Entscheidungsunterstützung in datengetriebenen Organisationen

Zusammenfassung

• Mehr denn je lassen sich heute Daten als Grundlage von Entscheidungen aller Art nutzen. Selbst Entscheidungen nach Intuition und "Bauchgefühl" beruhen indirekt auf Daten.
• Für Entscheidungen sind die richtigen Daten in ausreichender Menge und hoher Qualität sowie unstrukturierte unternehmensrelevante Informationen erforderlich. Dies wird an Beispielen gezeigt.
• Auf Basis "smarter Daten" können digitale Assistenten Entscheider auf vielfältige Weise unterstützen. Der Einsatz in Softwaresystemen steht allerdings noch am Anfang.
• Data Science und Analytik schaffen Voraussetzungen, wiederkehrende Entscheidungen automatisiert in die Prozesse des Unternehmens zu integrieren. Dies ist auch ein breites Anwendungsfeld von KI-Methoden. Die Beispiele aus eigenen Projekten zeichnen sich durch schnellen und direkt messbaren Nutzen für die Unternehmen aus.
• Datenbasierte Entscheidungen implizieren Transparenz und sollten daher auch verständlich kommuniziert werden.

1 Entscheiden im Zeitalter der Digitalisierung

Entscheidungen werden auf Basis von Wissen aus Daten getroffen oder – wo belastbare Daten fehlen – auf der Grundlage von Intuition. Wenn ein eindimensionales Ziel vorliegt und sämtliche Konsequenzen aus einer Handlung vorhersehbar sind, sind Entscheidungen quasi unter Sicherheit vergleichsweise einfach. Auch Entscheidungen unter Risiko, bei denen Optionen, Konsequenzen und Wahrscheinlichkeiten bekannt sind oder zuverlässig empirisch geschätzt werden können, lassen sich mittels Statistik und logischem Denken noch recht gut treffen.

Schwieriger wird es, wenn nicht alle Alternativen, Konsequenzen oder Wahrscheinlichkeiten bekannt sind. Ein gutes Beispiel für derlei Entscheidungen unter Ungewissheit sind fast alle Formen von eher langfristig ausgerichteten, strategischen Entscheidungen, die sich vielleicht noch am besten über Prozesssimulationen fundieren lassen, bei welchen die Ergebnisse möglicher Szenarien für eine iterative Adaption und Rückkopplung genutzt werden (Abb. 1).

Abb. 1: Entscheiden unter Risiko und Unsicherheit^[1]

Intuition ist die unbewusste Anwendung von Heuristiken. Eine gute Intuition beruht auf den eigenen gesammelten Erfahrungen – und basiert damit ebenfalls auf Daten. Intuition kann bei neuen Situationen improvisieren, d. h. neue Situationen erfassen und Anpassungen vornehmen. Mit fortschreitender Erfahrung aus vielen Varianten ähnlicher Situationen verbessert sich die Intuition, was das "Bauchgefühl" von Fachleuten ausmacht.^[2] Mit Intuition sind Entscheider in der Lage, auch aus einer mehrdeutigen Situation Schlüsse zu ziehen und sie ganzheitlich zu erfassen. So gab Steve Jobs Stanford-Doktoranden den Rat: "Lassen Sie nicht zu, dass Ihre innere Stimme in den Stimmen anderer untergeht. Und was am wichtigsten ist: Haben Sie den Mut, Ihrem Herzen und Ihrer Intuition zu folgen."^[3]

Wichtige Nachteile von intuitiven Entscheidungen sind jedoch, dass der Entscheider keinen Einfluss darauf hat, welche seiner gesammelten Erfahrungen ("Daten") genutzt werden und dass die Entscheidungen für andere Beteiligte rational nicht nachvollziehbar sind. Und ab einer bestimmten Masse an Kunden und Produkten etc. kann auch der Entscheider mit der besten Intuition nicht mehr alles überblicken. Die Empfehlung kann daher heute nur lauten, Bauch und Kopf zu kombinieren und intuitive Entscheidungen durch relevanten Echtzeitdaten und datenbasierte Fakten zu stützen. Für eine hoch entwickelte Datennutzung und Integration von Analytik in die betrieblichen Prozesse benötigen Unternehmen eine "Data-First-Strategie".^[4]

Datengestützte Entscheidungen und Analysen sind belegbar, rational begründbar, wenn sie die notwendige Menge an Daten beinhalten, damit keine Verzerrungen entstehen. Durch die zunehmende Digitalisierung lassen sich die dafür erforderlichen Daten heutzutage grundsätzlich direkt in den Unternehmen und ihrem Umfeld erfassen. Zudem besitzen Daten das Potenzial, aktiv zum Geschäftserfolg beitragen, indem z. B. in produktionsnahen und durch Daten eindeutig beschreibbaren Situationen Entscheidungen analytisch vorbereitet und dann komplettautomatisiert erfolgen.

In den folgenden Abschnitten wird anhand von Beispielen verfolgt, wie die Kette "von Daten zu Wissen", "von Wissen zu Entscheidungen" anhand von Unternehmensdaten funktioniert.

[1] Willows et al., 2003. Das Prozessmodell von Willows stammt aus einem Klimaprogramm, ist aber generisch für Unternehmen anwendbar, die strategische Entscheidungen unter Risiko oder unter Ungewissheit treffen müssen.

[2] manage IT, 2020.

[3] SinndesLebens24.de, 2018.

[4] Hoyne, 2019.

2 Daten und Analytik als Grundlagen der Datenökonomie

2.1 Smarte Daten sind entscheidend

Daten haben nur dann einen echten Wert, wenn aus ihnen das Wissen zur Lösung von Problemen wird, wenn Daten zur Unterstützung von Entscheidungen genutzt werden oder sogar automatisiert Entscheidungen auf Basis von Daten getroffen werden. Dabei ist die Menge an Daten oft nicht maßgebend. Um auf Basis von Daten Entscheidungen zu treffen, ist es wichtig, dass es sich dabei um die richtigen Daten in ausreichender Menge handelt. Doch wie werden aus Daten Informationen?

Ein ...