![\"Illustration](\"https:\/\/www.centigrade.de\/wordpress\/wp-content\/uploads\/Bild25.jpg\")
<\/p>\n<\/p>\n
Wenn man in sowohl gro\u00dfen Industriekonzernen als auch mittelst\u00e4ndischen Unternehmen von ZDF spricht, ist damit nur selten die Rundfunkanstalt mit Sitz in Mainz gemeint. Weitaus h\u00e4ufiger forciert man mit diesen drei Buchstaben das Streben nach dem \u201eneuen Gold\u201c digital vernetzter \u00d6kosysteme: Zahlen, Daten, Fakten.<\/p>\n
In vielen Unternehmen zeigt sich jedoch generell, dass zwar Berichte, Messwerte und Analysen im \u00dcberfluss vorliegen \u2013 die Bereitschaft und Kompetenz, sie konsequent in echte <\/em>Verbesserungen zu \u00fcbersetzen, fehlt jedoch oft.<\/p>\n Genau hier beginnt die zentrale Herausforderung: Wie lassen sich datenbasierte Entscheidungen in komplexen, heterogenen Organisationen so einsetzen, dass sie eine sp\u00fcrbar bessere User Experience beim Endnutzenden erm\u00f6glichen?<\/p>\n Besonders in der produzierenden Industrie \u2013 und hier vor allem im Automotive-Bereich \u2013 entstehen t\u00e4glich Datenmengen, die nur schwer vorstellbar sind. Hochautomatisierte Erprobungsfahrzeuge liefern bis zu 44 Terabyte an Daten \u2013 pro Tag1<\/sup>. \u00a0Kombiniert mit qualitativen und quantitativen Kundenr\u00fcckmeldungen w\u00e4re dieser Datenpool eigentlich der ideale N\u00e4hrboden f\u00fcr fundierte, nutzerorientierte Entscheidungen. Wie gro\u00df das Potenzial solcher Daten ist, zeigt ein Projekt mit dem Fahrzeugsicherheitssystem-Hersteller Humanetics<\/a>: F\u00fcr das weltweit agierende Unternehmen haben wir eine Software-L\u00f6sung entwickelt, die nahezu s\u00e4mtliche verf\u00fcgbaren Fahrzeugdaten nutzt, um Fahrerassistenzsysteme unter Realbedingungen zu erproben und zu validieren.<\/p>\n 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 k\u00f6nnen. Meist sind die Daten isoliert in einzelnen Kompetenzbereichen und schaffen nur selten den Weg raus aus den Abteilungsgrenzen, den sogenannten \u201eWissensilos\u201c. Die Gr\u00fcnde daf\u00fcr sind so zahlreich wie verschieden: Systeme sind fragmentiert, relevante Ansprechpartner unbekannt oder schlicht notwendige Kommunikationskan\u00e4le nicht existent.<\/p>\n Doch selbst wenn relevante Ergebnisse oder Informationen den Weg zu Entscheidungstr\u00e4gern gefunden haben, zeigt sich eine weitere Herausforderung: Interne Zielkonflikte sorgen daf\u00fcr, dass Daten unterschiedlich gewichtet oder verschieden interpretiert werden und somit kaum Orientierung bieten. F\u00fcr einen strategischen Einsatz der gewonnenen Daten, ben\u00f6tigt es ein Gremium, dass \u00fcber die Deutungshoheit verf\u00fcgt, relevante Informationen neutral und sachlich einordnet und die Ergebnisse anderen Abteilungen angepasst auf deren Zwecke zur Verf\u00fcgung stellt.<\/p>\n Ein sog. Center of Competence (CoC) b\u00fcndelt Wissen, Daten und Nutzerperspektiven \u2013 und bringt sie unabh\u00e4ngig von Produktlinien oder Budgetinteressen in Entscheidungsprozesse ein. Diese neutrale, aber \u00fcbergreifende Rolle ist entscheidend, wenn Entscheidungen im Spannungsfeld zwischen Kosten, Technik und Nutzendenbed\u00fcrfnissen getroffen werden m\u00fcssen. Ein CoC fungiert damit als Expert*innengremium, das \u00fcber den gesamten Produktlebenszyklus hinweg eine objektive Orientierung bietet.<\/p>\n Zudem stellt es sicher, dass vorhandene Daten im richtigen Kontext interpretiert werden. \u00a0Statt individueller Meinungen z\u00e4hlen hier nachvollziehbare, transparente Fakten. \u00a0Damit wird das CoC zum internen Sprachrohr f\u00fcr die Nutzenden \u2013 ein \u201eUser\u2019s Advocate\u201c quasi.<\/p>\n In welcher Form dies geschehen kann zeigen die folgenden weiteren Beispiele, die mir im Automotive Bereich begegnet sind:<\/p>\n Bei modernen Fahrzeugen geh\u00f6ren induktive Lademodule inzwischen zur Serienausstattung. Vor Einf\u00fchrung des Ladestandards Qi2 musste das Smartphone jedoch exakt positioniert werden, um zuverl\u00e4ssig zu laden. Schon kleine Abweichungen f\u00fchrten zu sporadischem Laden \u2013 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.<\/p>\n Der entscheidende Hebel, der sich mit \u201eZDF\u201c \u2013 also Zahlen, Daten, Fakten \u2013 bedienen l\u00e4sst, ist somit das Aufzeigen von Potenzialen bei der Steigerung der Kundenzufriedenheit und das konkrete Ableiten von Handlungsempfehlungen zur Verbesserung des Produktdesigns.<\/p>\n Wie wichtig der richtige Kontext f\u00fcr die Interpretation von Daten ist, zeigen zwei Beispiele aus dem Automotive-Bereich besonders deutlich:<\/p>\n Der typische Neuwagengeruch z\u00e4hlt in China zu den h\u00e4ufigsten Kundenbeanstandungen2 <\/sup>,w\u00e4hrend er in Europa so positiv wahrgenommen wird, dass er als Duftbaum an jeder Tankstelle erh\u00e4ltlich ist. \u00a0\u00c4hnlich kontrastreich f\u00e4llt das Feedback zu Getr\u00e4nkeablagen aus: In Europa kaum ein Thema, ist die Gr\u00f6\u00dfe und Anordnung dieser praktischen Alltagshelfer in den USA hingegen ein st\u00e4ndiger Kritikpunkt \u2013 schlie\u00dflich braucht ein 64oz Stanley Becher seinen Platz.<\/p>\n Qualit\u00e4tsstudien wie die amerikanische Initial Quality Study (IQS) oder die Automotive Performance, Execution and Layout (APEAL) von J.D. Power k\u00f6nnen solche Muster sichtbar machen. Doch die Essenz bleibt dieselbe: Daten sind nur die halbe Miete \u2013 erst der passende kulturelle und situative Kontext machen sie interpretierbar.<\/p>\n Genau hier bieten KI und Automatisierung wertvolle Unterst\u00fctzung. Sie helfen dabei, gro\u00dfe heterogene Datenmengen in einer Geschwindigkeit und Qualit\u00e4t auszuwerten, die klassisch-manuelle Analysen nicht leisten k\u00f6nnen. Gleichzeitig k\u00f6nnen KI-gest\u00fctzte Systeme \u2013 etwa Chatbots \u2013 Informationen zu spezifischen Themenfeldern zielgruppengerecht aufbereiten und f\u00fcr unterschiedliche Stakeholder nutzbar machen.<\/p>\n Technologie ersetzt damit nicht vollst\u00e4ndig die menschliche Interpretation, aber sie schafft eine kontextualisierte und kognitiv schnell erfassbare Grundlage, auf der fundierte Entscheidungen auf Seite der Menschen m\u00f6glich sind. Denn Entscheidungen zu treffen, bedeutet Verantwortung zu \u00fcbernehmen und die Verantwortung f\u00fcr eine Fehlentscheidung zu tragen, wird die KI weder heute noch in Zukunft \u00fcbernehmen k\u00f6nnen.<\/p>\n Oft h\u00f6rt man die Aussage, es sei \u201ezu sp\u00e4t f\u00fcr Feedback\u201c oder \u201ezu fr\u00fch f\u00fcr belastbare Erkenntnisse\u201c. In Wahrheit gibt es keinen schlechten Zeitpunkt: Kundenfeedback ist zu jeder<\/em> Zeit wertvoll \u2013 nur die Art und der Umfang der Handlungsm\u00f6glichkeiten ver\u00e4ndern sich.<\/p>\n Selbst wenn beispielsweise Hardware-Komponenten kurz vor dem \u201eStart of Production\u201c nicht mehr angepasst oder ver\u00e4ndert werden k\u00f6nnen, lassen sich noch schlagkr\u00e4ftige Ma\u00dfnahmen zur Verbesserung der Kundenzufriedenheit ergreifen. Diese k\u00f6nnen beispielsweise wie folgt ausfallen:<\/p>\n Solche Ma\u00dfnahmen k\u00f6nnen Frust reduzieren und sofort Wirkung entfalten, selbst wenn sie an der Hardware nichts \u00e4ndern. Verwertbares Feedback ist also kein punktuelles Ereignis, sondern ein kontinuierlicher Datenstrom \u2013 und jede Phase bietet einen anderen Handlungsspielraum. Der Vorteil sogenannter Permanentsensoren liegt darin, dass Trends und Fehler sofort auffallen, sobald es die Datenlage erlaubt \u2013 nicht erst wenn danach gefragt wird. Dadurch werden sowohl hardware- als auch softwarenahe Ergebnisse aus unterschiedlichen M\u00e4rkten unmittelbar nach Produktrelease sichtbar. Neben fehlerhaften Bauteilen oder nicht verst\u00e4ndlichen Komfortfunktionen sind hier vor allem Softwarethemen von gr\u00f6\u00dfter Bedeutung. Von der Anzahl von Blackscreens bis hin zur Nutzungsh\u00e4ufigkeit 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 \u00d6kosystem integrieren l\u00e4sst.<\/p>\n Daten allein ver\u00e4ndern 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 \u00fcbersetzen k\u00f6nnen. Wir bei Centigrade unterst\u00fctzen Unternehmen dabei, interne Daten und User Research Insights so aufzubereiten, dass sie fundierte, mensch-zentrierte Ableitungen erm\u00f6glichen. Das gelingt durch Tools, Metriken und Services, die wir mithilfe von KI-Automatisierungen entlang des gesamten digitalen Produktentwicklungsprozesses kombinieren, um das \u201cBig Picture\u201d zu erhalten. Dazu geh\u00f6rt auch, relevante UX-Metriken wie Time on Task<\/em> bereits in der Konzeptphase pr\u00e4diktiv zu ermitteln: in unserer frei verf\u00fcgbaren KI-Automatisierung<\/a> werden UI-Elemente aus einem Figma-Screenflow extrahiert und mithilfe von Computer Vision Modellen in einen logischen Bedienablauf gebracht. Anschlie\u00dfend wird per GOMS-Analyse ermittelt, wieviel Zeit ein Nutzender in etwa aufw\u00e4nden muss, um sein Ziel mit dem gegebenen Screenflow unter Verwendung der erkannten UI-Elemente zu erreichen. \u00a0So entstehen bereits fr\u00fch im Konzeptionsprozess aussagekr\u00e4ftige Simulationsdaten, die zeigen, ob bestimmte Use Cases zu komplex oder zu zeitintensiv sind.<\/p>\nWarum Daten selten wirken \u2013 und wie sie Wirkung entfalten k\u00f6nnen<\/h2>\n
Die Rolle des \u201eCenter of Competence\u201c<\/h2>\n
![\"Infografik](\"https:\/\/www.centigrade.de\/wordpress\/wp-content\/uploads\/Bild35.jpg\")
<\/p>\nUnterst\u00fctzungsm\u00f6glichkeiten durch KI & Automatisierung<\/h2>\n
![\"Illustration](\"https:\/\/www.centigrade.de\/wordpress\/wp-content\/uploads\/Bild45.jpg\")
<\/p>\nDer Zeitpunkt f\u00fcr Kundenfeedback ist immer gut \u2013 nur der Handlungsspielraum ver\u00e4ndert sich<\/h2>\n
\n
Fazit<\/h2>\n