Lösungen aus der Cloud: Herausforderungen und Erfolgsfaktoren.

Die Situation, vor der viele Unternehmen heute stehen, könnte schwieriger nicht sein: Von ihnen erwartet, dass sie mindestens ebenso innovativ sind wie die erfolgreichen Tech-Konzerne Google, Apple und Co. Andererseits sind diese Unternehmen mit ihrer IT unterlegen. Insofern ist es nicht verwunderlich, dass Cloud-Computing und -Lösungen im Trend liegen. Laut der Bitkom-Research-Studie „Cloud Monitor“ ist der Zuspruch für die Technologie in den letzten Jahren deutlich gestiegen. Die Offenheit gegenüber der Cloud überwiegt inzwischen die Skepsis.

Die Rolle der IT
Nichtdestotrotz sind Cloud-Lösungen mit gewissen Schwierigkeiten verbunden, die kritisch für den erfolgreichen Einsatz sind. Mit „Inhouse IT vs. Cloud“ treffen entgegengesetzte Modelle bzw. Denkansätze aufeinander. Sowohl hinsichtlich der vorhandenen IT-Architektur als auch bezüglich der Organisationsstruktur von Unternehmen müssen Cloud-Lösungen darum gut vorbereitet werden. Wissen und Know-how aufzubauen und weiterzuentwickeln wird damit zu einer wichtigen strategischen Aufgabe.
Die IT spielt zudem heute in nahezu allen Unternehmensbereichen eine wichtige Rolle und ist häufig der Schlüssel zur strategischen Positionierung und Neuausrichtung. Kaum eine Branche ist nicht davon berührt: Landwirte schicken Drohnen über ihre Felder, in der Pflege werden vernetzte Betten und Wearables eingesetzt und in der Bäckerei liefern intelligente Absatzprognosen und Tools zur Personalplanung wichtige Einsichten zur ökonomischen Planung und Steuerung aller Geschäftsprozesse.

Braucht jeder Betrieb in Zukunft einen Cloud-Experten?
Nicht jeder kleine Betrieb und jedes mittelständische Unternehmen kann weder über eine elaborierte eigene IT oder aber über einen eigenen Cloud- oder IT-Experten verfügen. Besonders wenn es darum geht, Big-Data- oder Machine-Learning-Projekte zu integrieren oder wenn Konzerne mit einem Netzwerk an Partnern, ein neues System ausrollen wollen, stoßen On-Premises-Systeme sehr schnell an ihre Grenzen.
Außerdem wäre es unökonomisch, rein vorsorglich eine riesige IT-Architektur zu betreiben, die nicht nur allen aktuellen, sondern auch potentiellen zukünftigen Anforderungen gerecht sein soll. Interne IT-Lösungen verursachen jedoch nicht nur hohe Kosten – sie sind auch vergleichsweise statisch. Ausgelagerte Lösungen erlauben es, die technischen Anforderungen schnell, situativ und flexibel anzupassen. Laut „Cloud Monitor“ nutzen darum inzwischen zwei Drittel aller Unternehmen in der ein oder anderen Form Cloud-Dienste.
Die Nutzung von Cloud-Lösungen will jedoch gut geplant sein. Insbesondere die Analyse der Anforderungen erfordert spezielles Know-how bezüglich der Auswahl der richtigen Technologien und der Abschätzung der Auswirkungen auf die bestehende IT-Infrastruktur. Dieses Know-how befindet sich in der Regel nicht im Unternehmen und muss von außen in Form von externen Beratungen oder Experten kommen. Speziell die Anpassungen an der Systemarchitektur geht und die Schnittstellen zwischen Enterprise-System und der Cloud müssen auf verschiedenen Ebenen vorbereitet werden. Sowohl in technischer als auch personeller Hinsicht und nicht zuletzt hinsichtlich der Entwicklung einer einheitlichen Data Governance.

Die eigne IT – ein Auslaufmodell?
Cloud-Lösungen bieten gegenüber On-Premises-Lösungen eine ganze Reihe von Vorteilen. Allen voran die Skalierbarkeit. Wenn der Bedarf im Unternehmen wächst – sei es an Speicherplatz, Sicherheit, Software oder Rechenpower – können diese in kürzester Zeit organisiert oder auch wieder reduziert werden. Viele kostenintensive Aufgaben im Bereich Wartung, Modernisierung, Security, Datensicherheit und Administration werden hingegen an den Cloud-Anbieter ausgelagert.
Besonders in der industriellen Fertigung bietet die Cloud gegenüber On-Premises-Lösungen zudem entscheidende Vorteile, wenn es um Geschwindigkeit und Agilität geht. Mit der hohen Verfügbarkeit von Daten, die die Cloud ermöglicht, können interne IT-Systeme inzwischen kaum mehr mithalten. Dies hat zum Teil technische und zum Teil strukturelle Ursachen. Vor allem der gestiegene interne Vernetzungsgrad im Rahmen des IIoT (Industrial Internet of Things) führt hier zu Einbußen.
Damit jedoch die Vorteile, die die Cloud gegenüber hauseigenen Lösungen bieten, realisiert werden können, ist Know-how erforderlich, das jenseits des Fachwissens traditioneller IT-Abteilungen angesiedelt ist. Der Aufbau von Wissen und Know-how oder der Einbezug von Wissensarbeitern sind darum der Schlüssel zum Erfolg. Wichtig ist, das Aufsetzen dieser Lösungsansätze keine Teilzeitaufgabe ist oder eine Aufgabe, die bestehende Mitarbeiter einfach on top miterledigen sollten. Cloud-Spezialisten von externen Dienstleistern wie beispielsweise Solcom sind hier eine Lösung. Denn gerade Freiberufler haben den Vorteil, dass sie viel Erfahrung aus vergleichbaren Projekten mit einbringen können.

Woran IT- und Data-Science-Projekte scheitern
Bevor Unternehmen heute mit neuen Geschäftsmodellen an den Markt gehen, werden diese zunächst getestet. So gehen Unternehmen sicher, dass sie diese auch nach einer erfolgreichen Testphase in großem Maßstab ausrollen können. Aktuell erleben wir eine Phase im Rahmen der Digitalisierung, in der eine Mehrheit der Unternehmen bereits erste Pilot-Projekte zum Proof-of-Concept durchgeführt haben. Die Schwierigkeit besteht nun oft darin, erfolgreich durchgeführten Projekte in tatsächlich tragfähige Konzepte zu überführen und diese in den Unternehmensalltag zu integrieren.
In einem Data-Science-Projekt werden beispielsweise während der Proof-of-Concept-Phase Testdaten verwendet. Diese dienen dazu Algorithmen zu trainieren und um zu untersuchen, ob das gewählte Modell für den ausgewählten Anwendungsfall, sinnvolle Ergebnisse liefert. Taucht ein Fehler in einem Datensatz auf, kann dieser ganz schnell manuell korrigiert werden. Wird ein Projekt nun positiv evaluiert, geht es um die Umsetzung. Anstatt der verwendeten Testdaten kommen nun aber die Daten in sehr großer Menge und in Echtzeit aus dem Unternehmen. Jetzt ist es nicht mehr möglich einzelne Fehler in Daten, die zum Beispiel durch fehlerhafte Eingaben verursacht werden können, zu erkennen und händisch zu korrigieren. Hier zeigt sich erst, wie gut eine Organisation auf Datenprojekte vorbereitet ist.

Data Engineering: Eine vernachlässigte Disziplin
Der Unterschied zwischen Labor und Praxis ist zur Zeit einer der häufigsten Gründe, warum so wenige Data-Science-Projekte letztlich auch zum Data-Produkt werden. Die Lösung für dieses Problem ist tatsächlich struktureller und personeller Art. Während in einem Data-Science-Projekt ein Data Scientist die überschaubare Menge an Testdaten „von Hand“ verändern kann, wäre eine händische Lösung im späteren Verlauf allein aufgrund der schieren Datenmenge undenkbar. Experten wie Data Enigneers können jedoch dafür sorgen, dass im Vorfeld die IT-Architektur beziehungsweise Cloud-Lösung so angepasst und die Daten entsprechend aufbereitet werden, dass der Übergang von Proof-of-Concept zum Produkt auch sicher gelingt.
Wenn es um Datenbankendesign oder skalierbare Datenspeicher wie den Data Lake und andere Cloud-Lösungen geht, stoßen klassische IT-Abteilungen sowohl personell als auch fachlich an ihre Grenzen. Data Engineering bildet hier die Grundlage für Data Science und Data Analytics. Gerade weil es hier an Fachkräften und an einem Bewusstsein für die Wichtigkeit dieses Bereichs mangelt, spielen Projektdienstleister auch hier in Zukunft eine wichtigere Rolle. Nur so können Cloud-Lösungen ihre zahlreichen Vorteile gegenüber anderen Systemen auch wirklich ausspielen.

Über den Autor
Christian Schön arbeitet als freier Autor und Blogger in Berlin. Zu seinen Schwerpunkten gehören folgende Themen: Die Auswirkung der Digitalisierung auf die Gesellschaft sowie die Transformation der Arbeitswelt durch Big Data, das Internet der Dinge und Künstliche Intelligenz sowie die Industrie 4.0. Seine Texte erscheinen unter anderem auf dem „Big-Data-Blog“, dem „New-Work-Blog“, dem „Bank-Blog“ oder dem Magazin „Digitale Welt“.“