The Data Economist | Establishing sustainable "Data Inspired & Digital Culture"

Warum erfolgreiche Unternehmen KI zuerst am Engpass ihrer Wertschöpfungskette einsetzen und erst danach die Arbeit selbst beschleunigen

56 % der CEOs sehen durch KI weder höhere Umsätze noch niedrigere Kosten. Nur 12 % erreichen beides, so die Befragung von 4.454 CEOs in PwCs 29th Global CEO Survey.¹ Meine These lautet: Die 12 % setzen KI an einer anderen Stelle ein. Sie wählen die Wertschöpfungskette, die über ihr strategisches Ziel entscheidet, verbessern mit KI deren primären Engpass und verkürzen so die Zeit, in der Vorgänge liegen und auf den nächsten Schritt warten. In Fertigung und Wissensarbeit macht diese Liegezeit nach meiner Schätzung rund 70 % der Durchlaufzeit aus. Die meisten KI-Adoptionen setzen dagegen an den übrigen 30 % an: an der Geschwindigkeit, mit der einzelne Menschen ihre Arbeit erledigen.

Mit den effektiven Denkprozessen aus der TOC (Theory of Constraints) Durchbruchslösungen im Datenqualitätsmanagement schaffen

Ein Bewusstsein dafür, dass ein dringender Handlungsbedarf besteht ein übergreifendes und nachhaltiges DQM einzuführen, ist in vielen Organisationen noch gering ausgeprägt.

Wenn sich um das Thema Datenqualität gekümmert wird, dann meist auf lokale Einheiten beschränkt und situativ bedingt. Je nach Handlungsdruck werden immer wieder Einzelmaßnahmen durchgeführt. In der Regel stört schlechte Datenqualität den Flow von Prozessen und es erfordert immer wieder Nachbearbeitungsschleifen im laufenden Betrieb, bis ein Prozess effektiv abgeschlossen werden kann. Zusätzlich stören immer wieder die ad hoc initiierten Datenkorrekturmaßnahmen den Regelbetrieb.