Im Februar 2017 wurde PRO-OPT im Rahmen des Big-Data Summits in Hanau vorgestellt. Das Thema war “Analyse von organisationsübergreifenden Big-Data-Geschäftspotenzialen – Erfahrungen in der Automobilbranche” und hatte folgende inhaltliche Ausrichtung:
Big-Data(BD)-Projekte scheitern häufig nicht an der technischen Umsetzbarkeit. Vielmehr scheitern sie, da sie weder an strategischen Unternehmenszielen ausgerichtet, noch im Rahmen der geschäftlichen und operativen Rahmenbedingungen realisierbar sind. Dieses Problem ist noch ausgeprägter in Smart Ecosystems, in denen BD-Lösungen an organisationsspezifischen und -übergreifenden Zielen ausgerichtet sein müssen. Daher bewähren sich traditionelle datengetriebene Strategien, in denen alle verfügbaren Daten beschafft und dann explorativ nach geschäftsrelevantem Wissen untersucht werden, in Smart Ecosystems meistens nicht. Die traditionellen datengetriebenen Strategien bieten unzureichende Fokussierung auf konkreten Geschäftsziele und -strategien
Diese Probleme werden durch die zielorientierte Analyse des BD-Geschäftspotenzials adressiert. Dabei werden Unternehmen bei der Ableitung datenbasierter Use Cases (UC) aus ihren strategischen Zielen und Geschäftsbedürfnissen sowie bei der Konzeption von BD-Lösungen unterstützt. Diese UC werden vor dem Einsatz in einer operativen Umgebung schrittweise im Lab-Kontext erprobt und angepasst.
In diesem Vortrag erläutern wir die Umsetzung der BD-Potenzialanalyse im Kontext des Projekts PRO-OPT, dessen Ziele die Entstehung einer kollaborativen Lieferkette in der Automobilindustrie, sowie die Digitalisierung der Produktion sind. Die Analyse des Zusammenspiels von Produkt-, Betriebsmittel-, Logistik-, Infrastruktur- und Prozessdaten gilt hierbei als Schlüssel für die Analyse, Absicherung und Optimierung der Produktionsprozesse. Allein im Produktionsumfeld der Fahrzeugelektronik bei AUDI wird das Datenvolumen auf 100 TB pro Jahr geschätzt. Insbesondere sind BD-Lösungen für die frühzeitige Erkennung von Anomalien und Schwachpunkten notwendig, um die Produktionsprozesse stabiler, effizienter, transparenter und beherrschbarer zu machen.
Die BD-Potenzialanalyse unterstützt z.B. AUDI bei der effizienten Ableitung relevanter datenbasierter UCs und zielgerichteter BD-Lösungen, die zur Identifikation der Zusammenhänge zwischen Kenngrößen der Produktionsprozesse führen und somit zur Ermittlung von Key Perfomance Indicators, anhand derer Produktionsprozesse transparent, mess- und optimierbar gemacht werden können. Im Vergleich zu traditionellen datengetriebenen Strategien konnte AUDI mittels der BD-Potenzialanalyse relevante UCs und passende BD-Lösungen schneller identifizieren. Mit der Anzahl der relevanten UCs wächst bei AUDI auch das Netz von Datenschätzen (d.h. Informationen mit geschäftlichen Mehrwert).
Vortrag: 1130 P3 AutoAvia Liliana Guzmán FhG IESE O Lepp AUDI_BDS17
