Produktivität geht auch per Remote - Transforming Economies

Prof. Dr. Horst WildemannTU München und Unternehmensberatung TCW

Die Digitalisierung wirkt als Enabler für Innovationsprozesse. Vorne dabei in der neuen Arbeitswelt des Ideenmanagers: Mobiles Ideenmanagement, Künstliche Intelligenz, Big Data und Augmented Reality.

Ideen müssen einfach teilbar sein

Mobiles Ideenmanagement ist der Schlüssel zur Durchdringung aller Lebensbereiche des Mitarbeiters. Ziel muss es sein, Hürden abzubauen und es den Mitarbeiter so einfach wie möglich zu machen, die eigenen Ideen mit Kollegen und in der Community zu teilen – denn dann steigt die Innovationskraft in Unternehmen sogar durch digitales Arbeiten.

Doch nicht nur die Zugänglichkeit zur Ideenabgabe lässt sich durch digitale Lösungen verbessern. Besondere Sprengkraft liegt in der Kombination von Big Data und Machine Learning.

Digitale Spur bei jedem Arbeitsprozess

Wir alle erzeugen Daten. In unserer Arbeitswelt hinterlassen wir mit jedem Prozess eine digitale Spur. Diese Datenspuren sind mehr als nur Zahlen, denn sie bringen Abweichungen und versteckte Risiken ans Licht.

Produktivität geht auch per Remote! Seit mehr als 30 Jahren ist das Aufspüren von Produktivitätspotenzialen und die Stimulation und Umsetzung von Ideen in Unternehmen mein Tagesgeschäft. Das Handwerkzeug hierzu war seit jeher die Präsenzarbeit mit dem Kunden im eigenen Unternehmen.

In Workshops und Arbeitskreisen haben wir die interne Erfahrung der Experten im Unternehmen mit unseren Methoden und den Lessons Learned aus anderen Branchen verknüpft. Die Toolbox enthält dann weiterentwickelte Methoden zur Lösungsfindung, für Change Management, die Kreativarbeit oder, ganz simpel, das Aufdecken von Engpässen in einer Supply Chain. Ich glaube, es wird auch in Zukunft so sein.

Meine Prognose ist aber: Es kommt ein neues Werkzeug hinzu – und das hat überhaupt nichts mit Präsenzarbeit in Workshops zu tun. Es geht um Daten und die Kunst, daraus zu lernen.

In den Daten der Unternehmen steckt Potenzial

In den Daten, die Unternehmen ganz automatisch erzeugen, steckt viel Potenzial. Mit den richtigen Tools können darin Muster erkannt werden, welche zu einer Optimierung von Prozessen und der Ressourcenallokation genutzt werden können.

Nehmen wir an, ein Unternehmen betreibt 30 Werke, aber nicht alle Werke laufen auf dem gleichen Niveau. Die Qualitäten der Produkte und die Stabilität des Outputs unterscheiden sich meistens.

Wenn es nun das Ziel ist, alle Werke auf das gleiche Level zu hieven, hieß das bisher: Vor-Ort-Audits, Workshops zur Ideenfindung und eine mühsame,  da händische, Ursachen-Wirkungs-Analyse.

Ich sage nicht, dass das nicht funktioniert – aber wenn mehr als 150 Einflussfaktoren die Produktqualität bedingen und die Produktionsprogramme in diesen Werken auch noch alle unterschiedlich sind, wird wohl jedem klar, dass die Trennung von wichtigen und unwichtigen Stellschrauben das menschliche Logikverständnis schnell überfordert.

Mustererkennung in einer chaotischen Welt

Warum also nicht aus der schieren Flut an Datenpunkten eine Tugend machen? Wenn die Anzahl der Entscheidungsvariablen exponentiell zunimmt, können menschliche Logikentscheidungen nämlich ineffizient sein.

Die Lösungsstrategie hierzu muss also datenbasiert sein. Das Werkzeug ist algorithmische Optimierung oder, für komplexere Fälle, künstliche Intelligenz und Machine Learning.

Der Vorteil von Algorithmen: Sie können mit endlosen Datenmengen umgehen. Maschinelles Lernen heißt, der Computer hat keine Logik einprogrammiert, sondern er erfasst die Umweltdaten und versucht, in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen.

Das Ziel ist es, Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Vorhersagen zu treffen –zunächst, ohne die Logik dahinter zu kennen. Für unser Beispiel heißt es, wir füttern den Rechner mit der gesamten verfügbaren Datenflut und der Algorithmus beginnt, nach Auffälligkeiten und Mustern zu suchen.

In einer chaotischen Welt steigt der Wert von Mustererkennung, da einfache Kausalzusammenhänge nicht mehr gelten.

Aber: Daten allein sind dumm

Was können wir nun daraus lernen? Wer also in einer immer komplexer werdenden Lieferkette nach neuen Produktivitätspotenzialen sucht, wird um das Lernen aus Daten nicht umhinkommen – und da die Datenanalyse nicht an die physische Präsenzarbeit in Workshops geknüpft ist, funktioniert das smarte Optimieren von betriebswirtschaftlichen Problemen ganz wunderbar per Remote.

Ich denke, wir werden trotzdem nicht vollständig auf physische Kontakte oder den Menschen grundsätzlich verzichten. Denn Daten allein sind dumm. Werthaltig wird ein Optimierungsansatz erst, wenn die Datenanalyse mit menschlichem Erfahrungswissen kombiniert wird, denn dann können daraus die richtigen Schlussfolgerungen gezogen werden.

Für unser Fallbeispiel könnte das heißen, sich das eigene Presswerkzeug etwas näher anzusehen – mit menschlichem Scharfsinn und im Workshop. Dann würde man feststellen, dass sich die Abkühlkurve für gute und schlechte Werkzeuge unterscheidet. Eine Maßnahme zur Qualitätssteigerung wäre, mit dem Werkzeughersteller an einer Verbesserung des Wärmeabtrages zu tüfteln.

Arbeiten per Remote wird zur Normalität

Wir können davon ausgehen, dass der Perspektivenwechsel durch die Krise die Entwicklung verschiedener Technologien stimulieren wird. In diesem „New Normal“ wird es völlig gängig sein, per Remote zu arbeiten, auch weil wir alle gelernt haben, dass es funktioniert.

Ich persönlich glaube auch, dass das keine Einschränkung sein wird. Denn wir werden alle mehr aus den Daten lernen müssen, um weitere Produktivitätsniveaus zu erklimmen – und das können wir von überall. Ganz verzichten sollten wir auf die persönliche Zusammenarbeit aber nicht.

Change Management funktioniert nicht per Webkonferenz

Der Mensch kommuniziert über viele verschiedene Wege. Es ist zudem wissenschaftlich abgesichert, dass der Face-2-Face-Ideenaustausch und das direkte Gespräch uns am besten liegen, wenn wir Veränderungen anstoßen wollen. Change Management funktioniert nämlich nur schwer per Webkonferenz.

Bevor wir etwas verändern können, müssen wir aber die Zielrichtung kennen. Auf dem Weg dorthin müssen wir Schlussfolgerungen aus Daten ziehen. Das geht auch aus dem Home-Office.

Mustererkennung durch Remote Analytics ist in einer hochkomplexen Welt ein scharfes Werkzeug zur effizienten Entscheidungsfindung. Der Mensch als letztes Quality Gate und als Veränderungsbeschleuniger wird aber auch weiterhin unersetzlich sein.