Digitalisierungs Blog

3 min Lesezeit

Prozessanalyse in Zeiten von IoT und Predictive Analytics

31. Juli 2018

Prozessanalyse mit CRM und IoT

Lange vor dem Internet of Things (IoT), der schrittweisen Digitalisierung, ja bereits vor dem Internet existierten unzählige Methoden und Ansätze zur Prozessanalyse. Einige davon zählen auch heute noch zum Standard-Repertoire der Maßnahmen, die ergriffen werden, um Optimierungen in der Prozesskette herbeizuführen.

Doch egal ob BPR, Ishikawa, SWOT-Analyse, Total-Quality-Management usw. ,die primären Fragestellungen bei all diesen Methoden und Systemen waren stets dieselben:

  • Welche Faktoren stören den Prozess und an welcher Stelle?
  • Welche Prozesse sind letztendlich entbehrlich oder kontraproduktiv?

Prozessanalyse hatte bildlich gesprochen bisher also vor allem ein Ziel: Den Sand im Getriebe zu finden. Tiefgreifende Analysen, wie das bereits erwähnte japanische Ishikawa-Diagramm, gehen bereits einige Schritte weiter und decken punktgenau bestehende Lecks auf. Doch was wäre, wenn der nächste Sandsturm bereits aus weiter Ferne zu erkennen sei?

Wie Sie mit der Prozessanalyse Ihren Service optimieren

Hier kommt nun das IoT ins Spiel. Was mit M2M begonnen hat, birgt heute enorme Möglichkeiten, beispielsweise für Ihre Service- und Wartungsprozesse. Wenn Sie zum Beispiel einen Wagen fahren, bei dem ein Sensor bzw. ganze Sensornetze zum Hersteller einen Defekt in Echtzeit weiterleiten, haben Sie bereits eine ganz gute Idee davon, was hier mit dem neuen Zauberwort “Proaktiver Kundenservice” gemeint ist.

Möglich werden solche Service-Modelle erste durch die Vernetzung von Mensch und Maschine über das IoT im Zusammenhang mit einem strukturierten Customer-Relationship-Management. In dem genannten Beispiel ist der Verwendungszweck der gesammelten Maschinendaten klar definiert: Entdecke den Fehler – Nenne seine Quelle – Gib die Information weiter. Der Defekt ist gefunden und wird Kürze beseitigt. Für diesen Anwendungsfall braucht es eine funktionierende Schnittstelle von IoT und CRM.

Doch unabhängig davon, ob ein Defekt vorliegt oder nicht, werden permanent Daten gesammelt und übertragen. Im Leben einer Maschine sammeln sich so ganze Terrabytes an Log-Dateien, die eine Menge Informationen beinhalten. Falls man sie zu lesen und zu deuten weiß!

Von Predictive Analytics zu proaktiven Kundenservice

Zurück zur Prozessanalyse! Die meisten etablierten Methoden verfolgen einen möglichst ganzheitlichen Ansatz, der sowohl den Maschinenpark als Arbeitsplatz als auch Ihre Mitarbeiter einbindet. Daran ist natürlich nichts auszusetzen, doch ein Faktor wird heute noch allzu oft vernachlässigt: Die gewaltige Datenmenge, die ein Großteil Ihrer Maschinen bereits heute gesammelt hat. Sie haben davon gehört, wir sprechen von Big Data!

Erst große Datenmengen ermöglichen nicht nur die Analyse bestehender Prozesse, sie können auch dazu verwendet werden, hochgradig genaue Prognosen über künftige Störungen und Ausfälle zu treffen. Die hierbei angewandten Methoden nutzen hauptsächlich die Macht der Mathematik, namentlich der Statistik, einige jedoch klingen noch immer ein wenig nach Science Fiction. Wir können Ihnen versichern – Sie sind bereits Realität! Zu den faszinierendsten Methoden, einer Maschine Analysefähigkeiten anzueignen und noch weit mehr als das zählen:

Nehmen Sie sich die Zeit und erkunden Sie dieses Feld im Internet, es lohnt sich!

Fazit: "Auch bei der Prozessanalyse gilt Struktur vor Software" 

  • Im Verlauf des oft langwierigen übergeordneten Prozess-Analyse-Verfahrens fallen bereits gewaltige Datenmengen an.
  • Über das IoT lassen sich diese Daten auslesen, protokollieren und analysieren.
  • Die Analyse der Maschinendaten in Echtzeit ermöglicht automatisierte Wartungsprozesse.
  • Die strukturierte Auswertung größerer Datenmengen ermöglicht klare Prognosen über bevorstehende Störungen und Ausfälle.

Diesen Teilaspekt der Prozessanalyse, der bereits heute täglich an Bedeutung zunimmt, bezeichnet man als Predictive Analytics, im Prinzip eine vorausschauende Analyse. Bei der Auswertung von Big Data oder der Implementierung komplexer mathematischer Algorithmen ist Expertenwissen gefragt!

In unserem Whitepaper teilen wir unsere Erfahrungen bei der Implementierung von CRM-Prozessen und zeigen Ihnen Einbindungsmöglichkeiten für das IoT, um die Prozessanalyse maximal effizient zu gestalten.

Whitepaper CRM + IoT

Matthias Pirzer
Autor Matthias Pirzer

Matthias Pirzer ist als Senior Consultant Digital Transformation bei der NXTGN tätig. Die NXTGN unterstützt Unternehmen dabei prozess- und softwareseitige Herausforderungen der Digitalen Transformation zu meistern. Matthias Pirzer hat in den letzten 10 Jahren eine Vielzahl von BI- und CRM-Lösungen konzipiert sowie Prozesse von verschiedenen Unternehmensbereichen harmonisiert und optimiert. Sein Fokus bei der NXTGN liegt im Bereich DataInsight, d.h. wie können vorhandene Daten zukunftsgerichtet genutzt werden.