Nachhaltigkeit und Machine Learning Warum KI und Automation zu mehr Nachhaltigkeit in Unternehmen beitragen

Anbieter zum Thema

bb-net media GmbH

WatchGuard Technologies GmbH

mibeca GmbH – Mike Bergmann Akademie

Die Energiebranche braucht einen Paradigmenwechsel, weg von „Tech first“ hin zu „Outcome first“. Auf diese Weise kann sie Datennutzung und Nachhaltigkeit zusammenbringen. Automatisierung scheint die entscheidende Verbindung zu sein – wenn diese zielgerichtet vorangetrieben wird.

Unternehmen müssen Daten vergleichen, analysieren und gezielt einsetzen, wenn sie zu fundierteren Entscheidungen und personalisierten Kundenbeziehungen führen sollen. Gleichzeitig müssen die entsprechenden Prozesse möglichst effizient, standardisiert und vor allem nachhaltiger und ethischer werden. Das ist keine leichte Aufgabe.

Um beide Pole miteinander zu verbinden und mehr Nachhaltigkeit durch die automatisierte Aggregation und Analyse von Datenmaterial zu erreichen, braucht es ein Umdenken und Investitionen in entsprechende Technologien. Dabei kommt es auf die richtige Reihenfolge an: Zuerst ist ein Kulturwandel erforderlich, dann können Lösungen wie Machine Learning implementiert werden.

Diese Lösungen können die Antworten auf dringende Fragen nur dann liefern, wenn es sich dabei um die richtigen Fragen handelt und das Datenmaterial zudem ausreichend für eine geeignete Antwort ist.

Das ist auch eine Kulturfrage. Nur mit dem richtigen Mindset lassen sich die geeigneten Ansätze entwickeln und formulieren. Nur wenn Nachhaltigkeit gedacht und strategisch avisiert wird, kann die Technologie liefern. Also lohnt es sich, einen Schritt zurückzutreten und sich die eigentliche Zielsetzung noch mal vor Augen zu führen.

Der klassische Fehlstart

Ein bekannter, branchenübergreifender Trend, der vor allem im Energiebereich virulent ist, besteht in der Daten-Sammelwut – ohne erklärtes Ziel und darunterliegende Struktur zum konkreten Einsatz der Informationen.

Strenggenommen führt dies zum Gegenteil von Nachhaltigkeit, denn es müssen jede Menge zusätzlicher Ressourcen wie Geld und Zeit investiert werden, um der unsortierten und automatisiert generierten Datenflut Herr zu werden. Ob zusätzliches Personal oder neue Technologien zur besseren Verbindung kritischer Funktionen – in jedem Fall ist Mehraufwand erforderlich, denn eines können Technik und KI nicht: eine intelligente Steuerung ersetzen.

Oft wird suggeriert, dass mit Hilfe von KI sämtliche Probleme zu lösen wären, auch die der Nachhaltigkeit. Ein Irrtum, denn ohne eine Initialidee bzw. -motivation und eine bewusste strategische Steuerung liefert eine solche Lösung nur eine Masse an Informationen ohne Systematisierung und Optimierung. Das bringt kaum Fortschritt und sorgt für Frust bei den Anwendern. Das Resultat: Viel Aufwand, große Erwartungen aber keine erhöhte Nachhaltigkeit.

Genau darum ist es so wichtig, Druck und Tempo aus der Angelegenheit zu nehmen und sich die Roadmap noch einmal genau anzusehen. Hat sie klare Ziele? Wie genau können bzw. müssen Daten hierfür genutzt werden? Und was sind die spezifischen Herausforderungen für das jeweilige Unternehmen?

Der Wert der Nachhaltigkeit

Während eine unmittelbare Verbindung zwischen Datenmaterial und Nachhaltigkeit in nahezu jedem Sektor noch hergestellt werden muss, sind hier einige Branchen bereits weiter als andere. Im Rüstungs- und Verteidigungssegment etwa gibt es mehr Fortschritte zu vermelden als in der Fertigung.

Das zeigt auch, warum das eigentliche Problem bei einigen Akteuren vor allem im kulturellen Bereich liegt, vor allem an der „Investieren und implementieren so schnell wie möglich!“-Attitüde. Hiermit hoffte man auf eine schnellstmögliche Automatisierung mit Nachhaltigkeits-Effekt als willkommene Nebenerscheinung. Doch tatsächlich haben nur wenige das wahre Potenzial der Automatisierung erkannt – einschließlich der Notwendigkeit, Nachhaltigkeit schon im Planungsstadium mitzudenken.

Ist tatsächlich klar, welche Bedeutung möglichst geringe Downtimes, eine bessere Wartungsprognose, der optimale Einsatz der Workforce, optimierte Verwaltungsprozesse und höhere Effizienz in der Produktion haben? Gibt es hierzu konkrete Berechnungen? Das alles kann abgedeckt werden, wenn die bisherige Praxis gegen datengetriebene Best Practices eingetauscht wird.

Klare Mission für die Automatisierung

Die Notwendigkeit, nicht nur effizienter, sondern auch besser im Hinblick auf die ESG-Kriterien zu werden, liegt auf der Hand: Bald schon wird sich ein Unternehmen nur noch auf diese Weise im Markt differenzieren können. Die Kunden erwarten es, die Regulatoren ebenso. Können sich gerade die Letztgenannten ihr Urteil vor allem auf Basis der vorhandenen Daten bilden, entsteht ein klares und transparentes Bild des jeweiligen Status quo: gut für alle Beteiligten!

Nachhaltigkeit gerade im Back End muss sicht- und belegbar sein. Und das geht nur, wenn die Ziele definiert und kommuniziert sind. Hier die gute Nachricht für die, die in dieser Richtung bereits einen Fehlstart zu beklagen haben: Es gibt Lösungsanbieter und Berater, die das Versäumte nachzuholen helfen. Sie unterstützen nicht nur bei der Datensammlung und -allokation, sondern gehen ganz zurück auf Start, um entsprechende KPIs zu erarbeiten, die realistisch, passend und mit einer Verbindung zu allen Anwendungen im Unternehmen ausgestattet sind.

Der erste Schritt hierbei ist die Entzauberung eines Mythos, der typisch für diesen Bereich ist: Nachhaltigkeit ist eine zwangsläufige Folge von Prozessen in Verbindung mit hochwertigen Datenanalysen, KI oder auch dem IoT.

In Wahrheit gibt es keine natürliche Verbindung von Automatisierung und Nachhaltigkeit. Technologien wie KI und Machine Learning sind genau in der Mitte zwischen menschgemachter Strategie einerseits und technisch generierten Insights andererseits positioniert. Ohne Strategie wird die Mitte hier zur Randerscheinung – mit einer Menge von Daten, die ziellos vor sich hin existieren. Die Chance, ausgerechnet dadurch nachhaltiger zu werden, ist verschwindend gering.

Die profiliertesten Datenspezialisten mit den am höchsten entwickelten Lösungen können keine Ziele ins Visier nehmen, wenn es diese Ziele nicht von Beginn an gegeben hat. Wer das verstanden hat, investiert folgerichtig zunächst in die Erarbeitung tauglicher Nachhaltigkeits-KPIs. Erst danach kann eine umfassende Automatisierung ihre Wirkung tun – und die Daten können ihre wahre Wirkmacht entfalten.

Dieser Artikel erschien zuerst auf unserem Partnerportal Industry of Things.

* Frank Beerlage ist Managing Director DACH / Benelux bei IFS.

(ID:49046975)