Kenntnisse und Informationen aus vielen Quellen zu Entscheidungswissen zu verdichten, ist für erfolgreiche Wirtschaftsunternehmen seit jeher unverzichtbar. Denn in jedem Markt gilt: Wissen schafft Vorsprung. Mit der Datenexplosion der Gegenwart hat die Aufgabe allerdings eine neue Dimension erreicht. In Zeiten von Big Data ist Business Intelligence gefragt – also die systematische Analyse versprengter und oft inhomogener Daten aus Unternehmen, Markt und Wettbewerb.
Was Business Intelligence von klassischen Marktanalysen unterscheidet, sind Menge und Qualität der einbezogenen Quellen sowie das hohe Potenzial, valide Vorhersagen zu treffen – vor allem aber: das innovative IT-Instrumentarium, das zum Einsatz kommt.
Was ist Data Science?
Für die Analyse komplexer Daten hat sich seit der Jahrtausendwende der Begriff Data Science etabliert – nicht von ungefähr zur selben Zeit wie der Begriff Business Intelligence. Data Science ist heute das Erfolgswerkzeug, um Wissen zu extrahieren, Handlungsempfehlungen abzuleiten und Entscheidungen zu untermauern. Doch es geht um weit mehr: Data Science kann Prozesse und Organisationen optimieren und automatisieren, verlässliche Prognosen treffen und so die gesamte Unternehmenssteuerung stützen.
Was einst mit Auswertungen relationaler Datenbanken begann, hat dabei eine andere Qualität erlangt. Mit einem einfachen Querverweis (Cross Referencing) von Tabelleneinträgen ist den riesigen Datenmengen nicht mehr beizukommen. Big Data verlangt Analysen, die sich maschinelles Lernen und künstliche Intelligenz (KI) zunutze machen. Damit haben selbstadaptive, lernfähige Algorithmen die alten Tabellen und Relationen abgelöst.
Entsprechend hoch sind die Anforderungen an einen Data Scientist: Er muss in Mathematik und Statistik so bewandert sein wie in State-of-the-Art-IT. Mehr noch: Data Science verlangt Branchenwissen (Domain Knowledge), also Einsichten in branchentypische und unternehmensspezifische Strukturen, Verfahren und Abläufe sowie in Märkte, um die richtigen Fragen zu stellen und Zwischenergebnisse korrekt zu interpretieren. Des Weiteren verlangt es Kommunikations- und Vermittlungstalent, um das generierte Wissen anschaulich und verständlich aufzubereiten und den Beteiligten auf allen Unternehmensebenen zu vermitteln.
Data Science für die Immobilienbranche
Versierte Data Scientists sind entsprechend dünn gesät. In der Immobilienbranche müssen sie zudem wertvolle Daten im ERP-System und in angebundenen Lösungen sowie Daten von Mietern, Gebäuden und Smart Devices identifizieren, organisieren, analysieren und zielgruppengerecht aufbereiten. Eine solche Orchestrierung ist durch einen Einzelnen kaum mehr zu leisten. Diese doppelte Problematik erschwert es bislang vielen Unternehmen, aus ihren Daten den Mehrwert zu schöpfen, der eigentlich möglich wäre.
Um für die Branche Anwendungsbereiche und Wertschöpfungspotenziale von Data Science zu erschließen, hat sich Aareon als Kompetenzcenter aufgestellt. Im aktiven Austausch mit den Immobilienunternehmen wurden die derzeit größten Werthebel im Bereich Building Relationship Management identifiziert.
Beispiel vorausschauende Wartung
Ein Beispiel hierfür ist die neue Lösung PrediMa by Aareon zur vorausschauenden Wartung und Instandhaltung. Diese nutzt KI und Machine Learning, um eventuelle Ausfälle beispielsweise bei Heizungsanlagen oder Aufzügen durch das Orchestrieren von Daten zu erkennen und diesen vorzubeugen. Die vorausschauende Wartung basiert zum einen auf Daten, die über Sensoren von der Gebäudetechnik in Echtzeit erhoben werden. Zum anderen werden bereits vorliegende, historische Daten der Anlagen genutzt…
