Drei bei­spiel­haf­te Di­gi­tal­pro­jek­te

Wie Groß­kon­zer­ne den Wan­del an­ge­hen.

Computerwoche - - Vorderseite - Von Hein­rich Vas­ke, Edi­to­ri­al Di­rec­tor

Ins­ge­samt 21 Di­gi­ta­li­sie­rungs­pro­jek­te aus ver­schie­de­nen Bran­chen fasst das Sach­buch „Di­gi­ta­liza­t­i­on Ca­ses“zu­sam­men. Die Bei­trä­ge wur­den von den Pro­jekt­be­tei­lig­ten selbst ver­fasst, und die Lek­tü­re lohnt sich. Wir pi­cken drei Pro­jek­te her­aus, um ei­nen Ein­druck von der Band­brei­te der In­itia­ti­ven zu ver­mit­teln.

RPA bei der Deut­schen Te­le­kom

Die Deut­sche Te­le­kom AG hat sich in den ver­gan­ge­nen Jah­ren in­ten­siv mit Ro­bo­tic Pro­cess Au­to­ma­ti­on (RPA) be­schäf­tigt, um mehr Trans­ak­tio­nen au­to­ma­ti­siert ab­wi­ckeln zu kön­nen. Ziel des Car­ri­ers war es, Pro­zes­se schnel­ler und bes­ser aus­zu­füh­ren, oh­ne da­für die zu­grun­de lie­gen­de An­wen­dungs­ar­chi­tek­tur an­fas­sen zu müs­sen, was mit ei­nem ho­hen zeit­li­chen und fi­nan­zi­el­len Auf­wand ver­bun­den wä­re. Im­mer mehr au­to­nom agie­ren­de Soft­ware­ro­bo­ter neh­men den Mit­ar­bei­tern heu­te ein­fa­che, stu­pi­de Tä­tig­kei­ten ab, in­dem sie ihr Vor­ge­hen nach­ah­men und au­to­ma­ti­siert die glei­chen User In­ter­faces be­fül­len wie zu­vor die Mit­ar­bei­ter. In der Um­set­zung kom­men da­bei nicht nur ein­fa­che re­gel­ba­sier­te Tools, son­dern zu­neh­mend auch kom­ple­xe Ma­chi­ne-Le­arning-Werk­zeu­ge zum Ein­satz.

Der Car­ri­er setzt auf ei­nen agi­len Ent­wick­lungs­an­satz und hat zu­nächst 50 RPA-An­wen­dungs­fäl­le iden­ti­fi­ziert. Im Mit­tel­punkt stan­den zu Be­ginn zwei Bei­spiel-Use-Ca­ses, die den Kun­den­ser­vice und ei­ne pro­ak­ti­ve Pro­blem­lö­sung be­tra­fen. Die Pro­jek­te ver­lie­fen er­folg­reich, zeig­ten aber, dass es bei RPA-Vor­ha­ben bes­ser ist, IT-af­fi­ne Mit­ar­bei­ter der Fach­be­rei­che in die Ver­ant­wor­tung zu neh­men als IT-Pro­fis, die tech­nisch ver­sier­ter sind, sich aber we­ni­ger mit den be­trof­fe­nen Ge­schäfts­pro­zes­sen aus­ken­nen. Er­reicht wur­den ei­ne mess­bar hö­he­re Kun­den­zu­frie­den­heit, um rund 40 Pro­zent ge­sun­ke­ne Kos­ten in den je­wei­li­gen Be­rei­chen so­wie ei­ne deut­lich ge­rin­ge­re Feh­ler­quo­te. Die Te­le­kom hat für De­sign und Im­ple­men­tie­rung agi­le Me­tho­den ver­wen­det. Nach zwei Wo­chen stand ein Pro­to­typ, nach sechs bis acht Wo­chen hat­te das 25-köp­fi­ge Team ei­ne ers­te Lö­sung auf den Weg ge­bracht.

Den Ver­ant­wort­li­chen war be­wusst, dass RPAVor­ha­ben um­strit­ten sind, da es nicht nur um ei­ne ver­bes­ser­te Pro­zess­land­schaft geht, son­dern theo­re­tisch auch dar­um, mensch­li­che Ar­beit durch Ma­schi­nen­ein­satz zu er­set­zen – ein hoch­sen­si­bles The­ma. Für die Te­le­kom war es des­halb be­son­ders wich­tig, of­fen zu kom­mu­ni­zie­ren so­wie die be­trof­fe­nen Mi­tar-

bei­ter ent­spre­chend ein­zu­bin­den und vor­zu­be­rei­ten.

Ka­e­ser ver­kauft Druck­luft im Abo

Wäh­rend der RPA-Ca­se der Te­le­kom im ers­ten Buch­ka­pi­tel mit der Über­schrift „Di­gi­ta­le Dis­rup­ti­on“er­schien, geht es im zwei­ten Ab­schnitt um das „Di­gi­tal Bu­si­ness“. Hier pi­cken wir das nicht mehr ganz un­be­kann­te, da­für aber de­tail­liert dar­ge­stell­te Bei­spiel des Ma­schi­nen­bau­ers Ka­e­ser her­aus, der sich im Zu­ge der di­gi­ta­len Aus­rich­tung frag­te: „Will der Kun­de Kom­pres­so­ren kau­fen oder in­ter­es­siert er sich nicht eher für die er­zeug­te Druck­luft?“

Zum Hin­ter­grund: Das Un­ter­neh­men aus Co­burg hat im Jahr 2016 mit sei­nen 5500 Mit­ar­bei­tern in 140 Län­dern Kom­pres­so­ren in ver­schie­dens­ten Grö­ßen­klas­sen ein­schließ­lich Ser­vices ver­kauft und da­mit knapp 800 Mil­lio­nen Eu­ro um­ge­setzt. Ka­e­ser wird da­bei von ei­nem glo­ba­len Netz­werk an Ver­triebs- und Ser­vice­part­nern un­ter­stützt. Der Ma­schi­nen­bau­er ent­schied sich, sein An­ge­bot um ein Ser­vice-ba­sier­tes Di­rekt­ver­triebs­mo­dell zu er­gän­zen, das er als „Sig­ma Air Uti­li­ty“be­zeich­net. Kun­den zah­len da­bei nur für die Druck­luft, die sie brau­chen. Ka­e­ser ana­ly­siert ih­ren Be­darf und stellt ih­nen ei­ne vom An­bie­ter be­trie­be­ne Druck­luft­sta­ti­on in­klu­si­ve Ser­vices hin.

Das neue Be­triebs­mo­dell un­ter­teilt sich in die Pha­sen Ent­wick­lung, In­stal­la­ti­on und Be­trieb. In der Ent­wick­lungs­pha­se wird der Druck­luft­be­darf des Kun­den hin­sicht­lich Men­ge, Druck und Qua­li­tät ana­ly­siert. Der wich­tigs­te Schritt da­bei ist die Air De­mand Ana­ly­sis (ADA), in der ein Da­ten-Log­ger das Ver­hal­ten ei­nes be­reits in­stal­lier­ten Kom­pres­sors un­ter­sucht und über zehn Ta­ge hin­weg misst, wie das Nut­zungs­ver­hal­ten ist und wie sich der Luft­druck ver­än­dert. Die da­für nö­ti­gen Da­ta Log­gers wur­den ge­mein­sam mit T-Sys­tems ent­wi­ckelt.

In der Ent­wick­lungs­pha­se spielt das Ka­e­ser Ener­gy Sa­ving Sys­tem (KESS) ei­ne wich­ti­ge Rol­le. Es hilft den In­ge­nieu­ren, ver­schie­de­ne Tech­no­lo­gie­kon­fi­gu­ra­tio­nen für die ge­plan­te Sta­ti­on zu si­mu­lie­ren. Hier flie­ßen ne­ben den ADA-Da­ten auch Er­fah­rungs­wer­te ein: Rund 80 Pro­zent der Kos­ten für die Er­zeu­gung von Druck­luft ent­fal­len auf Ener­gie, wes­halb die Ener­gie­ef­fi­zi­enz der Ba­sis­sta­ti­on ent­schei­dend ist. Die­se Si­mu­la­ti­on er­laubt Ka­e­ser, den Sig­maAir-Uti­li­ty-Kun­den ein be­stimm­tes Le­vel an Ener­gie­ef­fi­zi­enz ver­trag­lich zu ga­ran­tie­ren.

Die Ener­gie­kos­ten zu­sam­men mit dem Auf­wand für In­ves­ti­tio­nen und Ser­vices sind die wich­tigs­ten Pa­ra­me­ter für die Kos­ten­kal­ku­la­ti­on über den ge­sam­ten Ver­trags-Le­bens­zy­klus hin­weg. Ei­ne de­tail­lier­te, IT-un­ter­stütz­te Ana­ly­se ver­gan­ge­ner Ver­trä­ge ein­schließ­lich der War­tungs­ge­büh­ren er­laubt dem An­bie­ter, die Kos­ten­kal­ku­la­ti­on zu au­to­ma­ti­sie­ren. Ka­e­ser kann heu­te in we­ni­ger als ei­ner St­un­de her­aus­fin­den, wel­ches Preis­an­ge­bot pro Ku­bik­me­ter Druck­luft ge­macht wer­den soll­te.

In der Pha­se der In­stal­la­ti­on, in der Ka­e­ser beim Kun­den das tech­ni­sche Equip­ment auf­baut, nimmt der Kon­zern auch In­dus­trie-PCs als Kon­troll­ge­rä­te für die Druck­luft­sta­ti­on so­wie Netz­tech­no­lo­gie und ei­nen SAP-IoT-Cli­ent in Be­trieb. Letz­te­rer ver­bin­det den Kom­pres­sor mit der zen­tra­len HANA-Da­ten­bank im Co­bur­ger Haupt­quar­tier. Je­de Ma­schi­ne in der An­la­ge (Kom­pres­sor oder Trock­ner) wird über ei­nen In­dus­trie-PC re­gu­liert, und es wer­den Be­triebs­da­ten ge­sam­melt. Die PCs rund um die Ba­sis­sta­ti­on sind über das Sig­ma-Net­work (Et­her­net) mit dem „Sig­ma Air Ma­na­ger 4.0“(SAM) ver­bun­den.

Das SAM ist ein Ta­blet-ähn­li­ches Ge­rät und hat zwei Funk­tio­nen: Ers­tens kon­trol­liert es die Ma­schi­nen im Netz, um si­cher­zu­stel­len, dass der Kom­pres­sor die ge­wünsch­te Men­ge Druck­luft en­er­gie­ef­fi­zi­ent pro­du­ziert. Zwei­tens sam­melt es Ma­schi­nen­da­ten und sen­det sie an die zen­tra­le HANA-Da­ten­bank in Co­burg. Der Da­ten­ver­kehr er­folgt über ei­ne Et­her­net-Ver­bin­dung zwi­schen dem SAM und dem mit der Da­ten­bank ver­bun­de­nen IoT-Cli­ent.

Plant Con­trol Cen­ter or­ga­ni­siert Be­trieb

Für den Be­trieb der An­la­gen im Feld ist schließ­lich das zen­tra­le Ka­e­ser Plant Con­trol Cen­ter zu­stän­dig, das al­le Luft­druck­sta­tio­nen im Feld zen­tral über­wacht. Die Mit­ar­bei­ter se­hen ei­ne gra­fi­sche Land­kar­te mit far­bi­gen Icons dar­auf, die den Zu­stand der Sta­tio­nen an­zei­gen. Zu­dem wer­den die Da­ten der je­wei­li­gen Ma­schi­nen ana­ly­siert, um Aus­fäl­le zu ver­mei­den (Pre­dic­tive Main­ten­an­ce). Ener­gie­ver­brauch, Ma­schi­nen­tem­pe­ra­tur, Druck und Vi­bra­tio­nen ge­hö­ren zu den er­ho­be­nen Wer­ten. Er­fasst wird auch der Druck­luft­kon­sum, der un­ter an­de­rem für die mo­nat­li­che Rech­nung aus­schlag­ge­bend ist.

Die Her­aus­for­de­run­gen, mit de­nen der Ma­schi­nen­bau­er bei der Ein­füh­rung des Sub­scrip­ti­onMo­dells zu kämp­fen hat­te, sind viel­fäl­tig. Oft ha­ben sich Kun­den nie die Mü­he ge­macht, die Ge­samt­kos­ten für ei­ne ge­kauf­te Kom­pres­sor­an­la­ge zu be­rech­nen. Da­her feh­len ih­nen die Ver­gleichs­mög­lich­kei­ten zum Ser­vice­mo­dell.

Ver­än­dert hat sich auch die Kun­den­be­zie­hung, die en­ger ge­wor­den ist und re­gel­mä­ßi­ge Mee­tings er­for­dert. Vie­le Ka­e­ser-Mit­ar­bei­ter muss­ten sich ih­re In­ge­nieurs­den­ke ab- und ei­ne Bu­si­ness-Den­ke an­ge­wöh­nen. Wo frü­her tech­ni­sche De­tails die Dis­kus­si­on zwi­schen Kun­den und Ka­e­ser-Ver­trieb be­stimm­ten, ste­hen jetzt ge­schäft­li­che Aspek­te im Blick­punkt.

Ser­vice-ba­sier­tes Be­triebs­mo­dell

Auch muss­ten sich die Ver­käu­fer mit dem Ser­vice-ba­sier­ten Be­triebs­mo­dell erst noch an­freun­den. Da­bei än­der­ten sich die An­sprech­part­ner beim Kun­den: Hat­te man es frü­her eher mit den Tech­ni­kern in den Fa­b­ri­ken zu tun, sind jetzt Bu­si­ness-ori­en­tier­te Mit­ar­bei­ter wie Ab­tei­lungs­lei­ter oder Con­trol­ler am Tisch. Die in­ter­es­sie­ren sich vor al­lem für ge­schäft­li­che Vor­tei­le, we­ni­ger für Tech­nik­de­tails.

Ka­e­ser sieht sich auch ei­nem hö­he­ren wirt­schaft­li­chen Ri­si­ko aus­ge­setzt, da der Auf­bau ei­ner Druck­luft­sta­ti­on für das Sig­ma-Air-Uti­li­ty-Mo­dell ho­he Vo­rabin­ves­ti­tio­nen er­for­dert. Die­se müs­sen über den Le­bens­zy­klus ei­nes Kun­den­ver­trags amor­ti­siert wer­den. Geht der Kun­de vor­her plei­te, bleibt Ka­e­ser auf den Kos­ten sit­zen – wes­halb jetzt je­dem Ver­trag ei­ne Sol­venz­ana­ly­se vor­ge­schal­tet ist.

Ein wirt­schaft­li­ches Ri­si­ko stellt auch das Fa­b­ri­k­um­feld dar, in dem Ka­e­ser sei­ne Sta­ti­on auf­baut. Ho­hes Stau­bauf­kom­men führt bei­spiels­wei­se zu ei­nem kür­ze­ren Aus­tausch­zy­klus für Fil­ter­tech­nik und da­mit zu mehr War­tungs­auf­wand, was sich in ei­ner hö­he­ren mo­nat­li­chen Ge­bühr wi­der­spie­geln muss. Ka­e­ser hat vor dem Hin­ter­grund ver­schie­de­ner Um­feld­pa­ra- me­ter stren­ge Re­geln für sei­ne Ser­vice­ver­trä­ge ent­wi­ckelt.

AXA Ger­ma­ny: Da­ta-dri­ven In­suran­ce

Das drit­te Pro­jekt aus dem Buch „Di­gi­ta­liza­t­i­on Ca­ses“be­trifft die di­gi­ta­le Trans­for­ma­ti­ons­stra­te­gie der AXA Ver­si­che­rung in Deutsch­land, die sich zu ei­ner „Da­ta-dri­ven In­suran­ce“ent­wi­ckelt und da­bei na­tur­ge­mäß vor ei­ner Viel­zahl von Her­aus­for­de­run­gen steht. Ent­schei­dun­gen da­ten­ge­trie­ben zu fäl­len, be­deu­tet ei­nen kul­tu­rel­len Wan­del und trifft die Mit­ar­bei­ter, die seit vie­len Jah­ren an be­stimm­te Ab­läu­fe ge­wöhnt sind.

Ein Pro­blem ist auch die in die Jah­re ge­kom­me­ne IT-In­fra­struk­tur, die auf den Roll­out neu­er Tech­no­lo­gi­en ei­ne brem­sen­de Wir­kung hat. Hin­zu kommt die Viel­zahl an re­gu­la­to­ri­schen An­for­de­run­gen rund um den Da­ten­schutz. Um die­se und an­de­re The­men an­zu­ge­hen, grün­de­te AXA ein Da­ta In­no­va­ti­on Lab, das sich in die Units Da­ta Ana­ly­tics, Da­ta Ma­nage­ment Of­fice und Da­ta En­gi­nee­ring glie­dert. Die Auf­ga­be die­ses Labs ist es, da­ten­ba­siert In­no­va­tio­nen zu schaf­fen, die ope­ra­ti­ve Ef­fi­zi­enz im Kon­zern zu ver­bes­sern, die Chan­cen neu­er Tech­no­lo­gi­en zu nut­zen und bei all­dem die für Ver­si­che­run­gen be­son­ders stren­gen Da­ten­schutz­auf­la­gen ein­zu­hal­ten.

Der Be­reich Da­ta Ana­ly­tics soll vor al­lem in­no­va­ti­ve Pro­jek­te vor­an­trei­ben. Das kann bei­spiels­wei­se fort­ge­schrit­te­ne sta­tis­ti­sche Mo­del­lie­run­gen im Claim-Pro­zess be­tref­fen oder auch die Nut­zung von KI im Kun­den­ser­vice. So wur­de bei­spiels­wei­se ein Dia­log­sys­tem für den Kun­den­ser­vice ent­wi­ckelt, das in der La­ge ist un­struk­tu­rier­te Da­ten, et­wa in Ver­si­che­rungs­do­ku­men­ten, aus­zu­wer­ten und so Fra­gen rund um Ver­trags­be­din­gun­gen oder Ab­de­ckung au­to­ma­ti­siert zu be­ant­wor­ten. Für die In­an­spruch­nah­me von Au­to­ver­si­che­run­gen wur­de ein Geo­da­ten-ba­sier­tes Sys­tem ge­schaf­fen, das be­trof­fe­ne Kun­den zur nächs­ten Part­ner­werk­statt von AXA Deutsch­land na­vi­giert.

Chef des Be­reichs Da­ta Ana­ly­tics ist der „Chief Da­ta Sci­en­tist“. Er soll Da­ten- und Un­ter­neh­mens­stra­te­gie in Ein­klang brin­gen und in­no­va­ti­ve Use Ca­ses vor­an­trei­ben. Sei­ne Auf­ga­be ist es auch, Zie­le, Er­folgs­kri­te­ri­en und Pro­duk­te rund um Smart-Da­ta-In­itia­ti­ven zu de­fi­nie­ren, er­folg­reich ge­tes­te­te Lö­sun­gen in den lau­fen­den Be­trieb zu über­füh­ren und agi­le Me­tho­den, Tools und Best Prac­tices aus­zu­rol­len.

Die Rol­le des Chief Da­ta Of­fi­cer

Ist der Chief Da­ta Sci­en­tist Chef des Da­ta-Ana­ly­tics-Be­reichs, so steht der Chief Da­ta Of­fi­cer dem Da­ta-Ma­nage­ment-Team vor. Er sorgt da­für, dass Da­ten als Un­ter­neh­mens-As­set ver­stan­den und be­han­delt wer­den, bringt Bu­si­ness- und IT-Road­maps in Ein­klang, be­stimmt Richt­li­ni­en und Stan­dards be­züg­lich des Da­ta Hand­lings im Un­ter­neh­men und ko­or­di­niert Com­p­li­an­ce-In­itia­ti­ven. Au­ßer­dem ist er der­je­ni­ge, der als Chan­ge Agent ei­ne Da­ten­kul­tur im Un­ter­neh­men eta­bliert. Aus dem Da­ta Ma­nage­ment Of­fice von AXA Deutsch­land wer­den Stan­dards für das Ma­nage­ment des Da­ta Lifecy­cle er­ar­bei­tet, Da­ten­ser­vice-An­ge­bo­te für ver­schie­de­ne Ge­schäfts­fel­der be­reit­ge­stellt so­wie Da­ten­schutz, In­for­ma­ti­ons­si­cher­heit und die Ein­hal­tung re­gu­la­to­ri­scher Vor­ga­ben ver­ant­wor­tet.

AXA Deutsch­land setzt auf Da­ta-La­ke-Tech­no­lo­gie und führt struk­tu­rier­te und un­struk­tu­rier­te Da­ten aus zu­nächst 20 in­ter­nen Da­ten­bank­sys­te­men und 25 ex­ter­nen Qu­el­len zu Ana­ly­se­zwe­cken zu­sam­men. Das Da­ta Ma­nage­ment Of­fice ist Pro­duct Ow­ner über die­sen Da­ta La­ke – aber oh­ne die Kol­le­gen der drit­ten In­stanz, des Da­ta En­gi­nee­ring, geht gar nichts. Sie bau­en die Da­ten-Pi­pe­lines, be­rei­ni­gen die Be­stän­de, sor­gen für die lo­gi­sche und phy­si­ka­li­sche Da­ten­mo­del­lie­rung, im­ple­men­tie­ren In­te­gra­ti­on, Ver- und Ent­schlüs­se­lung, schaf­fen Zu­gangs­mög­lich­kei­ten und sor­gen für die Lö­schung von Da­ten, wenn recht­li­che Um­stän­de dies er­for­dern. Was hat AXA aus die­ser drei­glied­ri­gen Or­ga­ni­sa­ti­on des Da­ta In­no­va­ti­on Lab ge­lernt? Da­ta Ana­ly­tics und Da­ta Ma­nage­ment kön­nen durch­aus kon­kur­rie­ren­de Zie­le ver­fol­gen. Das Da­ta Ma­nage­ment stellt den or­ga­ni­sa­to­ri­schen und tech­ni­schen Wan­del in den Vor­der­grund, ihm sind Aspek­te wie Com­p­li­an­ce und sta­bi­le Pro­zes­se wich­tig. Die Ana­ly­ti­ker sind eher rast­los, sie wol­len schnell und agil Din­ge aus­pro­bie­ren und tes­ten. Ih­nen geht es um die zeit­na­he Um­set­zung von Smart-Da­ta-In­itia­ti­ven.

Bei AXA ha­ben sich das Da­ten-Ma­nage­men­t­und das Da­ta-Ana­ly­tics-Team da­her ei­nen Sha­red-Of­fice-Be­reich auf dem Un­ter­neh­mensCam­pus ein­ge­rich­tet, wo sie eng zu­sam­men­ar­bei­ten und auch die Mit­ar­bei­ter an­de­rer Ab­tei­lun­gen zu Smart-Da­ta-Pro­jek­ten ein­la­den. Ein kon­se­quen­ter Ein­satz agi­ler Me­tho­den sorgt dort für das nö­ti­ge Tem­po, gleich­zei­tig dif­fun­diert das Wis­sen rund um agi­le Me­tho­den in an­de­re Ge­schäfts­be­rei­che. Für AXA als klas­si­schen Ver­si­che­rer mit star­ken Hier­ar­chi­en stellt die­ses Sha­red Of­fice be­reits ei­ne klei­ne Re­vo­lu­ti­on dar. Kon­zern­wei­te Bot­tom-up-Da­ten­kul­tur

Grö­ße­re Her­aus­for­de­run­gen für den Kon­zern sind aber der Auf­bau ei­ner kon­zern­wei­ten Bot­tom-up-Da­ten­kul­tur und das Um­den­ken der Mit­ar­bei­ter, die sich noch an den Ge­dan­ken ge­wöh­nen müs­sen, dass Da­ten ein es­sen­zi­el­les As­set für das Kern­ge­schäft dar­stel­len. Des­halb müs­sen die Ge­schäfts­be­rei­che auf dem Weg zur Da­ta-dri­ven Com­pa­ny un­be­dingt im Boot sein. Sie ar­bei­ten eng mit dem Da­ta In­no­va­ti­on Lab zu­sam­men, um ih­re Pro­zes­se ge­mein­sam mit den Spe­zia­lis­ten neu zu den­ken und zu gestal­ten. Bei AXA war es wich­tig für das Da­ta­Team, sich of­fen zu prä­sen­tie­ren, Brü­cken ins Bu­si­ness zu bau­en und nicht den Ein­druck ei­nes El­fen­bein­turms ent­ste­hen zu las­sen.

Ent­schei­dend für den Er­folg ist am En­de aber auch die Un­ter­stüt­zung und der lan­ge Atem des Top­ma­nage­ments. An­ge­mes­se­ne Kenn­zah­len (KPIs) so­wie die rich­ti­gen Kon­troll- und Re­porting-Sys­te­me hel­fen, den Um­bau zu ma­na­gen, auch wenn die Er­geb­nis­se von Da­ta­Ma­nage­ment-Ak­ti­vi­tä­ten nur sel­ten in mo­ne­tä­ren KPIs auf­zu­zei­gen sind.

Den An­spruch, die Di­gi­ta­li­sie­rung an prak­ti­schen Ca­ses zu be­schrei­ben, er­fül­len Nils Ur­bach und Ma­xi­mi­li­an Rög­lin­ger in ih­rer Bei­spiel­samm­lung „Di­gi­ta­liza­t­i­on Ca­ses“. Mehr In­for­ma­tio­nen un­ter www. sprin­ger.com/9783319952727

Newspapers in German

Newspapers from Germany

© PressReader. All rights reserved.