Standard-Digitalisierungsprozess bei K&K Software

Es gibt verschiedenste Systeme wie ERP, CRM, MES, Projektsteuerung, Zeiterfassung sowie viele Maschinen mit eigenen Datenbanken. Diese Systeme sind nicht miteinander vernetzt.

K&K untersucht jedes System (fängt typischerweise mit einem führenden System wie ERP oder in einem Prozess mit hohem Bedarf an wie einem Produktions- oder Logistikprozess an) und greift über vorhandene Schnittstellen auf die Datenbank zu und baut einen automatisierten Prozess, der die notwendigen Daten zeitgesteuert (minütlich, stündlich, täglich, …) in eine zentrale SQL-Datenbank kopiert.

Schnittstellen sind bisher noch gar nicht vorhanden oder werden noch unzureichend genutzt.

Viele – gerade älteres – ERP-Systeme, CRM-Systeme, usw. haben noch keine Schnittstellen oder nur rudimentäre Export-Funktionen, z.B. als CSV. Hier baut unser Entwicklungs-Team Schnittstellen um die Daten automatisiert (ohne manuellen Eingriff) in eine zentrale, verknüfte Datenbank zu exportieren. Für viele Systeme haben wir aus unserer 20-jährigen Tätigkeit bereits fertige Schnittstellen „in der Schublade“ oder universelle Frameworks, so, dass dieser Schritt besonders schnell und effizient ausgeführt wird.

Es wäre nützlich, wenn man automatisierte Sensoren hätte, die Daten erfassen.

Analyse wie man Daten abgreifen kann

• Konsultation Hersteller
• Bauen eigener Datensammelhardware
• Bauen von Sensor-Boards

Mittels autonomen IoT-Datensammlern (IoT = Internet of Things) können individuelle Messwerte erfasst werden. K&K Software hat sehr lange Erfahrung im Bau und Programmierung von IoT-Hardware mit Raspberry Pi, Arduino, Microcontrollerprogrammierung, Platinenrechnern, Mini-Rechnern.
Sensoren können simple sein (Lichtschranken, Zählwerke, Temperatur, Feuchte, Gaskonzentrationen, …) oder komplex (Lokalisierung mittels Bluetooth-Beacons, WLAN-Lokalisierung, Geofencing, …).
Unsere Leistungen umfassen dabei:
Konzepterstellung, Prototypenbau, Softwaredesign, IT-Security-Aspekte, ggfs. Userinterface, Softwareprogrammierung, Gehäusekonstruktion, 3D-Druck, Mini-Serienproduktion.

Daten aus verschiedenen Systemen sind nicht richtig kompatibel.
Es gibt keine gemeinsamen Schlüssel oder keine eindeutigen Schlüssel oder Daten laufen über.
Die Daten werden manuell in Excel kopiert und manuell verknüpft, mittels Excel-Formeln vorberechnet und dann manuell verdichtet.

Verknüpfung der Daten von verschiedenen Datenquellen.

1. Anreichern von Daten mit Schlüsselinformationen (z.B. Kundennummern, Projektnummern, Rechnungsnummern, Mitarbeiternummern, ….)
2. Anreichern der Daten um notwendige Metadaten.
3. Nutzen der Schlüsselinformationen, um Daten aus verschiedenen Quellen/Systemen miteinander zu verbinden und so systemübergreifende Auswertungen zu ermöglichen.
4. Implementierung der Regeln – gleich wie komplex – mit denen ein Mensch die Daten in Beziehung setzt mittels Algorithmen.

Je nach Umgebung und Anforderung kann dies mittels multipler, unabhängiger Microservices oder einer monolithischen Middleware-Schicht implementiert werden.

Nicht zu automatisierende Rückmeldungen von Projektleitern (z.B. subjektive Einschätzung vom Projektfortschritt), Technikern, Buchhaltern, Logistern etc. erfolgen per E-Mail oder Telefon und müssen per Hand in Systeme eingepflegt werden.

Erstellung intelligenter und maximal benutzerfreundlicher Apps, Webapps oder Webseiten, zur Rückmeldung von Daten. Durch intelligente Vorbelegung möglichst aller Spalten, Anzeige von zugehörigen Informationen, Anzeige der letzten Rückmeldungen etc. wird es für den Rückmelder möglichst einfach und komfortabel gemacht, die Informationen einzugeben oder im Idealfall nur noch zu bestätigen. Das erhöht die Akzeptanz der Systeme.
Durch Validierungsregeln werden Eingabefehler automatisch verhindert bzw. minimiert. Dies erhöht die Datenqualität.

Sehr oft werden manuelle Rückmeldungen im Alltagsstress der Fachabteilung vergessen und im Controlling nimmt das Erinnern an die Rückmeldungen eine erhebliche Zeit ein und dieser sich ständig wiederholende Prozess ist für alle Seiten frustrierend.

Erstellung eines Systems, dass fehlende Rückmeldungen automatisch erkennt und die Personen an die notwendige Erfassung erinnert.

Dies kann in Stufen ablaufen, z.B

Die ausgewählte BI-Software wird installiert. Das ist typischerweise eine Open Source Software wie Radash oder Grafana, eine kommerzielle Software wie Tableau, Microsoft Power BI oder Google Data Studio oder eine Eigenentwicklung in Microsoft Visual Studio / Microsoft .NET / .NET Core oder Laravel.

Die Installation kann OnPremise (bei Ihnen im Haus), in der Private Cloud (in einem eigenen Rechenzentrum oder im K&K-Rechenzentrum) oder in der Public Cloud (Amazon AWS, Microsoft Azure, Google Cloud Computing, Hetzner Cloud) erfolgen. Auch moderne Zwitterkonzepte wie Hyprid Cloud bzw. Hyperconvered (Teile der Infrastruktur im Haus und andere Teile im Rechenzentrum) könnten sinnvoll sein und von uns implementiert werden.

Weiterhin erfolgt die Einrichtung der Schnittstellen zur Datenbank und zum Data Broker.

Mitarbeiter in Controlling, Projektleitung, Teamleitung und Abteilungsleitung sind oft Tage damit beschäftigt, Präsentationen aus den Zahlen zu erstellen.
Diagramme werden zeitaufwändig in Excel erstellt.

• Herausarbeiten der Fragestellungen.
• Erarbeiten geeigneter Visualisierungsformen für die Fragestellungen.
  • Ein Einblick in Open Source Visualisierungsmöglichkeiten bietet z.B. https://echarts.apache.org/examples/en/
  • Das ist mind. gleichwertig mit kommerziellen Lösungen, wenn es sie nicht sogar übertrifft.
• Zusammenstellung verschiedener Visualisierungen in Dashboards.
• Zusammenstellung verschiedener Dashboards für unterschiedliche Nutzergruppen (Vorstand/Geschäftsführung, Vertrieb, Einkauf, Produktion, Controlling, Projektmanagement, Logistik, ….) samt Zugriffsrechte und Rechtemanagement.
• Die Dashboards berechnen und aktualisieren sich automatisch, sobald neue Daten vorliegen.

Die Beschäftigung mit der Datenanalyse und Meetings nehmen zu viel Zeit in Anspruch.
Die Darstellung ist für Nicht-Eingeweihte zu komplex und erklärungsbedürftig

Es ist viel schwieriger, ein übersichtliches, einfaches Dashboard zu erstellen als ein überladenes Dashboard.
Typische Maßnahmen sind:

1. Verdichten der Dashboards auf die interessanten Daten (z.B. 100 aktive Projekte, 90 sind “grün”, 6 “gelb”, 4 “rot” ⇒ Dashboard zeigt nur dieses Verhältnis und die 6 gelben und 4 roten Projekte an statt einer Liste/Auswertung über 100 Projekte)
2. Wählen von Darstellungsformen, die besonders gut geeignet sind, um schnell erfasst zu werden (Ampel rot, gelb, grün sowie historische Verläufe)
3. Aufbau der Dashboards, dass sie auch für Stellvertreter, Nicht-Eingeweihte, neue Mitarbeiter, … zu verstehen sind (Z.B. über jeder Auswertung die Fragestellung und weitere Hintergrundinformationen und Zielwerte sowie die Begründung für die Zielwerte darstellen oder verlinken), übersichtliche Grafiken lassen schnell erkennen um was es geht

Es werden zu viele Daten visualisiert und man erkennt keine Trends, insbesondere nicht intuitiv.
Ich schaue mir Momentaufnahmen statt Langzeitentwicklungen an

Analyse der Daten und Fragestellungen um die für die tatsächliche Trenderkennung notwendigen Datensets zu identifizieren und geeignet darzustellen.
Einzeichnen von kritischen Schwellenwerten.
Einzeichnen von Trendverläufen.

Es gibt scheinbar keine klaren Ursache-Wirkung-Zusammenhänge.

Datenanalyse um Ursache-Wirkung-Zusammenhänge zwischen Daten und Ereignissen in unterschiedlichen Systemen zu suchen und sichtbar und nutzbar zu machen und früher proaktiv reagieren zu können, bevor negative Auswirkungen zum Tragen kommen.
Z.B. Ausschuss- oder Ertragstrends von Produktionsanlagen können Verschleiß einzelner Bauteile bestimmter Maschinen vorhersagen und können abgestellt werden, bevor es zu einem Ausfall und somit Produktionsunterbrechung kommt.

Es können von Menschen keine Muster erkannt werden.

Aufbau und Training eines neuronalen Netzwerkes, um mit Methoden der Künstlichen Intelligenz (KI bzw. AI = Artifizielle Intelligenz) und Maschinelles Lernen (Machine Learing, Deep Learning) Muster, Zusammenhänge und Aussagen aus Daten zu treffen. Hierbei können auch externe Datenquellen mit einbezogen werden.

Die Dashboards, Reportings und Präsentationen müssen aktiv überwacht werden, um Ausreißer zu erkennen.

Erstellung von Triggern, die eine geeignete Benachrichtung oder Alarmierung auslösen.
Trigger:
Das können einfache Wenn-Dann-Regeln sein (“Wenn Temperatur im Serverraum über 30°C, dann benachrichtige die Klimaanlagenverantwortlichen”) oder beliebig komplexe Regelsets.

Benachrichtigung:
Das kann ein Hinweis auf den Dashboards sein, eine E-Mail, eine Nachricht in Messaging-Software wie Microsoft Teams oder Telegram oder dem ERP/CRM-Newsstream oder eine App oder SMS-Benachrichtigungen für höchste Aufmerksamkeit.

Die Daten gewähren nur einen Blick in die Vergangenheit

Erstellung von Vorhersagen für die Zukunft aus den kombinierten Datenquellen.
Z.B. eine Liquiditätsvorhersage kann mittels vernetzen Daten von Buchhaltung, Produktion, Urlaubskalender, Auftragseingang im CRM, historisches Zahlungsverhalten der Kunden usw. über sehr lange Zeiträume sehr exakt berechnet bzw. vorhergesagt werden.