Big Data –  Grundlagen, Methoden & Erfolgsfaktoren

Big Data – Grundlagen, Methoden & Erfolgsfaktoren

Big Data ist längst aus dem berühmten Hype-Cycle von Gartner verschwunden und gehört vielleicht auch nicht mehr zu den beliebtesten Buzzwords. Dennoch ist Big Data nach wie vor eines der wichtigsten Themen in Data-Science-Projekten. Umso wichtiger ist es, immer wieder nach aktuellen Technologien, den Chancen sowie den Erfolgs- und Risikofaktoren zu fragen. Laut Bitkom priorisieren deutsche Unternehmen das Thema Big Data inzwischen mehrheitlich und stufen Big Data neben Robotics und dem Internet of Things als wichtig für ihre Wettbewerbsfähigkeit ein.

(more…)
Absatzprognosen mit KI – Der Konkurrenz ein Stück voraus

Absatzprognosen mit KI – Der Konkurrenz ein Stück voraus

Bei Regenwetter wird kaum Grillfleisch gekauft und bei niedrigen Temperaturen weniger Sushi. Einfache Zusammenhänge wie diese haben aber zwei Probleme: Zum einen sind sie erst sehr kurzfristig verfügbar, während Produktion und Lieferketten längerfristige Prozesse sind. Zum anderen sind sie relativ ungenau, sodass bei der Planung immer noch ein großer Puffer eingerechnet werden muss. Der Handel und die Hersteller von verderblichen Waren brauchen für ihre Planung und strategische Entwicklung exakte Absatzprognosen. Im Zeitalter von Künstlicher Intelligenz und Machine Learning ist es möglich, Absatzprognosen so genau wie niemals zuvor zu berechnen. Das bringt Händlern große Vorteile und ein enormes Potenzial.

Lesetipp: In unserem Blog-Beitrag “Der stationäre Handel als Profiteur von Machine Learning” erfahren Sie mehr über den Einsatz von KI im Handel.

Wettbewerb, Absatzvolumen und Marktanteile im Lebensmittel

Insbesondere für Lebensmittel-Hersteller und -Händler aber auch für Konsumgüterhersteller ist es von enormer Wichtigkeit, Marktchancen und Marktrisiken frühzeitig richtig zu erkennen und entsprechend zu planen und zu kalkulieren. Genaue Absatzprognosen verschaffen Unternehmen einen Vorlauf, der ihnen den entscheidenden Vorteil bringen kann.

Die größte Herausforderung bei verderblichen Lebensmitteln und Konsumgütern ist es, die tatsächlich nachgefragte Menge so exakt wie möglich im Vorfeld zu kennen. Die Voraussetzung für genaue Absatzprognosen ist die Verfügbarkeit von messbaren Daten und entsprechenden Datenquellen.

Optimierte Absatzprognose dank KI

Die Faktoren, die bei der Mengenplanung zugrunde gelegt werden, sind dabei vielschichtiger als einfache Wettervorhersagen. Insbesondere weil es zur Wechselwirkung von mehreren Faktoren kommen kann, waren bisher statische Modelle nicht genau genug. Insbesondere dann, wenn es um längerfristige Prognosen ging, stießen sie an Grenzen. Dank KI-gestützter Methoden können heute jedoch auch komplexe Modelle als Grundlage für Absatzprognosen herangezogen werden.

Die Auswertung von Daten über vergangene Absätze können Muster und Zusammenhänge zum Vorschein bringen, die Aussagen über zukünftige Absätze zulässt. Zu den wichtigsten Faktoren, die mit einberechnet werden können, zählen:

  • Gesamtmarktentwicklung
  • Marktvolumen und Marktpotenzial
  • Nachfrage
  • Trends
  • Wetter
  • Verkaufshistorie

TIPP:
Mit unserer Sales Forecasting Software “AT Sales Forecast” helfen wir Ihnen mit den neuesten KI Algorithmen Ihre Verkäufe zu steigern und Aufwände zu reduzieren.

Hohe Präzision bei kurz-, mittel- und langfristigen Prognosen

Besonders durch den Einsatz von Machine-Learning-Algorithmen kann eine Präzision bei Absatzprognosen erreicht werden, die in diesem Detailgrad und der Verlässlichkeit bislang nicht möglich war. Die Lernfähigkeit von Machine-Learning-Algorithmen führt dazu, dass die Prognosen im Laufe der Zeit immer genauer werden. Das gelingt, indem die lernfähigen Algorithmen Feedback in Form des tatsächlichen Absatzes bekommen.

Mit der Zeit lernen die Algorithmen, die einzelnen Faktoren immer besser zu gewichten und so zu genauen Absatzprognosen zu kommen. Predictive Modeling mit Künstlichen Neuronalen Netzwerken machen langfristige Vorhersagen möglich, die mit den traditionellen Methoden stark fehleranfällig waren. Gerade sie sind aber für die langfristige Planung von besonderer Bedeutung.

Die Vorteile Absatzprognosen mit KI

Es gibt eine ganze Reihe von Vorteilen, die sich aus KI-gestützten Absatzprognosen ableiten. Nicht jeder Einzelhändler wird dabei den vollen Umfang des prinzipiell möglichen ausschöpfen. Daher ist es wichtig, zunächst den konkreten Bedarf festzustellen, den verfügbaren Datenbestand zu überprüfen und den Proof-of-Value zu testen. Absatzprognosen bringen Händlern und Herstellern unter anderem folgende Vorteile:

  • Bessere Planung von Warenbeständen dank präziser Prognosen
  • Bessere Positionierung am Markt gegenüber Mitwettbewerbern
  • Steigerung des Gewinns und Minimierung der Abschreibe-Summen
  • Optimale Steuerung von Produktion, Produktionsmitteln und Mitarbeiterplanung
  • Aufbau von Know-how im Rahmen einer Datenstrategie
  • Erschließung und Integration von unterschiedlichen Datenquellen in das Unternehmen mit dem Potential für weitere, zusätzliche Data-Science-Projekte

Mit fortschrittlichen Methoden wie Absatzprognosen mit KI können sich Händler und Hersteller nicht nur einfach ein Wissen über Wetterbedingungen verschaffen, sondern auch verlässliche, mittel- und langfristige Prognosen im Rahmen komplexer Szenarien erhalten. Diese ermöglichen es ihnen, alle Prozesse besser als jemals zuvor zu planen und zu steuern.

Vernetzte Produktion am Beispiel der Transformation der Automotive-Branche

Vernetzte Produktion am Beispiel der Transformation der Automotive-Branche

Die vernetzte Produktion entwickelt sich mehr und mehr zum Standard der fertigenden Industrie. Das Konzept trägt dem neuen Megatrend der Hyperkonnektivität Rechnung. Am Beispiel der Automotive-Branche zeigen wir in diesem Blog-Artikel, wie daraus zahlreiche wettbewerbsentscheidende Vorteile entstehen und konkret ausgestaltet werden können.

Unter dem Stichwort „Industrie 4.0“ fand in den letzten Jahren ein Transformationsprozess in der fertigenden Industrie statt. Genauer gesagt hält diese Entwicklung immer noch an und gewinnt sogar zusehends an Bedeutung – vor allem in Bezug auf die vernetzte Produktion. In vielerlei Hinsicht nimmt die Automobilbranche diesbezüglich eine Vorreiterrolle und als wichtigster Industriezweig in Deutschland eine Schlüsselrolle ein. Es gibt mehrere übergeordnete Ziele der Industrie 4.0 beziehungsweise für die vernetzte Produktion:

Die industrielle Produktion allgemein und die Automobilproduktion im Besonderen sind in komplexe Zusammenhänge eingebunden. Angefangen bei der Zuliefererindustrie, den Regulierungen in unterschiedlichen internationalen Standorten und Märkten bis hin zu den komplexen Produkten mit langen Produktzyklen. Gerade darum stellt die Automotive-Branche ein ideales Anwendungsgebiet für die vernetzte Produktion dar.

Link-Tipp: Jede Fabrik kann Teil der Industrie 4.0 werden – Lesen Sie mehr dazu in unserem Blog-Artikel über „Brownfield vs. Greenfield“.

Die vier zentralen Handlungsfelder der vernetzten Produktion: Vertikale Shop-Floor-Integration, direkte Datenintegration, flexible Fertigungsprozesse und optimierte Arbeitsplätze

Wenn es um die konkreten Handlungsfelder bei der vernetzten Produktion geht, lassen sich im Moment insgesamt vier wesentliche Entwicklungen identifizieren:

  1. „Vertikale Shop-Floor-Integration“: Durch die Vernetzung der Produktionsanlagen und -maschinen innerhalb des komplexen Produktionsökosystems der deutschen Automobilzuliefererindustrie lassen sich Informationen über Ausfall- und Störzeiten, Anzahl von fehlerhaften Teilen oder auch Qualitätsprobleme in der Produktion erheben und übermitteln.
  2. „Direkte Datenintegration“: Einmal erhobene Daten lassen sich oft in anderen Abteilungen weiter anreichern und auswerten, beispielsweise um daraus zusätzliche Instandhaltungs- und Qualitätsmaßnahmen abzuleiten.
  3. „Flexible, individuelle Fertigungsprozesse“: Die vernetzte Produktion ermöglicht die flexible Produktion der Losgröße Eins. Durch diese Flexibilisierung des Fertigungsprozesses können auch die unterschiedlichen Standards anderer Länder besser und einfacher erfüllt werden – im Idealfall bei Einzelstücken innerhalb der laufenden Produktion.
  4. „Optimierte Arbeitsplätze“: Die Mitarbeiter stehen bei der vernetzten Produktion im Zentrum. Optimierte Arbeitsplätze ermöglichen es, auf spezielle, individuelle Anforderungen jedes Mitarbeiters einzugehen. Nicht mehr die Menschen passen sich den Maschinen an, sondern die Maschinen den Menschen.

Die vernetzte Produktion liefert damit gleichzeitig zentrale Antworten auf die Frage nach der Zukunft der Arbeit wie auf die Frage nach der Zukunft der Automobilindustrie. Die sich stetig wandelnden Anforderungen in einer globalisierten und digitalisierten Arbeitswelt lassen sich mit der vernetzten Produktion sehr viel besser bewältigen.

Vernetzte Produktion als Strategie für mehr Innovation und einen datenzentrierten Ansatz

Die vernetzte Produktion ist heute einer der Schlüssel von Innovation geworden beziehungsweise schafft die Voraussetzungen dafür. Sie ist damit ein wichtiger Baustein für die datengetriebene Digitalisierung. Denn bei der Vernetzung der Produktion ist es notwendig, alle Fertigungsprozesse in ihrer Gesamtheit zu betrachten.

Ein weiterer wichtiger Bestandteil der Transformation sind beispielsweise auch Anpassungen in der Unternehmenskultur. Solch ein ganzheitlicher Ansatz liefert damit zugleich die Chance, auch andere Innovationen anzustoßen beziehungsweise zu begünstigen.

Die Vernetzung der Fabrik und die Vernetzung des Produktes selbst wie in diesem Fall des Connected Car gehen Hand in Hand. Besser gesagt: sie bedingen einander. Die Daten, die in den Produkten, sprich den Autos, erhoben werden, können dazu genutzt werden, die Produktion zu verbessern.

Insbesondere die „Early Adopters“ können sich Wettbewerbsvorteile sichern. Unternehmen, die früh in die Vernetzung der Produktion einsteigen, können sich gegenüber ihren Mitbewerbern einen Vorsprung verschaffen. Gerade in hart umkämpften Branchen wie der Automobilbranche lohnt es sich darum, den eigenen Kunden so früh wie möglich die Vorteile, die sich aus der Vernetzung ableiten, zu bieten.

Das Auto als Softwareprodukt: Als „digitaler Zwilling“ wird das vernetzte Auto zur Schnittstelle

Die vernetzte Produktion lässt sich in einen größeren Gesamtkontext einbetten. Die zugrunde liegende These lautet, dass in Zukunft alle Unternehmen ein Stück weit zu „Software-Firmen“ werden müssen. Das liegt daran, dass Software und Datenauswertung zu einem immer wichtigeren Bestandteil der Produkte, der Produktion und damit der Wertschöpfungskette werden.

Wie sehr das Auto zu einem Softwareprodukt wird, zeigt sich an mehreren Stellen. Zum einen steuert Software zentrale Bestandteile von Autos und zum anderen wird der Fahrer selbst immer mehr zum Connected Customer. Software steht damit mehr und mehr an der Schnittstelle zwischen Unternehmen und Kunden – beziehungsweise es wird besser gesagt selbst zu Schnittstelle.

In Zukunft wird das vernetzte Auto im Rahmen der vernetzten Produktion mit der Smart Factory kommunizieren, später mit Infrastrukturen wie der Smart City, aber auch mit Vertragswerkstätten oder als autonom fahrendes Fahrzeug mit anderen Verkehrsteilnehmern.

Im Gartner Hype-Cycle erfährt aufgrund dieser Entwicklung der sogenannte „digitale Zwilling“ bzw. „Digital Twin“ seit einigen Jahren eine Aufwertung. Als digitaler Zwilling wird das digitale Abbild von realen Produkten – sowohl während der Produktion als auch danach – bezeichnet.

Zukunfts-Perspektive: Künstliche Intelligenz ist der nächste wichtige Schritt bei der Industrie 4.0

Im Rahmen der vernetzten Produktion stellen Digital Twins oder allgemeiner gesagt Daten die Grundlage für weitere Entwicklungen dar. Insbesondere durch den Einsatz von Künstlicher Intelligenz (KI) und Machine Learning kann die vernetzte Produktion das nächste Level erreichen.

Die während der Vernetzung der Produktion erhobenen Daten sind selbst der neue Rohstoff für den nächsten Schritt in der Wertschöpfungskette. In großen Datenmengen können Muster erkannt werden, die zu neuen Use Cases führen können.

Linktipp: Lesen Sie zu diesem Thema auch unseren Blog-Artikel „Wie Artificial Intelligence die Automobilbranche revolutioniert“

Die während der Vernetzung der Produktion erhobenen Daten sind selbst der neue Rohstoff für den nächsten Schritt in der Wertschöpfungskette. In großen Datenmengen (Big Data) können Muster erkannt werden, die zu neuen Use Cases führen können.

Eine der zentralen Folgen für die vernetzte Produktion ist die Verbesserung der Mensch-Maschine-Interaktion durch Künstliche Intelligenz. Denn die Spracherkennung der natürlichen gesprochenen Sprache wird durch KI immer besser und auch Systeme zur Bild- und Umgebungserkennung werden immer intelligenter. Das öffnet völlig neue Möglichkeiten bei der Bedienung von Maschinen wie Cobots („Collaborative Robots“).

Auch der Einsatz von Virtual-Reality- oder Mixed-Reality-Geräten bei der Produktion und Reparatur von Maschinen ermöglichen standortübergreifende Telewartung und begünstigen damit das Fortschreiten der Revolution der vernetzten Produktion in der Automobilbranche.


Sie möchten noch mehr über Machine Learning erfahren? Dann werfen Sie einen Blick auf unsere Machine Learning und Deep Learning 2018 Studie.