In unserer dreiteiligen Blogreihe zum Thema Tokenisierung von Vermögenswerten möchten wir praktische Anwendungsmöglichkeiten von Security Token Offerings (STOs) im Private Equity, Venture Capital und der Immobilienbranche aufzeigen. Der erste Beitrag führt in die komplexe Dynamik von Security Token Offerings (STOs) und die Blockchain-Technologie ein. Im zweiten Beitrag werden praktische Umsetzungsbeispiele und Nutzungsmöglichkeiten von STOs in der Private Equity und Venture Capital Branche vorgestellt. Der letzte Beitrag befasst sich mit einer weiteren Anlageform und legt den Fokus auf eine mögliche Tokenisierung von Immobilienanlagen.

Der Ursprung von Security Token Offerings

Viele Menschen verbinden die Blockchain-Technologie größtenteils mit der Verwendung von Bitcoins, der nach Marktkapitalisierung größten und meistanerkannten Kryptowährung der Welt. Das volle Potenzial der Blockchain-Technologie wie die Speicherung unbegrenzter Datenmengen oder die Automatisierung immenser Mengen von Prozessen wird in der Öffentlichkeit meist noch nicht wahrgenommen. Eine weitere Anwendungsmöglichkeit für diese Technologie sind Security Token Offerings (STOs). Ende 2017 nutzten erste Unternehmen (z.B. Invao, Brickblock) STOs, um Immobilienprojekte durch Crowdfunding (Beschaffung von Kapital durch eine Vielzahl kleiner Anleger anstelle von Großinvestoren) zu finanzieren und so den Immobilienmarkt für Kleinanleger zu öffnen. Diese Immobilienprojekte läuteten den Beginn der „Blockchain-Revolution“ und die Modernisierung der Finanzindustrie ein. Rückblickend haben STOs einen disruptiven Charakter, da sie die notwendigen technologischen Werkzeuge für Crowdfunding-Investitionen in Vermögenswerte aller Art bieten und somit Vermögenswerte, die für einzelne Kleinanleger zu kapitalaufwendig sind, handelbar und für jedermann erschwinglich machen.

Abbildung 1: Unterscheidung zwischen traditionellem und tokenisiertem Immobilieninvestment

Technologie und Funktionsweise

Die Tokenisierung von Vermögensgegenständen beruht auf der sogenannten Blockchain-Technologie. Die Blockchain kann als eine hochtechnische neue Art von Datenbank beschrieben werden. Über die letzten Jahre hat sich diese zur bevorzugten Lösung für die sichere Speicherung digitaler Informationspakete entwickelt. Der Name Blockchain hat seinen Ursprung im Aufbau der Datenbank, in welcher eingehenden Informationen in einzelnen Blöcken gruppiert und dann verkettet werden. Die Blockchain unterscheidet sich von klassischen Datenbanken, da sie vollständig öffentlich und transparent ist. Die getätigten Transaktionen können nicht mehr geändert oder gelöscht werden und können jederzeit von jedem Nutzer auf der Welt überprüft werden. Die Blockchain wird gemeinhin als Public Ledger bezeichnet, eine Reihe von Blöcken, in denen Transaktionsdetails nach Überprüfung durch die ausgewählten Netzwerkteilnehmer gespeichert werden. Zusammenfassend lässt sich sagen, dass die Blockchain eine Datenbank ist, deren Transaktionen unwiderruflich gespeichert werden, sobald sie von den ausgewählten Netzwerkteilnehmern verifiziert wurden.

Die Tokenisierung eines Vermögenswerts beschreibt die Verwendung eines auf der beschriebenen Blockchain basierenden Tokens, das als Security Token bezeichnet wird und den realen handelbaren Vermögenswert digital repräsentiert. STOs funktionieren ähnlich wie Wertpapiere und sind daher handelbar, können jedoch auf praktisch alle bestehenden Vermögenswerte angewandt werden. Die Tokenisierung bietet viele Vorteile. Wenn Security Token beispielsweise auf Private Equity Fonds angewendet werden, müssen Investoren nicht auf einen Exit warten, sondern können den Token (d.h. ihren Vermögenswert) jederzeit verkaufen. Darüber hinaus erlaubt es ein STO, einen Vermögenswert in kleinere Stücke (Anteile) zu teilen. Diese können dann zu einem niedrigeren Kurs erworben werden. Im groben Sinn kommt ein Security Token eines Vermögenswertes dem Besitz einer Aktie an einem Unternehmen oder der Beteiligung an einem Investmentfonds gleich. Security Tokens und Aktien haben sicherlich viele Ähnlichkeiten, sind jedoch nicht identisch. Token sind auch fungibel und aber im Gegensatz zu Aktien teilbar und auch auf Gegenstände anwendbar. Das bedeutet, dass sie kleine Bruchteile eines Vermögenswerts repräsentieren können, was sie zu maßgeschneiderten Instrumenten für Crowdinvesting an Vermögenswerten macht.

Differenzierung verschiedener Token

Um zu verstehen, wie Security Token Angebote funktionieren und wie sie Anlegern Vorteile bringen können, ist ein Verständnis über die unterschiedlichen Arten von Token wichtig. In der Praxis finden sich drei verschiedene Blockchain-basierten Token mit unterschiedlichen Verwendungszwecken, Konzepten und Hintergründen. Der Howey-Test bildet den Rahmen für die Entscheidung, ob ein bestimmter Vermögenswert als Wertpapier im Sinne des Gesetzes eingestuft wird oder nicht und führt damit zu einer Unterscheidung der verschiedenen Token-Typen. Ein Wertpapier liegt dann vor, wenn der Vermögenswert eine Investition in eine Unternehmung darstellt, die von einer anderen Person umgesetzt wird.

Der erste Token, der in diesem Abschnitt besprochen wird, ist der so genannte Payment Token. Ein Payment Token ist selbsterklärend, da er als simples Zahlungsmittel verwendet werden kann und mit einer herkömmlichen Fiat-Währung wie dem Dollar oder dem Euro austauschbar ist. Der Payment Token fällt nicht in die Kategorie einer Security, da er keine Investition darstellt. Die bekanntesten Beispiele für Payment Tokens sind der Bitcoin oder Ethereum, die zwei der derzeit am Markt relevantesten Kryptowährungen.

Der zweite Token ist der so genannte Utility Token. Wenn ein Token kein simpler Payment Token ist und nach dem Howey-Test nicht als Wertpapier eingestuft wird, handelt es sich um einen Utility Token. Grundsätzlich verleiht ein Utility Token dem Besitzer das Recht, ein Produkt oder eine Dienstleistung vom ausgebenden Unternehmen zu erhalten. Ein klassisches Beispiel eines Utility Token Angebots ist Cloudspeicherplatz bei Einlösung der Tokens. Es gibt keine Höchstmenge an Utility Token, die von einem Unternehmen ausgegeben werden darf. Deshalb wird der Preis der Token durch die Angebots-Nachfrage-Kurve reguliert.

Dieser Beitrag fokussiert sich auf den dritten Token, den Security Token. Um als Security Token zu gelten, muss der Token den Howey-Test bestehen. Es ist wichtig, an dieser Stelle darauf hinzuweisen, dass ein Token, der als Security Token eingestuft wird, rechtlich als Wertpapier behandelt wird und somit den einschlägigen Vorschriften unterliegt. Security Token haben das Ziel, Gewinne aus der Arbeit anderer zu erzielen. Populäre Beispiele für diese Art des Tokens sind die eingangs erwähnten Immobilieninvestments oder Investments in Private Equity und Venture Capital Funds.

Abbildung 2: Differenzierung von Token-Typen

Die drei genannten Tokens werden durch ihren namensgebenden Verwendungszweck charakterisiert. Payment Tokens haben die Absicht, Fiat-Währung als Zahlungsmittel zu ersetzen, Utility Tokens können als eine Art Gutschein für eine Ware oder eine Dienstleistung betrachtet werden und Security Tokens bieten eine neue potenzielle Anlageklasse.

Zusammenfassung und Ausblick

Im ersten Teil unserer Blogreihe „Tokenisierung von Vermögensanlage“ wurde die Blockchain-Technologie und die darauf aufbauenden Variationen von Tokens in Ihren Grundzügen dargestellt und erläutert. Zusammenfassend kann die Blockchain als nicht nachträglich veränderbare Datenbank beschrieben werden, in welcher Transaktionen in einzelnen Blöcken gespeichert und in Form eine Kette aneinandergereiht werden. Auf Basis dieser fälschungssicheren Datenbank ist es möglich verschiedene Tokens zu generieren. Die drei Hauptkategorien sind Payment Tokens, die eine digitale Zahlung unabhängig von Fiat Währungen ermöglichen, Utility Tokens, welche einen Lieferungs- oder Leistungsanspruch darstellen und Security Tokens, welche als Wertanlagen fungieren und eine „Teilhaberschaft“ and verschiedensten Vermögenswerten ermöglichen.

Security Tokens bieten eine Vielzahl von Anwendungsmöglichkeiten und haben das Potential die Investmentbranche zu revolutionieren. Um diese Vielseitigkeit abbilden zu können, fokussieren sich die nächsten beiden Teile der Blogreihe auf Security Tokens. Einen ersten Einblick über die Einsetzbarkeit bietet das Team von FOSTEC & Company im zweiten Teil der Reihe mit einer detaillierten Ausarbeitung der Anwendungsmöglichkeiten in Private Equity Investments.

Digitalisierung des Versicherungswesens

Lange war die Versicherungsbranche ein sicherer Hafen für Digitalisierungsverweigerer. So schnell sich die Branchen um einen herum auch veränderten: Hier lief alles lief wie gewohnt weiter. Der Versicherungsvertreter verkaufte im Dialog mit dem Kunden Versicherungspolicen, deren Inhalt kaum ein Kunde nach dem Beratungsgespräch wahrhaft durchdrungen hatte, und die internen Prozesse der Versicherungsunternehmen waren von einer Datenverwaltung und -verarbeitung geprägt, die über Jahrzehnte gewachsen war und im Laufe der Zeit nie grundlegend erneuert wurde. Doch angesichts der zunehmenden Innovationsgeschwindigkeit der Wirtschaft und ständig neuer Kundenanforderungen hinsichtlich Kommunikation und Service, Big Data und der technologischen Innovationen der jüngsten Vergangenheit, wird ein Festhalten an bestehenden Strukturen auch für Nostalgiker und ewig Gestrige nicht mehr länger möglich sein.

Der Kunde als treibende Kraft

Kernthema der öffentlichen Diskussion über die anstehenden Veränderungen im Versicherungswesen ist vor allem der Wandel der Geschäftsmodelle. Es werden Zukunftsszenarien entworfen, in denen Kunden ihre Versicherungen bei Robotern abschließen, die den Versicherungsmakler früherer Zeiten obsolet machen und die jüngsten Entwicklungen im Bereich Artificial Intelligence (AI) lassen ein Eintreffen dieser Visionen immer wahrscheinlicher erscheinen.

Doch ist es überhaupt nicht nötig, gar so weit in die Zukunft zu blicken, denn schon die heutigen Kundenwünsche stimmen nicht mehr mit dem klassischen Angebot vieler Versicherer überein. Der Kunde ist aus anderen Lebensbereichen gewohnt, über verschiedenste Kanäle mit Unternehmen in Verbindung zu treten und kommunizieren zu können: Vertriebskanäle wie mobile Apps, Plattformen oder intelligente Assistenzsysteme sind in vielen Bereichen des Alltags bereits Standard und werden vom Kunden daher mehr und mehr vorausgesetzt. Die veränderten Kundenanforderungen werden jedoch auch die Versicherungsprodukte selbst betreffen. Konnte man früher aus nur wenigen Standardprodukten wählen und hatte man sich dabei letztlich auf die Empfehlung des Versicherungsmaklers verlassen, werden sich die Produkte und Tarife durch AI und Predictive Analytics verstärkt in Richtung individualisierte Angebote wandeln.

Neue Spieler am Versicherungsmarkt

Versicherer geraten aber nicht nur durch ihre Kunden unter Druck. Erschwerend kommt hinzu, dass nun mit Startups und Mitbewerbern aus anderen Bereichen auch völlig neue Spieler eine zentrale Position einnehmen und den alteingesessenen Versicherungsriesen dabei in vielerlei Hinsicht bereits heute meilenweit voraus sind.

Zum einen sind da die InsurTechs. Startups, die sich als eine Mischung aus Technologieunternehmen und Versicherer verstehen und unkonventionelle digitale Geschäftsmodelle entwickeln. Stand bei ihnen anfangs noch die Kooperation mit großen Versicherern im Fokus, erwerben sie inzwischen zunehmend eigene Versicherungslizenzen. Vorreiter und bekanntestes Beispiel ist die Online-Versicherung Lemonade, dem das Potenzial nachgesagt wird, die gesamte Versicherungsbranche zu revolutionieren. Das voll-lizensierte Unternehmen nimmt Schadensmeldungen seiner Kunden via Videobotschaft entgegen, Bots nehmen den Schaden auf. Nur komplizierte Fälle werden an einen Menschen weitergegeben. Durch Einsatz dieses AI-gestützten Verfahrens konnten die Kosten immens gesenkt werden, wodurch es Lemonade möglich ist, deutlich günstigere Konditionen als die Mitbewerber anzubieten. 20 Prozent der Einnahmen fließen in Rückversicherung, Geschäftsbetrieb und Technologie, vom Rest werden Schadenszahlungen getätigt. Was übrig bleibt, geht an soziale Projekte.

Auf der anderen Seite stehen Online-Giganten, die den Versicherungsmarkt neu für sich entdecken. Amazon beispielsweise schaltet bereits entsprechende Stellenangebote und sucht nach Versicherungsexperten zum Start eines neuen Unternehmens. Laut der Stellenanzeigen lautet der Plan, ein erhebliches Wachstum in den bestehenden Märkten zu erzielen und neue, innovative Produkte herauszubringen. Erste Erfahrungen hat Amazon in dem Bereich in Kooperation mit der Ergo bereits gesammelt. Bisher beschränkt sich Amazons Angebot zwar noch auf Geräte- und Diebstahlschutz, dieses Angebot soll nun aber erweitert werden. Warum Amazon dabei so bedrohlich für die Versicherungsbranche ist? Amazon sitzt auf einem wahren Goldschatz: Unmengen an Kundendaten. Kein anderes Unternehmen der Welt weiß so viel über seine Kundschaft und kann daher so zielgerichtet agieren. Würde Amazon diese Kundendaten und bereits bestehenden Amazon-Plattformen nutzen, um den Kunden zum einen individualisierte Angebote zu machen, zum anderen durch Vergleichsplattformen aber auch die Möglichkeit zur Auswahl des bestens Angebots und völlige Transparenz bieten, würde dies eine Lawine ins Rollen bringen. Ein weiterer Wettbewerbsvorteil von Amazon ist der Vertrauensaspekt. Bereits seit Jahren ist die Kundenfokussierung von Amazon in aller Munde und es ist allgemein bekannt, dass Amazon im Zweifelsfall immer für den Kunden entscheidet. Die Versicherungsbranche selbst ist in der Wahrnehmung des Kunden meilenweit hiervon entfernt.

Technologische Revolutionen auf dem Versicherungsmarkt

Aus den zahlreichen technologischen Veränderungen haben sich in jüngster Vergangenheit einige herauskristallisiert, die für die Versicherungsbranche von besonderer Bedeutung sein werden.

1. Data Analytics: Die Zeiten, in denen einfach nur Unmengen an Daten erhoben wurden, sind vorbei. Heute geht es darum, tatsächlich einen Mehrwert aus ihnen zu ziehen. Das erfordert mehr als eine Analyse der Vergangenheitsdaten. Wichtig werden für Versicherungsunternehmen vor allem die Vorhersagen sein, die die Arbeitsweise von Versicherungen völlig auf den Kopf stellen werden.
2. Artificial Intelligence: AI ist dazu in der Lage, die Risikoprüfung völlig neu zu erfinden. Prozesse, die bisher vor allem auf Erfahrungswerten basierten, können mit Hilfe von AI neu strukturiert werden, da AI Risiken deutlich besser einschätzt und so Schadenquoten und Betrugsrisiken deutlich minimiert.
3. Blockchain: Die Blockchain ist in der Lage, Betrug vorzubeugen und zum Datenschutz beizutragen. Indem sie Sicherheit zwischen den beteiligten Parteien schafft, kann sie klassische Prüfungs- oder Clearingstellen ersetzen. Aktuell beschränkt sich ihr Einsatz vornehmlich auf Smart Contracts, d. h. digitale Verträge, die automatisch greifen, wenn bestimmte, zuvor definierte Ereignisse oder Auslöser erfüllt sind. Sie kommen beispielsweise im Falle von Schadensfällen aufgrund von Unwettern zum Einsatz: Völlig ohne menschliches Zutun rufen sie beispielsweise die Datenbanken des Wetterdienstes ab und bestimmen, in welcher Gegend zu welchem Zeitpunkt ein Unwetter war. Im Anschluss sind sie in der Lage, einen eingetretenen Schadensfalls selbstständig vorzunehmen.
4. Digitalisierung der Prozesse: Gerade in indirekten Bereichen (White Collar) besteht bei Versicherungsunternehmen massives Potential zur Automatisierung und Digitalisierung von Prozessen. Auf diese Weise lassen sich in Abteilungen wie HR, Accounting & Controlling, Produkt- und Risikomanagement Einsparungspotentiale von bis zu 60% heben. Dies wird erforderlich sein, um mit künftigen Wettbewerbern wie Amazon Schritt halten zu können.

Was das für Versicherer bedeutet

Althergebrachte Erfolgsmuster verlieren in diesem Umfeld schneller als je zuvor ihre Gültigkeit und um zu überleben, gilt es für die großen Versicherer nun, sich schnell an Marktveränderungen anzupassen. Waren sie vor Kurzem noch unantastbar und konnten sich auf ihre Marktmacht verlassen, müssen sie sich heute neue Technologien wie Blockchain oder Smart Data zu eigen machen. Mut und Wille zur Veränderung sind der Grundstein für das zukünftige Bestehen am Markt, reichen allein aber nicht aus. Ihr Ansatz muss technologische Anpassungen ebenso umfassen wie organisatorische und kulturelle Veränderungen. Die marktseitige Ausrichtung muss ebenso in den Fokus der Restrukturierung des eigenen Geschäftsmodell geraten, wie die internen Strukturen, die zur Leistungserbringung notwendig sind. Dies umfasst die Digitalisierung, Automatisierung und datenbasierte Steuerung von Prozessen. Außerdem müssen die starren Konzernstrukturen flexiblen IT-Umgebungen weichen, um dem schnellen Wandel des Marktes entsprechen zu können, sich dem Wandel der Kundenkanäle zeitig anzupassen und die Daten sinnvoll zu nutzen. Vor allem aber darf der Wandel vor den Organisationsstrukturen, den Mitarbeitern und der Unternehmenskultur nicht Halt machen.

Mehr zum Thema:

Videointerview der Signal Iduna mit Markus Fost zum Thema Amazon und de Zukunft des Versicherungsmarkts

Durch den zunehmenden Wettbewerb und das sich ständig verändernde Marktumfeld stehen mittelständische Unternehmen vor der ständigen Herausforderung ihr Organisationsdesign anzupassen. Dabei stellt sich die Frage wie hierarchisch eine Organisation aufgestellt sein sollte. Um die Steuerungsfähigkeit sicherzustellen, werden klassischerweise hierarchische Strukturen mit zunehmender Unternehmensgröße verstärkt. Im Gegensatz dazu zeigen Unternehmen wie Haier, dass auch Organisationen mit selbständig agierenden Einheiten äußerst erfolgreich sein können. Dieser Beitrag soll die Vorteile von derartigen Organisationsformen aufzuzeigen, um Unternehmen die Möglichkeit zu geben das Organisationsdesign optimal an deren individuelle Situation anzupassen. Ziel sollte eine Organisationsform sein, die eine ideale Balance zwischen strategischen Zielgrößen wie Produktivität, Flexibilität und Innovationsfähigkeit ermöglicht.

Der Mittelstand muss sich an ein verändertes Marktumfeld anpassen

Der Mittelstand sieht sich vielen Herausforderungen ausgesetzt. Schon lange internationalisieren sich Absatzmärkte und Produkte werden längst nicht mehr nur im eigenen Land oder angrenzenden Staaten vertrieben. Durch die Liberalisierung vieler Volkswirtschaften weltweit sind auch neue Wettbewerbssituationen entstanden. So konkurriert zum Beispiel ein deutscher Hersteller von Kunststoffteilen mit Unternehmen weltweit um die gleichen internationalen Absatzmärkte. Dies führt zu starkem und dynamischem Wettbewerb, in dem sich die Mittelständler behaupten wollen und müssen. Wettbewerbsfähigkeit hängt neben der Produktqualität auch von sehr vielen weiteren Faktoren ab. Nicht zuletzt ist dabei die eigene Produktivität zu nennen, die sich auch aus der Organisation eines Unternehmens und der Art und Weise seiner Managementphilosophie ergibt.

In diesem Kontext ist es entscheidend, sich flexibel an ein sich veränderndes Geschäftsumfeld anzupassen. Der Begriff Agilität wird in diesem Zusammenhang bereits auf verschiedenste Arten interpretiert und verwendet. Grundlegend damit verbunden ist jedoch eine gewisse Dynamik und Flexibilität anstelle einer starr festgelegten Organisationsstruktur, an der möglichst wenig gerüttelt werden soll.

Studien haben bereits einen Zusammenhang zwischen Agilität und wirtschaftlichem Erfolg eines Unternehmens hergestellt. So sind die agilsten Unternehmen einer Branche im Durchschnitt 2,7-mal erfolgreicher als konkurrierende Firmen, die auf starre Strukturen setzen. Gleichzeitig schaffen es lediglich 5% der Unternehmen, die nur einen geringen Grad an Agilität aufweisen, wirtschaftlich überdurchschnittlich abzuschneiden (goetzpartners, 2017).

Die Frage nach dem besten Management von Organisationen treibt Wissenschaftler ebenso wie Manager und Mitarbeitende schon immer um. In den vergangenen Jahrzehnten haben sich klassische Management-Theorien durchgesetzt, die in der Wissenschaft beschrieben und in der Praxis von Unternehmen umgesetzt werden. Ausnahmen bestätigen aber bekanntlich die Regel.  Immer wieder gibt es Unternehmen, die neuen und innovativen Organisationsformen folgen und dabei andere Ziele und Werte in den Vordergrund stellen.

Eine Erfolgsgeschichte: Organisational Self-Management am Beispiel Haier Ltd.

Eine Erfolgsgeschichte für Organisational Self-Management ist das chinesische Unternehmen Haier mit seinem einfallsreichen CEO Zhang Ruimin. Haier ist Weltmarktführer in der Herstellung von Haushaltsgeräten und beschäftigt ca. 100.000 Mitarbeiter. Der Hauptsitz der Firma liegt in Qingdao in China (Haier Ltd., 2021).  Um den Einfallsreichtum von Haier´s CEO Zhang Ruimin einmal zu verdeutlichen, bietet sich folgende Anekdote an. Ruimin übernahm Haier im Jahr 1984. Zu diesem Zeitpunkt war Haier ein verlustträchtiges Unternehmen mit heruntergekommenen Fabriken. Im Jahr 1985 ordnete Ruimin eine Inventur an, die ans Tageslicht brachte, dass 20 Prozent der Kühlschränke defekt waren. Ruimin‘s oberstes Ziel war die Sicherstellung von Qualität, weshalb er einen symbolischen Akt anordnete. 76 defekte Kühlschränke wurden in einer Reihe aufgestellt und Ruimin und seine Mitarbeiter demolierten diese mit Vorschlagshämmern, um ein klares Zeichen zu setzen. Dieses sollte die Produktqualität der Marke Haier in der Wahrnehmung der Kunden in den Vordergrund stellen. Zudem sollte es zeigen, auch in schwierigen Zeiten Mut für Neues zu haben.

Beides gelang. Ab diesem Zeitpunkt ging es wieder aufwärts. Bis heute gab es unter Ruimin zahlreiche Transformationen – eine innovativer und unkonventioneller als die andere, die allesamt das Unternehmen weiter nach vorne brachten. Heute beschreiben viele Haier als eines der innovativsten Unternehmen unserer Zeit. Trotz seiner hohen Innovationsrate liegt die Stärke von Haier weder in besonders ausgefallenen noch in besonders bahnbrechenden Produkten, sondern in der Unternehmensorganisation. Organisational Self-Management (dt. Organisatorisches Selbstmanagement) als unkonventionelle Organisationsform hat Haier in hohem Maße wettbewerbsfähig gemacht und hält es weiterhin auf diesem Erfolgskurs. Nachfolgend wird gezeigt was Mittelständler von Self-Managing Organisations lernen können, um so die eigene Unternehmensperformance nachhaltig zu verbessern.

Was ist Organisational Self-Management?

Organisational Self-Management bedeutet, dass Organisationen und deren Mitglieder sich selbst managen, anstatt sich von anderen managen zu lassen. Im Unternehmenskontext hat dies zur Folge, dass viele übergeordnete Management- und Hierarchiestufen schlichtweg nicht existieren. Stattdessen organisieren sich die einzelnen Teams selbst. Dies geschieht zum einen im Hinblick auf Projekte, Projektauswahl und -management, zum anderen im Hinblick auf administrative Themen wie Personal und Budgets.

Beispiele aus der Praxis mit unterschiedlichen “Self-Management-Intensitäten” zeigen, dass dabei alle Self-Managing Organisations ähnlichen Prinzipien und Gedankengängen unterliegen. Vor allem haben alle gemeinsam, dass der Organisationsstil trotz Eliminierung von Hierarchiestufen und Verantwortungsübertragung auf “unteren” Ebenen grundsätzlich dem Wohl der Organisation und damit dem Wachstum des Unternehmens dienen soll.

Es gibt jedoch Unterschiede zur Organisationstheorie im herkömmlichen Sinne. Die klassische Theorie, im Speziellen das 1972 entwickelte Wachstumsmodell nach Greiner (vgl. Abbildung 1), stellt typische Wachstumsphasen in der Entwicklung einer Organisation und daraus resultierende Erfordernisse zur Veränderung dar. Die zentrale Erkenntnis des Modells: Unternehmen geraten in ihrem Unternehmenslebenszyklus fast automatisch in wachstumsbedingte Krisen. Unternehmerisch erfolgreiches Handeln führt zu Wachstum, dieses Wachstum wiederum führt zu Krisen. Diese Krisen müssen in den unterschiedlichen Phasen des Unternehmenslebenszyklus unterschiedlich gemanagt werden.

Am Anfang des Unternehmenslebenszyklus steht die initiale Kreativphase. In dieser Phase muss sich die Unternehmensidee entwickeln. Greiner spricht hier von „Wachstum durch Kreativität“. Ist die Idee entwickelt, folgt die Skalierung und es entstehen erste Strukturen und sich daraus ergebende Hierarchien und Verantwortlichkeiten. Häufig folgen diese in diesem Stadium noch deutlich einem Top-Down-Approach. Im Anschluss erkennt das Unternehmen, dass sich nicht mehr alles eindeutig und klar top-down lösen lässt und betritt die Phase des „Wachstums durch Delegation“. Verantwortlichkeiten müssen delegiert werden, da die Zahl der anstehenden Entscheidungen die Kapazität des Top-Managements überschreitet. Aus der folgenden Bürokratiekrise resultieren weitere Reorganisationsmaßnahmen, die zu „Wachstum durch Koordination“ führen. Die entstandenen einzelnen Einheiten bilden dann schnell eine komplexe Ansammlung von Abteilungen und Gruppen, die nicht nur koordiniert werden, sondern auch gewinnbringend zusammenarbeiten müssen. Schafft man es nun, dass die einzelnen Einheiten synergetisch zusammenarbeiten, ergo kooperieren, führt dies zu weiterem Wachstum. Diese Kooperation erfordert jedoch eine zentrale Steuerung, was dazu führt, dass in dieser Phase der Grad an Hierarchie in vielen Fällen wieder ansteigt. Weiteres Wachstum wird nun nur noch durch unternehmensübergreifende Vernetzung erreicht.

Abbildung 1: Das Wachstumsmodell nach Greiner (1972)

Das Modell zeigt, dass die Komplexität der Organisation durch Wachstum steigt. Analysiert man die Krisen, die Greiner in seinem Modell ausmacht genauer, erkennt man, dass alle darauf bezogen sind, die bestehende Struktur des Unternehmens möglichst beizubehalten. Dies funktioniert durch mehr Delegation. Die Struktur sollte möglichst beibehalten werden, da sich sonst die Identität des Unternehmens verliert. Dies resultiert in einer Tendenz in Richtung wieder stärkerer Hierarchie-Strukturen. Das Modell zeigt allerdings dahingehend keinen Pfad auf, der demonstriert, dass es auch gewinnbringend sein kann, Hierarchien und Strukturen vollständig aufzubrechen.

Anders ist dies in Self-Managing Organisations. Diese begreifen das Nicht-Vorhandensein von gewissen Strukturen als einen Teil der Unternehmensidentität. Abbildung 2 stellt die unterschiedliche Ausprägungsstärke von Hierarchie in Self-Managing Organisations und der klassischen Theorie anschaulich dar.

Beide Formen beginnen im Zeitverlauf mit einem starken Aufbau an hierarchischen Strukturen. Wie in der Praxis häufig zu beobachten, experimentieren Unternehmen der klassischen Theorie zufolge, im Zeitverlauf mit verschiedenen Ausprägungen von Hierarchie. Auf lange Sicht werden tendenziell wieder stärkere Hierarchiestrukturen implementiert. Self-Managing Organisations andererseits lassen beinahe gänzlich ab von Hierarchie und bleiben langfristig auf einem niedrigen Niveau. Spannend ist hierbei zu beobachten, dass grundsätzlich beide Unternehmensformen wirtschaftlich positiv performen können.

Abbildung 2: Hierarchie im Unternehmenslebenszyklus – Klassische Theorie vs. Self-Management-Organisationen

Am Beispiel Haier wollen wir nachfolgend erläutern, wie eine Self-Management Organisation in der Praxis operieren kann. Wie zu Beginn bereits erläutert, durchlief Haier mehrere Transformationen, welche allesamt sieben Jahre andauerten – alle unter demselben CEO. Von großer Bedeutung sind jedoch nur die letzten beiden. Ruimin baute über zwei Jahrzehnte strikte Hierarchien auf und führte den  Konzern nicht nur zu Struktur und Ordnung, sondern auch zu herausragender Profitabilität und Wachstum. 2005 führte Ruimin eine Inverse Pyramide mit selbst-gemanagten Teams ein. Die Grundlage bildete eine vollständig demokratische Entscheidungsfindung. Mitarbeiter konnten über die Annahme oder Ablehnung von neuen Projekten abstimmen und den oder die jeweiligen Projektleiter/in wählen. Diese/r suchte sich dann eigenständig das Projektteam zusammen. Dieses arbeitete selbst verantwortlich und war voll verantwortlich für die eigenen Gewinne und Verluste.

Allerdings hielt auch diese Organisationsform nur sieben Jahre an und wurde 2012 wieder verändert. Mit dem Einzug der Plattformökonomie und netzwerkbasierten Großkonzernen musste Haier die Inverse Pyramide wieder abschaffen. Laut CEO Ruimin war dies aber ein Schritt in die richtige Richtung. Ruimin eliminierte das gesamte Middle-Management (10.000 Mitarbeiter) und zerschlug Haier in ein Ökosystem aus Mikro-Start-ups. Aus Projektteams, Zentralabteilungen, Vertriebsteams, Entwicklungsteams und anderen Einheiten wurden eigenständige Start-ups geschaffen. Insgesamt entstanden mehr als 200 Mikro-Unternehmen mit direktem Kundenkontakt und über 3.800 Mikrounternehmen für Service und Support. Jedes dieser Start-ups ist seitdem vollständig selbst verantwortlich und hat die freie Entscheidungsgewalt zum Beispiel über Personalthemen oder die Gewinnverteilung. Auch wenn sich die Unternehmen gegenseitig unterstützen, sind die aus Haier entstandenen Start-ups anstelle von Hierarchien und Aufbau- oder Ablauforganisationsformen lediglich durch marktgetriebene Vertragsmechanismen verbunden. Die Mitarbeiter sind meist anteilsmäßig an ihren Start-ups beteiligt. Das Haier-Ökosystem wird somit zu einer unternehmerisch denkenden Plattform und entwickelt die Angestellten zu unternehmerisch denkenden „Machern“.

Wie implementiert ein Unternehmen erfolgreiches Self-Management?

Nun stellt sich die Frage, welche Erkenntnisse ein deutscher Mittelständler aus dieser einzigartigen Entwicklung ziehen kann und wie er diese gewinnbringend übernehmen bzw. zur Orientierung und Inspiration heranziehen kann. Dazu müssen die Erfolgstreiber des Organisational Self-Management analysiert und direkt an die Realitäten eines deutschen Mittelständlers angepasst werden. Diese sind in Abbildung 3 dargestellt.

Abbildung 3: Erfolgsfaktoren und Maßnahmen zu einem erfolgreichen Organisation Self-Management

Verschiedenste Berufsbilder werden durch fortschreitende Digitalisierung und Automatisierung immer komplexer – auch und insbesondere in typisch mittelständischen Industrien. Bürokaufleute sind heute schon mehr Büro- und Projektmanager und müssen auch in übergeordneten Geschäftsprozessen mitdenken. Gleichzeitig möchten sich Mitarbeiter mitgenommen und am großen Ganzen beteiligt fühlen. Wenn dies der Fall ist und Mitarbeiter merken, dass die eigene Arbeitsleistung durchaus etwas bewegen kann, führt das zu deutlich gesteigerter Motivation und steigender Arbeitsleistung. Diese Anerkennung kann demonstriert werden, indem Mitarbeitern Autonomie und Selbstbestimmung zugestanden wird – des ersten zentralen Erfolgsfaktors des Organizational Self-Management. Haier hat dies im Extremen umgesetzt. Nicht jeder Mittelständler eignet sich für solch eine drastische Transformation. Es ist jedoch zu empfehlen in kleinen Schritten in diese Richtung zu gehen. So können Sie beispielsweise dazu übergehen, sich Teams in gewissen Punkten selbst managen zu lassen und ihnen so mehr Entscheidungsspielräume zu lassen. Selbstverständlich darf dabei die Unternehmensmission nicht aus den Augen verloren werden – diese Mission sollte auch für das sich selbst managende Team die Grundlage jedes Handelns sein.

Eng damit verwandt ist der zweite Erfolgsfaktor des Organizational Self-Management – die Verschlankung der Hierarchiestrukturen durch das Eliminieren des Middle-Managements. Überlässt man den Mitarbeitern mehr Entscheidungsspielräume, müssen zwangsläufig auch weniger Entscheidungen auf Ebene des mittleren Managements getroffen werden. Diese Entscheidungsinstanz wirkt sich oft hinderlich auf Autonomie und Selbstbestimmung der Teams aus. Mittelständler sollten hier ihre Strukturen in der Form überdenken und anerkennen, dass es nicht notwendig ist, Middle-Manager nur einzusetzen, um einer weiteren Person für gewisse Prozesse in die Verantwortung übertragen zu können. Stattdessen müssen die Teams hier selbst in die Verantwortung genommen werden. Zudem bringt dieser Schritt oberste Führungsebene und Mitarbeiter näher zusammen, und sorgt so für eine stärkere Identifizierung mit dem Unternehmen und führt dadurch zu dynamischeren und agileren Prozessen.

Bei Konzernen aber auch bei Mittelständlern lässt sich häufig beobachten, dass Abteilungen nahezu gegeneinander arbeiten, indem sie sich gegenseitig die Verantwortung für Prozesse zuordnen, aber die gegenseitigen Potentiale und mögliche Synergien nicht erkennen. Dieses Problem liegt darin begründet, dass die Verantwortung in solchen Strukturen nicht bei den ausführenden Personen liegt. Überträgt man aber Eigenverantwortung auf die ausführenden Personen, entsteht ein stärkerer Geschäftssinn, der die Erfüllung der Unternehmensmission in den Vordergrund stellt. Stellt man sogar wie Haier die einzelnen Teams und Abteilungen als eigene Mikro-Unternehmen auf, finden sich die einzelnen Mikro-Unternehmen zum einen im positiven Wettbewerb, zum anderen aber auch im gleichen Ökosystem wieder. In diesem Ökosystem – dem dritten Erfolgsfaktoren der Self-Managing Organisations – können Start-ups, Teams oder Abteilungen synergetisch und auf Marktmechanismen basierend zusammenarbeiten.

Der vierte Erfolgsfaktor der Self-Managing Organisations ist die Incentivierung der Mitarbeiter. Schon in der klassischen Management-Schule wird gelehrt, dass man die intrinsische Motivation der Mitarbeiter bedienen sollte, um sie langfristig zu motivieren. Anstelle von intrinsischen Motiven sind in der Praxis oft Gehalt, Beförderungschancen oder sogar die drohende Gefahr, entlassen zu werden häufige Motivationsfaktoren. Keine dieser Faktoren sind nachhaltig und bieten somit keine wertvollen Anreize. Mitarbeiter handeln deshalb nicht immer zum Wohle der Unternehmensmission, sondern lediglich mit dem Ziel, diesem Faktor gerecht zu werden. Resultierend arbeitet der Mitarbeiter lediglich höheren Ebenen zu. Wenn Mitarbeiter am Unternehmenserfolg beteiligt werden, entwickelt sich ein eigenes ökonomisches Interesse an einer positiven Unternehmensperformance und es wird ganzheitliches Denken gefördert.

Der letzte Erfolgsfaktor ist zugleich auch der wichtigste, da er maßgeblich in alle anderen Faktoren mit hineinspielt und daher schon mehrmals erwähnt wurde. Die gesamte Idee der Self-Managing Organisations baut auf der Pflicht und Notwendigkeit zur Verantwortungsübernahme der Mitarbeiter auf. Nur wenn Mitarbeiter sich der Verantwortung stellen und Führung über ihre eigenen Projekte übernehmen wollen, hat das Konzept der Self-Managing Organizations Erfolg.

Es gibt somit kein eindeutiges und eindeutiges Konzept, dem alle Self-Managing Organisations folgen. Allerdings gibt es viele Prinzipien nach denen erfolgreiche Self-Managing Organisations arbeiten und von denen sich jedes Unternehmen einige Punkte abschauen kann. Ein größerer Entscheidungsspielraum, größere Verantwortung eines jeden einzelnen für sein Tun und Handeln und flache Hierarchien führen zu agilen Strukturen im Unternehmen, welche sich bekanntlich sehr positiv auf den Unternehmenserfolg auswirken.

Angewandtes Self-Management kann den Unternehmenserfolg sicherstellen

Eine Sache ist somit klar geworden – es gibt nicht den einen Weg, mit dem man sein Unternehmen zu einer erfolgreichen Self-Managing Organisation umbauen kann – vor allem dann, wenn das Unternehmen schon seit einiger Zeit am Markt etabliert ist. Unternehmen sind einzigartige Organisationen mit unterschiedlichen Ansprüchen, Missionen und Visionen, Herangehensweisen, und Zielgruppenstrukturen. Trotz dieser Unterschiede gibt es organisationstheoretisch einige allgemeingültige Wege, eine Organisation sinnvoll und gewinnbringend aufzubauen. Die Organisationstheorie ist jedoch, wie jede andere Theorie, ständig neuen Einflüssen und Veränderungen ausgesetzt. Im Zuge der sich verändernden Arbeitswelt und dem Wandel hin zu großen Plattformökonomien entstehen auch neue Einflüsse auf die Art und Weise des Managements von Organisationen. Stringente, geradlinige Organisationsformen brechen mehr und mehr auf.

Bestehende Self-Managing Organisations und ihr Erfolg verändern die Wahrnehmung von Organisationen und Hierarchien und motivieren dazu, klassische Organisationsstrukturen zu hinterfragen. So experimentieren Unternehmen schon länger mit flachen Hierarchien und agilen Strukturen und machen damit meist sehr positive Erfahrungen. Diese konnten auch wissenschaftlich belegt und nachgewiesen werden. Ausgehend von dieser Erfahrung sollte sich jedes Unternehmen über die einzelnen Erfolgsfaktoren von Self-Managing Organisations Gedanken machen und versuchen, die zugrunde liegenden Prinzipien, oder zumindest einen Teil davon, auch im eigenen Unternehmen zu etablieren – ganz im Sinne des nachhaltigen unternehmerischen Erfolgs. Wenn sich das Prinzip zukünftig weiter etabliert, können die aufgebrochenen Strukturen durch frische und dynamische ersetzt werden. Dadurch werden Unternehmen flexibler und können leichter und schneller auf sich verändernde Wettbewerbsbedingungen reagieren. Gerade für den deutschen Mittelstand ist diese Flexibilität ein guter Weg, international wettbewerbsfähig zu bleiben und weiterhin der Motor der deutschen und europäischen Wirtschaft zu sein.

Während sich Business Intelligence auf die Auswertung historischer Ereignisse konzentriert, versucht Advanced Analytics Vorhersagen über die Zukunft zu machen und wie sich Parameteränderungen auf zukünftige Ereignisse auswirken. In zahlreichen Unternehmensbereichen kommt Advanced Analytics bereits zum Einsatz, um beispielsweise Marketingstrategien an Zielgruppen anzupassen, bedarfsgerechte Wartungszyklen zu definieren oder Ausfallrisiken von Maschinen zu minimieren. Doch auf strategischer Ebene findet Advanced Analytics in vielen Unternehmen bislang wenig Anwendung – trotz zahlreicher Mehrwerte. Ein wichtiger Erfolgsfaktor bei der Einführung von Advanced Analytics ist das Schaffen einer Kultur, in der Daten integraler Bestandteil der Arbeit sind.

Die Anwendungsvielfalt von Advanced Analytics

Der enorme Zuwachs an Datenmengen bei Unternehmen und die Möglichkeiten große Datenmengen bei geringen Kosten zu verarbeiten und auszuwerten, hat die Anwendung von Advanced Analytics maßgeblich gefördert. Als Teilbereich der Datenverarbeitung setzt Advanced Analytics den Fokus auf das Vorhersagen der Zukunft und agiert damit gegensätzlich zu Business Intelligence, bei dem es um historische Ereignisse und deren Auswertung geht. Advanced Analytics soll helfen zu verstehen, was in der Zukunft passieren wird und wie sich die Änderung eines Parameters auf zukünftige Ergebnisse auswirken wird.

Aufgrund des Fortschrittscharakters setzen die Erstellung und Anwendung von Modellen im Bereich Advanced Analytics fortgeschrittene statistische Methoden- und Programmierkenntnisse voraus. Häufig eingesetzte Tools sind beispielsweise Clusteranalysen, Text bzw. Data Mining, Regressionsanalysen, Machine Learning und künstliche neuronale Netze. Advanced Analytics findet mittlerweile in allen Unternehmensbereichen Anwendung. Clusteranalysen werden häufig im Marketing angewandt. Mithilfe von Algorithmen werden Verbraucherdaten analysiert und gruppiert. Auf diese Weisen können Marketingstrategien und Werbekampagnen besser auf Zielgruppen abgestimmt werden. Sentiment-Analysen sind eine Form des Text Mining. Dabei werden Textphrasen zu beispielsweise einem Unternehmen und dessen Produkten durchsucht, um die aktuelle Stimmungslage festzustellen, da es praktisch nicht möglich ist, alles durch Mitarbeiterinnen und Mitarbeiter zu erfassen.

Im Bereich von Manufacturing ist Predictive Maintenance ein bedeutendes Thema. Bei Unternehmen mit großer Infrastruktur und technischer Ausrüstung sind die Kosten von Ausfallzeiten maschineller Anlagen aufgrund von Maschinenproblemen sehr kostspielig. Mithilfe der Auswertung von Daten und Metriken können bedarfsgerechte Wartungszyklen definiert werden und so die Effizienz der Maschine gesichert und ein potenzielles Ausfallrisiko minimiert werden. Dynamic Pricing fällt ebenfalls in den Bereich von Advanced Analytics. Mithilfe variabler Preise sollen bestmögliche Umsatzergebnisse erreicht werden. Die Preisanpassungen richten sich nach prognostizierten Bedarfsschwankungen und versuchen die größtmögliche Preisbereitschaft der Kunden abzuschöpfen.

Bedeutend ist, dass Advanced Analytics zwar in allen Unternehmensbereichen eingesetzt wird, allerdings wenig Anwendung auf strategischer Ebene findet. Strategische Entscheidungen basieren auf Daten und der Erfahrung des Managements. Es fließen Kreativität, out-of-the-box Denken und konzeptionelles Denken ein. Mithilfe von Advanced Analytics können strategische Entscheidungen um ein Vielfaches besser werden. Zahlreiche Mehrwerte sollten die Strategieebene eines Unternehmens davon überzeugen.

Mehrwerte von Advanced Analytics für Corporate Strategy

Advanced Analytics kann helfen neue Wachstumschancen und Trends zu identifizieren. Dabei kann es sich um neue Produktideen, neuartige Anwendungsmöglichkeiten für bereits bestehende Produkte handeln oder attraktive Akquisitionsobjekte, die in der Zukunft ein Trendthema bedienen und derzeit noch stark unterbewertet sind. Zum Einsatz kommen dabei Data und Text Mining und Netzwerkanalyse. Öffentlich zugängliche Quellen können nach Produkten des Unternehmens und Verbindungen zu anderen Begriffen analysiert werden. So kann beispielsweise abgeleitet werden, falls ein Produkt in einem gewissen Zusammenhang Anwendung findet, wofür es ursprünglich nicht vorgesehen wurde. Auf diese Weise lassen sich neue Anwendungsmöglichkeiten für existierende Produkt identifizieren. Auch die Auswertung der Häufigkeit von bestimmten Begriffen und Textphrasen kann als Instrument zur Trendidentifikation dienen. Mit Sentimentanalysen kann ergänzend auch erkannt werden, ob es eine positive oder negative Haltung zu dem Begriff gibt, um die allgemeine Stimmungstendenz abzufangen. Zentrale Herausforderung ist der Zugang zu öffentlichen Daten, die zur Analyse hinzugezogen werden können. Versteckte Innovationen, über die noch keine Daten öffentlich vorliegen, lassen sich daher nicht erkennen.

Ein weiterer zentraler Mehrwert von Advanced Analytics ist es Entscheidungen herauszufordern und zu benchmarken. Es ist unbestritten, dass strategische Entscheidungen ressourcen- und kapitalintensiv sind. Basieren diese zu stark auf der internen Perspektive des Unternehmens bzw. sogar einzelner Mitarbeiter, besteht die Tendenz, dass Aufwendungen, Kosten und Projektlaufzeiten unterschätzt werden. Advanced Analytics kann die Entscheidungsfindung dahingehend unterstützen, dass der Markt nach ähnlichen Vorhaben und deren Ergebnissen analysiert wird. Durch derartige Datenanalysen können Wahrscheinlichkeiten von Erfolg und Misserfolg geliefert werden, bevor Kapital und Ressourcen eingesetzt werden. So kann beispielsweise die Analyse von M&A Transaktionen innerhalb einer Branche helfen zu verstehen, ob die anvisierten Profitabilitätsziele tatsächlich mit diesem Vorhaben erreichbar sind oder Anpassungen der Strategie erforderlich sind. Herausforderung ist, dass ähnliche Entscheidungsfälle und deren Ergebnisse in der Vergangenheit existierten und deren Informationen abrufbar sind.

Neben der Entscheidungsunterstützung können mithilfe von Advanced Analytics komplexe Zusammenhänge und Entwicklungen besser verstanden werden. Die Marktdynamik ist vielschichtig und durch eine Vielzahl von Variablen geprägt, die Akteure und deren Entscheidungen repräsentieren. Das menschliche Verständnis kann diese nicht alle erfassen. Mathematische Modelle und Simulationen können ein Abbild der Realität schaffen und helfen die Auswirkungen strategischer Entscheidungen anschaulicher zu machen. Wie werden beispielsweise Wettbewerber und Kunden bei der Reduktion von Produktpreisen reagieren und wie wird sich das Verhalten von Kunden verändert, könnten Anwendungsbeispiele sein. Dabei werden den Akteuren Regelsätze zugewiesen, die deren Entscheidungsmuster repräsentieren. Simulationsmodelle, Machine-Learning-Ansätze und Systemdynamik sind angewandte Advanced Analytics Werkzeuge. Die Schwierigkeit besteht dabei, die für das Modell einzubindenden Variablen zu finden und deren Entscheidungsmuster zu identifizieren, um das Modell so real wie möglich zu gestalten.

Zuletzt sei noch auf das Thema Überzeugung von Mitarbeiterinnen und Mitarbeitern mit tiefgründiger Datenanalyse hingewiesen. Menschen für eine Idee oder neue strategische Ausrichtung zu überzeugen und zu begeistern ist eine Herausforderung – besonders wenn es um innovative Themen und starke Veränderungen im Umfeld der Personen geht. Eine solide Datengrundlage kann dabei helfen, Menschen zu überzeugen, da die Entscheidung auf einer Kette valider Argumente mit Szenarien, mehreren Perspektiven und gut durchdachter Annahmen basiert. Bauchgefühl, Intuition und unbegründete Meinungsbildung verlieren an Bedeutung, wodurch Entscheidungen zu besseren Ergebnissen führen. Trotz der Attraktivität von Daten, darf der Mensch nicht im Entscheidungsprozesse vergessen werden.

Abbildung 1: Mehrwerte von Advanced Analytics auf Strategieebene

Erfolgsfaktoren für Advanced Analytics auf Strategieebene

Die Mehrwerte machen deutlich, warum Advanced Analytics auf Strategieebene Anwendung finden sollte. Zu beachten sind dabei einige Erfolgsfaktoren, die für nachhaltig positive Resultate sorgen und nachfolgend vorgestellt werden.

Advanced Analytics hat enormes Wertschöpfungspotenzial und kann deutlich bessere Lösungen für Geschäftsprobleme identifizieren als ohne Anwendung. Viele Führungskräfte sind sich des Potenzials gar nicht bewusst und finden keine konkreten Anwendungsfälle innerhalb ihrer Geschäftsbereiche und Funktionen. Es mangelt an einem unternehmensweiten Überblick über die Möglichkeiten sowie falsche Kommunikation an alle Mitarbeiter. Das Management muss daher ein Bewusstsein schaffen und eine Daten- und Analysestrategie beschließen. Hilfreich ist auch, Pilotprojekte zu starten in Bereichen mit dem größten Potenzial und daraus weitere Projekte zu initiieren.

Die Menge an Daten und damit verbunden auch die möglichen Datenquellen wachsen rasant. Häufig besteht eine Überforderung, welche Daten erforderlich sind und welche Quellen genutzt werden sollen. Abhilfe kann dabei das Denken in Form von Use Cases helfen. An konkreten Anwendungsfällen wird erarbeitet was für Daten gebraucht werden, um dann gezielt auf die Suche nach Quellen zu gehen. Zu empfehlen ist auch die Etablierung einer Data Governance und Prozessen im Umgang mit Daten. Ziel ist es ein hohes Qualitätsniveau sicherzustellen und Zugriffsrechte für spezifische Personengruppen zu gewährleisten.

Viele Unternehmen zögern, das Potenzial von Advanced Analytics voll auszuschöpfen und für Entscheidungszwecke einzusetzen. Es besteht auch die Furcht vor Fehlschlägen bei der Anwendung in Unternehmen. Ganz im Gegenteil hierzu sind viele Start-ups, die stark datengetrieben sind und bei denen eine aktive Test- und Lernkultur besteht. Fehler sind Lernquellen, die zu Verbesserungen führen. Eine derartige Kultur muss ebenfalls in Unternehmen geschaffen werden. Daten müssen integraler Bestandteil der Arbeit werden. Daher sollte die Schaffung einer datengetriebenen Test- und Lernkultur, die Schulung der Mitarbeiter und die Bereitstellung der richtigen Tools und Technologien auf der Agenda stehen.

Data Scientists sind derzeit sehr gefragt, daher ist eine ausgeklügelte Einstellungsstrategie entscheidend, um diese Talente anzuziehen und langfristig zu binden. Neben dieser Personengruppe sind auch Business Experten mit Analytics-Kenntnissen wichtig, die Anwendungsfälle für Advanced Analytics identifizieren, Probleme formulieren und die Ergebnisse in Unternehmen nutzbar machen können. Sie agieren als „Datenübersetzer“ in der Schnittstelle der Data Scientists und der Business Units.

Sind diese vier Erfolgsfaktoren gesichert, kann Advanced Analytics im Unternehmen gewinnbringend eingesetzt werden – mit einer hohen Akzeptanz aller Mitarbeitenden des Unternehmens.

Abbildung 2: Erfolgsfaktoren für Advanced Analytics auf Strategieebene

Weiterführende Inhalte