Datenmanagement-Strategie : Warum jedes Unternehmen einen Datenverantwortlichen braucht

Mit der Zahl vernetzter Geräte wächst auch die Menge an Daten, die Unternehmen gewinnen. Sie auszuwerten und auf Basis der Erkenntnisse die richtigen Entscheidungen zu treffen, ist die Essenz eines jeden IoT-Projekts. Kurz gesagt: Daten sind zu einem wettbewerbsentscheidenden Faktor geworden. Je besser ein Unternehmen in der Lage ist, sie zu nutzen, desto eher kann es sich von Mitbewerbern abheben, außergewöhnliche Kundenerlebnisse schaffen oder maßgeschneiderte Produkte entwerfen. Mehr noch: Mit dem passenden Datenmanagement lassen sich Prozesse in der Produktion präziser optimieren, Fehler vermeiden und Kosten sparen. Damit spielt das Datenmanagement eine zentrale Rolle. Doch was genau versteht man eigentlich unter Datenmanagement? Ein ‚gutes‘ Datenmanagement versetzt die IT in die Lage, die richtigen Daten zum richtigen Zeitpunkt in der geforderten Geschwindigkeit zur Verfügung zu stellen, egal aus welchen Quellen sie stammen und wo sie sich befinden. Es deckt den gesamten Datenlebenszyklus ab, also von der Erfassung der Daten, ihrer Speicherung, Klassifizierung und Priorisierung, bis hin zur Archivierung oder zum Löschen. Außerdem ermöglicht Datenmanagement die Datenbeweglichkeit und umfasst auch die Aspekte Datenhoheit, -integrität und -sicherheit.

Datenmanagement ist nicht alleine Aufgabe der IT-Abteilung. Vielmehr ist es als eine Art Konzept zu sehen, das unternehmensweit Anwendung findet. Das IT-Team kennt sich zwar mit technischen Fragen aus, weiß aber meist nicht, welche Daten die Fachabteilungen brauchen und welche Ziele sie damit verfolgen. Deshalb ist es zunächst wichtig, alle Beteiligten an einen Tisch zu holen und einen umfassenden Blick auf das Thema zu gewinnen. Im Idealfall setzen Unternehmen einen zentralen Datenverantwortlichen ein, einen Chief Digitalization Officer oder auch Chief Data Officer (CDO), der sich darum kümmert, wie das Unternehmen am besten von Daten profitieren kann.

Die bevorzugte IT-Infrastruktur ist in den meisten Unternehmen heute die Hybrid-Cloud, eine Kombination aus On-Premises-Lösungen und Public Cloud. Daten können also an ganz unterschiedlichen Orten gespeichert oder verarbeitet werden. Deshalb ist es wichtig, dass das Datenmanagement sich einheitlich auf die verschiedenen Systeme und Technologien anwenden lässt. Unabhängig davon, wo Daten geklont, gesichert oder wiederhergestellt werden, sollten dieselben Prozesse und Tools greifen. Ansonsten entsteht ein erhöhter Managementaufwand, der die Effizienz der Infrastruktur wieder zunichtemacht. Außerdem müssen sich Daten aus verschiedenen Umgebungen auf einfache Weise zusammenführen lassen. Dafür ist eine einheitliche Datenübertragung erforderlich. Unternehmen gewinnen dadurch auch die Möglichkeit, Daten aus einer Cloud in eine andere zu übertragen. Das kann zum Beispiel aus Kostengründen sinnvoll sein, etwa wenn ein Anbieter seine Preise anhebt. Ein einheitliches Datenformat erleichtert die Verlagerung von Daten in die Cloud, sodass sie vorab nicht extra konvertiert werden müssen.

Die Datenmanagement-Strategie muss sich sowohl mit Daten am Entstehungsort (at the Edge) beschäftigen als auch mit den Daten auf der zentralen Datenplattform (at the Core). At the Edge, also an den Sensoren von Geräten und Maschinen, entstehen riesige Mengen von Daten, die das System zum Teil bereits dort filtert analysiert und erste Entscheidungen fällt. Je nach Anwendungsfall werden ausgewählte oder alle Daten an die Plattform übertragen. Dort besteht die Herausforderung darin, die unterschiedlichen Datentypen für Applikationen On-Premises oder in der Cloud verfügbar zu machen.

Eine IoT-Initiative beginnt nicht mit den Daten, sondern mit Zettel und Bleistift. Zunächst sollten Unternehmen genau definieren, welches Ziel sie verfolgen. Daraus ergeben sich dann die Folgefragen: Welche Daten brauche ich dafür, wo kommen sie her und wie kann ich sie erheben? Sollen die Daten On-Premises oder in der Cloud analysiert werden? Wie lange und wo möchte ich sie speichern? Denn IT-Verantwortliche kennen sich zwar in technischen Belangen aus, wissen in der Regel aber nicht, wie die Prozesse in der Fachabteilung aussehen und welchen Bedarf die Mitarbeiter dort haben. Hier kann auch ein externer Berater unterstützen und als Bindeglied zwischen den Abteilungen fungieren.

Sind die Rahmenbedingungen geklärt, empfiehlt es sich, mit einer Machbarkeitsstudie zu starten. In einem Pilotprojekt mit sehr begrenztem Umfang sammeln Unternehmen erste Erfahrungen. Sie beginnen damit, erst einmal die Sensordaten einer einzelnen Maschine auszulesen und zu analysieren. Dabei ist es wichtig, bereits hier auf die Skalierbarkeit der Infrastruktur zu achten. Denn wird das Projekt später auf den gesamten Maschinenpark ausgerollt, explodieren die Datenmengen. Kann die IT-Umgebung diese nicht mehr speichern und verarbeiten, ist der Umbau meist kompliziert und es entstehen unnötige Aufwände und Kosten. Auch das Thema Sicherheit sollten die Verantwortlichen von Anfang an berücksichtigen. In der Regel lässt sich eine Machbarkeitsstudie innerhalb von vier bis sechs Wochen durchführen. Ein guter IoT-Anbieter kann – zusammen mit seinen Partnern – ein Unternehmen in allen Phasen des Projekts unterstützen. Er kennt die für den jeweiligen Anwendungsfall am besten geeignete Hardware, Kommunikationsprotokolle, Datenmanagement- und Analytics-Lösungen und zeigt Wege auf, wie sich auch alte Maschinen internetfähig machen lassen. Im Experten-Netzwerk mit Partnern kann er das IoT-Projekt auch in Sicherheitsfragen umfänglich betreuen.

Die größten Hindernisse, die IT-Entscheider für die Umsetzung von IoT-Projekten sehen, sind also knappe Budgets, die hohe Komplexität von IoT-Lösungen und ein Mangel an Know-how. Während die ersten beiden Punkte eher technische und organisatorische Gründe haben, schwelt in letztem Punkt akuter Handlungsbedarf. Dies zeigt auch deutlich, wie wichtig ein Expertennetzwerk und externe Dienstleister für die Umsetzung von IoT-Projekten derzeit sind.