DATANOMIQ: Ohne Datenstrategie geht nichts mehr

DATANOMIQ wurde 2015 vom deutschlandweit bekannten KI-Manager Benjamin Aunkofer gegründet. Als Geschäftsführer und Chief Data Scientist ist Benjamin Aunkofer mit seinem Team der ganzheitliche Partner für Datenanalyse und KI-Implementierung vieler Mittelständler und international bekannter Unternehmen wie Merck, Bosch, Infineon und Allianz.

Seit vielen Jahren am Markt tätig, berichtet Benjamin Aunkofer, dass Produktivität und Effizienz operativer Unternehmensprozesse um 10-40 Prozent gesteigert werden können und was in einer Zusammenarbeit mit ihm zu erwarten ist. Weitere zu erwartende Arbeitsergebnisse durch die Implementierung einer Enterprise AI sind eine 10-20-prozentige Einsparung von Personalkosten, eine 10-20-prozentige Steigerung von Mitarbeiterproduktivität sowie weitere entscheidende Verbesserungen. Dazu gehören die Churn Rate Reduzierung von bis 50 Prozent und die Entwicklung eines deutlich besseren Wissensmanagement dank Enterprise AI.

In diesem Zusammenhang betont Benjamin Aunkofer die vielfältigen Anwendungsbereiche und Anwendungsfälle einer Enterprise AI. "KI kann in verschiedenen Unternehmensbereichen eingesetzt werden und dient als unternehmenseigene, zentrale Wissensplattform, die exakt auf die konkreten Anforderungen des Unternehmens abgestimmt ist. Grundsätzlich wird durch eine Unternehmens-KI die Angst eines Unternehmens, Wissen zu verlieren, radikal abgeschwächt. Jedes Unternehmen braucht seine eigene Daten- und KI-Strategie", so Benjamin Aunkofer.

DATANOMIQ unterscheidet sich maßgeblich von der Konkurrenz durch seine Tool-Neutralität und die Möglichkeit, KI-Modelle auf der Infrastruktur des Kunden zu hosten. Dies schützt die Unternehmensdaten vor externem Zugriff und ermöglicht die vollständige Nutzung der KI-Technologie ohne Datenschutzbedenken.

Was ist der Ansatzpunkt für gewinnbringende Datenverarbeitung im eigenen Unternehmen? Der erste Schritt zu einer erfolgreichen Datenanalyse ist die Definition einer Datenstrategie. Diese legt fest, welche Ziele mit Daten verfolgt werden sollen, welche Datenquellen und -qualität vorhanden sind, welche Analysemethoden und -tools geeignet sind und wie die Ergebnisse kommuniziert und genutzt werden sollen. Eine Datenstrategie ist somit der Fahrplan für die Umsetzung von Datenprojekten.

DATANOMIQ unterstützt seine Kunden bei der Entwicklung einer Datenstrategie, die auf ihre individuellen Anforderungen und Bedürfnisse zugeschnitten ist. Im Gegensatz zum Wettbewerb berät DATANOMIQ neutral und unabhängig von bestimmten Tool-Anbietern. DATANOMIQ verfügt über ein breites Know-how über die verschiedenen Datenbank-Technologien, Reporting-Tools, Process-Mining-Lösungen und Data-Science-Plattformen, die auf dem Markt verfügbar sind. Damit hilft das Unternehmen seinen Kunden aktiv, die richtigen Entscheidungen zu treffen und die passenden Lösungen für komplexe Herausforderungen und Geschäftsfragen zu finden.

1. DATANOMIQ Daten- und KI-Plattform: Aufbau einer Daten- und KI-Plattform, die Daten aus allen operativen IT-Systemen zusammenführt und damit eine außerordentliche Daten- und Prozesstransparenz herstellt. Die Datenplattform fusioniert die Daten aus den Systemen und ermöglicht innovative Ad-Hoc-Analysen sowie Standard-Reportings für Einkauf, Logistik und Produktion. KI-Anwendungen sind zum Beispiel Vorhersagesysteme über Lagerbestände (Working Capital Analysen) oder Warenflüsse.

2. DATANOMIQ Process Mining: Aufbau von Datenplattformen zur Datenbereitstellung für datengetriebene Prozessanalysen. Die Prozesse werden aus den Daten der operativen IT-Systeme heraus rekonstruiert und können so analysiert und visualisiert werden. Damit können Unternehmen der produzierenden Industrie ihre inner- und außerbetrieblichen Prozessketten auf Engpässe, Doppelarbeiten und unnötige Wartezeiten analysieren und optimieren.

3. DATANOMIQ Auditing: Aufbau von Internal-Audit-Systemen zur Überwachung der Datenqualität und des Buchungsstoffs im Unternehmen. Es werden Journal Entry Tests durchgeführt, die Anomalien – auch unter Einsatz von KI – in Finanztransaktionen aufdecken. Dies setzt DATANOMIQ vor allem bei größeren mittelständischen Unternehmen und Konzernen um. Die 100-prozentige Stichprobe wird möglich, sämtliche Buchungen können analysiert werden. Ferner wird Process Mining eingesetzt, um Soll-Prozesse mit Ist-Prozessen abzugleichen.

4. DATANOMIQ Prädiktive Analysesysteme: Vorhersagen von Kundenausfällen oder den Wechsel des Kunden vorhersagen (Churn Prediction) für ein Unternehmen im B2B-Abo-Geschäft. Daten aus Bestellungen und Service-Abrufen sowie aus dem Ticketing-System (Kundenservice) werden hierbei zusammengeführt. Damit können Abonnenten, die die Absicht haben, den Service bald nicht mehr zu nutzen, frühzeitig erkannt werden. Dies ermöglicht rechtzeitig strategische Gegenmaßnahmen.

5. DATANOMIQ Wissenssystem: Aufbau von KI als Wissenssystem bei einem produzierenden Unternehmen. Dabei wird ein LLM (Open Source) auf der Infrastruktur des Unternehmens gehostet und alle finalisierten Dokumente (zum Beispiel Verträge) in eine Vektordatenbank geladen. Diese Vektordatenbank vektorisiert diese unstrukturierten Daten und macht sie für das LLM maschinenlesbar. Das LLM erhält damit eingespeiste Daten, mit denen es gebrieft wird. Diese Wissens-KI kann als Output Dokumente erstellen oder vervollständigen.

6. DATANOMIQ Personaloptimierung: Effizienzsteigerung und Kostenreduktion bei BI- und Data-Abteilungen. Viele Unternehmen haben eine Datenabteilung mit Data Scientists und Data Engineers, jedoch ist die Rollendefinition oft nicht gegeben oder "gelebt". Es fehlen oft Zuständigkeiten, Anforderungsmanagement und Value Engineering (die Kunst, die Analyseergebnisse zu deuten und wirklich die Interpretation in echte Mehrwerte zu realisieren). DATANOMIQ konnte damit bei Unternehmen im Handel / eCommerce bereits 40 Prozent der Kosten einsparen und die Effizienz der Datenabteilung deutlich erhöhen.

7. DATANOMIQ Daten- und KI-Strategieentwicklung: Die Datenstrategie beschreibt jene, wie die Daten in Hinblick auf die Unternehmenszielsetzung beschafft, gespeichert, kategorisiert und für informationsgenerierende Methoden (BI, Process Mining, Data Science, KI) verwendet werden sollen. Eine KI-Strategie entdeckt Potenziale für KI im Unternehmen, um Prozesse zu automatisieren oder Augmented Workflows zu erstellen.