Controller Magazin Special 5/2020

18 KPI Disruption durch AI/ML Was ist eigentlich „Key“ anKey Performance Indicators? Die technologischen Fortschritte der letzten Jahre sind atemberaubend. Dies gilt nicht nur für die Gewinnung und Erschließung völlig neuer Datenquellen, sondern auch für die Möglichkeiten, riesige Datenmengen unver- dichtet zu speichern und diese auf regelmäßige Muster und Abhängigkeiten hin zu analysieren. Die Anwendungsbereiche gehen jedoch weit darüber hi- naus, AI/ML lediglich für Prognosen – z.B. Sales Forecast – auf Basis des bestehenden Produkt-/Kundenportfolios im Rahmen des aktuellen Geschäftsmodells zu nutzen. „in fact, the most sophisticated businesses – those that appreciate and understand digital transformation and ac- countability – take a radically more dynamic KPI view“ (Schrage/Kion: Understand the Real Keys to Effective KPIs) Forschungsergebnisse des MIT zeigen beispielsweise wie Top Performer AI/ML für die Unternehmenssteuerung nutzen und was Unternehmen daraus lernen können (Schrage/Kiron: Leading with Next-Generation Key Per- formance Indicators) 1. Definieren und nutzen Sie KPIs als Treiber der stra- tegischen Veränderung KPIs werden von Top-Performern primär dafür eingesetzt, Erwartungen imRahmen der digitalen Transformation zu setzen und zu steuern und nicht nur um das aktuelle Bu- siness zu managen. KPIs werden nicht als zu erreichende Zielgrößen („not just tools for hitting one’s numbers“) ver- standen, sondern als Treiber der strategischen Verände- rung und um Potentiale für Verbesserungen zu erkennen 2. Verstehen und nutzen Sie Daten als Grundlage für das entdeckende Lernen neuer KPIs „… boiling out the KPIs from the data rather than setting the KPIs to be measured.“ Nicht die Optimierung beste- hender KPIs ist für die Top Performer das primäre Ziel, vielmehr geht es darum zu lernen, was eigentlich opti- miert werden muss. Auf der Basis von AI/ML können neue, für die strategische Ausrichtung des Unternehmens wichtige, Zielgrößen identifiziert und neue KPIs vorge- schlagen werden. 3. Trennen Sie sich von unnützen KPIs und bereinigen Sie den bestehenden KPI Dschungel „Learn what can and should be optimized.“ AI/ML ermög- licht die Identifikation von Ursache/Wirkungszusam- menhängen incl. deren Quantifizierung. Auf diese Weise können bisherige (vermeintliche) Zusammenhänge und deren Treiber validiert und unnütze KPIs ggf. bereinigt werden. 4. Verstehen und nutzen Sie KPIs als Data Sets für das Machine Learning Ein wesentliches Potential von AI/ML besteht darin, kon- tinuierlich aus den Daten zu lernen. Dies ermöglicht Steuerungsprozesse so aufzusetzen, dass die gelernten Treiber und derenWirkungen als Grundlage für Maßnah- men gesetzt werden und der Erfolg dieser Maßnahmen automatisiert getrackt werden kann. 5. Nutzen Sie AI/ML als Grundlage für das Verständnis tiefergehender komplexer Zusammenhänge Heutige KPI-Systeme basieren häufig auf einfachen ma- thematischen Verknüpfungen (ROI/EVA Kennzahlensys- teme). Selbst treiberbasierte Systeme, wie beispielsweise die Balanced Scorecard Systeme, arbeiten in der Praxis häufig mit stark vereinfachten Annahmen und reduzier- ten Datengrundlagen. Sozusagen nach dem Ansatz „Komplexitätsreduktion durch Weglassen“. AI/ML er- möglicht die Identifikation komplexer Zusammenhänge auf Basis unverdichteter Daten (Seufert/Treitz 2019). Auf dieseWeise können z.B. nicht nur direkte/indirekte Effek- te identifiziert und quantifiziert werden, sondern bei- spielsweise auch die regionale oder kundengruppenspe- zifische Gültigkeit dieser Effekte. 6. Richten Sie Ihre Datenhaltung auf die Möglichkei- ten von AI/ML aus Nicht nur neue Datenquellen (Breite), sondern auch die Granularität (Tiefe), d.h. der Detailgrad dieser Daten sind von entscheidender Bedeutung. Bei verdichteten Daten könnenwichtigeMuster und ggf. ursächliche Treiber durch AI/ML nicht richtig erkannt werden. Auch die Umformung und Generierung neuer Daten aus Rohdaten (Feature Selection/Engineering) spielen einewesentliche Rolle. KPIs als eine eigene Klasse von Data Assets können in diesem Kontext als Input für AI/ML eine zentrale Rolle spielen. 7. Die Chancen vonAI/ML für dieUnternehmenssteue- rung liegen primär nicht darin, das Forecasting im Rahmen des bestehenden Geschäftsmodells zu opti- mieren, sondern durch AI/ML neue Zusammenhänge undWirkungen zu verstehen, umneueMöglichkeiten und Potentiale zu erschließen.