Wenn man in sowohl großen Industriekonzernen als auch mittelständischen Unternehmen von ZDF spricht, ist damit nur selten die Rundfunkanstalt mit Sitz in Mainz gemeint. Weitaus häufiger forciert man mit diesen drei Buchstaben das Streben nach dem „neuen Gold“ digital vernetzter Ökosysteme: Zahlen, Daten, Fakten.
In vielen Unternehmen zeigt sich jedoch generell, dass zwar Berichte, Messwerte und Analysen im Überfluss vorliegen – die Bereitschaft und Kompetenz, sie konsequent in echte Verbesserungen zu übersetzen, fehlt jedoch oft.
Genau hier beginnt die zentrale Herausforderung: Wie lassen sich datenbasierte Entscheidungen in komplexen, heterogenen Organisationen so einsetzen, dass sie eine spürbar bessere User Experience beim Endnutzenden ermöglichen?
Besonders in der produzierenden Industrie – und hier vor allem im Automotive-Bereich – entstehen täglich Datenmengen, die nur schwer vorstellbar sind. Hochautomatisierte Erprobungsfahrzeuge liefern bis zu 44 Terabyte an Daten – pro Tag1. Kombiniert mit qualitativen und quantitativen Kundenrückmeldungen wäre dieser Datenpool eigentlich der ideale Nährboden für fundierte, nutzerorientierte Entscheidungen. Wie groß das Potenzial solcher Daten ist, zeigt ein Projekt mit dem Fahrzeugsicherheitssystem-Hersteller Humanetics: Für das weltweit agierende Unternehmen haben wir eine Software-Lösung entwickelt, die nahezu sämtliche verfügbaren Fahrzeugdaten nutzt, um Fahrerassistenzsysteme unter Realbedingungen zu erproben und zu validieren.
Warum Daten selten wirken – und wie sie Wirkung entfalten können
Unternehmen leiden selten unter einem Mangel an Daten. Die Herausforderung liegt vielmehr darin, diese Informationen an die richtigen Stellen zu tragen, um daraus Entscheidungen ableiten zu können. Meist sind die Daten isoliert in einzelnen Kompetenzbereichen und schaffen nur selten den Weg raus aus den Abteilungsgrenzen, den sogenannten „Wissensilos“. Die Gründe dafür sind so zahlreich wie verschieden: Systeme sind fragmentiert, relevante Ansprechpartner unbekannt oder schlicht notwendige Kommunikationskanäle nicht existent.
Doch selbst wenn relevante Ergebnisse oder Informationen den Weg zu Entscheidungsträgern gefunden haben, zeigt sich eine weitere Herausforderung: Interne Zielkonflikte sorgen dafür, dass Daten unterschiedlich gewichtet oder verschieden interpretiert werden und somit kaum Orientierung bieten. Für einen strategischen Einsatz der gewonnenen Daten, benötigt es ein Gremium, dass über die Deutungshoheit verfügt, relevante Informationen neutral und sachlich einordnet und die Ergebnisse anderen Abteilungen angepasst auf deren Zwecke zur Verfügung stellt.
Die Rolle des „Center of Competence“
Ein sog. Center of Competence (CoC) bündelt Wissen, Daten und Nutzerperspektiven – und bringt sie unabhängig von Produktlinien oder Budgetinteressen in Entscheidungsprozesse ein. Diese neutrale, aber übergreifende Rolle ist entscheidend, wenn Entscheidungen im Spannungsfeld zwischen Kosten, Technik und Nutzendenbedürfnissen getroffen werden müssen. Ein CoC fungiert damit als Expert*innengremium, das über den gesamten Produktlebenszyklus hinweg eine objektive Orientierung bietet.
Zudem stellt es sicher, dass vorhandene Daten im richtigen Kontext interpretiert werden. Statt individueller Meinungen zählen hier nachvollziehbare, transparente Fakten. Damit wird das CoC zum internen Sprachrohr für die Nutzenden – ein „User’s Advocate“ quasi.
In welcher Form dies geschehen kann zeigen die folgenden weiteren Beispiele, die mir im Automotive Bereich begegnet sind:
Bei modernen Fahrzeugen gehören induktive Lademodule inzwischen zur Serienausstattung. Vor Einführung des Ladestandards Qi2 musste das Smartphone jedoch exakt positioniert werden, um zuverlässig zu laden. Schon kleine Abweichungen führten zu sporadischem Laden – und entsprechendem Kundenfrust. Die Datenlage machte zwei Optionen deutlich: eine klarere Kennzeichnung der optimalen Position oder ein Upgrade auf den Qi2-Standard, der das Telefon mittels Magnetspule automatisch korrekt ausrichtet.
Der entscheidende Hebel, der sich mit „ZDF“ – also Zahlen, Daten, Fakten – bedienen lässt, ist somit das Aufzeigen von Potenzialen bei der Steigerung der Kundenzufriedenheit und das konkrete Ableiten von Handlungsempfehlungen zur Verbesserung des Produktdesigns.
Unterstützungsmöglichkeiten durch KI & Automatisierung
Wie wichtig der richtige Kontext für die Interpretation von Daten ist, zeigen zwei Beispiele aus dem Automotive-Bereich besonders deutlich:
Der typische Neuwagengeruch zählt in China zu den häufigsten Kundenbeanstandungen2 ,während er in Europa so positiv wahrgenommen wird, dass er als Duftbaum an jeder Tankstelle erhältlich ist. Ähnlich kontrastreich fällt das Feedback zu Getränkeablagen aus: In Europa kaum ein Thema, ist die Größe und Anordnung dieser praktischen Alltagshelfer in den USA hingegen ein ständiger Kritikpunkt – schließlich braucht ein 64oz Stanley Becher seinen Platz.
Qualitätsstudien wie die amerikanische Initial Quality Study (IQS) oder die Automotive Performance, Execution and Layout (APEAL) von J.D. Power können solche Muster sichtbar machen. Doch die Essenz bleibt dieselbe: Daten sind nur die halbe Miete – erst der passende kulturelle und situative Kontext machen sie interpretierbar.
Genau hier bieten KI und Automatisierung wertvolle Unterstützung. Sie helfen dabei, große heterogene Datenmengen in einer Geschwindigkeit und Qualität auszuwerten, die klassisch-manuelle Analysen nicht leisten können. Gleichzeitig können KI-gestützte Systeme – etwa Chatbots – Informationen zu spezifischen Themenfeldern zielgruppengerecht aufbereiten und für unterschiedliche Stakeholder nutzbar machen.
Technologie ersetzt damit nicht vollständig die menschliche Interpretation, aber sie schafft eine kontextualisierte und kognitiv schnell erfassbare Grundlage, auf der fundierte Entscheidungen auf Seite der Menschen möglich sind. Denn Entscheidungen zu treffen, bedeutet Verantwortung zu übernehmen und die Verantwortung für eine Fehlentscheidung zu tragen, wird die KI weder heute noch in Zukunft übernehmen können.
Der Zeitpunkt für Kundenfeedback ist immer gut – nur der Handlungsspielraum verändert sich
Oft hört man die Aussage, es sei „zu spät für Feedback“ oder „zu früh für belastbare Erkenntnisse“. In Wahrheit gibt es keinen schlechten Zeitpunkt: Kundenfeedback ist zu jeder Zeit wertvoll – nur die Art und der Umfang der Handlungsmöglichkeiten verändern sich.
Selbst wenn beispielsweise Hardware-Komponenten kurz vor dem „Start of Production“ nicht mehr angepasst oder verändert werden können, lassen sich noch schlagkräftige Maßnahmen zur Verbesserung der Kundenzufriedenheit ergreifen. Diese können beispielsweise wie folgt ausfallen:
- Präzise Hinweise bei der Fahrzeug- oder Produktübergabe,
- Illustrierte Erklärungen oder Tutorials in der App,
- Zielgerichtete Kommunikationsmaßnahmen im Marketing
- Abziehbare „First-Use“-Aufkleber, für eine Ersteinführung
Solche Maßnahmen können Frust reduzieren und sofort Wirkung entfalten, selbst wenn sie an der Hardware nichts ändern. Verwertbares Feedback ist also kein punktuelles Ereignis, sondern ein kontinuierlicher Datenstrom – und jede Phase bietet einen anderen Handlungsspielraum. Der Vorteil sogenannter Permanentsensoren liegt darin, dass Trends und Fehler sofort auffallen, sobald es die Datenlage erlaubt – nicht erst wenn danach gefragt wird. Dadurch werden sowohl hardware- als auch softwarenahe Ergebnisse aus unterschiedlichen Märkten unmittelbar nach Produktrelease sichtbar. Neben fehlerhaften Bauteilen oder nicht verständlichen Komfortfunktionen sind hier vor allem Softwarethemen von größter Bedeutung. Von der Anzahl von Blackscreens bis hin zur Nutzungshäufigkeit einzelner HMI-Funktionen lassen sich alle erdenklichen Daten erfassen, auswerten und somit nutzen. Vor allem die Tech-Unternehmen Tesla und Xiaomi demonstrieren, welche Rolle Software im Fahrzeug spielt und wie sich das Fahrzeug perfekt in das private digitale Ökosystem integrieren lässt.
Fazit
Daten allein verändern nichts. Sie sind Rohstoff, kein Ergebnis. Daten sind nicht einmal Information. Sie werden erst zu Information, wenn Menschen sie verstehen, ernst nehmen und in einen gemeinsamen Handlungsrahmen übersetzen können. Wir bei Centigrade unterstützen Unternehmen dabei, interne Daten und User Research Insights so aufzubereiten, dass sie fundierte, mensch-zentrierte Ableitungen ermöglichen. Das gelingt durch Tools, Metriken und Services, die wir mithilfe von KI-Automatisierungen entlang des gesamten digitalen Produktentwicklungsprozesses kombinieren, um das “Big Picture” zu erhalten. Dazu gehört auch, relevante UX-Metriken wie Time on Task bereits in der Konzeptphase prädiktiv zu ermitteln: in unserer frei verfügbaren KI-Automatisierung werden UI-Elemente aus einem Figma-Screenflow extrahiert und mithilfe von Computer Vision Modellen in einen logischen Bedienablauf gebracht. Anschließend wird per GOMS-Analyse ermittelt, wieviel Zeit ein Nutzender in etwa aufwänden muss, um sein Ziel mit dem gegebenen Screenflow unter Verwendung der erkannten UI-Elemente zu erreichen. So entstehen bereits früh im Konzeptionsprozess aussagekräftige Simulationsdaten, die zeigen, ob bestimmte Use Cases zu komplex oder zu zeitintensiv sind.
Wenn diese Voraussetzungen und ein konsistentes Verständnis vorhanden sind, entfalten Daten die positive Wirkung, die sie zum „neuen Gold“ unserer digital geprägten Gesellschaft werden lassen können. Die eigentliche Kunst besteht darin, Daten quer durch Abteilungen wandern zu lassen, sie mit echtem Nutzungskontext anzureichern und sie z.B. mit Hilfe von KI so aufzubereiten, dass menschliche Entscheidungen nicht länger aus dem Bauch heraus, sondern aus einer objektiven, geteilten und nachvollziehbaren Grundlage heraus getroffen werden.
Welche relevante Rolle eine fundierte Datenlage einnehmen kann, zeigt abermals das Praxisbeispiel von Humanetics. Dort reicht die Wirkung weit über die User Experience hinaus und schafft eine Basis für sicherheitstechnologische Fortschritte im Straßenverkehr. Ein Center of Competence, intelligente Prozesse und kluge KI-Unterstützung formen ein sich selbst-verstärkendes Ökosystem, in dem technische Grenzen, Budgetlogiken und die Bedürfnisse der Nutzenden kein Widerspruch mehr sind. Wenn Unternehmen diese Brücke bauen, wird aus einem chaotischen Strom von Zahlen, Daten, Fakten ein entscheidender strategischer Informationsvorsprung – und aus datengetriebenen aber gleichsam menschzentrierten Entscheidungen werden zufriedenere und somit loyalere Kunden.
Quellen
1) https://newsroom.porsche.com/de/2023/innovation/porsche-engineering-auf-den-punkt-big-data-33184.html
2) https://www.caranddriver.com/features/a36970626/science-new-car-smell/
