Artikel vom 06.08.25

Mit Daten, AI und IoT Mehrwerte erzielen

Wie lassen sich Daten, künstliche Intelligenz (AI) und das Internet of Things (IoT) gezielt nutzen, um echte Geschäftswerte zu generieren? Eberhard Lösch, Director Client Solutions & Delivery bei Noser Engineering, zeigt in der aktuellen Ausgabe des renommierten Swiss IT Magazine (07/2025) praxisnah auf, wie Unternehmen typische Fallstricke vermeiden und mit einem methodischen Ansatz aus «Data + Use = Value» zielgerichtet Mehrwerte erzielen können.

(Quelle: erscheinen im Swiss IT Magazine 07/2025)

Das Internet of Things (IoT) hat sich in Unternehmen als zentrale Datenquelle etabliert. Mit dem zunehmenden Fokus auf Artificial Intelligence (AI) entsteht eine spannende Symbiose: das sogenannte AIoT – die intelligente Verbindung von IoT und AI.

Die Vorteile von AIoT scheinen sehr vielversprechend. So kann AIoT für Echtzeit-Entscheidungen genutzt werden, bei dem AI am Edge-Gerät die Daten fortwährend analysiert und sofort reagiert. Im Falle von vorausschauender Wartung (Predictive Maintenance) erkennt AIoT frühzeitig Anzeichen von aufkommenden Störungen. Oder aber auch im Bereich Security, wo AI mithilfe von IoT-Daten in Netzwerken Anomalien entdeckt und Alarm schlägt. Bis hin zu Szenarien, bei denen Geräte mit integrierter AI autonom miteinander kommunizieren und Aufgaben intelligent ausführen.

In diesem Artikel wird beleuchtet, welche Erfolgsfaktoren sich für die Nutzung von IoT in Verbindung mit AI gezeigt haben. Zunächst werden häufig beobachtete Fallstricke vorgestellt, welche es Unternehmen erschweren, relevante Mehrwerte zu erzielen. Weiter wird ein methodischer Ansatz präsentiert, der Unternehmen zu einer mehr fokussierten Art und Weise verhelfen kann, mit IoT und AI relevante Mehrwerte zu erzielen.

Fallstricke in der Erzeugung von Mehrwerten mit Daten/AI

Unternehmen setzen heute eine Reihe von Technologien ein, welche in der Wertschöpfung eine Unterstützung leisten, oder gar primärer Teil der Wertschöpfung sind. Aus unternehmerischer Sicht werden gerne die berechtigten Fragen gestellt, «Was bringt uns diese Technologie?», «Welche Vorteile bedeutet diese Technologie für unsere Business Unit?», oder «Wann wird sich die Investition in diese Technologien amortisiert haben?».

Sind doch diese Technologien Sinnigerweise der Mittel zum Zweck, kann es ohne Kenntnis des Zwecks schwierig sein, auf diese Fragen schlüssige Antworten zu geben. Und ohne eine fundierte Strategie fällt es ebenfalls schwer, diese Fragen überzeugend zu beantworten. Nachfolgend wird beleuchtet, wie eine wertschöpfungsorientierte Vorgehensweise aussehen kann, wenn es um den Einsatz von IoT-Daten in Verbindung mit Künstlicher Intelligenz geht.

Besonders mit der intelligenten Nutzung kann aus IoT-Daten und KI ein echter Mehrwert generiert werden.

Fallstrick 1: Evaluieren von Technologien als Ansatz

Seit dem Internet und dem Cloud Computing ist es für Unternehmen sehr einfach, sich Zugriff zu fortschrittlichen Technologien zu verschaffen. In diesem Ansatz probieren Unternehmen diverse Technologien aus, um herauszufinden, welche möglichen Nutzwirkungen bei deren Einsatz entstehen. Im Falle einer festgestellten Nutzwirkung wird dann die Relevanz für das Unternehmen bewertet und dann nach möglichen Einsatzszenarien geschaut. Mit der Untersuchung der Technologien können zudem auch Erkenntnisse zu Rahmenbedingungen und Grenzen der Einsatzfähigkeit gewonnen werden.

Der Wirkungsbereich dieses Ansatzes beschränkt sich meist auf das Bereitstellen von AI-/IoT-Technologien – weniger jedoch auf die tiefgehende Nutzung und Interpretation der Daten. Eine weitere Begrenzung des Wirkungsbereiches findet dadurch statt, dass der primäre Fokus des Vorgehens auf dem Evaluieren von Technologien liegt, und nicht auf dem Schaffen von unternehmerischen Mehrwerten.

Unternehmen, die vor allem technologiegetrieben experimentieren, gewinnen zwar erste Eindrücke, was grundsätzlich möglich ist – doch der direkte Weg zu geschäftsrelevanten Anwendungen bleibt oft aus.

Aus der Erfahrung heraus führt dieser Ansatz nicht zwingend auf schnellem und direktem Weg zu Business-relevanten und mehrwertschöpfenden Anwendungsfällen. Es hat sich eher als ein Zufall herausgestellt, wenn unternehmerisch relevante und mehrwertschöpfende Anwendungsfälle gefunden wurden.

Der Einsatz geeigneter Technologien zeigt sich jedoch in der Wertschöpfung mit AI/IoT als ein entscheidender Punkt, mehr hierzu im weiteren Verlauf dieses Artikels.

Fallstrick 2: Sammeln von Daten als Ansatz

Technologien wie IoT machen es immer einfacher, Daten aus dem Unternehmensumfeld digital zugreifbar zu haben, um diese zum Beispiel dann in Datenspeichern abzulegen. Neben dem Evaluieren von Technologien hat sich auch das Sammeln von Daten als eine oft getätigte Praxis gezeigt, die keinen direkten Geschäftsnutzen mit sich bringt. Vor allem der Glaube, dass Daten aus dem Umfeld zu einem späteren Zeitpunkt einen Mehrwert erzeugen könnten, hat viele Unternehmen dazu veranlasst, teils sehr viele Daten zu sammeln.

Die Tragweite und der Wirkungsbereich dieses Ansatzes fokussieren (in anderen Worten: begrenzen) sich auf das Sammeln von zur Verfügung stehenden Daten. Die Einschränkung des Wirkungsbereiches findet also dadurch statt, dass lediglich die zur Verfügung stehenden Daten gesammelt werden, und nicht die zur Wertschöpfung tatsächlich benötigten Daten.

Eine weitere Begrenzung des Wirkungsbereiches ergibt sich, weil der Ansatz primär auf dem Sammeln von Daten beruht, und nicht auf dem Schaff en unternehmerischer Mehrwerte. Das Sammeln der Daten findet hierbei nicht typischerweise im Kontext eines speziellen Anwendungsfalls statt. Damit stellt dieses Verfahren nicht zwingend sicher, dass die gesammelten Daten eine Relevanz für die Schaffung unternehmerischer Mehrwerte haben.

Das Sammeln von zur Verfügung stehenden Daten kann zwar durchaus dazu führen, dass daraus Einsichten und Erkenntnisse gewonnen werden können. Die Erfahrung hat jedoch gezeigt, dass dieser Ansatz ein Unternehmen nicht zwingend auf schnellem und direktem Weg zu mehrwertschöpfenden Anwendungsfällen führt. Ohne einen klaren Fokus oder ein Ziel, was mit den Daten erreicht oder erzeugt werden soll, erscheinen jegliche Daten zunächst als gleich «gut» und interessant zur Speicherung. Unternehmerisch betrachtet bedeutet dies zunächst jedoch einen kontinuierlichen Aufwand ohne ein konkretes Ziel hinsichtlich eines anzustrebenden Mehrwertes.

Die gezielte Auswahl und Nutzung relevanter Daten hat sich als Schlüsselfaktor für die erfolgreiche Wertschöpfung mit AI und IoT erwiesen, etwa im Rahmen einer speziellen Vorgehensmethode.

Fallstrick 3: Das Erzeugen von Mehrwerten ist Sache der IT

In einer oft anzutreffenden Praxis übertragen Unternehmen die Verantwortung der Wertschöpfung von AI/IoT der eigenen IT. Dies kann auf den ersten Blick sinnvoll erscheinen, zumal AI und IoT auf Basis von Technologien aufsetzen und diese oft durch die IT betreut werden. Als Zentralfunktion im Unternehmen hat die IT typischerweise Zugang zu Daten, Systemen und Technologien. Daneben treten die Geschäftseinheiten der IT in gewohnter Form als Anspruchssteller auf. Mit Kenntnissen in der Anwendung von Technologie werden dann seitens IT den Geschäftseinheiten verschiedene Lösungsansätze zur Verfügung gestellt. Die Tragweite und der Wirkungsbereich des Ansatzes begrenzen sich wiederum typischerweise auf das Zurverfügungstellen von AI-Lösungen und -Technologien und weniger auf die vertiefte inhaltliche Arbeit mit den Daten. Eine weitere Begrenzung des Wirkungsbereichs rührt daher, dass IT-Skills und Daten- respektive AI-Skills inhaltlich unterschiedlich sind. Es sind einerseits Skills für die Gewinnung von Erkenntnissen und ein gutes Verständnis der Anforderungen und der damit verbundenen Daten erforderlich. Durch den primären Kompetenzschwerpunkt der IT auf klassische IT-Themen wie etwa Betrieb oder Support kann sich die Wertschöpfung daher weniger entfalten. Zudem wird der Wirkungsbereich durch die limitierte Kapazität an IT-Personal begrenzt, welches sich neben ihren Kernaufgaben in AI- und Datenprojekten einbringen kann.

DataUseValue2

Die Erfahrung hat gezeigt, dass die Übertragung der Verantwortung für die Wertschöpfung mit Daten und AI an die IT nicht zwingend ein Ansatz ist, um auf direktem Weg zu mehrwertschöpfenden Anwendungsfällen zu gelangen.

Das Übertragen der Verantwortung der Wertschöpfung aus Daten/AI/IoT an die IT muss jedoch nicht grundsätzlich eine Einschränkung bedeuten. Die Definition des Geschäftsauftrages und die Ausrichtung der IT spielen hierbei eine entscheidende Rolle. So kann die IT sich einerseits klassisch als Unterstützerin positionieren oder aber sich im Unternehmen zusätzlich als Förderin von Innovation und Wertschöpfung aufstellen.

Methodischer Ansatz: Data + Use = Value

In den vorigen Abschnitten wurden die Fallstricke betrachtet, welche Unternehmen im Streben nach dem Generieren von Geschäftswert mit IoT-Daten und AI ereilen können. Im Nachfolgenden wird ein Ansatz aufgezeigt, der Unternehmen schnell und pragmatisch in die Erzeugung von Geschäftswert mittels Data, AI und IoT führen kann.

Aus den Fallstricken wird deutlich, dass eine einseitige Herangehensweise zu Limitierungen führen kann, und das Daten und Technologien in sich wichtige Bestandteile in der Wertschöpfung sind. Zur Generierung von Mehrwerten mit Daten und AI wird nun die «intelligente Nutzung» hinzugefügt (siehe Grafik «Einflussfaktoren für Wertschöpfung »). Dabei wird davon ausgegangen, dass Technologien und Daten in der geforderten Form und Ausmass verfügbar sind.

Daten (Data) sind in sich neutral und erzeugen noch keinen Mehrwert, erst die sinnvolle Verwendung der Daten (Use) führt zu Mehrwert (Value). Der spezifische Anwendungsfall ist der letzte entscheidende Faktor in der Wertschöpfung (siehe Grafik «Erfolgsfaktoren von Anwendungsfällen»). Mit einem solchen kann ein konkreter Kontext geschaffen werden, etwa in welchem Teilbereich des Unternehmens eine Verbesserung erzielt werden soll und wie sich die Verbesserung qualitativ und quantitativ definiert. Die Erfahrung hat gezeigt, dass besonders erfolgreiche Unternehmen einen grossen Teil ihrer Wertschöpfung mit gezielter Durchführung von zuvor sorgfältig bestimmten und ausgewählten Anwendungsfällen erzeugen. Ein Ideen-Workshop mit den Geschäftseinheiten und anschliessender Bewertung der Ideen nach Wertsteigerung und Komplexität kann helfen, den Fokus auf die vielversprechendsten Anwendungsfälle zu setzen (siehe Grafik «Bewertungs-Matrix von Ideen»).

Die Relevanz eines Anwendungsfalls wird massgeblich durch die Kenntnisse der betrieblichen Prozesse und Herausforderungen bestimmt. So könnte etwa ein bereits implementiertes Dashboard mit Prozess-KPIs hilfreich sein, sich relevante Themen auszusuchen und darauf Anwendungsfälle zu entwickeln. Die Erfahrung hat gezeigt, dass die Relevanz von Anwendungsfällen besonders dann hoch ist, wenn sich das Projektteam vorwiegend aus Vertretern der Geschäftseinheiten zusammensetzt.

Zusammenfassung: Mehrwert aus Daten gewinnen

Unternehmen können mit Daten, AI und IoT systematisch unternehmerische Mehrwerte erzielen. Im Nachfolgenden werden die wesentlichen Aspekte zusammengefasst.

Technologie und Mehrwerte sollten miteinander verbunden sein. Mit der Verfügbarkeit von moderner Technologie kann deren Wertbeitrag im Daten-/AI-/IoT-Anwendungsfall zur Geltung gebracht werden. Cloud Computing kann Unternehmen dabei unterstützen, sich einfach und schnell diese Technologien zu Nutze zu machen.
Daten und Mehrwerte sollten miteinander verbunden sein. Die Daten passen thematisch zum jeweiligen Anwendungsfall und bilden die Basis für die Anwendung mit AI. Zudem liegen die Daten in einer brauchbaren Form vor, sind zugreifbar und erfüllen das erforderliche Mass an Qualität.
Die Geschäftseinheiten sollten mit ihren Daten verbunden sein. Die Geschäftseinheiten kennen die wichtigen Kennzahlen und Datenquellen. Die primäre Verantwortung für die Daten liegt in der Geschäftseinheit. Die IT des Unternehmens tritt (sofern nicht anders definiert) als Unterstützerin der einzelnen Geschäftseinheiten auf.
Daten sollten intelligent im Sinne des Unternehmens genutzt werden. Die Kombination aus Technologie, Daten und deren intelligenter Nutzung schafft die Basis für Wertschöpfung im Unternehmen.
Data + Use = Value. Daten allein sind neutral. Erst mit der intelligenten Nutzung der erforderlichen Daten können Mehrwerte entstehen.
Angestrebte Mehrwerte sollten in Form eines Anwendungsfalls ausgedrückt werden. Der Anwendungsfall schafft Kontext zur Geschäftseinheit und zur Art des anzustrebenden Mehrwertes. Der anzustrebende Mehrwert (Ziel) ist messbar und steht im Zentrum des konkreten Anwendungsfalls.
Projekt-Teams sollten interdisziplinär zusammengesetzt sein. Damit sind neben der IT vor allem die Geschäftseinheiten federführend vertreten. Die Relevanz identifizierter Anwendungsfälle wird durch Fachkenntnisse zur jeweiligen Business Unit gestützt. Sehr förderlich ist die Bildung eines separaten Teams mit Daten-/IoT-/AI-Kompetenzen, welche die Projekt-Teams praktisch unterstützen. Interdisziplinäre Projekt-Teams vereinen alle zum Projekt notwendigen Kompetenzen und bilden die Voraussetzung für ein zügiges und wertschöpfendes Vorgehen.

Weiterführende Informationen

«Zögern sie nicht und kontaktieren Sie mich noch heute.»

Eberhard Lösch, Director Client Solutions & Delivery +41 76 687 08 67, [email protected]

PDF laden