DIGITALE TRANSFORMATION IN DER CHEMISCHEN FORSCHUNG

Kundenprofil

Branch: Chemie
Revenue: ca. 3 Milliarden

Zusammen mit unserem Kunden haben wir in einem Zeitraum von 3 Monaten ein umfangreiches Konzept entwickelt, um smarte datengetriebene Lösungen in Bereich der Forschung & Entwicklung zu implementieren und etablieren. Während der von uns durchgeführten Bedarfsanalyse hat sich ergeben, dass zuerst umfangreiche organisatorische Voraussetzungen geschaffen werden müssen, um Data Science Use Cases zukünftig effizient und nachhaltig angehen zu können. Gemeinsam mit dem Kunden haben wir deshalb ein Konzept für die zukünftige IT-Landschaft der Forschung & Entwicklung ausgearbeitet, welches identifizierte Potenziale mit geringem Aufwand nutzbar machen soll (‚Low-Hanging Fruits‘) und gleichzeitig als Enabler für zukünftige Data Science Implementierung fungiert.  

SITUATION

Angesichts eines sehr agilen und hart umkämpften Marktes ist die schnelle und erfolgreiche Entwicklung neuer Produkte für unseren Kunden von essenzieller Bedeutung für den wirtschaftlichen Erfolg. Charakteristisch für den Geschäftsbereich der Forschung und Entwicklung ist es jedoch auch, dass er ein hohes Maß an Kosten verursachen kann, ohne dass tatsächlich neue, bahnbrechende Produkte zur Marktreife gebracht werden können.  

Um die Forschung & Entwicklung effizienter und zuverlässiger gestalten zu können, überlegte sich unser Kunde, inwieweit er hierfür Data Science zum Einsatz bringen könnte. Aufgrund unserer Expertise wurden wir gebeten, bereits identifizierte Use Cases zu bewerten sowie weitere vielversprechende Use Cases gemeinsam mit dem Kunden auszuarbeiten. Der initiale Plan bestand darin, einen ersten Prototypen für einen Use Case zu skizzieren und mit einem möglichen Entwicklungsplan zu versehen

ANALYSE UND HERAUSFORDERUNG

Um die Bedürfnisse der Anwender besser verstehen zu können, führten wir vor Ort zuerst eine Reihe an Interviews mit den verschiedenen Stakeholdern durch. Ziel war es, Herausforderungen und ungenutzte Potenziale zu erkennen sowie die IT-Systemlandschaft näher zu beleuchten. Die hieraus gewonnen Erkenntnisse und Prozesse wurden anschließend in mehreren halbtägigen Workshops mit den jeweiligen Stakeholdern kollaborativ vertieft und in einem digitalen Whiteboard festgehalten, bevor die Ergebnisse von uns verdichtet, aufbereitet und mit den verschiedenen IT-Abteilungen abgestimmt und diskutiert wurden. 

Schon früh kristallisierte sich heraus, dass Data Science allein nicht die Lösung für den zukünftigen Erfolg der Forschung & Entwicklung unseres Kunden sein würde. Es konnten einige organisatorische, prozessuale und technische Hürden identifiziert werden, die es zuerst zu überwinden galt, bevor wir uneingeschränkt eine Data Science Implementierung empfehlen konnten. So sah sich der Kunde konfrontiert mit einer sehr heterogenen Forschungs-IT-Landschaft, welche sich aufgrund der besonderen Anforderungen der Forschung & Entwicklung weitgehend unabhängig von jener der Business IT entwickelt hat. 

Kurz gesagt: Eine Vielzahl an lokalen, nicht synchronisierten Datenquellen, unterschiedliche Workflows, eine breite Palette an sich im Einsatz befindlichen Applikationen sowie unterschiedliche chemische Datenmodelle mit variierender Granularität machten es deutlich, dass dies nicht die beste Voraussetzung für Data Science sein würde. 

Wir sprachen dem Kunden deshalb die Empfehlung aus, im ersten Schritt zuerst die grundlegenden technischen und organisatorischen Voraussetzungen für eine Data Science Platform zu schaffen, bevor man Data Science selbst intensiver vorantreiben sollte. Unsere Empfehlung traf bei den betroffenen Kollegen auf positive Resonanz, sodass nun nicht mehr die Use Cases selbst, sondern das Konzept und eine Roadmap für die Zukunft der Forschungs-IT im Fokus standen. 

UMSETZUNG

Basierend auf diesen Erkenntnissen erarbeiteten wir gemeinsam mit dem Kunden ein feingranulares Konzept, wie man die vorhandene IT–Landschaft transformieren müsste, sodass Data Science Use Cases in Zukunft effizient, kostengünstig und nachhaltig umgesetzt werden können. Gleichzeitig beinhaltete das Konzept auch Lösungen für die Probleme und Sorgen der Mitarbeiter, damit diese z.B. die richtigen Daten, zur richtigen Zeit am richtigen Ort abrufen können. Dadurch wird sichergestellt, dass keine Zeit mehr damit verschwendet wird, benötigte Reports in einer der vielen Datensenken ausfindig zu machen. 

Zentraler Bestandteil des ausgearbeiteten Konzepts war die Errichtung eines Single Point of Truths in Form eines Forschungs-eigenen Data Warehouses (DWH) mit Anbindung an alle wichtigen Datenquellen und Applikationen. Im Nachgang sollte ein Data Lake parallel zum Data Warehouse aufgesetzt werden, welcher die Sammlung semi-strukturierter und unstrukturierter Daten zulässt. Zudem sollten sowohl DWH als auch Data Lake und über ein Interface flexibel von Forschern, Entwicklern, Analysten und Data Scientists angezapft werden können. 

Abgesehen vom technischen Aspekt stuften wir es als enorm wichtig ein, auch die Forschungs- und Entwicklungs-Organisation auf die bevorstehende Transformation vorzubereiten – schließlich ist Technologie nur vom Vorteil, wenn der Mensch sie effizient nutzt. Im Falle vom DWH bedeutet dies, dass alte Datenquellen durch das DWH weitestgehend ersetzt werden können sollten, und dass das DWH für die meisten Nutzer der zentrale Dreh- und Angelpunkt für Datenzugriff und Datenauswertung sein müsste. Darüber hinaus mussten Verantwortlichkeiten, Rollen, Prozesse und Guidelines im Umgang mit der neuen IT Landschaft ausgearbeitet werden, damit der Kunde tatsächlich profitieren würde. 

Getreu dem Motto „Support the Mind Change” beinhaltet unser Konzept deshalb eine Komponente, welche explizit darauf abzielt, zukünftige Nutzer der zu entwickelnden Lösungen rechtzeitig abzuholen, ihre Anforderungen frühzeitig zu erfassen und in das Design der Lösung miteinfließen zu lassen. Nicht zuletzt legen wir großen Wert auf umfangreiche Anwendungsdokumentation, die Bereitstellung von individuell angefertigten Trainingsmaterialien sowie die Durchführung regelmäßiger Frage- und Antwortrunden anzubieten. 

Das Gesamtkonzept wurde dem Kunden anschließend präsentiert. Indessen wurden verschiedene Ansätze zum weiteren Vorgehen erläutert und dem Kunden als Entscheidungsvorlage vorgelegt. Der Kunde entschied sich schlussendlich, unserem Rat zu folgen und das Konzept in einem umfangreicherem Folgeprojekt agil umzusetzen – um damit die Forschung und Entwicklung für Data Science startklar zu machen.