elektro AUTOMATION: Visualisierung ist kein neues Thema, jeder hat schon in der Schule gelernt, wie man aus Excel-Tabellen Diagramme erzeugt. Was machen Sie anders?
Wolfgang Kobek (Qliktech): Hintergrund ist: Mit Excel-Dateien ist es längst nicht mehr getan. Die Anzahl der Datenquellen und -formaten nimmt ständig zu – und die große Herausforderung ist, all diese Daten auf einer gemeinsamen Oberfläche miteinander in sinnvolle Beziehungen zu setzen. Wir sprechen hier von Kunden- und Lieferantendaten, von Echtzeit-Maschinendaten, Social-Media-Inhalten, News-Feeds oder auch soziodemografischen und vielen anderen Daten. Den wahren Geschäftswert dieser Informationen zu entdecken und Rohdaten in echte Handlungsoptionen zu transformieren, ist das Ziel. Auf dem Weg dorthin ist verständliche Visualisierung ein entscheidender Aspekt. Das optische Veranschaulichen von Daten ist der Schlüssel zu deren Verständnis. Statische Balken- oder Tortendiagrammen helfen hier zwar schon ein Stück weiter. Wenn Daten aber über Standorte, Artikelgruppen oder den Zeitablauf hinweg visualisiert werden sollen, sind dynamische Elemente angezeigt, die unter anderem auch mit Form- und Farbgebung Zusammenhänge plastisch machen – und auf Veränderungen in der Datengrundlage umgehend reagieren. Dafür sind beispielsweise interaktive Dashboards sehr gut geeignet. Daten und die darin enthaltenen Erkenntnisse müssen kommunizierbar sein, eine schnelle und solide Bewertung erlauben sowie rasch verständlich sein – auch und gerade unternehmensübergreifend. Kurz: Es braucht nicht jeder ein Data Scientist zu werden, um sinnvoll mit digitalen Informationen zu arbeiten.
Wie das Industrial Internet of Things (IIoT) Daten nutzbar macht
elektro AUTOMATION: Wo bietet sich eine Visualisierung an? Nur im Executive-Meeting oder auch auf dem Shopfloor?
Kobek: Wir verstehen Datenanalyse und -visualisierung immer zusammen: Nur so behält man im Blick, dass Daten im besten Fall von Anfang an auf eine optimale Entscheidungsgrundlage zielen. Da ist das Shopfloor-Management keine Ausnahme. Wenn ein Produktionsleiter in Echtzeit Maschinendaten im Vorbeigehen mit seinem Tablet analysieren kann und der Tablet-PC dabei erkennt, vor welcher Maschine der Produktionsleiter steht, hat das viele Vorteile: Man spart nicht nur Zeit und Wege, auf denen man sonst vielleicht noch ausgedruckte Excel-Tabellen mitnehmen müsste. Vielmehr gibt es durch die dynamische Datenanalyse und -visualisierung Echtzeit-Einblicke in Auslastungsgrade, Lieferketten, Rohstoff- und Materialbewegungen, Verschleißsignale, Kapazitätsgrenzen und so weiter. Optimiertes Supply-Chain-Management oder Predictive Maintenance sind nur zwei konkrete Verbesserungen, die sich aus solchen Erkenntnissen ziehen lassen. Das ist bares Geld wert.
elektro AUTOMATION: Werden durch Visualisierung mehr Entscheidungen getroffen, wo vorher einfach nach alten Mustern oder Schema F gearbeitet wurde?
Kobek: Die professionelle Analyse und Visualisierung von Daten hilft dabei, Entscheidungen datenbasiert zu treffen und nicht allein aus einem Bauchgefühl heraus zu agieren. Erfahrung und Intuition sollen dabei jedoch keinesfalls ersetzt werden. Vielmehr muss beides zusammenspielen: die datenbasierte Einsicht in mögliche Handlungsoptionen – und die kluge Geschäftsentscheidung, die Menschen am Ort ihrer Tätigkeit daraufhin treffen (und sachlich verargumentieren können). Aus der jüngsten Studie des weltweit tätigen Data-Literacy-Projekts wissen wir, dass 42 Prozent der Befragten in Deutschland ihren eigenen Entscheidungen mehr vertrauen, wenn sie datenbasiert getroffen wurden. Und 37 Prozent der deutschen Arbeitnehmer sind überzeugt, dass gezielte Datenkompetenz-Schulungen sie noch produktiver machen würden.
elektro AUTOMATION: Daten werden heute oft von Künstlicher Intelligenz (KI) und durch Machine Learning ausgewertet. Welchen Vorteil bringt mir eine simple Visualisierung? Hier muss ja der Mensch dann die Auswertung noch selbst vornehmen und optimiert dann eventuell nicht so optimal, wie eine KI?
Kobek: Nach unserer Erfahrung ist es eher umgekehrt: Es ist genau nicht das Ziel von KI, dem Menschen das Denken und Entscheiden abzunehmen. Denn das würde viele menschliche Qualitäten wie Fantasie, Ideen, Geschäftssinn und Instinkt ausschließen – was nicht nur schade, sondern auch unklug wäre. Wir sprechen daher lieber von ‚Augmented Intelligence‘ – also dem komplementären Zusammenwirken von KI und menschlicher Intuition. KI kann hervorragende Dienste bei der Datenaufbereitung, der Sicherung der Datenqualität, beim Vorschlagen sinnvoller Kombinations-Möglichkeiten und beim Empfehlen passender Visualisierungen leisten. Klug und verantwortungsvoll auf Basis der optimal aggregierten Datengrundlage zu entscheiden, ist Sache der menschlichen Kognition.
elektro AUTOMATION: Oder ist es eine Kombination: Die KI warnt mich im Predictive-Maintenance-Fall vor einem bevorstehen Lagerschaden. Durch die Datenvisualisierung aber sieht der Mitarbeiter, welcher Prozessteil das Lager am meisten beansprucht?
Kobek: Eine geeignete KI-Engine kann durchaus in der Lage sein, anhand verschiedener Datensets mögliche kausale Zusammenhänge zu erkennen. Die Genese bestimmter Vorfälle – Verschleiß, Schäden, besondere Belastung beispielsweise einer Windkraft-Einheit bei bestimmten Wetterlagen – kann dann automatisierte Alerts begründen. Sie warnen vor Vergleichbarem, sobald sich erste Aspekte einer bekannten Gemengelage abzeichnen. Hier ist KI dem Menschen an Vollständigkeit und Geschwindigkeit deutlich überlegen. Welche Datensets aber für welche Zusammenhänge stehen können, was davon wie geschäftsrelevant ist oder mit welcher Wertigkeit bestimmte Predictive-Szenarien den Geschäftsbetrieb bestimmen, dazu braucht es assoziative Analytics-Möglichkeiten. Qlik unterstützt dieses assoziative Vorgehen unter anderem durch eine Farblogik aus Grün, Weiß und Grau. Die Farbcodierung findet Anwendung in Filterfenstern, Auswahllisten-Elementen und dem Auswahlwerkzeug. Die verschiedenen Farben zeigen an, welche Werte ausgewählt, welche alternativ wählbar oder aber ausgeschlossen sind. Das garantiert effektive Analytics-Projekte innerhalb einer zentral gemanagten Governance, ohne das intuitive Analytics-Erlebnis für den Anwender einzuschränken.
elektro AUTOMATION: Big-Data ist ein schwammiger Begriff, der Schatz kann mitunter sehr heterogen sein, eine einzige, saubere CSV-Datei wird man nur selten antreffen. Wie bringt man die verschiedenen Welten wie Logistik, Warenwirtschaft, Steuerungsdaten von Maschinen und ERP-Werte zusammen?
Kobek: Tatsächlich finden sich in vielen Unternehmen Data Warehouses mit strukturieren Daten, Data Lakes mit unstrukturierten Daten, dazwischen Datensilos, die scheinbar schwer für Analytics-Projekte zu öffnen sind, und so weiter. Moderne Analytics-Lösungen haben diese Vielfalt bisher schon erfolgreich mit offenen APIs und einem umfänglichen Ökosystem an Konnektoren adressiert. Neueste Lösungen der Datenintegration gehen hier noch einen Schritt weiter und setzen auf Echtzeit-Datenstreaming, auf Daten-Kataloge und Big-Data-Indexing, das durch Metadaten-Auswertung auch bei größten Datenmengen Geschwindigkeit und Performanz gewährleistet. Die Idee dahinter ist eine umfassende Data-Warehouse-Automation, die möglichst viele manuelle Prozesse in der Datenintegration ersetzt: erstens aus Gründen der Dynamik – und zweitens, um Fehleranfälligkeiten und -risiken zu minimieren.
Fallbeispiel:
Als Beispiel zeigt Qlik, wie BMW seine Daten global nutzt, vom Lackierroboter bis zum Diagnosegerät in der Kfz-Werkstatt:
hier.pro/qR6tn
Hinweis: Dieses Interview ist Teil eines Trendinterviews zum Thema ‚Visualisierung von Daten in der Smart Factory‘. Die Interviews mit den weiteren drei Teilnehmern finden Sie hier:
„Lange unbeachtete Maschinendaten können neue Muster offenbaren“
„Daten sammelt unsere Box inklusive Aufbereitung und Visualisierung“
Kontakt:
QlikTech GmbH
Niederkasseler Lohweg 175, 12. Etage
40547 Düsseldorf
Tel. +49 211 58 66 80
infode@qlik.com
www.qlik.com
