BLOG

Blog

1.435 Millimeter – oder warum Ihre Daten-Strategie an jeder Grenze umlädt

Könnten Sie in einem Satz sagen, welche drei Entscheidungen die Data- und AI-Projekte in Ihrem Unternehmen gerade besser machen sollen? Die meisten Unternehmen, mit denen ich spreche, können das nicht – nicht, weil ihnen die Antwort fehlt, sondern weil es zu viele davon gibt: Jede Abteilung hat ihre eigene Datenbasis, ihr eigenes Tool, ihre eigene…

1.435 Millimeter. Eine auf den ersten Blick beliebige Zahl – und doch das Maß, nach dem heute mehr als die Hälfte aller Bahnstrecken der Welt gebaut sind, von Deutschland über Nordamerika bis China. Diese „Normalspur“ entscheidet, welcher Zug auf welchem Gleis fahren kann und wo eben nicht.

Die Zahl geht auf den britischen Ingenieur George Stephenson zurück, der 1825 mit der Stockton and Darlington Railway die erste öffentliche Dampfeisenbahn der Welt baute. Die Spurweite seiner Lokomotiven hatte er einfach von den Radabständen der Pferdefuhrwerke in den Kohlerevieren übernommen. Kein durchdachter Standard, sondern reiner Zufall der Geschichte. Weil Stephensons Loks in viele Länder exportiert wurden, setzte sich diese Spurweite in weiten Teilen der Welt fast von selbst durch.

Fast von selbst, aber eben nicht überall. Richtig teuer wurde es in Australien: Die Kolonien entschieden in den 1850er-Jahren unabhängig voneinander über ihre Spurweite: New South Wales für die Normalspur, Victoria und South Australia für eine breitere, Queensland und Western Australia für eine schmalere. Das Ergebnis: Züge konnten die Grenzen zwischen den australischen Bundesstaaten schlicht nicht befahren. Jahrzehntelang mussten Passagiere und Fracht an den Landesgrenzen umsteigen beziehungsweise manuell umgeladen werden. Eine durchgehende Normalspur-Verbindung quer durch den Kontinent gab es erst 1970.

Selbst heute, 200 Jahre nach Stephenson, ist diese Vereinheitlichung nicht abgeschlossen. Spanien zum Beispiel nutzt bis heute überwiegend eine breitere Spur als der Rest Europas – nur die neuen Hochgeschwindigkeitsstrecken wurden in Normalspur gebaut. Für den Güterverkehr bedeutet das: Bis eine durchgehende gemeinsame Spur zur französischen Grenze fertig ist, braucht es eigens umspurbare Züge oder das Umladen der Fracht.

Was dort mit Schienen passiert, erlebe ich in vielen Unternehmen mit Daten und AI: Jede Abteilung, jedes System, jedes Projekt bekommt sein eigenes „Streckennetz“ – eigene Datendefinitionen, eigene Tools, eigene Kennzahlenlogik. Ein KI-Modell im Vertrieb rechnet mit anderen Kundendaten als das Forecasting im Controlling. Eine Abteilung startet ihre eigene AI-Initiative, ohne zu wissen, dass zwei andere gerade dasselbe versuchen – auf jeweils eigener, inkonsistenter Datenbasis. Am Ende passt nichts zusammen und an jeder Schnittstelle wird mühsam von Hand „umgeladen“. Genau wie bei den Zügen zeigt sich aber auch hier: Sobald eine gemeinsame Basis geschaffen ist, verschwindet die Reibung – und der Weg wird frei für das, was eigentlich das Ziel ist.

In vielen Data & AI Projekten wird investiert, bevor überhaupt geklärt ist, welche Entscheidungen damit eigentlich besser werden sollen. Jede Fachabteilung hat ihre eigene Vorstellung von „guten Daten“, jedes Projekt läuft für sich – und in der Monatssitzung sitzen Controlling, IT und Management zusammen und meinen mit denselben Kennzahlen völlig unterschiedliche Dinge. Die Folge zeigt sich dort, wo es wirklich wehtut: in der Budgetplanung, die auf wackligen Annahmen steht, in Forecasts, die von Bereich zu Bereich nicht zusammenpassen und in Investitionsentscheidungen, die auf Basis von Daten getroffen werden, denen im Grunde niemand so richtig traut.

Die meisten wissen das genau und wollen längst anfangen. Was fehlt, ist nicht der Wille, sondern ein Weg, der nicht bei null beginnt. Genau dafür setzen wir bei ATVISIO auf ein klares, erprobtes Vorgehen: das ATVISIO Data & AI Strategy Framework, das wir kontinuierlich aus unserer Projektarbeit weiterentwickeln. Es gibt dem Thema eine feste Struktur – von der Standortbestimmung über das Zielbild bis zur Roadmap – und schafft innerhalb dieser Struktur genau die Freiräume, die es braucht, um auf die individuelle Situation Ihres Unternehmens einzugehen. Erlebbar wird das in der Data & AI Strategy Session: einem strukturierten Workshop, an dessen Ende keine generische Strategie steht, sondern eine klare, auf Ihr Unternehmen zugeschnittene Einschätzung, was der sinnvolle nächste Schritt ist, und warum.

Könnten Sie heute in einem Satz sagen, welche drei Entscheidungen Ihre aktuellen Data & AI Projekte besser machen sollen? Wissen Sie, wo in Ihrem Unternehmen der größte Hebel für Data & AI liegt oder verteilen sich die Aktivitäten gleichmäßig über alle Bereiche, ohne klare Priorität? Und: Gibt es ein gemeinsames Zielbild, wo Sie in zwei bis drei Jahren stehen wollen oder entsteht die Richtung eher zufällig, Projekt für Projekt? Wenn Sie bei einer dieser Fragen zögern, lohnt sich ein genauerer Blick auf Ihre Grundlage, bevor die nächste Investition ansteht.

Die australischen Kolonien haben ihren Fehler über Jahrzehnte ausgebadet, weil niemand vorher eine gemeinsame Spur definiert hatte. Diese Zeit können Sie sich heute sparen. Die Wege sind erprobt, ob es um Ihre Data & AI Strategie geht, um Data & AI Governance, um Datenmanagement, um BI & Analytics, um Planung oder um AI & Automation. Für jedes dieser Themen haben wir bei ATVISIO ein eigenes Framework entwickelt, das genau dort ansetzt, wo Ihr Unternehmen heute steht.

Lassen Sie uns gemeinsam schauen, was der richtige Einstieg und der sinnvolle nächste Schritt für Sie wäre.

Exzellente Performance wünscht Ihnen

Ihr

Peter Bluhm

Sie möchten das Thema für Ihr Unternehmen einordnen?

Ein erstes Gespräch schafft Klarheit – über Ihre Anforderungen, die richtigen Tools und den sinnvollen nächsten Schritt.

Kontakt

„*“ zeigt erforderliche Felder an

Dieses Feld dient zur Validierung und sollte nicht verändert werden.
Name
Dieses Feld wird bei der Anzeige des Formulars ausgeblendet
  • 1.435 Millimeter – oder warum Ihre Daten-Strategie an jeder Grenze umlädt
    Könnten Sie in einem Satz sagen, welche drei Entscheidungen die Data- und AI-Projekte in Ihrem Unternehmen gerade besser machen sollen? Die meisten Unternehmen, mit denen ich spreche, können das nicht – nicht, weil ihnen die Antwort fehlt, sondern weil es zu viele davon gibt: Jede Abteilung hat ihre eigene Datenbasis, ihr eigenes Tool, ihre eigene Logik.
  • Controlling rockt! – Podcast zur Kolumne von Prof. Dr. Nicole Jekel
    In ihrer Kolumne „Controlling rockt!“ im Controller Magazin schreibt Prof. Dr. Nicole Jekel regelmäßig über neue Trends im Controlling. Der Performance Manager Podcast begleitet die Beiträge im O-Ton und liefert wertvolle Zusatzinformationen.
  • Klein anfangen, groß denken 
    Warum AI-Projekte ein Zielbild brauchen