Unternehmen müssen lernen, digitale Komplexität zu meistern

Man muss sich diese Zahl auf der Zunge zergehen lassen: Erst in 38 Prozent der Unternehmen tragen datengestützte Entscheidungen zum Geschäftserfolg bei. Dabei wird in absehbarer Zeit kaum ein Unternehmen Geschäftserfolge feiern, ohne zielführend mit riesigen Datenmengen zu jonglieren. Denn die Digitalisierung macht Unternehmensprozesse zunehmend dynamischer und komplexer. Um hier den Überblick zu behalten und aus den eigenen Unternehmensdaten zu lernen, müssen Organisationen Komplexität annehmen, statt sie um jeden Preis reduzieren zu wollen.

Ein friedliches Co-Working zwischen Mensch und Maschine ist dafür die Voraussetzung. Während Künstliche Intelligenzen repetitive Abläufe übernehmen und komplexe Zusammenhänge erkennen, erbringen menschlicher Verstand und Kreativität die eigentliche Interpretationsleistung. Auf diese Weise können zum Beispiel Marketingabteilungen im Blick behalten, welche Online-Kampagnen Interessenten nachhaltig in zahlende Kund*innen konvertieren und Logistikunternehmen auf Grundlage datengestützter Vorhersagen zuverlässige Aussagen über Zustellquoten oder CO2-Verbrauch treffen. Diese Potenziale haben auch die meisten Manager*innen längst erkannt. Allerdings mangelt es vielen Organisationen an Data-Science-Talenten, Datenstrategien oder den richtigen Tools, um sie umzusetzen.

Data Science trifft auf Unternehmergeist

An dieser Stelle kommen Fabian Rang und Thorsten Heilig ins Spiel: Die paretos-Gründer bringen zusammen, was in der Geschäftswelt dringend zusammengehört – Mathegenius und Unternehmergeist. Rang, der Machine-Learning-Experte, entwickelt komplexe Optimierungsalgorithmen und Digital-Unternehmer Heilig weiß, wie man sie für die Wirtschaft nutzen kann. Ihre Software-as-a-Service-Plattform ermöglicht es Unternehmen, mithilfe von Decision Intelligence (also KI-gestützten Empfehlungen zur Entscheidungsfindung) aus vorhandenen Daten Optimierungsmaßnahmen und Zukunftsszenarien abzuleiten. Das Besondere: Dank einer einfachen Bedienbarkeit macht sie Datenanalysen auch für unerfahrene Anwender zugänglich. Auf diese Weise verbindet paretos die Potentiale von Machine-Learning-Modellen mit der Expertise von Business-Entscheidern und erleichtert gleichzeitig die kollaborative Datennutzung über alle Abteilungsgrenzen hinweg.

Entstanden ist die Idee zu paretos bei einem Restaurantbesuch. Von einem gemeinsamen Freund werden Fabian Rang und Thorsten Heilig einander mit den Worten vorgestellt: “Ich glaube, ihr werdet euch bestens verstehen”. Denn beide teilen die Liebe zur Komplexität – eine Neigung, die sonst nur wenige Freunde zu angeregten Diskussionen stimuliert. Rang berichtet von den methodischen Optimierungsverfahren, die er unter anderem für den Rollout des BMW i3 und das Antriebsverfahren elektrobetriebener Züge mit dem M.I.T entwickelt hat; Heilig – damals COO der Daimler-Tochter moovel/REACH NOW – von den Herausforderungen, Unternehmen in die digitale Zukunft zu führen. “Unternehmen müssen sich auf die komplexe Welt der Digitalisierung einlassen, um sie zu meistern“, sagt Thorsten Heilig. „Fabians Data-Science-Verfahren waren deshalb für mich die Lösung, nach der ich selbst immer gesucht habe.” Ein konkreter Anwendungsfall, der wiederum Fabian Rang zur Weiterentwicklung seines theoretischen Algorithmus gefehlt hat: “Mir war immer klar: Wenn man meine Ansätze und Methoden automatisieren kann, kann eine viel breitere Masse davon profitieren.”

Schneller und besser als bestehende Daten-Tools

Die Idee, mithilfe von KI-Systemen aus vorhandenen Daten Optimierungsmaßnahmen und Zukunftsszenarien abzuleiten, ist zwar nicht neu. Aber mit seinem mehrdimensionalen, selbstlernenden Ansatz setzt paretos komplett neue Maßstäbe. Denn anders als herkömmliche Algorithmen, die nur eine spezifische Problemstellung auswerten können, ist der paretos-Algorithmus “Socrates” auf viele verschiedene Szenarien anwendbar und kann unterschiedliche Faktoren und Variablen gleichzeitig analysieren. Dadurch können Logistikunternehmen zum Beispiel ausloten, wie CO2-Verbrauch, Zustellgeschwindigkeit und Kosten aufeinander abgestimmt werden sollten, um die Gewinnmarge zu steigern. paretos übernimmt also die Zusammenführung aller dynamischen Faktoren, die viele digitale Organisationsprozesse heute so komplex machen.

Dafür generiert die Software im Hintergrund auf Basis der Kundendaten eine Reihe von optimierten Prognosen und Entscheidungsvorschlägen (Szenarien), aus denen alle Mitarbeiter*innen dann jeweils für ihren Fachbereich die richtigen Schlüsse ziehen können. Verglichen mit anderen KI-Anwendungen ist die Trefferquote für optimale Auswahlmöglichkeiten um einen Faktor 20–30 höher als bei bestehenden KI-Systemen. Auf diese Weise können Unternehmen etwa vier- bis fünfmal so effiziente Ergebnisse erzielen und haben zudem zum ersten Mal die Möglichkeit, anhand der eigenen Daten dynamisch und automatisiert immer wieder neue optimale Lösungen zu generieren.

Lernen durch Erfahrung

Möglich ist die genaue Zuordnung durch eine zwischengelagerte “Picker”-Schicht, die eine Vielzahl an vorhandenen Modellen und Optimierungen auswählt. Diese Schicht wurde über mehrere zehntausend Stunden lang trainiert und entwickelt sich immer weiter (Reinforcement Learning). Nur diese Automatisierung macht es überhaupt möglich, die Software für viele unterschiedliche Anwendungsfälle einzusetzen und sie einem breiten Publikum günstig zur Verfügung zu stellen.

Zum Vergleich: Algorithmen, die für Einzelprojekte entwickelt werden, wären fünfmal so teuer wie die Lizenzgebühren für paretos. Denn rein mathematisch betrachtet lassen sich die meisten unternehmerischen Szenarien sehr gut abstrahieren und kategorisieren. Basierend auf den Zuordnungen und den daraus resultierenden Entscheidungen lernt die Künstliche Intelligenz nach und nach, welches Optimierungsmodell für welche Anwendungsfälle am besten geeignet ist und liefert Ergebnisse immer schneller, genauer und zuverlässiger.

Für Unternehmen ist dieser KI-gestützte Lernprozess heute schon erfolgsentscheidend. Mit Blick auf die Zukunft wird er unerlässlich sein, um sich gegen den Wettbewerb zu behaupten. Das bedeutet: Wo die Digitalisierung bestimmte Prozesse immer schneller und vielschichtiger macht, müssen sich Führungskräfte und Fachexpert*innen auf die Hilfe von Maschinen einlassen. Allein schon, um Kopf und Hände wieder für kreative Ideen und innovative Gedanken frei zu machen.

Über die Gründer

Eigentlich hatte CTO Fabian Rang nach seinem Maschinenbaustudium in Karlsruhe schon einen festen Platz im Daimler-Universum. Nach drei Jahren entschied er sich aber, den sicheren Arbeitsplatz beim Stuttgarter Autobauer gegen eine Promotion im Bereich Systemtechnik und Mathematik zu tauschen – ganz im Sinne von Vater und Großvater (der eine Physiker, der andere Mathematiker), endlich ”was Gescheites” zu machen. Seine Forschung zum Thema „Effiziente multikriterielle Optimierung für teure hochdimensionale Blackbox-Probleme“ lässt Rangs Faszination für die Möglichkeiten mathematischer Methoden zur Behandlung komplexer Datenstrukturen bereits erahnen. Nachdem er in Lissabon kurzerhand noch Programmieren gelernt hat, um sein methodisches Wissen auch praktisch anwenden zu können, perfektionierte er seine Optimierungsansätze in unterschiedlichen Projekten, bevor er mit Thorsten Heilig paretos gründete.

Auch CEO Thorsten Heilig hat eine Schwäche für digitale Technologien. Allerdings betrachtet er ihre Vorzüge vor allem von der wirtschaftlichen Seite: Wie können technologische Ansätze komplexe und reale Probleme von Unternehmen lösen – und wie lassen sie sich skalieren? Heiligs Faszination gilt in diesem Zusammenhang der strategischen Auseinandersetzung mit den Themen Organisations- und Produktwachstum, Agile Transformation und Change Management. Deshalb sucht er mit Leidenschaft nach neuen Wegen, Methoden und Technologien, die von allen Menschen genutzt werden können – als Mitgründer verschiedener Unternehmen ebenso wie als systemischer Management-Coach oder zuletzt als COO bei moovel/REACH NOW, einer Daimler-Tochter für innovative Mobilitätskonzepte. Mit paretos tritt er an, KI-basierte Technologie zu demokratisieren, damit jede Organisation in der Lage ist, bessere strategische Business-Entscheidungen zu treffen.