Unternehmen beschäftigen sich verstärkt mit neuen digitalen Geschäftsmodellen und Strategien. IoT spielt dabei zunehmend eine treibende Rolle. Bei der Umsetzung von IoT-Strategien stellen sich Unternehmen häufig folgende Fragen: Wie kann eine IoT-Lösung nachhaltig im Unternehmen verankert werden? Welche Herausforderungen entstehen durch neue IoT-Fähigkeiten und wie wirken sich rasant steigende Datenaufkommen in digitalen Prozessen auf die Datenverwaltung des Unternehmens aus? Dieser Artikel stellt einen architekturbasierten Ansatz dar, der zur Lösung dieser Fragen beitragen soll.
Customer Journey Mapping: Welche Fähigkeiten benötigt ein IoT-Use Case
Viele Unternehmen stellen sich die Frage, wie eine IoT-Strategie konkret umgesetzt werden kann? In einer Proof-of-Concept-Phase wird dann häufig eine übergreifende Herstellerlösung aufgesetzt, die alle erforderlichen Fähigkeiten mit sich bringt und eine schnelle Umsetzung verspricht. Häufig fällt jedoch erst beim industriellen Rollout auf, dass Fähigkeiten im Unternehmen doppelt aufgebaut oder Insellösungen geschaffen wurden. Eine Bewertung der gesamten Unternehmensarchitektur zu Beginn des Projektes hätte aber zu große Verzögerungen mit sich gebracht. Unternehmen stehen also vor der Herausforderung, einen Mittelweg aus Insellösung und voller Integration in das Unternehmen zu schaffen.
Die Lösung ist „Architecture Thinking“. Die Betrachtung des Endproduktes als eigenständige Architektur kann helfen, die nötigen Schnittstellen und Synergiepotenziale aufzudecken. Erfahrungsgemäß kann die Aufteilung eines Anwendungsfalles in die einzelnen Schritte seiner Wertschöpfungskette oder Customer Journey hilfreich sein, die jeweils unterstützenden Fähigkeiten besser aufzudecken und zu bewerten. Im nächsten Schritt ist dann eine genauere Betrachtung der Fähigkeiten erforderlich.
IoT Capabilities: Wie unterscheiden sich Fähigkeiten für das Internet der Dinge von den bisherigen Fähigkeiten im Unternehmen?
Um die Besonderheiten von IoT-Fähigkeiten zu verstehen, müssen die Veränderungen im Betriebsmodell des Unternehmens sichtbar gemacht werden. Betrachten wir am Beispiel einer Callcenter-Abteilung die Schnittstelle zum Kunden: Im klassischen Unternehmen ist diese Schnittstelle durch Call-Center-Agenten in einer gewissen Betriebszeit, z.B. acht Stunden am Tag, besetzt. Das Unternehmen hat dabei täglich mit einem Bruchteil seiner Kunden Kontakt und häufig werden die ausgetauschten Informationen, wie z.B. Änderungen an einem Vertrag, innerhalb einiger Tage verarbeitet. Ein digitales Unternehmen hingegen muss in der Lage sein, täglich mit dem überwiegenden Teil seiner Kunden zu kommunizieren. Die Kommunikation läuft hierbei jedoch nicht über einen Agenten ab, sondern in der Regel über automatisierte Systeme. Geräte senden Interaktionsanforderungen kontinuierlich über den Tag verteilt an das Unternehmen und erwarten eine Verarbeitung der Daten in Sekundenbruchteilen. Das bedeutet, die Fähigkeitenbasis von Unternehmen muss im Falle des Internets der Dinge wesentlich reaktiver und automatisierter ausgestattet sein, sodass das damit verbundene Datenaufkommen verarbeitet werden kann.
Datenmanagement für das Internet der Dinge
IoT-Fähigkeiten werden aufgrund der hohen Datennähe überwiegend als datenzentrisch gesehen. Fähigkeiten für die Integration der neuen IoT-Fähigkeiten, gehen allerdings weit über traditionelle Datenverwaltung hinaus. Beispielsweise werden Daten für IoT-Funktionen außerhalb des Unternehmens verarbeitet, wodurch zusätzliche Anforderungen in Bezug auf die Datensicherheit entstehen. In traditionellen Datenbanksystemen wird der Großteil der Daten aus vordefinierten und endlichen Quellen gesammelt und gemäß strenger Normierungsregeln gespeichert. Hingegen unterteilt sich ein IoT-Datenverwaltungssystem in ein Online-Echtzeit-Frontend, das direkt mit den verbundenen IoT-Objekten und -Sensoren interagiert, und ein Offline-Backend, das die Massenspeicherung und die Analyse von IoT-Daten beinhaltet. Das Bereitstellen von zuverlässigen und konsistenten Daten stellt hier eine große Herausforderung dar, ist aber unabdingbar für den Geschäftserfolg.
Wie integriert man IoT-Fähigkeiten in die Unternehmensarchitektur?
Wie können nun IoT-Fähigkeiten effizient im Unternehmen eingebunden werden, um mit der durch IoT bedingten Datenflut umgehen zu können? Eine qualitativ hochwertige und flexible Datenverwaltung stellt eine wiederverwendbare und skalierbare Lösung dar, welche die Themen Sicherheit, Datenschutz, Standardisierung, Komfort, Transparenz und Governance adressiert.
Bestehende Datenarchitekturen sind allerdings häufig so unflexibel, dass neue externe Daten nicht oder nur schwer integriert und Prozesse nicht vereinheitlicht und optimiert werden können. Gründe für derartige Probleme sind beispielsweise unterschiedliche Terminologien in den Datenbeständen verschiedener Business Units, historisch gewachsene Datenbestände, keine zentralen Verantwortlichkeiten und keine standardisierten Datenverwaltungsprozesse. Dies führt zu einer schlechten Datenqualität wie z.B. Dubletten und Inkonsistenzen.
Um das Potenzial der IoT-Fähigkeiten voll auszuschöpfen und die spezifischen Anforderungen für IoT-Daten adressieren zu können, ist die Weiterentwicklung zu einer flexiblen Datenverwaltung notwendig. Hierbei ist es wichtig eine ganzheitliche Sicht auf die Daten zu schaffen und mit historisch gewachsenen und inkonsistenten Datenstrukturen aufzuräumen und bereits entstandene Datensilos aufzubrechen. Außerdem sollten die Mitarbeiter und Experten aus der Enterprise Architektur (EA) integriert werden, da Datenverwaltung immer im Kontext der gesamten Unternehmensarchitektur zu betrachten ist.
Fazit
Ein ganzheitlicher Datenverwaltungs-Ansatz ermöglicht eine integrierte Sicht auf die Unternehmensarchitektur einschließlich IoT-, Unternehmens- und Datenmanagement-Fähigkeiten. So kann eine skalierbare Lösung geschaffen werden, welche den Herausforderungen wachsender Datenmengen gerecht wird und neue IoT-Fähigkeiten in die vorhandene Unternehmensarchitektur integriert. Bereits vorhandene Fähigkeiten müssen identifiziert, wiederverwendet oder erweitert werden, um Insellösungen und Datensilos zu vermeiden. Ein Use-Case-getriebener Ansatz kann helfen, eine klare Sicht auf die relevanten Architekturbausteine und deren Stellenwert im Unternehmen zu gewinnen.
