Der Begriff Big Data beschreibt im engeren Wortsinn zunächst einfach nur Datenmengen, die zu groß, zu komplex oder zu unstrukturiert sind, um sie mit herkömmlichen, manuellen Methoden auszuwerten.
In der Logistik möchte man mit der Auswertung der Daten, die beispielsweise während des Transportprozesses gesammelt werden erreichen, dass die richtigen Informationen dem richtigen Adressaten zur richtigen Zeit in der richtigen Menge am richtigen Ort und in der erforderlichen Qualität zur Verfügung stehen.
Diese Technologie ist zwar IT-basiert, jedoch keine konkrete Methode oder gar eine Maschine. Big Data dient also vor allem der Optimierung der „Business Intelligence“ von Unternehmen. Wie in anderen Wirtschaftsbereichen auch, wird Big Data in der Logistik vor allem eingesetzt, um Wettbewerbsvorteile zu erlangen. Wie groß diese Wettbewerbsvorteile jeweils ausfallen, hängt stets von der Art und Weise ab, wie Big Data eingesetzt wird.
Anwendungsmöglichkeiten von Big Data in der Logistik
Bereits heute wird Big Data in der Logistik beim Flottenmanagement eingesetzt. Die Fahrzeuge senden dafür fortlaufend Daten über ihren Standort, über Beladung, Fahrverhalten und Verbrauchswerte. Diese Daten können in Echtzeit ausgewertet werden, sodass in Kombination mit Lenk- und Ruhezeiten sowie Ankunftsinformationen Kraftstoff eingespart, Personal und Fahrzeuge optimal eingesetzt und so insgesamt die Wirtschaftlichkeit der Flotte erhöht wird.
Big Data wird zudem auch im Risikomanagement eingesetzt. Gesammelt werden dafür Daten zu Ereignissen, die einen Einfluss auf Logistikketten haben können wie etwa das Wetter, Streiks, die Verkehrslage, aber auch Kriminalität in bestimmten Regionen. Genutzt werden dafür sowohl speziell eingeholte Berichte als auch Daten aus sozialen Medien (Facebook, Twitter etc.), Blogs oder Zeitungsberichten. Der digitale Tachograf, der in der EU ab Mitte 2019 für alle neu zugelassenen LKW Pflicht wird, soll beispielsweise Daten über das Verkehrsaufkommen jeweils in Echtzeit an eine zentrale Verkehrsleitstelle liefern. Stauvorhersagen werden damit präziser.
Ein Anwendungsbeispiel, das in naher Zukunft rasch an Bedeutung gewinnen wird, ist mit der RFID-Technik und dem Internet der Dinge verknüpft. RFID-Chips ermöglichen es, Waren bis hinunter zu einzelnen Bauteilen nachvollziehbar zu machen. Die Ware könnte sich mit dieser Technik den besten Weg zum Kunden dann quasi selbst suchen. Benötigt wird für diese Zukunftsvision aber eine noch aufzubauende Big Data Infrastruktur, die mit der Komplexität der Daten zurechtkommt.
Big Data ist längst auch in mittelständigen Logistik-Unternehmen angekommen
Laut einer Studie von bitkom research setzen in diesem Jahr sechs von zehn Unternehmen in Unternehmen in Deutschland Big Data bereits für ihr Geschäft ein (57%). Im Jahr zuvor waren es lediglich 51 Prozent. Hauptsächlich werden Big Data Lösungen eingesetzt, um die Effizienz zu steigern (in der Logistik beispielsweise beim Flottenmanagement). Insgesamt geben drei Viertel (75%) der Unternehmen an, relevante Unternehmensentscheidungen auf Grundlage von Erkenntnissen aus der Analyse von Daten zu treffen. Aber: Lediglich 12 Prozent der Unternehmen haben eine Big Data Strategie. Anders formuliert: 88 Prozent der Unternehmen, die Big Data nutzen, haben dafür keine gesonderte Strategie entwickelt. Das ist vor allem deshalb befremdlich, weil es die Strategie ist, die entscheidet, ob aus Big Data auch wirklich Wettbewerbsvorteile gewonnen werden können.
Erfolgreicher durch die richtige Big Data Strategie
Daten sind kein Selbstzweck. Big Data ist daher auch kein Allheilmittel, dass blind eingesetzt werden kann, um die Effektivität eines Unternehmens zu steigern. Jeder Betrieb, und innerhalb jedes Betriebes auch jede Abteilung, interessiert sich für jeweils ganz spezifische Datensätze. Die Stärke von Big Data wird aber erst dann ausgespielt, wenn diese unterschiedlichen Interessen zusammengeführt und damit auch im Zusammenhang gesehen werden. In Betrieben gewachsene „Silos“ müssen daher oft erst aufgegeben werden, um Big Data sinnvoll einsetzen zu können. Big Data ist daher immer auch ein Management-Instrument. Mithilfe der Datenanalysen kann das Geschäft und dessen Umfeld sowohl klarer gesehen als auch tiefer verstanden werden.
Eine Big Data Strategie sollte daher immer
- ganzheitlich sein und wissen, wo welche Integrationspunkte (Vernetzungen etwa zu anderen Betrieben) zu setzen sind. Die Daten sollten daher stets strukturiert und skalierbar erhoben werden. Nur dann lassen sie sich auch mit externen Datenquellen verbinden und effizient nutzen.
- unternehmensbezogen und mit möglichst allen Teilen des Unternehmens (z.B. Lager, Flotte, Büro) verbunden sein.
- innovationsoffen sein. Denn zum einen führen die Datenanalysen häufig zu neuen Erkenntnissen, zum anderen ist Big Data keine feste Technologie und daher selbst kontinuierlichen Transformationen unterworfen.
Mit der richtigen Strategie kann Big Data helfen, Logistik-Abläufe effizienter zu gestalten, Leerfahrten zu vermeiden und die Umwelt zu schonen.
Risiken von Big Data
Das Risiko dieser Technologie besteht für die Unternehmen vor allem darin, falsche Schlüsse aus den Daten zu ziehen und so beispielsweise in unpassende Geschäftsfelder zu investieren. Die Versuchung ist groß, sich von der Datenflut zu dem Irrglauben verleiten zu lassen, die Zahlen würden automatisch den Weg in die Zukunft weisen.
Ein weiteres Risiko birgt ein mangelnder Datenschutz. Big Data benötigt viele Daten und damit die Zustimmung vieler Menschen und Gruppen, zu Datenerfassung und -verarbeitung. Wird diese Zustimmung missbraucht – egal ob mutwillig oder nicht – ist der Imageschaden meist gewaltig. Im Fahrwasser der Karriere des Begriffs Big Data fährt entsprechend der Datenschutz mit und gewinnt ebenfalls weiter an Bedeutung.
