Zwei High-Potential Projekte: Mit Smart Data Datensilos überwinden und den Wert von Daten bestimmen

Der Coffee Talk entstand als Format in Verbindung mit dem VOICE High Potential Award. Der Award wird im Rahmen des VOICE ENTSCHEIDERFORUM verliehen. Mit ihm werden junge Nachwuchsführungskräfte in der IT für spannende Projekte ausgezeichnet. Leider bietet die Award-Verleihung nicht genug Zeit, um Teilnehmer und ihre Projekte ausführlich vorzustellen. Deshalb hat VOICE die Protagonisten eingeladen, das in mehreren virtuellen Coffee Talks zu tun. In knapp einer halben Stunde stellen sich zwei ambitionierte Projekte im Livestream vor und beantworten die Fragen der VOICE-Mitglieder im Q&A. Hier präsentieren wir Ihnen eine Zusammenfassung der Coffee Talks inklusive der gezeigten Präsentationen.

Datensilos überwinden

Das erste Thema stellt Dr. Fabian Tinkl-Hennighausen von der Firma Siemens vor: Sogenannte „Data-Silos“ sorgen dafür, dass verschieden Departments in Unternehmen nicht dazu in der Lage sind, Informationen anderer Departments abzufragen. Datensätze und Infrastrukturen wachsen oft organisch über die Zeit. Das macht es für Computersysteme nach einer gewissen Zeit nahezu unmöglich entscheidende Informationen wiederzufinden. Hier soll Smart Material Data Abhilfe schaffen. Datensätze, die nativ zunächst getrennt waren, sollen zusammengeführt werden. So kann es z.B. sein, dass ein Engineering PLM System alle Informationen zur Produktentwicklung oder Produkteigenschaften dokumentiert, aber niemals direkt mit Systemen aus dem Procurement interagiert. So bilden sich verschiedene „Silos“ in den einzelnen Bereichen, aus denen weder Daten rein- noch rauskommen. Cross-Border und Cross-Functional-Suchen werden höchst aufwendig. Dabei liegt das Wissen über bestimmte Daten in den Köpfen von Einzelpersonen und kommt nicht der Organisation zu Gute. Der Prozess bis zur Smart Material Data führt von der Gesamtübersicht der Daten über die Identifikation der Datenquellen und das Zusammenführen bis zur Konsumierbarkeit für die Anwender. Hier besteht immer noch ein hoher Bedarf, der leider von viel zu wenig Firmen angegangen wird, da das Risiko zu hoch eingeschätzt wird.

Den Wert von Daten messen

Die zweite Präsentation von Dr. Michaela Regneri handelt von der Bewertung von gesammelten Daten – insbesondere für Machine-Learning-Systeme. Große Industrieunternehmen besitzen normalerweise eine riesige Menge an verfügbaren Daten, mit denen sich Systeme optimieren und Arbeitsprozesse automatisieren lassen. Doch ist eine größere Anzahl an Daten wirklich ausschlaggebend für ein besseres Endergebnis? Dr. Regneri von OTTO ist anderer Meinung. Die Standardlernkurve für maschinelles Lernen zeigt, dass am Anfang des Lernprozesses große Fortschritte gemacht werden, aber bald ein Punkt erreicht ist, ab dem sehr viel mehr Daten hinzugefügt werden müssen, für eine kaum merkbare Verbesserung des Programms. Schaut man sich die Umsätze durch Produktempfehlungen der OTTO Webseite an, so bestätigt sich auch hier, dass mehr Daten irgendwann einen nur noch minimalen Anstieg bedeuten. Beobachtet man gleichzeitig die Conversion-Rate, so nimmt die Effektivität mit steigender Datenmenge sogar ab. Das liegt daran, dass einige Daten auch unnütz sind, oder dem Programm sogar falsche Verhaltensweisen beibringen. Ziel muss also ein gewisser Datenminimalus sein. Dies wäre von einem nicht zu unterschätzenden Vorteil für Arbeitsaufwand, Datensicherheit und Schadstoffausstoß durch ständig laufende Computersysteme.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Sie möchten bei dem nächsten Coffee Talk Live dabei sein? Jetzt VOICE Mitglied werden und hier anmelden

Lesen Sie mehr zum Thema

CIO Update: Mehr Diversität in IT und Tech lindert Fachkräftemangel – Beispiel Otto

VOICE-CIO Update: Warum eine Single-Cloud-Strategie doch funktioniert

CIO-Erfahrungsaustausch: Talent Centricity – was Anwenderunternehmen alles dafür tun können