Suchen

Corona-Krise als Motor der Digitalisierung 6 Erfolgsfaktoren für Software-Optimierung

| Autor / Redakteur: Dario Waechter * / Stephan Augsten

Nie zuvor war das Bewusstsein größer, dass Digitalisierungsprojekte tatsächlich notwendig sind. Diese Tatsache wird dazu führen, dass Unternehmen Digitalisierungsinitiativen mit höherer Priorität und größerer Ernsthaftigkeit verfolgen werden als bisher.

Firmen zum Thema

Daten und deren intelligente Auswertung spielen bei der Optimierung eine übergeordnete Rolle.
Daten und deren intelligente Auswertung spielen bei der Optimierung eine übergeordnete Rolle.
(Bild: geralt / Pixabay )

Die aktuelle Corona-Pandemie hat nicht nur die Welt auf den Kopf gestellt, sondern auch in vielen Bereichen Defizite aufgezeigt: von unvorteilhaften Abhängigkeiten in Lieferketten bis hin zur fehlenden Digitalisierung. Im Hinblick auf die Digitalisierung ihrer Prozesse gibt es in vielen deutschen Unternehmen Nachholbedarf.

Dahingehend kann man der Krise durchaus etwas positives abgewinnen: Sie hat die Unternehmen (endlich) wachgerüttelt. Softwarehersteller und -entwickler haben jetzt die Chance, ihre Lösungen für diesen Bedarf zu optimieren und dabei aktuelle technische Entwicklungen zu berücksichtigen, sodass ihre Software die Anwenderunternehmen bei der Digitalisierung noch besser unterstützt.

Im Folgenden stellen wir sechs aktuelle Ansätze und Trends vor, die Softwarelösungen noch besser machen.

1. Trend: Plattform-Ökonomie

2020 ist das Jahr der Plattform-Lösungen. Es ist definitiv an der Zeit, dass sich moderne Unternehmens-Software nahtlos in vorhandene Systemlandschaften integrieren lässt. Schließlich ist das die grundlegende Voraussetzung für den Aufbau bedarfsgerechter, cloudbasierter Eco-Systeme.

Um den Gedanken der Plattform-Ökonomie in die Tat umzusetzen, müssen Software-Hersteller einerseits eine Plattform-Strategie verfolgen. Andererseits müssen sie in ganzheitlichen End-to-End-Prozessen denken, anstatt nur Teilprozesse abzubilden – wie es momentan noch häufig der Fall ist. Idealerweise sind die Prozesse durch entsprechende Algorithmen und KI-basierte Komponenten unterstützt.

2. Trend: Customer Experience

Die Notwendigkeit, Kunden ein positives Kauferlebnis zu verschaffen, ist natürlich kein neuer Trend mehr. Doch im Kontext der Customer Experience haben viele Unternehmen erkannt, dass der reine Servicecharakter in Business-Software in den letzten Jahren viel zu kurz gekommen ist.

Hier gibt es noch viel Potenzial nach oben. Eine gute Unternehmens-Software muss die nötigen Features mitbringen, damit Anwender die Customer Experience optimal steuern und analysieren können. Denkbar ist auch, bestehende Software-Lösungen in Richtung Service und Serviceprozesse gezielt auszubauen. Dabei sind beispielsweise auch die Möglichkeiten, verschiedene Social-Media-Kanäle bedarfsgerecht einzubinden, deutlich zu verbessern.

Auch speziell im CRM-Umfeld geht der Trend mehr und mehr in Richtung Customer Experience. Vor diesem Hintergrund muss ein gutes CRM-System zweierlei haben: Zum einen muss es die funktionalen Möglichkeiten bieten, um das Kundenerlebnis individuell zu steuern und zuverlässig auszuwerten. Zum anderen muss es sich mit anderen Systemen nahtlos verknüpfen lassen, um bedarfsgerechte Ökosysteme zu schaffen. Denn eine optimale Customer Experience lässt sich nur dann sicherstellen, wenn Vertrieb, Marketing und Service reibungslos zusammenarbeiten und Daten wechselseitig austauschen können.

Um es den Anwendern dabei so leicht wie möglich zu machen, sollten auch Anbieter von CRM-Systemen eine Plattform-Strategie verfolgen und ganzheitliche End-to-End-Prozesse unterstützen. Neben den gängigen CRM-Grundfunktionen sind immer häufiger auch CTI-Funktionalitäten (Computer Telephony Integration) und KI-gestützte Prozesse in den Bereichen Lead- und Opportunity-Management, Predicitive Analytics und Tourenplanung gefragt.

3. Trend: Augmented Analytics

Im Bereich Data Analytics liegt der Fokus 2020 insbesondere darauf, die Datenanalyse zu vereinfachen. Dabei spielt Augmented Analytics eine wichtige Rolle: Sie automatisiert und beschleunigt die Prozesse der Datengewinnung, bereinigung und -auswertung.

Statt zahlreicher langwieriger und fehleranfälliger Arbeitsschritte – von der Datenbankabfrage bis hin zur Konsolidierung der Ergebnisse – kommen Machine-Learning-Verfahren und Algorithmen zum Einsatz, die selbstständig Datensätze untersuchen, Muster sowie Auffälligkeiten erkennen und Ursachen, Hypothesen und Handlungsempfehlungen unmittelbar ableiten.

Damit entlastet Augmented Analytics vor allem Datenanalysten und Fachabteilungen als Anwender. Sie können schneller fundiert entscheiden und handeln. Die Herausforderung besteht dabei darin, eine qualitativ hochwertige Datenbasis dauerhaft sicherzustellen. Denn Augmented Analytics ist nur so gut wie die Daten, die für die Analyse zur Verfügung stehen.

4. Trend: Natural Language Processing

Natural Language Processing (NLP) ist ein Verfahren, durch das sich Daten mittels einfacher Fragen durchsuchbar machen lassen. Vor dem Hintergrund, dass sich die Sprachsteuerung immer größerer Beliebtheit erfreut, rückt nun auch NLP verstärkt in den Fokus. Dabei gestattet die Kombination von sprachwissenschaftlichen Erkenntnissen mit moderner Informatik und künstlicher Intelligenz eine möglichst natürliche Kommunikation von Mensch zu Computer.

Da inzwischen ein breites Fragenspektrum bereitsteht, ist es NLP-basierten Systemen möglich, mit wesentlich komplexeren Fragestellungen umzugehen. Wenngleich die meisten Tools bislang nur die englische Sprache unterstützen, wird sich der Sprachenumfang zukünftig erweitern. Dann können Nutzer wichtige Fragen ganz einfach per Spracheingabe in ihrer Muttersprache „googeln“.

5. Trend: Öffnung der Systeme

Ein weiterer wichtiger Trend ist, dass sich immer mehr Systeme für Open-Source-basierte KI- und Machine-Learning-Plattformen sowie für Programmiersprachen wie Python öffnen. Python verwenden insbesondere Data-Scientists, um Daten zu analysieren. Indem Anbieter ihre Systeme öffnen, können Anwender auf relevante Analyse-Modelle zugreifen und neue Modelle erstellen.

Der Open-Source-Markt für künstliche Intelligenz bietet dahingehend vielfältige Möglichkeiten. Indem Hersteller solche Plattformen integrieren, können sie ihre Lösung und damit die Analysen verbessern, was für den Anwender wiederum essenziell ist, um wettbewerbsfähig zu bleiben.

6. Trend: Explainable AI

Dario Waechter
Dario Waechter
(Bild: atlantis media)

Um von KI-basierten Modellen tatsächlich zu profitieren, müssen Unternehmen die gelieferten Ergebnisse richtig einschätzen können. In diesem Kontext sind vor allem Fortschritte im Bereich der Explainable AI (Erklärbare Künstliche Intelligenz) zu erwarten. Explainable AI macht Modelle transparent und Anwender erhalten ein besseres Verständnis darüber, was die Künstliche Intelligenz im technischen Sinne tut. Auf dieser Grundlage können Unternehmen besser entscheiden, welche Modelle oder KI-Lösungen sich für ihre Datenanalysen eignen.

* Dario Waechter leitet seit 2017 den Geschäftsbereich Data & Analytics bei www.atlantismedia.de atlantis media, einem erfahrenen IT-Dienstleister im Bereich Digitalisierung. Darüber hinaus engagiert er sich als Mitglied der Wirtschaftsjunioren ehrenamtlich für wirtschaftliche und soziale Belange in Hamburg und ist Gründungsmitglied der Veranstaltungsreihe Smart Datalytics.

(ID:46759685)