{"id":8938,"date":"2021-04-16T08:00:26","date_gmt":"2021-04-16T06:00:26","guid":{"rendered":"https:\/\/www.sage.com\/de-de\/blog\/?p=8938"},"modified":"2025-05-07T16:00:18","modified_gmt":"2025-05-07T14:00:18","slug":"interview-mit-hartmut-koenig-von-adobe-ueber-datennutzung","status":"publish","type":"post","link":"https:\/\/www.sage.com\/de-de\/blog\/interview-mit-hartmut-koenig-von-adobe-ueber-datennutzung\/","title":{"rendered":"Interview mit Hartmut K\u00f6nig von Adobe \u00fcber Datennutzung"},"content":{"rendered":"
\n\t
\n\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\tDatenbasiert entscheiden<\/a>\t\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t
\n\t\t\t\t\t

\n\t\t\t\t\t\tInterview mit Hartmut K\u00f6nig von Adobe \u00fcber Datennutzung\t\t\t\t\t<\/h1>\n\t\t\t\t<\/div>\n\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t<\/div>\n\t\t

\n\t\t
\n\t\t\tver\u00f6ffentlicht am
\n\t
\n\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t
\n\t\t\t\n\t\t\t\t\"Stefan\t\t\t\tStefan Dold<\/span>\n\t\t\t<\/a>\n\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

Unternehmen investieren umfangreich in Data Scientists, Rechenzentren und Analyseprogramme. Doch was, wenn trotz des Aufwands wenig dabei herauskommt? Was ist die beste Vorgehensweise bei der Datennutzung und -aufbereitung?<\/p>\n\n\n\n

\u201eAkzeptanz bis in die Ebene der Gesch\u00e4ftsf\u00fchrung ist wichtig\u201c <\/strong><\/h3>\n\n\n\n

Wir fragen dazu Hartmut K\u00f6nig, CTO Central Europe bei Adobe. Er ist f\u00fcr L\u00f6sungen der Adobe Experience Cloud verantwortlich und kennt und betreut viele Kunden im Mittelstand.<\/p>\n\n\n\n

Herr K\u00f6nig, Unternehmen sammeln zwar immer mehr Daten, die dann doch relativ ungenutzt bleiben. Warum f\u00e4llt es vielen Unternehmen so schwer, mit Daten zu arbeiten?<\/strong><\/p>\n\n\n\n

\"\"
\u00a9 Foto: Adobe<\/figcaption><\/figure>\n\n\n\n

Es ist simpel gesagt nicht einfach, mit Daten zu arbeiten. Es gibt schon seit 15 bis 20 Jahren Datenprojekte, Stichwort \u201eData Warehouse\u201c, aber die Daten liegen oft entweder in Silos oder sind in hochkomplexen Systemen vereint, die nur sehr wenigen Fachleuten, zum Beispiel Data Scientists, zug\u00e4nglich sind. Oft werden die Daten allein zum Reporting von KPIs (Key Performance Indicators) verwendet. Sie beantworten die Frage \u201eHat eine Abteilung ihre Key Objectives erreicht?\u201c \u2013 werden jedoch weder explorativ noch in Real-Time genutzt. Reporting ist zwar auch etwas Gutes, aber man verpasst die Chance, mit den Daten zum Beispiel Trends zu erkennen oder Kundengruppen, die auf Produkte reagieren.<\/p>\n\n\n\n

Schwierig ist nicht zuletzt folgender Schritt: Wenn ich anfange, datengetrieben zu arbeiten, ist die \u201eHIPPO\u201c, also Highest Paid Person Opinion, weniger wert als die Daten. Ich muss der Meinung der am besten bezahltesten Leute im Unternehmen Grenzen setzen. Je weiter oben die Leute stehen, die sich von Daten kaum beeindrucken lassen, desto schwieriger wird es.<\/p>\n\n\n\n

Wie weit ist der Mittelstand, wenn es um datengetriebenes Arbeiten geht? <\/strong><\/p>\n\n\n\n

Es ist weniger ein vertikales Thema. Das hei\u00dft, der Mittelstand ist nicht weniger weiter als gro\u00dfe Konzerne, sondern es h\u00e4ngt eher an der Affinit\u00e4t einer Branche zu Daten. Mittelst\u00e4ndische Versicherungen treffen schon seit Jahrzehnten datengetriebene Entscheidungen, z.B. f\u00fcr ihre Tarife und wie sie ihre Kunden managen. Unternehmen im Handel nutzen Daten, um besser zu verstehen, was auf ihren Plattformen passiert. Genauso gibt es Gro\u00dfkonzerne, die daraufsetzen, dass das eigene Produkt wichtiger ist als das Verst\u00e4ndnis des Kunden. Die Zeit mit Covid hat die Digitalisierung beschleunigt und durch den Online-Kundenkontakt einen Bedarf geschaffen, den viele Unternehmen jetzt aktiv angehen.<\/p>\n\n\n\n

Wie m\u00fcssen Daten beschaffen sein, damit sie ihr Potenzial entfalten k\u00f6nnen?<\/strong><\/p>\n\n\n\n

Daten entfalten Ihr Potential aus dem Kontext heraus und im Kontext, in dem sie verwendet werden. Daraus entstehen die Use Cases. Wenn ich im Internet of Things Daten erhalte, kann ich mit Predictive Maintenance z.B. vorhersagen, bei welcher Laufleistung ein Lastwagen in die Werkstatt zum Service muss \u2013 und ich habe vielleicht noch Sensoren, die feststellen, wann der Lastwagen lauter geworden ist. So ist hervorragendes Service-Management m\u00f6glich und kann proaktiv den Termin ansto\u00dfen, bevor der Lastwagen in echte Probleme ger\u00e4t und liegen bleibt.<\/p>\n\n\n\n

Daten aus Content lassen sich mit Verf\u00fcgbarkeiten f\u00fcr Logistik und Kundensegmenten f\u00fcr hervorragendes Empfehlungs-Marketing kombinieren. Ich kann in Kampagnen also Botschaften relevanter machen, Marketing gezielter und die Personalisierung besser machen. Zur\u00fcck zur These am Anfang: Daten werden durch den Kontext, aus dem sie stammen und durch den Kontext, in den sie gesetzt werden, wertvoll.<\/p>\n\n\n\n

Was sind die typischen H\u00fcrden und Stolpersteine auf dem Weg zum datenzentrierten Unternehmen?<\/strong><\/p>\n\n\n\n

Wir haben als Adobe selbst diesen Wandel durchgemacht und gemerkt, dass dieser \u201eHippo\u201c Stolperstein, also \u201eHighest Paid Person Opinion\u201c, mit der Bedeutsamste ist. Wer auf allen Levels und allen Hierarchie-Ebenen einen Konsens findet, kann ein erfolgreiches datengetriebenes Unternehmen werden. Ein gemeinsames konsistentes Verst\u00e4ndnis von KPIs entlang der Wertsch\u00f6pfungskette ist dabei wichtig.<\/p>\n\n\n\n

\u201cToo big data\u201c ist ein weiteres Problem.  Irgendwann \u00fcberfordern zu viele Daten alle. Daher empfehle ich jedem Unternehmen nach dem Motto \u201ecrawl \u2013 walk \u2013 run\u201c klein anzufangen und den ersten Schritt machen. Am besten jetzt anfangen und quick wins, also schnelle Erfolge anstreben, statt in einem Jahr die ersten Erkenntnisse zu ziehen. Also warum nicht mit einer kleinen Kampagne starten, mit einer Personalisierung anfangen und daraus lernen, statt irgendwelche Flugzeugtr\u00e4ger zu konzipieren, die niemals schwimmen werden.<\/p>\n\n\n\n

Wie sollte man sich im Unternehmen neu aufstellen, um das Potenzial von Daten zu erschlie\u00dfen? <\/strong><\/p>\n\n\n\n

Unternehmen haben gewachsene Strukturen. Es neu aufzustellen f\u00fchrt nicht unbedingt zu Verbesserungen, wie zum Beispiel, dass Silos abgeschafft werden. Akzeptanz f\u00fcr Daten bis in die Ebene der Gesch\u00e4ftsf\u00fchrung ist wichtig und bedeutet auch regelm\u00e4\u00dfiges, konsequentes Handeln. Hier wieder das Beispiel Adobe: Unser Vorstand hat jede Woche die wichtigen Daten im Blick. Die erste F\u00fchrungsebene hat die gleichen Daten immer im Blick \u2013 erst recht, wenn ein Treffen mit dem Vorstand ansteht.<\/p>\n\n\n\n

Braucht man noch Datenwissenschaftler im Unternehmen?<\/strong><\/p>\n\n\n\n

Die Software kann nicht alles abnehmen. Es kommt immer auf die Anwendungsf\u00e4lle an, aber wir brauchen eine solide Datengrundlage, ein Data-Cleansing. Wenn ich Datenpunkte zusammenbringe, die nicht zusammengeh\u00f6ren, baue ich irgendwann auf Sand. Es d\u00fcrfen also keine Datenstrukturen geschaffen werden, die falsche Ergebnisse liefern. Deswegen: Ich brauche Experten. Die Expertise k\u00f6nnen Unternehmen aber f\u00fcr die Aufbauzeit auch extern einkaufen.<\/p>\n\n\n\n

Zweitens ist die Frage, welche Rolle explorative Datenanalysen, also das Forschen nach Fragen, die ich nicht gestellt habe, spielen. Das k\u00f6nnen Datenwissenschaftler sehr gut, wir brauchen die Leute. Aber Datenanalyse wird das Unternehmen nicht ver\u00e4ndern, wenn die anderen nicht mitziehen. Wichtig ist deshalb auch die Demokratisierung der Daten: Wenn die Fachabteilung einfachen Zugang zu den Daten hat, wird sie diese auch nutzen.<\/p>\n\n\n\n

Wie werden Daten am Ende zum Wettbewerbsvorteil?<\/strong><\/p>\n\n\n\n

Es wird auf jeden Fall zu einem Nachteil, wenn man sich nicht mit Daten besch\u00e4ftigt. In dem Moment, wenn ein Unternehmen digitales Business betreibt und sich in irgendeiner Form multinational aufstellt \u2013 und das tun viele Mittelst\u00e4ndler \u2013 sollte es sich mit Daten besch\u00e4ftigen. Es ist das alte Thema: Unternehmen investieren, um m\u00f6glichen Wettbewerbsnachteilen zuvorzukommen. Datenpunkte gab es fr\u00fcher auch schon, zum Beispiel in Form der Augen und Ohren der Unternehmensf\u00fchrung, die auf Veranstaltungen nach neuen Trends suchten. In diesen Zeiten, wo es keine Messen und Konferenzen gibt, ist es eine Chance und ein guter Zeitpunkt, diese Themen rund um Daten ins Spiel zu bringen und f\u00fcr Aufmerksamkeit zu werben.<\/p>\n\n\n\n

K\u00fcnftig wird es noch mehr Daten in jedem Unternehmen geben. Wie k\u00f6nnen wir die Flut im Blick und im Griff behalten?\u200e<\/strong><\/p>\n\n\n\n

Einfach sammeln, was man sammeln kann und dann sehen, was passiert ist nicht die richtige Strategie. Besser ist es, in Use Cases zu denken: Was haben wir vor? Welche Daten sind wirklich relevant? Und wie wollen wir sie nutzen? Die Alternative, beliebig Daten auf Halde zu legen, um sie mit der Magie von KI- und Machine-Learning-L\u00f6sungen nutzbar zu machen, verursacht enorme Kosten und bringt nicht die gleichen Ergebnisse.<\/p>\n \n

\n\t
\n\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t\t

#STAYFORACOFFEE: Die Experten-Talks von Sage<\/h2>\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t

<\/p>\n

Erfahren Sie in nur 45 Minuten<\/span> alles \u00fcber Themen die Unternehmer bewegen.
Nehmen sie an unseren kostenfreien <\/em>Webinaren<\/span> teil:<\/p>\n

<\/p>\n

<\/p>\n