benötigte Kompetenzen

Bei diesem Vorgehen müssen Prozesse, Organisationen und Geschäftsmodelle grundlegend neu gedacht werden. Dafür braucht es aus Sicht der Arbeitsgruppe Kompetenzen in der Entwicklung von:

  • Datenräumen und IoT-Lösungen für vernetzte Gesamtsysteme, in denen Daten unabhängig von ihrem ursprünglichen Anwendungs- und Systembezug aufbereitet und damit portabel vorliegen,
  • Analytics-Methoden und Verfahren im Feld der Künstlichen Intelligenz, die aus scheinbar unbeherrschbaren Datenmengen und -materialien handhabbare, qualitative Daten und Informationen machen und
  • Geschäftsmodellen und Organisationen, die einen Wechsel der Perspektive zulassen, indem sie anstehende Trends, technologische Möglichkeiten und den Faktor Mensch gleichermaßen berücksichtigen.
 

Wissenschaftliche Unterstützung durch die Arbeitsgruppe für Supply Chain Services

 

Entsprechend der Vision »Erfolg und Mehrwert durch Daten« begleitet die Arbeitsgruppe Unternehmen während des gesamten Prozesses der digitalen Transformation.

Mit entsprechender Methodenkompetenz entwickeln die Mitarbeiter auf Basis wirtschaftswissenschaftlicher und mathematischer Verfahren und Methoden so für und gemeinsam mit Unternehmen Lösungen für nachhaltige Prozesse, Organisationen und Geschäftsmodelle: von der Bereitstellung strukturierter Daten durch entsprechend gestaltete Datenräume und IoT-Lösungen, über die Analyse und Optimierung der Daten für valide Prognosen mithilfe von Analytics und KI bis hin zur strategischen Verwertung von Daten für zukunftsfähige Geschäftsmodelle und Organisationen.