Monat: November 2020

Da letzte Woche in den USA Thanksgiving gefeiert wurde, möchte ich mit einer Reflexion über den Begriff der Knappheit und des Überflusses fortfahren. Viele in der Industrie arbeiten mit dem Gedanken der Knappheit und glauben, dass im Grunde alles, was uns beschäftigt, nur in begrenzter Menge vorhanden ist. Egal, ob es darum geht, einen Kunden zu gewinnen, befördert zu werden oder ein Projekt zu bekommen, um das Sie gebeten haben, die Grundannahme ist, dass entweder jemand anderes es bekommt oder Sie es bekommen. Es ist eine Win-Lose-Situation.

Der Grund dafür ist natürlich in der Evolution der Menschheit zu suchen. In den Hunderttausenden von Jahren, in denen die Vorgänger der heutigen Menschen auf der Erde lebten, war alles von Knappheit geprägt. Nahrung war knapp, sichere Orte zum Leben waren knapp, Menschen, mit denen man sicher zusammenarbeiten konnte, waren knapp, und so weiter. Und das spiegelt sich in vielen unserer heutigen Verhaltensweisen in der Gesellschaft wider. Bei Fußballspielen gewinnt die eine Mannschaft und die andere verliert. In Fernsehsendungen gibt es nur einen Gewinner. Bei Computerspielen werden in den Battle-Royale-Spielen immer neue Runden gekämpft, bis nur noch ein Spieler übrig ist.

Für praktisch alle Menschen in der westlichen Welt ist Knappheit weitgehend eine Illusion. Wir alle haben Zugang zu Nahrung, einem sicheren Ort zum Leben, Zugang zu medizinischer Versorgung, Schutz vor Bedrohungen und so weiter. Legt man die Theorie von Maslov zugrunde, so sind unsere physiologischen und Sicherheitsbedürfnisse weitgehend befriedigt, und diese Grundbedürfnisse waren historisch gesehen der Grund für die Knappheit. Unsere psychologischen und Selbstverwirklichungsbedürfnisse sind in der Regel nicht mit Knappheit verbunden. Wenn jemand anderes eine Beziehung eingeht, schmälert das nicht Ihre Möglichkeiten, eine Beziehung einzugehen. Wenn ein Kollege von mir eine Arbeit veröffentlicht, beeinträchtigt das nicht meine Möglichkeiten, eine Arbeit zu veröffentlichen.

In unserer Wirtschaft und in der Geschäftswelt herrscht die gleiche falsche Vorstellung von Knappheit. Die meisten Menschen scheinen zu übersehen, dass die Wirtschaft ständig wächst. Das BIP-Wachstum bedeutet, dass eine Wirtschaft mehr Wert, stellvertretend Geld, schafft. Dieser Wert und das Geld bedeuten nicht, dass ein Land verlieren muss, damit ein anderes Land gewinnen kann. In gewisser Weise schaffen wir Wert und Geld ‚aus dem Nichts‘ (siehe Wikipedia für eine längere Auseinandersetzung mit diesem Thema). Dank der Digitalisierung der Gesellschaft ist ein immer größerer Teil dieses Wertes digital, wie Sie an den Bewertungen von Technologiegiganten wie Microsoft, Facebook und Google sehen können. Und deshalb sind die physischen Ressourcen unseres Planeten immer weniger die Quelle der Wertschöpfung, was aus ökologischer Sicht eine gute Sache ist.

Was ich damit sagen will, ist, dass wir in einem Zeitalter des Überflusses leben. Die meisten von uns können praktisch ihre gesamte Lebensenergie in die Selbstverwirklichung und die Schaffung eines positiven Einflusses auf die Welt, in der wir leben, stecken. Wir können dies durch Arbeit, Freiwilligenarbeit, Beziehungen, gesellschaftliches Engagement, Politik oder auf andere Weise tun. Aber wir sollten die Welt um uns herum durch die Linse der Fülle betrachten und nicht durch die Linse der Knappheit.

Im Geschäftsleben bedeutet dies, dass ein Konkurrent oder Partner, dem es gut geht, nicht bedeutet, dass Sie Ihre Chancen auf Erfolg verlieren. In der Tat freuen sich einige der Startups, an denen ich beteiligt bin, wenn es Unternehmen im gleichen Bereich gut geht, denn das bedeutet, dass der Kuchen größer wird. Vor allem für neue Unternehmen ist nicht die Konkurrenz das Problem, sondern die Überwindung des Nicht-Konsums, z.B. Unternehmen, die weiterhin Stift und Papier verwenden, anstatt das raffinierte Tool, das Sie entwickelt haben. Suchen Sie also nach Möglichkeiten, Win-Win-Situationen zu schaffen, anstatt mit einer Knappheitsmentalität zu konkurrieren, und nehmen Sie eine Füllementalität an. Es ist mehr als genug für uns alle da. Ihr Wachstum hilft nur meinem Wachstum!

Viele, die dies lesen, werden zweifellos auf all den Schmerz und das Leid hinweisen, die es immer noch in der Welt gibt, und ich möchte das nicht ignorieren oder unter den Teppich kehren. Tatsache ist jedoch, dass sich praktisch jeder Maßstab für die Lebensqualität in der Welt verbessert, angefangen bei der Zahl der Kriegstoten und der in Armut lebenden Menschen bis hin zur Kindersterblichkeit und der Lebenserwartung, und die Menschheit hat noch nie in einer besseren Zeit gelebt. Wir leben im Zeitalter des Überflusses und ich glaube, dass es trotz aller Probleme in der heutigen Welt gut ist, sich daran zu erinnern und dafür dankbar zu sein.

Diese Woche habe ich an der International Conference on Software Business(ICSOB 2020) teilgenommen und einen Vortrag über die autonome Verbesserung von Systemen gehalten. Die Kernidee ist, dass softwareintensive Systeme ihre Leistung messen können, wissen, wofür sie optimiert werden müssen und autonom mit ihrem eigenen Verhalten experimentieren können.

Die Geschichte der softwareintensiven Systeme lässt sich in drei Hauptphasen unterteilen. In der ersten Phase haben wir Systeme nach einer Spezifikation gebaut. Diese Spezifikation konnte entweder vom Kunden oder von Produktmanagern kommen, aber das Ziel des F&E-Teams war es, ein System zu bauen, das die Anforderungen in der Spezifikation umsetzt.

Viele Online-Unternehmen, aber auch die ersten Unternehmen für eingebettete Systeme, befinden sich in der nächsten Phase. Hier erhalten die Teams keine Spezifikation, sondern eher eine Reihe von einem oder mehreren priorisierten KPIs, die sie verbessern sollen. Im E-Commerce ist der vorherrschende KPI oft die Konversion; bei eingebetteten Systemen wird oft eine gewichtete Mischung aus Leistung, Zuverlässigkeit und anderen Qualitätsattributen verwendet. Die Teams erhalten als Zielvorgabe, einen oder mehrere dieser KPIs zu verbessern, ohne die anderen (deutlich) zu verschlechtern. Sie müssen dazu Hypothesen entwickeln und diese in der Praxis testen, z.B. mit A/B-Experimenten.

Obwohl die zweite Stufe für viele Unternehmen ein großer Schritt nach vorn ist, besteht das Problem darin, dass das Team immer noch die ganze schwere Arbeit leisten muss. Insbesondere die Durchführung vieler A/B-Experimente kann sehr mühsam sein. Der nächste Schritt, den einige Unternehmen erforschen, besteht darin, dem System die Möglichkeit zu geben, seine eigenen Experimente zu erstellen, um zu erfahren, wie es seine eigene Leistung verbessern kann. Theoretisch fällt dies in die Kategorie des verstärkenden Lernens, aber es erweist sich als ziemlich schwierig, dies in einem empirischen, industriellen Kontext umzusetzen.

Die Entwicklung, die Unternehmen durchlaufen, um diese dritte Stufe zu erreichen, kann in einem Modell dargestellt werden, das die Aktivitäten und Technologien zeigt, die auf jeder Stufe eingesetzt werden können. Ab Stufe 2 sehen wir, wie sich das Systemverhalten autonom verbessert, z. B. durch die Hinzufügung einer intelligenten Online-Auswahl von Experimenten und durch die automatische Generierung von Experimenten. Daraus ergeben sich alle möglichen Herausforderungen, einschließlich der Vorhersage der Worst-Case-Leistung der generierten Alternativen. Wenn ein System autonom Experimente generiert und einsetzt, können einige dieser Experimente eine sehr schlechte Leistung aufweisen. Das bedeutet, dass das System Modelle benötigt, um das Worst-Case-Ergebnis für jedes Experiment vorherzusagen, sowie Lösungen, um laufende Experimente abzubrechen, wenn die Leistung negativ beeinflusst wird.

Mit der zunehmenden Verbreitung von KI müssen wir anfangen, uns mit dem Online-Verstärkungslernen in softwareintensiven Systemen zu beschäftigen, da dies die autonome Verbesserung von Systemen erleichtern würde. Diese Ambition ist mit großen Herausforderungen verbunden, die wir gerade erforschen. Ich möchte Sie jedoch dazu ermutigen, zu erforschen, wo die Systeme, die Sie entwickeln, ihr eigenes Verhalten autonom verbessern könnten. Selbst wenn Sie in einer kleinen, risikofreien Ecke des Systems beginnen, kann es sehr hilfreich sein, dieses Paradigma kennenzulernen. Das übergeordnete Ziel ist, dass ich jeden Tag, an dem ich Ihr Produkt benutze, möchte, dass es besser wird!

Als ich vor kurzem mit einem Unternehmen darüber sprach, wie es datengesteuert werden kann, stieß ich auf die gleiche Herausforderung wie schon oft zuvor: Das Unternehmen behauptet, so viele Daten zu sammeln, aber der aus diesen Daten generierte Wert ist sehr gering. Man fragt sich, was hinter diesen Mustern steckt, bei denen scheinbar enorme Datenmengen gesammelt werden, aber nur sehr wenig von diesen Daten genutzt wird, um etwas von Wert zu schaffen. Meiner Erfahrung nach spielen mindestens drei Faktoren eine Rolle: das Gefühl der Eigenverantwortung, die lokale Optimierung und die Kosten der „Produktivierung“ von Daten.

Ein typisches Muster in vielen Organisationen ist, dass Teams, die Daten für ihre Zwecke erzeugen und sammeln, sich als Eigentümer dieser Daten fühlen und nicht wollen, dass andere mit ihren dicken, fetten Fingern an „ihren Daten“ herumstochern. Es sind ihre Daten und wenn jemand anderes ähnliche Daten benötigt, kann er sie selbst sammeln, anstatt sie kostenlos vom Team zu erhalten.

Dies führt zu vielen kleinen Dateninseln, die völlig unzusammenhängend sind und sich nicht zu etwas zusammenfügen, das wertvoller ist als die Summe der einzelnen Teile. Teams mögen mit all ihren Daten prahlen, aber niemand sonst kann sie nutzen.

Jedes Team, das beschließt, dass es Daten benötigt, um die Qualität seiner Entscheidungen zu verbessern, wird sich auf seine eigene Herausforderung konzentrieren und nur die Daten sammeln, die es in der erforderlichen Detailtiefe, Häufigkeit und Aggregation benötigt. Darüber hinaus können sie kurzfristig beschließen, die Art und Weise der Datenerfassung sowie die erfassten Daten grundlegend zu ändern.

Die Folge ist, dass die Daten außerhalb des unmittelbaren Kontexts, für den sie erzeugt wurden, nur schwer zu verwenden sind. Dies führt dazu, dass verschiedene Teams aufgrund der mangelnden Koordination sehr ähnliche Daten sammeln. Und da nur wenige über eine breitere Verwendung nachdenken, können Teams, die erkennen, dass sie Daten benötigen, die vorhandenen Daten nicht wiederverwenden, da sie so spezifisch für den Anwendungsfall sind, für den sie gesammelt wurden.

Wenn ein Team beschließt, seine Daten anderen zur Verfügung zu stellen, muss es die Semantik der Daten dokumentieren, ein System zum Auffinden und Herunterladen von Datensätzen einrichten, sicherstellen, dass Änderungen an der Art und Weise der Datenerfassung, der Semantik usw. sorgfältig an die Beteiligten kommuniziert werden, und natürlich auf Anfragen dieser Beteiligten reagieren und Änderungen an den Datenerfassungsprozessen vornehmen, nicht um sich selbst, sondern um anderen im Unternehmen zu helfen. Und nicht zuletzt kann das Team leicht für Datenschutz, GDPR, Sicherheit und andere Bedenken, die Unternehmen im Zusammenhang mit den gespeicherten Daten haben, zur Rechenschaft gezogen werden.

Die Folge ist, dass die Teams, sofern keine Gegenkraft vorhanden ist, aktiv versuchen werden, keine Daten auszutauschen, weil der Aufwand und die Kosten für den Austausch mit anderen im Unternehmen zu hoch sind. Das wiederum führt dazu, dass viele Daten erfasst, gespeichert und für bestimmte, eng begrenzte Anwendungsfälle genutzt werden, aber keine Synergien entstehen, kein umfassendes Verständnis der Systeme im Feld und der Art und Weise, wie die Kunden sie nutzen, usw.

Die Lösung für diese Herausforderungen ist ein hierarchischer Wertmodellierungsansatz, bei dem Sie Top-Down-Geschäfts-KPIs mit Metriken auf unterer Ebene verbinden, die direkt vor Ort gesammelt werden können. Indem wir diesen hierarchischen, azyklischen, gerichteten Graphen aufbauen und die Beziehung zwischen über- und untergeordneten Faktoren quantitativ bestimmen, können wir endlich damit beginnen, aus allen gesammelten Daten einen geschäftlichen Wert zu generieren.

Es ist nicht einfach, vom aktuellen Zustand zu diesem hierarchischen Wertmodell zu gelangen, und sei es nur, weil es für die meisten Menschen in den Unternehmen, mit denen ich zusammenarbeite, extrem schwierig ist, die quantitativen Faktoren zu bestimmen, für die wir optimieren, und wenn wir es doch wissen, ist die relative Priorität dieser Faktoren eine Quelle erheblicher Diskussionen. Es bietet jedoch enorme Vorteile, da Sie die Datenerfassung auf die Dinge konzentrieren können, auf die es ankommt, die Daten nutzen können, um hochwertigere Entscheidungen zu treffen und datengesteuerte Angebote für Kunden zu erstellen, die Sie sonst nicht hätten erstellen können. Wie das Sprichwort sagt: Es kommt nicht darauf an, was Sie haben, sondern wie Sie es nutzen!

Ein Ingenieur fragt:

Ich arbeite seit vielen Jahren als Chefkonstrukteur. Dennoch wird mir regelmäßig gesagt, dass ich besser kommunizieren muss. Inzwischen bin ich an einem Punkt angelangt, an dem ich mich verbessern möchte. Aber was genau meinen sie mit „besser kommunizieren“ und wie kann ich das tun?

Der Kommunikationstrainer antwortet:

Gute Kommunikationsfähigkeiten sind notwendig, um in komplexen Projekten gut zusammenzuarbeiten. Im Grunde geht es darum, dass Sie wissen, wie Sie eine Nachricht übermitteln und wie Sie die Informationen, die Ihnen jemand anderes gibt, richtig empfangen. Die Voraussetzung dafür, dass dies gelingt, ist der Kontakt zwischen Absender und Empfänger.

Der Kontakt wird hergestellt, indem Sie Ihrem Gesprächspartner Aufmerksamkeit schenken. Sie müssen also Interesse an der anderen Person zeigen. Wenn die andere Person Ihnen ebenfalls Aufmerksamkeit schenkt, ist der Kontakt hergestellt. Vergleichen Sie es mit einem Anruf bei einem Kollegen. In dem Moment, in dem die Verbindung besteht und die Leitung geräuschlos ist, können Sie anfangen, Dinge zu besprechen.

Durch aktives Zuhören stellen Sie sicher, dass Sie die Botschaft Ihres Gesprächspartners verstehen. Sie tun dies, indem Sie Folgendes anwenden: zuhören, zusammenfassen und Folgefragen stellen. Zuhören bedeutet, der anderen Person Aufmerksamkeit zu schenken. Sie fassen zusammen, indem Sie z.B. sagen: „Okay, ich verstehe, dass …“ oder „Okay, ich habe gehört, dass Sie dies und das gesagt haben, ist das richtig? Die andere Person hört, was Sie gelernt haben und erhält die Bestätigung, dass Sie richtig verstanden haben, oder sie hat die Möglichkeit, einige Korrekturen vorzunehmen oder das Niveau seiner Erklärung an das Niveau Ihres Verständnisses anzupassen. In beiden Fällen ist dies für denjenigen, der erzählt, angenehm und schafft Klarheit.

Wenn Sie Ihre Botschaft senden, ist es wichtig, so konkret wie möglich zu sein. Quantifizieren Sie, wo Sie können. Das macht Ihre Geschichte immer besser. Stimmen Sie Ihre Geschichte auf das Verständnis und den Fokus Ihres Gesprächspartners ab. Was will die andere Person wissen? Wahrscheinlich interessiert sich Ihr Projektleiter in erster Linie für den Zeitplan, die Risiken oder die Kosten und weniger für die technischen Details. Der Vertriebsleiter interessiert sich wahrscheinlich mehr für die Folgen für seinen Kunden als für das Problem selbst. Sie können dies im Voraus abschätzen und in Ihrer Geschichte berücksichtigen.

Aber jetzt das Wichtigste. Das Spiel des Sendens und Empfangens verläuft selten reibungslos. Ganz einfach, weil wir alle unseren eigenen Bezugsrahmen haben und uns daher nicht sofort verstehen. Es ist daher äußerst wichtig, dass Sie jederzeit darauf achten, ob Ihre Botschaft ankommt und dass Sie reagieren, wenn dies nicht der Fall ist.

Sie merken, dass Ihre Botschaft ankommt, wenn Ihr Gesprächspartner Ihnen aufmerksam zuhört und vielleicht ab und zu zustimmend nickt. Wenn die andere Person jedoch plötzlich ihre Haltung ändert, die Stirn runzelt oder etwas zu sagen beginnt, könnte dies ein Zeichen dafür sein, dass Ihre Botschaft nicht gut ankommt. Es könnte sein, dass die andere Person etwas nicht versteht, eine interessante Assoziation hat oder nicht einverstanden ist. Das wissen Sie erst, wenn Sie nachfragen.

Und genau das sollten Sie tun. Mit Ihrer eigenen Geschichte fortzufahren, während die andere Person in ihren eigenen Gedanken abschweift, bringt wenig. In dem Moment, in dem Sie bemerken, dass etwas mit der Aufmerksamkeit Ihres Gesprächspartners passiert, dreht sich die Kommunikation um hundertachtzig Grad und Sie wechseln vom Senden zum Empfangen. Sie fragen: „Ich sehe, dass Sie die Stirn runzeln, sagen Sie …“ oder „Sie wollen etwas sagen, sagen Sie …“. Auf diese Weise oszilliert die Kommunikation hin und her und Sie kommen schnell zu Klarheit.

Sollten Sie Ihre Geschichte bei jedem Muskel, der die andere Person verlässt, sofort unterbrechen? Nein, aber es ist empfehlenswert, sich immer bewusst zu machen, wie die andere Person auf Ihre Geschichte reagiert, während Sie sie erzählen. Überprüfen Sie sie zumindest ab und zu, indem Sie fragen: „Wie klingt es bis jetzt? Auf diese Weise laden Sie den Empfänger Ihrer Nachricht ein, zu antworten, und Sie erhalten eine Rückmeldung darüber, wie Ihre Geschichte angekommen ist.

In den letzten Wochen habe ich Gespräche mit mehreren Unternehmen geführt, und dabei trat immer wieder dasselbe Problem auf: Meine Gesprächspartner brachten eine Veränderung zur Sprache, die sie in ihrem Unternehmen umsetzen wollten, und baten mich um Hilfe bei der Umsetzung. Als ich sie fragte, wie sie in die Situation geraten waren, die diese Veränderung erforderlich machte, waren die meisten ratlos – es war klar, dass ihnen das nicht in den Sinn gekommen war.

Natürlich sind wir als Ingenieure darauf trainiert, in Lösungen zu denken, und viele von uns folgen dieser Ausbildung auf den Punkt genau. Eine Lösung für ein Problem zu entwickeln, das eigentlich ein Symptom und die Folge von etwas anderem ist, ist jedoch völlig nutzlos, da die Wahrscheinlichkeit, dass die Lösung irgendetwas löst, ungefähr so hoch ist wie die Überlebenschancen einer Schneeflocke in der Hölle.

Mehrere F&E-Abteilungen möchten beispielsweise eine kontinuierliche Bereitstellung oder DevOps in ihrem Unternehmen einführen, stoßen aber auf starken Widerstand seitens des Vertriebs und des Kundensupports. Viele beklagen, dass die Leute auf der anderen Seite des Zauns es einfach nicht verstehen. Bei einer Analyse der Situation wird jedoch deutlich, dass die Einführung mit erheblichen Kosten und einer grundlegend anderen Beziehung zu den Kunden verbunden ist. Und ohne ein Geschäftsmodell zur Monetarisierung der kontinuierlichen Wertschöpfung hat die Einführung von DevOps keinen Sinn. Anstatt also zu betonen, dass die Leute auf der Geschäftsseite Idioten sind, sollten Sie mit ihnen zusammenarbeiten, um herauszufinden, wie man Geschäftsmodelle und Kundenbindungsmodelle schafft, die Sinn machen, und dann mit den führenden Kunden zusammenarbeiten, um mit diesem neuen Modell zu experimentieren.

Viele kennen die „5-Warum-Regel“: die Vorstellung, nach der Beobachtung eines Problems fünfmal nach dem „Warum“ zu fragen, um von den beobachteten Symptomen zu den eigentlichen Ursachen zu gelangen. Das Problem ist, dass diese Regel in der Praxis nicht annähernd so oft befolgt wird, wie sie es verdient.

Eine damit zusammenhängende und sich anschließende Herausforderung besteht darin, dass, selbst wenn wir die Ursache identifiziert haben und eine Idee zur Lösung des Problems haben, in der Organisation ein enormer Widerstand besteht, alles, was nötig ist, um tatsächlich Fortschritte zu erzielen, auch umzusetzen. Stattdessen neigt man dazu, die Umsetzung von Maßnahmen zu unterstützen, die klein genug sind, um sie allen im Unternehmen schmackhaft zu machen. Das Ergebnis ist häufig ein verwässerter und verkleinerter Vorschlag, der zwar breite Unterstützung findet, aber kaum mehr als eine symbolische Anstrengung mit wenig echten Auswirkungen auf das Unternehmen darstellt. Generell habe ich die Erfahrung gemacht, dass je stärker ein Unternehmen politisiert ist, desto mehr neigt es dazu, sich auf die Symptome statt auf die Ursachen zu konzentrieren und desto mehr neigt es dazu, sich auf verwässerte Veränderungsinitiativen zu konzentrieren, die zwar die Illusion von Aktion erzeugen, aber keine wirkliche Veränderung bewirken.

Mein Rat ist offensichtlich. Nutzen Sie zunächst Ihre Intelligenz und Erfahrung, um ein solides Verständnis der Ursachen zu entwickeln, die den beobachteten Phänomenen zugrunde liegen. Tappen Sie nicht in die Falle, das zu glauben, was alle anderen glauben. Zweitens: Nutzen Sie Ihre sozialen und interaktiven Fähigkeiten, um Ihr Verständnis mit anderen zu bestätigen und eine gemeinsame Plattform für ein ursachenorientiertes Verständnis zu schaffen. Drittens: Sobald Sie sich auf ein gemeinsames Verständnis geeinigt haben, erkunden Sie mehrere (und nicht nur eine) Möglichkeit, die identifizierte Ursache zu beseitigen, und bauen Sie eine Plattform für diejenige auf, die die erforderliche Wirkung hat und gleichzeitig den Kollateralschaden minimiert. Viertens: Wenn eine ausreichende Einigung erzielt wurde, gehen Sie bei der Umsetzung iterativ und experimentell vor, d.h. Sie führen die Veränderung in einem Teil des Unternehmens durch, beobachten und messen die Auswirkungen, passen sie entsprechend an und fahren mit dem nächsten Teil fort. Bei all dem sollten Sie das richtige Gleichgewicht zwischen dem Engagement für die Umsetzung der Veränderung und einer objektiven, reflektierenden Haltung finden, die es Ihnen ermöglicht, die Nachteile der Veränderung zu erkennen und gegebenenfalls Anpassungen vorzunehmen.

Wie die Buddhisten sagen, liegt der Unterschied in dem kleinen Fenster zwischen Auslöser und Reaktion. Anstatt instinktiv auf alles zu reagieren, was das Leben Ihnen in den Weg stellt, halten Sie inne, denken Sie nach und entscheiden Sie sich für eine Vorgehensweise, die tatsächlich zu dem führt, was Sie erreichen wollen. Mit anderen Worten: Denken Sie nach, statt zu reagieren.

Kürzlich leitete ich als Experte einen Workshop bei einem Unternehmen, das datengesteuert werden wollte. Anders als die Produktunternehmen, mit denen ich normalerweise zusammenarbeite, ist dieses Unternehmen ein Dienstleistungsunternehmen mit einer großen Anzahl von Mitarbeitern, die den Kunden Dienstleistungen anbieten. Zu den Workshop-Teilnehmern gehörten der CEO und der Leiter der Geschäftsentwicklung sowie mehrere andere, die zum Führungsteam des Unternehmens gehören oder ihm nahe stehen.

In vielerlei Hinsicht scheint dies die ideale Konstellation zu sein, da man davon ausgehen kann, dass wir die nötige Unterstützung des Managements und einige der klügsten Köpfe des Unternehmens bei uns haben. Dies wurde sogar noch dadurch verstärkt, dass einige im Unternehmen erzählten, dass sie schon seit langem mit Daten arbeiten. Dennoch stießen wir auf eine Reihe von Herausforderungen und kamen nicht annähernd so weit, wie wir gehofft hatten.

Die erste Herausforderung bestand darin, sich auf bestimmte Hypothesen festzulegen, die getestet werden sollten. Obwohl wir zu Beginn des Brainstormings und der Teamarbeit konkrete Beispiele für Hypothesen und damit verbundene Experimente vorgestellt hatten, fiel es allen unglaublich schwer, von einem übergeordneten Ziel, nämlich der Steigerung einer bestimmten Unternehmenskennzahl, z.B. der Kundenzufriedenheit, zu einer spezifischen Hypothese und einem damit verbundenen konkreten Experiment überzugehen. Hierfür gibt es viele Gründe. Ein offensichtlicher Grund ist, dass viele Menschen das Gefühl haben, dass „jemand“ etwas gegen die Sache tun sollte, die ihnen Sorgen bereitet, aber nie viele Gehirnwindungen darauf verwenden, darüber nachzudenken, wie das aussehen könnte.

Die zweite Herausforderung bestand darin, dass trotz der vielen Daten, über die das Unternehmen verfügte, die für die jeweilige Situation relevanten Daten häufig nicht verfügbar waren. Viele Unternehmen, mit denen ich zusammenarbeite, behaupten, sie hätten jede Menge Daten, und viele in der Organisation sind sehr überrascht, dass ’nur‘ die Daten, die sie brauchen, nicht erfasst wurden. Wenn man darüber nachdenkt, liegt es auf der Hand, dass dies der Fall ist, denn die Anzahl der Hypothesen, die man formulieren kann, ist praktisch unendlich und folglich ist die Wahrscheinlichkeit, dass Daten nicht verfügbar sind, ziemlich groß.

Die dritte Herausforderung, auf die wir gestoßen sind, war, dass selbst in den Fällen, in denen die Daten verfügbar waren, sich herausstellte, dass sie aggregiert waren und/oder eine zu geringe Aufzeichnungshäufigkeit aufwiesen, um für den vorliegenden Zweck relevant zu sein. Wir haben also die Daten, aber sie liegen in einer Form vor, die die von uns gewünschte Analyse nicht zulässt.

Die Antwort auf diese Herausforderungen ist, wie nicht anders zu erwarten, das Sammeln der Daten, die wir für das Experiment benötigen, um die Hypothese zu bestätigen oder zu verwerfen. Die lustige Erkenntnis, die ich dabei gewonnen habe, ist, dass je relevanter und wichtiger die Hypothese aus geschäftlicher Sicht ist, desto wahrscheinlicher ist es, dass sie mit regulatorischen Einschränkungen verbunden ist, die das, was gesammelt werden kann, einschränken, ohne dass wir eine Vielzahl von Haftungsausschlüssen und Genehmigungen einholen müssen. Wir kamen also in die Situation, dass mehrere der vielversprechendsten Hypothesen aufgrund rechtlicher Einschränkungen nicht getestet werden konnten.

Und selbst wenn wir eine bestimmte Hypothese und ein entsprechendes Experiment hatten und die benötigten Daten sammeln konnten, war es unglaublich schwierig, die statistische Signifikanz zu erreichen. Die Durchführung eines groß angelegten Experiments, bei dem die Wahrscheinlichkeit des Scheiterns groß ist, das aber sehr teuer und risikoreich ist, verfehlt irgendwie den Zweck eines Experiments.

Ein datengesteuertes Unternehmen zu werden, ist eines der vorrangigsten Ziele, die jedes Unternehmen verfolgen sollte. Es ermöglicht eine wesentlich bessere Qualität der Entscheidungsfindung und der Abläufe und bereitet gleichzeitig auf die Nutzung von KI als wichtiges Unterscheidungsmerkmal und Wegbereiter vor. Der Weg von den Worten zu den Taten ist jedoch eine anspruchsvolle Reise, bei der Sie idealerweise aus den Fehlern anderer lernen, bevor Sie selbst neue machen. Wir brauchen die Daten, aber wir müssen bei der Ausführung klug sein.