Auf künstlicher Intelligenz beruhende
Predictive-Analytics-Systeme

Entwicklung eines Predictive-Analytics-Systems für den Vertrieb in KMU

Ausgangslage

Die Potenziale von auf künstlicher Intelligenz (KI) beruhender Predictive-Analytics-Systeme liegen in der Automobil- und Nutzfahrzeugzulieferindustrie genauso wie in der Antriebstechnik und der Automatisierungstechnik in der effizienten Analyse und Prognose gegenwärtiger bzw. zukünftiger Umsatzpotenziale von Bestandskunden sowie in der Identifikation potenzieller Neukunden. So können z. B. das unternehmerische Risiko über verschiedene Kundengruppen hinweg besser verteilt
und die Ressourcen im Vertrieb und in der Fertigung optimal ausgeschöpft werden. Während große Unternehmen in der Lage sind, kostenintensive Data-Analytics-Abteilungen aufzubauen, sind KMU aufgrund eines begrenzten IT-Budgets oft nicht in der Lage, die Potenziale von Predictive-Analytics-Systemen im Vertrieb ausschöpfen zu können.

Zielsetzung

Das Ziel des Projektes PASS besteht darin, Predictive-Analytics-Systeme für den Vertrieb in KMU zu entwickeln. Diese werden dadurch befähigt, die Potenziale KI-basierter Verfahren zur systematischen Datenerhebung, -analyse und -prognose bei Einhaltung ethischer, rechtlicher und sozialer Standards (Ethical, Legal and Social Implications, ELSI) zu nutzen, wirtschaftlich umzusetzen und in laufende Arbeitsprozesse zu integrieren. Darüber hinaus werden die Auswirkungen auf die Arbeitsmotivation und Zufriedenheit sowie auf veränderte Kompetenzanforderungen an die Beschäftigten im Vertrieb untersucht.

Mehr über die Ziele des Projektes erfahren

Entwicklung eines Sales-Analytics-Reifegrad-Modells

In einem ersten Schritt muss zunächst Transparenz dahingehend geschaffen, inwieweit sich die digitale Transformation auf Vertriebsorganisationen, z. B. im Hinblick auf Strategie und Planung, Organisation und Prozesse, auswirkt. Dazu wird ein Framework entwickelt, das einheitliche Elemente für KMU definiert und diese in Beziehung zueinander setzt. Die Weiterentwicklung des Frameworks zu einem Reifegradmodell ermöglicht den Abgleich des Ist-Zustandes einer Vertriebsorganisation mit einem Referenzmodell bzw. einem Reifegrad, der unternehmensindividuelle Rückschlüsse auf Weiterentwicklungsmaßnahmen bzw. Handlungsbedarfe erlaubt, um die für die Implementierung und den mehrwertstiftenden Einsatz von Predictive-Analytics-Systemen notwendigen Voraussetzungen zu schaffen.

In der praktischen Anwendung des Modells sollen KMU dabei unterstützt werden, die Organisation ihres Vertriebes zu analysieren und im Hinblick auf Entwicklungen, Organisationsformen, Fähigkeiten sowie die Nutzung neuer Technologien vor dem Hintergrund einer zunehmenden Digitalisierung ganzheitlich weiterzuentwickeln oder zu restrukturieren.

Entwicklung von Implementierungskonzepten

Die mit Hilfe des Sales-Analytics-Reifegradmodells identifizierten Handlungsbedarfe werden zunächst in auf die am Projekt beteiligten Partner abgestimmte, ganzheitliche Weiterentwicklungsmaßnahmen bzw. Implementierungskonzepte überführt, um bei diesen die Voraussetzungen für die Implementierung von Predictive-Analytics-Systemen zu schaffen.

Mit dem Ziel einer langfristigen Verwertung der Projektergebnisse werden die bei den Anwendungspartnern gesammelten Erfahrungen darüber hinaus zu generischen Weiterentwicklungskonzepten verdichtet, um auch andere als die direkt am Projekt beteiligten Unternehmen dazu zu befähigen bzw. diese bei der ganzheitlichen digitale Transformation von Vertriebsorganisationen anzuleiten und zu unterstützen.

Konzeption und Entwicklung einer Software-as-a-Service-Plattform

Die Entwicklung eines modularen Predictive-Analytics-Systems als Software-as-a-Service-Plattform bildet im Hinblick auf das übergeordnete Ziel des Projektes das Kernelement des konzeptionellen Lösungsansatzes. Die Plattform ermöglicht einerseits die systematische und automatisierte Erhebung und Analyse unternehmensinterner sowie -externer Daten; die auf der Plattform in Form von dediziert zu nutzenden Anwendungsmodule realisierten Verfahren der künstlichen Intelligenz erlauben andererseits Rückschlüsse z. B. in Bezug auf die für den gegenwärtigen Umsatz relevanten Variablen sowie die Aggregation dieser Informationen zu einem Prognosemodell, auf dessen Grundlage wiederum in Abhängigkeit von der jeweiligen Entscheidungssituation in einem Unternehmen vertriebliche Potenziale aufgedeckt können.

Das als Software-as-a-Service-Plattform realisierte Predictive-Analytics-System ermöglicht es den Anwendungspartner, die mit ihrer jeweiligen Entscheidungssituation korrespondierenden Verfahren, wie z. B. Lead Generation, Forecasting, Lead Scoring, Nex-Product-to-Buy, nutzen und damit ihre Teilvorhabenziele zu erreichen.

Betriebliche Umsetzung

Im Rahmen der betrieblichen Umsetzung werden die entwickelten Implementierungskonzepte mit dem Ziel umgesetzt, die Vertriebsorganisationen der Anwendungspartner ganzheitlich weiterzuentwickeln und die Voraussetzung für die Nutzung der Predictive-Analytics-Systeme zu schaffen. Da die Nutzung der SaaS-Plattform mit z. T. erheblichen Veränderungen für die Beschäftigten verbunden ist, werden für einen reibungslosen Übergang in den Produktivbetrieb geeignete Schulungs- und Weiterbildungsangebote erarbeitet.

Um darüber hinaus auch die Effektivitäts- sowie Effizienzvorteile von Predictive-Analytics-Systemen für den Vertrieb von KMU bewerten und aufzeigen zu können, werden im Rahmen des Projektes außerdem Messinstrumente entwickelt, die eine Beurteilung der Auswirkungen von Predictive-Analytics-Systemen sowohl auf relevante Leistungskennzahlen der Anwendungspartner (organisationale Ebene) als auch auf die Arbeitsgestaltung und -organisation und damit auf die Arbeitsmotivation und -zufriedenheit sowie die Arbeitsleistung von Beschäftigten im Vertrieb (individuelle Ebene) ermöglichen. Außerdem gilt es auf individueller Ebene, veränderte Kompetenzanforderungen an Beschäftigte im Vertrieb zu identifizieren und ein tiefgreifendes Verständnis z. B. für Vorbehalte und Ängste gegenüber Predictive-Analytics-Systemen zu erlangen.

Vorgehen

Um diese Ziele zu erreichen, wird eine KMU-gerechte Cloud-Lösung mit KI-basierten Verfahren zur Vorhersage von zukünftigem Kundenverhalten entwickelt. Die KI-Verfahren nutzen ELSI-konforme Kundeninformationen, um z. B. spezifische Umsatzpotenziale und zu erwartende Umsätze mithilfe selbstlernender Algorithmen zu prognostizieren. Sie werden bei den unterschiedlich großen Anwendungspartnern aus mitunter sehr verschiedenen Branchen validiert. Ein speziell auf KMU ausgerichtetes, mehrdimensionales Sales-Analytics-Reifegradmodell ermöglicht, individuelle Handlungsbedarfe und Entwicklungspfade zu identifizieren. Hierfür werden Messinstrumente zur Beurteilung der Auswirkungen von Predictive-Analytics-Systemen entwickelt und an verschiedenen Projektzeitpunkten eingesetzt.

Ergebnisse

Durch die Projektergebnisse können KMU ihre Kunden zielgenau im Vertrieb adressieren und mit begrenzten Ressourcen in dynamischen Märkten wettbewerbsfähig bleiben. Mit Hilfe des Sales-Analytics-Reifegradmodells werden mögliche Entwicklungspfade aufgezeigt und KMU auf ihrem Weg geleitet. Mit den prototypisch realisierten Predictive-Analytics-Systemen werden entsprechende Entwicklungsmaßnahmen bei den Anwendungspartnern exemplarisch umgesetzt. Durch die Berücksichtigung der Auswirkungen auf Beschäftigte im Vertrieb wird ein besseres Verständnis für das Zusammenwirken von Mensch, Technik und Organisation geschaffen und die Kompetenzentwicklung im Arbeitsprozess gefördert.

Mehr über die Projektpartner erfahren