Lean Management trifft Big Data

Lean Management trifft Big Data:

Mit modernen Technologien und Methoden auf die nächste Leistungsstufe

Lean Management und Big Data haben auf den ersten Blick nur wenige gemeinsame Anknüpfungspunkte. Lean Management steht als Oberbegriff für die gezielte Verschlankung von Prozessen, im Kontext betrieblicher Abläufe, speziell für die Verschlankung von Geschäftsprozessen. Geschäftsprozesse sollen soweit wie möglich im Sinne von Kosteneffizienz und Durchlaufzeit verschlankt werden, dabei aber dennoch stets kundenorientiert bleiben. Lean Management entstand aus dem Produktionsbereich (Lean Production) mit dem Toyota Produktionssystem als Referenzmodell. Aber auch in anderen operativen Funktionen, z. B. in der Instandhaltung (Lean Maintenance), im Einkauf (Lean Procurement) und der Verwaltung (Lean Administration) hat sich Lean Management nicht nur methodisch, sondern sogar jeweils als eigener Unterbegriff etabliert. Dabei geht es bei Lean Management stets um ein Ziel: Werte ohne Verschwendung schaffen.
Big Data hingegen wird im Allgemeinen mit Größe und Komplexität in Verbindung gebracht – also ein Widerspruch zu Lean Management? Keineswegs, denn auch Big Data hat den klaren Auftrag, Unternehmensprozesse zu verschlanken, allerdings noch sehr viel tiefgreifender als das beim klassischen Lean Management jemals der Fall war. Hinter Big Data steht der Gedanke, dass sich in vielen verteilten Daten Informationen verstecken, aus denen nicht nur die Vergangenheit und Gegenwart genau rekonstruiert werden kann, sondern sich sogar die Zukunft recht genau vorhersagen lässt.

Big Data alleine ist jedoch nutzlos, denn auch die größten gespeicherten Datenmengen leisten keinen Wertbeitrag, sofern sie nicht ausgewertet und genutzt werden, deshalb sollten wir Big Data nicht isoliert stehen lassen, sondern von Big Data Analytics sprechen.

Lean Management und Big Data Analytics – zwei Sammelbegriffe

Lean Management befasst sich vor allem mit der gegenwärtigen Ist-Situation und allgemeingültige Methoden, wie den Kontinuierlichen Verbesserungsprozess (bzw. Kaizen). Im Rahmen von Six Sigma werden auch einfache statistische Modelle zur Analyse herangezogen. Big Data Analytics hingegen konzentriert sich völlig auf die Datenseite, bleibt faktenbasiert und nutzt mathematische Methoden, insbesondere die lineare Optimierung und Statistik, zur Generierung neuer Erkenntnisse, die eine weitere Geschäftsoptimierung ermöglichen. Unter dem Oberbegriff Big Data Analytics stehen mehrere Technologien und Methoden, die teilweise völlig unterschiedliche Optimierungsbereiche ansprechen, jedoch ebenfalls das Ziel verfolgen, das Unternehmen schlank auszurichten und kundenorientiert zu arbeiten.

Lean dank Big Data Analytics

Beispielsweise können im Rahmen von Process Analytics tatsächliche Ist-Prozesse aus den Daten in IT-Systemen, allen voran dem ERP-System, rekonstruiert und somit unnötige Wartezeiten, Prozessschleifen und versteckte Engpässe identifiziert werden. Predictive Analytics ist hingegen ein Methodenbereich, der es ermöglicht, die feinen Stellschrauben des Unternehmens genau auf die aktuellen und zukünftig wahrscheinlichsten Unternehmens- und Marktsituationen einzustellen – um dadurch maximal lean zu arbeiten. So lassen sich beispielsweise für die Produktionsplanung große Fortschritte erzielen, indem Vertriebsprognosen unter Berücksichtigung interner Gegebenheiten und Einbindung von Lieferanteninformationen auf ein bisher unerreichtes Maß verbessert werden können. Aus einer anderen Perspektive betrachtet, nämlich aus der Sicht der Fachbereiche, wird der Bezug zum Lean Management noch deutlicher: Als Warranty Analytics werden alle Datenanalysen im Bereich der Gewährleistungskosten bezeichnet, die zwei Ziele verfolgen: Zum einen sollen Gewährleistungsprozesse kosteneffizient ablaufen, da diese nicht direkt wertschöpfend sind. Zum anderen sollen solche Prozesse eine kurze Durchlaufzeit aufweisen und ergebnisorientiert ablaufen, um die Kundenzufriedenheit zu erhalten. So können im Rahmen von Big Data Analytics Gewährleistungsprozesse bis ins letzte Detail analysiert, fehlerhafte Bauteile und negative Kundenstimmung frühzeitig erkannt und die Erkenntnisse an das Produktmanagement, den Einkauf und Vertrieb weitergegeben werden, um zukünftig Prävention zu ermöglichen.
Ein weiteres Beispiel ist die Beschaffungsseite des Unternehmens. Durch Analyse der Einkaufsprozesse über eigene IT-Systeme sowie Fremdsysteme von Lieferanten, können Einkaufsprozesse enorm verschlankt werden. Die Verschlankung und Standardisierung der Prozesse wird auch dadurch ermöglicht, dass dank eines – via Realtime Analytics realisierten – Frühwarnsystems Engpässe binnen kürzester Zeit erkannt und auf diese reagiert werden kann. Lean Procurement war bisher eher ein Ideal statt Realität, doch Big Data Analytics rückt dieses Ideal in einem Sprung weit näher an die Realität, als dies so mancher Entscheider je erahnt hätte.

Fazit

Big Data Analytics setzt dort an, wo klassisches Lean Management an seine Grenzen stößt. Big Data Analytics ersetzt Lean Management nicht, sondern macht dessen Umsetzung eigentlich jetzt erst richtig möglich und eröffnet zahlreiche neue Möglichkeiten. Durch die große Vielfalt von Methoden und Technologien lassen sich praktisch in sämtlichen betrieblichen Funktionen und Problemstellungen messbare Lösungen erarbeiten, die zuvor außerhalb der eigenen Reichweite lagen und ungeahnte, zusätzliche Wertbeiträge liefern.