Wie Daten helfen können, den Kunden besser zu verstehen
Wie viel Potenzial in Daten steckt, erkannte Alexander Thamm schon, als es noch keinen Daten-Hype gab. Fünf Jahre nach der Gründung beschäftigt seine Data-Science-Beratung knapp 100 Mitarbeiter und hat 500 Projekte umgesetzt.
Die Erfolgsgeschichte der Alexander Thamm GmbH beginnt mit einer Niederlage, erinnert sich der Gründer: „Den ersten Auftrag habe ich nicht bekommen, da war ich erst einmal enttäuscht und hatte nur Kosten, da ich das Büro schon angemietet hatte.“Fünf Jahre später beschäftigt seine Data-Science-Beratung in München und Berlin fast 100 Mitarbeiter, kann ein 70-prozentiges Umsatzwachstum vorweisen und zählt Konzerne wie BMW, Volkswagen, Eon und weitere Dax-Unternehmen zu ihren Kunden.
Vom Internet-Café zur Datenanalyse
Dazwischen liegen viel Einsatz, das richtige Gespür für neue Themen, Intuition für Zahlen und eine gute Portion Geschäftssinn. Letzterer zeigte sich bei Thamm schon mit drei Jahren, behauptet zumindest seine Cousine, die ihm beim Familienfest zerkleinerte Steine abkaufen sollte. Als Schüler betrieb er mit seinem Vater ein Internet-Café, in dem sie auch PCs reparierten. Als Student entdeckte Thamm das Thema Daten für sich, baute in seiner Diplomarbeit ein Prognosemodell für einen Automobilkonzern, der damit ablesen konnte, wann seine Kunden die Bremsanlage überprüfen mussten.
Die Arbeit war so erfolgreich, dass der Kunde das Projekt weltweit umsetzte und Thamm die Datenanalyse in einer Promotion vertiefte. Nebenbei beschäftigte er sich in verschiedensten Projekten freiberuflich weiter mit Daten – immer an der Schnittstelle zwischen IT und Fachabteilungen. „Das war eine wilde Zeit mit 100Stunden-Wochen. Nachts um drei Uhr habe ich noch an meiner Promotion geschrieben“, erinnert sich Thamm. Das erste Projekt, das er im zweiten Anlauf für seine junge Firma gewin- nen konnte, musste binnen vier Wochen beendet sein. Die jungen Datenwissenschaftler schafften es dank Energy Drinks und eines eigens entwickelten Ansatzes, den die Firma bis heute verfolgt, so Thamm: „Die IT hat die Daten, und die Fachabteilungen wissen oft nicht, wofür sie welche Daten nutzen können. Wir wurden als Vermittler gebraucht. Wir analysierten gemeinsam mit den Fachbereichen: Was ist euer Problem? Was wollt ihr vorhersagen? Passen die Daten zur Art der Prognose?“
Der Schulterschluss mit den Fachabteilungen ist den Datenwissenschaftlern genauso wichtig wie eine differenzierte Sicht auf die Technologie. „Wer glaubt, dass er nur vorne die Daten reinschieben muss, so dass hinten mehr Umsatz rauskommt, der irrt. Einen solchen Dukatenesel gibt es nicht“, sagt der Gründer. Sich digital aufzustellen heißt für Thamm, „Daten zu benutzen, um Produkte oder den Vertrieb zu verbessern und den Kunden zu verstehen. Auch künstliche Intelligenz ist kein Allheilmittel, sondern Mittel zum Zweck.“
Automatische Bilderkennung nach Hurricane
Für die Munich Re entwickelten die Datenprofis Algorithmen, mit denen die Rückversicherer anhand einer Bilderkennung Sturmschäden an Häusern klassifizieren können. Die Münchner setzten das Tool nach den Hurrikans Florence und Michael ein. Durch die erste Einschätzung der Schäden via Bilderkennung ist es möglich, die Schadensgutachter effizienter zu koordinieren und die besten Spezialisten zu den am schwierigsten zu beurteilenden Schäden zu schicken.
Bis eine solche Technologie zu einem Produkt wird, das dem Kunden zu mehr Umsatz verhilft, ist ein weiter Weg zu gehen. Das ist Thamm und seinem Strategiechef Andreas Gillhuber bewusst. Gillhuber arbeitete die ersten 20 Jahre seiner Karriere in Konzernen, bevor er mit Mitte 40 den Wechsel zum Startup wagte. Er
wollte wieder fachlich arbeiten und weg von den Eskalationen, mit denen er sich als Manager vor allem beschäftigen musste. „Für mich war der Wechsel ein Glücksfall, da ich in einem absoluten Zukunftsgebiet stark inhaltlich arbeiten und Themen auch außerhalb meines direkten Verantwortungsbereichs mitgestalten kann. Meine bisherigen Erfahrungen sind hilfreich, um sich in unsere Kunden hineinzuversetzen.“
Vom Use Case zum Datenprodukt
So hat es sich bewährt, zusammen mit dem Kunden eine Vision rund um bestimmte Daten zu erarbeiten und diese dann anhand erster Use Cases auszuprobieren. Bis ein Prototyp zum fertigen Datenprodukt oder -service ausgebaut werden kann, muss kontinuierlich getestet und viel Überzeugungsarbeit geleistet werden. Selten ergeben sich die Hindernisse aus den Tools selbst, so die Erfahrung von Thamm, sondern vielmehr aus der mangelnden Bereitschaft der Mitarbeiter, Daten herzugeben oder auf die gewohnten Excel-Tabellen zu verzichten.
Für Gillhuber ist klar: „Es geht nicht darum, den Status quo abzubilden, sondern vorherzusagen, welche Herausforderungen die Kunden in den nächsten Jahren umtreiben und wie wir sie – je nach Industriesektor – bestmöglich unterstützen können.“Einen Werkzeughersteller konnte das Startup beispielsweise in die Lage versetzen, dank der richtigen Daten und Algorithmen die künftigen Bedürfnisse seiner Kunden einzuschätzen und ihnen so passende Angebote frühzeitig zu unterbreiten. Thamm will Datenwissenschaft und KI aber auch jenseits seines Unternehmens voranbringen. Aus seiner Sicht hat das Ingenieurland Deutschland gegenüber den USA in Sachen KI viel aufzuholen, darum engagiert er sich im KI-Bundesverband und hat ein dreitägiges Data-Festival mit BARC organisiert, auf dem Anwender Einblick in ihre Projekte gaben.