KI @ Stammdatenmanagement

Künstliche Intelligenz (KI) ist eines der wichtigsten digitalen Zukunftsthemen. KI hat mittlerweile die Forschungslabore verlassen und durchdringt unsere Arbeitswelt.

Das prognostizierte Marktpotenzial für KI-Anwendungen im Jahr 2025 beträgt fast 90 Milliarden USD (siehe Studie des Bundesministeriums für Wirtschaft und Energie). Auch Handels- und Konsumgüterunternehmen haben diesen Trend erkannt.

Das Stammdatenmanagement (SDM) ist seit jeher eine Herausforderung in Handelsunternehmen. Artikel- und Lieferantendaten sind hier Massendaten; ihre Pflege und Wartung sind aufwendig, wiederkehrend und häufig nur teilautomatisiert.

KI hat hier enorme Potenziale bei der Effizienzsteigerung im Stammdatenmanagement – entweder durch unterstützende Maßnahmen bis hin zu automatisierten oder zukünftig auch autonomen Anwendungen. 

KI und Robotics Process Automation (RPA) können sich dabei ergänzen.

Einordnung von KI, Stammdatenmanagement und RPA

Herausforderungen bei der Einführung

Bei der Einführung sind organisatorische als auch prozessual-technische Faktoren zu berücksichtigen.

Organisatorische Faktoren

  • Organisatorische Einordnung: Die organisatorische Einordung des SDM innerhalb des Unternehmens ist wichtig. Wenn noch nicht vorhanden, werden erfahrungsgemäß im Laufe des Projekts dedizierte Stellen geschaffen. Ergänzt wird dies durch die unternehmensweite Stärkung des Stellenwerts des SDM.
  • Governance und Standards: Zusammenhängende Governance Konzepte fehlen häufig, sind jedoch ein wichtiger Erfolgsfaktor für eine nachhaltige Verankerung der Lösung im Unternehmen.
  • Mitarbeiter und User Experience: In der Regel liegt ausgeprägtes Fach- und Prozesswissen im Fachbereich. Diese Experten müssen in die Projekte eingebunden werden. Auf hohe Usability der Lösung muss geachtet werden.

  Prozessual-technische Faktoren

  • Datenqualität: Um ein KI-System trainieren zu können, muss eine ausreichende Datenqualität vorliegen. Insbesondere Daten von Dritten (z.B. Lieferanten) benötigen häufig Nacharbeit.
  • Prozesse: Prozesse sind häufig manuell und unvollständig dokumentiert. Unklare Prozesse sollten nicht automatisiert werden.
  • IT: KI-Lösungen werden am besten agil entwickelt und umgesetzt; entsprechende Methodenkenntnis ist zu aufzubauen.

Unser Vorgehensmodell

Unser Vorgehensmodell adressiert die genannten Herausforderungen und zeichnet sich durch eine agile iterative Herangehensweise aus. Durch die Verprobung von typischen Use Cases in Proof of Concepts (PoCs) wird die technische Machbarkeit validiert und Business Nutzen früh aufgezeigt. Ausrollen und Skalierung erfolgen dann schrittweise.

Safaric Consulting Vorgehensmodell für KI-Projekte im Stammdatenmanagement

Für die Einführung von KI im Stammdatenmanagement gibt es eine Reihe von Erfolgsfaktoren:

  • Früh Sichtbarkeit schaffen und Nutzen aufzeigen
  • Unterschiedliche Ansätze und Use Cases in PoCs testen
  • Transparenz zur Governance und Ethik schaffen
  • Mitarbeiterkompetenzen aufbauen
  • Einzellösungen nach Baukastenprinzip zusammenführen und skalieren / ausrollen
     

Haben wir Ihr Interesse geweckt?

Wenn Sie mehr über unsere Leistungen im Bereich KI @ Stammdatenmanagement erfahren möchten, nehmen Sie Kontakt zu uns auf.

Weiterlesen