Big Data und Prozessmanagement im Unternehmenseinsatz unter Berücksichtigung des aktuellen Forschungsstands

Inhaltsverzeichnis

1 Einleitung
1.1 Relevanz des Themas
1.2 Aufbau und Aufgabenstellung

2 Theoretische Grundlagen
2.1 Big Data
2.2 Prozessmanagement
2.2.1 Definition und Arten von Prozessen
2.2.2 Entwicklungen im Prozessmanagement
2.2.2.1 Phase 1: Arbeitszerlegung
2.2.2.2 Phase 2: Aktionsorientierte Datenverarbeitung
2.2.2.3 Phase 3: Prozessorientierung
2.2.2.4 Phase 4: Digitalisierung
2.3 Integration von Big Data in das Geschäftsprozessmanagement
2.3.1 Relevanz von Big Data für das Geschäftsprozessmanagement
2.3.2 Herausforderungen und Möglichkeiten
2.4 Aktueller Forschungsstand
2.4.1 Cloud Computing
2.4.2 Industrie 4.0

3 Anwendungskontext: Predictive Maintenance in Industrieunternehmen
3.1 T raditionelle Wartungsmethoden
3.2 Merkmale und Potenziale von Predictive Maintenance

4 Zusammenfassung und kritische Reflexion

Abbildungsverzeichnis

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1 Die fünf V von Big Data

Abbildung 2 Definition Prozess und Geschäftsprozess

Abbildung 3 Stufen der industriellen Revolution

1 Einleitung

1.1 Relevanz des Themas

Die fortschreitende Digitalisierung erzeugt eine immer größere Menge an Daten. Gemäß einer Berechnung des Magazins Forbes werden mittlerweile täglich ungefähr 2,5 Trillio­nen Bytes an digitalen Daten produziert. Jedoch werden von den global zugänglichen Daten lediglich 0,5% analysiert und verwendet. Bereits heute hat Big Data großen Ein­fluss auf unser tägliches Leben. So kann beim Einkaufen im Internet ein Anbieter einem Kunden zusätzliche Produkte vorschlagen, da der Kunde dem Anbieter durch die regel­mäßige Nutzung des Onlineshops seine Vorlieben preisgibt. Der Wetterbericht wird mit­tels unzähliger Daten immer präziser, und die Verkehrsplanung kann bei Routenberech­nungen dank aktueller Daten von Staus oder Unfällen entsprechend eine Alternative vor­schlagen.^{1 2} Big Data ist also omnipräsent und „[...] so wird deutlich, dass praktisch in jeder Branche durch Big Data ein Wandel stattfinden kann."2 Für Unternehmen wird es daher immer wichtiger, Big Data in ihren Prozessen zu berücksichtigen, denn „Big Data gilt für viele Unternehmen als der heilige Gral der Optimierung."³

1.2 Aufbau und Aufgabenstellung

Ziel dieser Arbeit ist die Darstellung von Big Data und Prozessmanagement im Unterneh­menseinsatz. Zunächst wird in Kapitel 1.1 die Relevanz dieses Themas dargelegt. Inner­halb der theoretischen Grundlagen werden in Kapitel 2.1 zunächst Big Data definiert und deren Merkmale beschrieben. Anschließend wird in Kapitel 2.2 auf die Definition und die Arten der Prozesse eingegangen, gefolgt von einer Betrachtung der Entwicklung in chro­nologischer Reihenfolge. Die Integration von Big Data und Geschäftsprozessmanage­ment in einen betrieblichen Zusammenhang wird in Kapitel 2.3 beschrieben unter beson­derer Betrachtung der Risiken und Chancen. Kapitel 2.4 zeigt den aktuellen Forschungs­stand, welcher aufgrund des beschränkten Umfanges dieser Arbeit exemplarisch an zwei Konzepten vorgestellt wird. In Kapitel 3 wird anhand eines Beispiels ein konkreter An- wendungskontext erörtert, um Potenziale von Big Data im Geschäftsprozessmanage­ment im Unternehmenseinsatz aufzuzeigen. Kapitel 4 fasst die Ergebnisse zusammen und reflektiert diese kritisch.

2 Theoretische Grundlagen

2.1 Big Data

Es gibt noch keine allgemein verbindliche Definition für den Begriff Big Data. Daher exis­tiert ein gewisser Interpretationsspielraum.⁴ Unter der Bezeichnung Big Data werden mittlerweile zwei Aspekte zusammengefasst. Einerseits wird damit die immer schneller wachsende Menge an Daten umschrieben, anderseits geht es um immer leistungsstär­kere Lösungen und Systeme aus dem Bereich der Informationstechnologie, mit denen die Unternehmen die Datenflut verarbeiten und nutzen können. Der Begriff Big Data steht auch für eine ganz neue Ära in der digitalen Kommunikation, denn die fortschreitende Technologisierung nimmt nachhaltig Einfluss auf die Sammlung, Analyse, Nutzung, Ver­wertung und die Vermarktung von Daten.⁵

Ein verbreiteter Ansatz, Big Data zu definieren, ist es, sich auf Merkmale zu fokussieren. Zumeist basieren diese Merkmale auf dem 3V-Modell von Gartner. Inzwischen wurden jedoch standardmäßig zwei weitere bedeutsame Merkmale hinzugefügt, so dass im Kon­text von Big Data nunmehr von fünf V gesprochen wird.

Bei den drei grundlegenden Merkmalen handelt es sich um Volume, Variety und Velocity. Unter Volume versteht man die enorme Datenmenge, welche sowohl innerhalb als auch außerhalb eines Unternehmens täglich entsteht. Diese Datenmenge ist so immens, dass sie nicht mit üblichen Methoden der Datenverarbeitung analysiert werden kann. Variety definiert sich als die Vielfalt von Datentypen und Datenquellen. Ungefähr 80 Prozent der weltweiten Daten sind gegenwärtig unstrukturiert. Durch Big Data-Suchalgorithmen kön­nen solche Daten auf Zusammenhänge untersucht werden. Mit Velocity ist die Geschwin­digkeit gemeint, mit welcher die Daten entstehen und verarbeitet werden. Dies ist bereits heute in Echtzeit möglich. Die zwei zusätzlichen V stehen für Validity und Value. Validity,

oft auch als Veracity bezeichnet, deutet auf die Sicherstellung der Qualität der Daten hin, denn je besser die Datenqualität ist, desto fundierter können die berechneten Ergebnisse werden. Value spielt auf den Mehrwert für das Unternehmen an, welcher durch Big Data entsteht.^{6 7}

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 Die fünf V von Big Data7

2.2 Prozessmanagement

2.2.1 Definition und Arten von Prozessen

Prozesse gibt es in vielen unterschiedlichen Bereichen. Semantisch muss der Begriff Prozess vom Begriff Geschäftsprozess abgegrenzt werden, wobei beide Begriffe in der Literatur bisweilen auch synonym verwendet werden. Während bei Prozessen ganz all­gemein die Verknüpfung von Aktivitäten oder Arbeitsschritten zur Erzielung eines Ergeb­nisses im Vordergrund steht, fokussiert sich der Geschäftsprozess direkt auf die Kunden­anforderung und als Ergebnis auf den Mehrwert für den Kunden. Das Konzept des Ge­schäftsprozessmanagements beschreibt dabei die Verknüpfung und Abstimmung von Prozessen, um als Resultat der Prozesskette die Kundenanforderung bestmöglich erfül­len zu können.⁸

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 Definition Prozess und Geschäftsprozess 9

In dieser Arbeit wird der Schwerpunkt auf das Prozessmanagement im Unterneh­menseinsatz gelegt. Ziel des Unternehmens ist eine möglichst starke Kundenorientie­rung. „Ein Prozess ist eine Kette von zusammenhängenden Aktivitäten, die gemeinsam einen Kundennutzen schaffen.“10 Grundsätzlich können Prozesse analog ihrer Einsatz­ebene in drei Kategorien eingeteilt werden. Führungsprozesse finden sich im Umfeld der strategischen Unternehmensausrichtung. Mit Kernprozessen entsteht die direkte Wert­schöpfung, daher sind diese operativ am wichtigsten. Sie orientieren sich am Unterneh­menszweck und erzeugen ein Produkt beziehungsweise eine Dienstleistung, mit wel­chem das Unternehmen Gewinn erzielt. Die Unterstützungsprozesse sind nicht direkt an der Wertschöpfung beteiligt, sind jedoch eine wichtige Hilfe, damit der Kernprozess über­haupt möglich ist.11

2.2.2 Entwicklungen im Prozessmanagement

Entwicklungen im Bereich des Prozessmanagements gibt es seit über 100 Jahren. Es lassen sich hierbei vier bedeutende Phasen abgrenzen:

2.2.2.1 Phase 1: Arbeitszerlegung

Die erste Entwicklungsphase des Prozessmanagements startete ungefähr ab dem Jahr 1900. Diese Phase wird auch als Taylorismus bezeichnet, benannt nach Frederic^{9 10 11}

Winslow Taylor. Hierbei wurde die Aufbauorganisation (welcher Mitarbeiter ist wem un­terstellt) und Ablauforganisation (welcher Mitarbeiter hat welche Aufgaben) voneinander getrennt betrachtet. Mit der Ablauforganisation wurden Arbeiten in viele kleine Einzel­schritte aufgeteilt und diese dann gemäß der Aufbauorganisation Mitarbeitern, Gruppen oder Bereichen zugeteilt. Zur Zeit der industriellen Massenproduktion sollte dadurch eine hohe Auslastung der Maschinen und Mitarbeiter erreicht werden. Durch diese Aufteilung eines Ablaufes in Teilabläufe war es jedoch für die Mitarbeiter kaum möglich, den ge- samtheitlichen Ablauf nachzuvollziehen. Dadurch aufkommendes Abteilungsdenken er­schwerte die bereichsübergreifende Zusammenarbeit im Unternehmen. Diese Problema­tik ist auch heute in Unternehmen noch zu finden.¹²

2.2.2.2 Phase 2: Aktionsorientierte Datenverarbeitung

Die zweite Phase der Entwicklung im Prozessmanagement wurde in den 1980er-Jahren durch die elektronische Datenverarbeitung angestoßen. Im Zentrum stand die Aktions­orientierung. Hierbei sollten Abläufe auf der Ebene der elementaren Arbeitsschritte unter Zuhilfenahme von Datenbanken gesteuert werden. Diese Datenbanken enthielten von den Anwendungsprogrammen Informationen und kommunizierten diese an die jeweiligen Mitarbeiter. Eine Verwendung war zum Beispiel die Überwachung des Lagerbestandes. War der Mindestbestand unterschritten, so erhielt der zuständige Mitarbeiter die Nach­richt, dass er einen Beschaffungsauftrag für den entsprechenden Artikel auslösen muss. Ziel der aktionsorientierten Datenverarbeitung war unter anderem die Verkürzung der Durchlaufzeiten und eine optimale Ressourcennutzung. Obwohl dieses Konzept bei Mit­arbeitern auf Akzeptanz stieß, konnte sich es nicht durchsetzen, da zu dieser Zeit die Informationstechnik noch nicht für größere Datenmengen über genügend Leistung ver­fügte. Dieser Ansatz wurde jedoch zu einem späteren Zeitpunkt unter dem Stichwort Workflowmanagement erfolgreich umgesetzt.¹³

2.2.2.3 Phase 3: Prozessorientierung

Durch zahlreiche Publikationen wurde Anfang der 1990er Jahre die dritte Phase, die Pro­zessorientierung, eingeleitet. Dabei standen unter anderem die Trennung zwischen der Prozessverantwortung und der Aufbauorganisation sowie die intensive Nutzung der in­zwischen leistungsstärkeren Informationstechniken im Mittelpunkt. Durch den Einsatz von prozessorientierter Anwendungssoftware wurden bestehende Strukturen in Unter­nehmen aufgebrochen. Ganz besonders konnte durch diesen Ansatz weltweit die Stan­dardsoftware SAP R/2 sowie das Nachfolgeprodukt SAP R/3 des deutschen Unterneh­mens SAP AG profitieren.¹⁴

2.2.2.4 Phase 4: Digitalisierung

Die vierte und aktuelle Phase der Entwicklung begann ab etwa 2010 mit dem Beginn der Digitalisierung. Ganz neue Konzepte des Informationsmanagements haben nun auf un­terschiedliche Art und Weise Einfluss auf das Prozessmanagement. Dazu gehören Kon­zepte wie zum Beispiel Cloud Computing, Big Data oder Industrie 4.0. Dabei ist nicht nur ausschließlich die organisatorische Koordination betroffen, also wer macht was, sondern es kommt nun auch die technische Koordination mit dazu, sprich welche Prozesse wer­den wie unterstützt.^{15 16} Auf diese neuen Konzepte und den aktuellen Forschungsstand wird in Kapitel 2.4 weiter eingegangen.

2.3 Integration von Big Data in das Geschäftsprozessmanagement

2.3.1 Relevanz von Big Data für das Geschäftsprozessmanagement

Big Data ist für das Geschäftsprozessmanagement von großer Bedeutung, denn „[...] die Daten, die sich ständig ändern, werden auch ständig Ihre Prozesse verändern.“16 Es be­steht eine Wechselwirkung, da einerseits Daten Einfluss auf die Gestaltung der Prozesse haben, anderseits die Prozesse die Gewinnung und Verarbeitung von Daten verändern. Durch Nutzung aller wichtigen Daten können Unternehmen ihre Geschäftsprozesse kon­tinuierlich verbessern. Entscheidungen können auf dieser Grundlage rechtzeitig und fun­diert getroffen werden.¹⁷ Dies zeigt auf, dass Big Data für die Geschäftsprozesse von entscheidender Relevanz ist.

[...]

¹ Vgl. Fehr, 2019, Internetquelle.

² Davenport, 2014, S. 48.

³ McCloskey, 2020, Internetquelle.

⁴ Vgl. Bachmann/Kemper/Gerzer, 2014, S. 17.

⁵ Vgl. Radtke/Litzel, 2019, Internetquelle.

⁶ Vgl. o. V., 2016, Internetquelle.

⁷ o.V., Fachschaft Informatik myGymer, o. J. URL: https://informatik.mygymer.ch/ef2020/datenbanken/einlei- tung/ausblick Zugriff am 10.03.2021

⁸ Vgl. Schmelzer/Sesselmann, 2008, S. 63 f.

⁹ Schmelzer/Sesselmann, 2008, S. 64.

¹⁰ Feldbrügge/Brecht-Hadraschek, 2005, S. 12.

¹¹ Vgl. Rüffer, 2019, Internetquelle.

¹² Vgl. Gadatsch, 2020, S. 2 f.

¹³ Vgl. Gadatsch, 2020, S. 3 f.

¹⁴ Vgl. Gadatsch, 2020, S. 4.

¹⁵ Vgl. Gadatsch, 2020, S. 4 f.

¹⁶ Baron, 2013, S. 40.

¹⁷ Vgl. Fasel/Meier, 2016, S. 206.