Einsatzpotenziale von Digitalisierungstechnologien im Rahmen der Konzeption eines Autohauses der Zukunft

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1. Einleitung
1.1 Problemstellung
1.2 Zielsetzung der Arbeit
1.3 Methodisches Vorgehen und Aufbau der Arbeit

2. Automobilbranche
2.1 Entwicklung
2.2 Aktueller Stand der Digitalisierung
2.3 Zukünftige Kundenerwartung
2.4 Abteilungen eines Autohauses

3. Technische Grundlagen
3.1 Cloud Computing
3.2 Big Data
3.3 Künstliche Intelligenz
3.4 Chatbot
3.5 Blockchain
3.6 3D Druck
3.7 Augmented Reality
3.8 V irtual Reality

4. Konzept im Autohaus
4.1 Einsatz von Digitalisierungstechnologien
4.2 Konzept Vertrieb & Disposition
4.3 Konzept Werkstatt
4.4 Konzept Lager
4.5 Konzept Verwaltung

5 Zukunftsausblick & F azit
5.1 Zahlen und Fakten
5.2 Persönliche Anmerkung

Literaturverzeichnis

Intemetquellen

Abbildungsverzeichnis

Abbildung 1: Dimensionen von Big Data

Abbildung 2: Blockchain-Technologie

Abbildung 3: 3D-Druck Vorgehensmodell

Abbildung 4: Reality-Virtuality-Kontinuum

Abbildung 5: Digitalisierungstechnologien

Abbildung 6: Chatbot-Nutzen

Abbildung 7: Vergleich Kfz-Zulassung - Aktuell/Blockchain

Abbildung 8: Betrachtung einer Reparatur via Tablet

Abbildung 9: Reparaturanleitung via Augmented-Reality-Brille

Abbildung 10: Augmented-Reality-Weigweiser

Abbildung 11: Aktueller Einsatz von Digitalisierungstechnologien

Abbildung 12: Bekanntheit von Digitalisierungstechnologien

Abbildung 13: Potenziale der Digitalisierungstechnologien

Abbildung 14: Erfahrungen und Potenzial von Digitalisierungstechnologien

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

1.1 Problemstellung

Die Automobilbranche ist mit über 400 Mrd. Euro Jahresumsatz und fast 900.000 Ar­beitskräften nicht nur für die Industrie- und Beschäftigungspolitik, sondern auch für die gesamte Volkswirtschaft in Deutschland/Europa von immenser Wichtigkeit. Als Haupt­quelle des nationalen Reichtums, welche diese Branche darstellt, ist es demnach von gro­ßer Bedeutung, neue Entwicklungen und Trends frühzeitig zu erkennen, zu analysieren und zum eigenen Vorteil zu nutzen. Denn jede Zeit hat ihre Herausforderungen, welche Weitsicht und Mut erfordern.¹ Im Zeitalter der Digitalisierung und der schneller werden­den Veränderung von Kundenwünschen ist es wichtig, die Chancen von Digitalisierungs­technologien zu erkennen und effizient einzusetzen. Aufgrund von alternativen Antrie­ben, wie bspw. dem Elektroantrieb, müssen sich Autohäuser in den kommenden Jahren laut einer Studie der Wirtschaftsprüfung „Deloitte“ auf einen starken Umsatzrückgang im Werkstatt- und Ersatzteilgeschäft einstellen. Auch beim Vertrieb von Fahrzeugen stehen tiefgreifende Veränderungen an, die sich auf den Umsatz des Autohauses auswirken, was wiederum sinkende Gewinne nach sich zieht und zu einer existenziellen Herausforderung für das Autohaus führt.² Diese Herausforderung muss angenommen werden, indem sich das Autohaus zielgerichtet die Zukunftsfähigkeit in einer rasant sich verändernden Auto­mobilbranche sichert. Wer sich dieser Herausforderung nicht stellt und das Potenzial von Digitalisierungstechnologien nicht erkennt, trägt das Risiko, die Zukunft nicht mehr mit­zugestalten und nicht mehr konkurrenzfähig am Autohandel teilzunehmen.³

Der klassische Autokauf eines Kunden in der Vergangenheit beinhaltet i.d.R. das Besu­chen mehrerer Autohäuser, den Vergleich der Angebote und den Kaufabschluss, der vor Ort besiegelt wird. Dieses Szenario soll sich nach Ansicht von Experten in den kommen­den Jahren sehr stark verändern, was die Wichtigkeit von Digitalisierungstechnologien nochmals unterstreicht. Autohändler müssen auch in Zukunft noch in der Lage sein, Kun­den in das Autohaus zu locken, eine Kundenbindung zu erzielen, um eine Sicherstellung der eigenen Existenz zu gewährleisten.⁴ Durch den Einsatz von Digitalisierungstechno­logien besteht die Möglichkeit, die Kundenbindung durch Steigerung des Erlebnisses im Autohaus zu erhöhen und damit die Kundenzufriedenheit zu steigern, Neukunden zu ge­winnen und den prognostizierten Umsatzeinbußen durch eine spürbare Effizienzsteige­rung von Geschäfts- bzw. Prozessabläufen entgegenzuwirken, um den Erhalt des Auto­hauses sicherzustellen.⁵

1.2 Zielsetzung der Arbeit

Im Rahmen dieser Bachelorarbeit wird das umfangreiche Thema der Digitalisierungs­technologien beschrieben. Der effektive Einsatz neuer Digitalisierungstechnologien im Automobilhandel erfordert neue Ansätze. Dementsprechend soll der Horizont des Lesers erweitert werden, indem unterschiedliche Möglichkeiten dargestellt werden, wie Digita­lisierungstechnologien in verschiedenen Bereichen und Abteilungen eines Autohauses eingesetzt werden können und welche Potenziale in ihnen stecken. Es sollen Inspirationen und Visionen ffeigesetzt werden, die zur Gestaltung eines Autohauses der Zukunft bei­tragen. Wegen der Komplexität der Thematik können in dieser Arbeit keine detaillierten, technischen Umsetzungen beschrieben werden. Dem Leser werden aber Abläufe eines Autohauses in den vorhandenen Abteilungen vorgestellt und die Möglichkeiten bzw. Sze­narien, wie diese Prozesse durch Digitalisierungstechnologien unterstützt bzw. effizienter gestaltet werden können, aufgezeigt. Neben effizienteren Prozessen sollen auch Möglich­keiten dargestellt werden, die das Kundenerlebnis steigern, um eine Erhöhung der Kun­deneugewinnung und -bindung zu erreichen.

Die komplexen Digitalisierungstechnologien sind so komprimiert und zusammengefasst, dass sie, sowohl für das technisch-affine Publikum als auch für Laien verständlich be­schrieben werden, um die Zusammenhänge in der Praxis abzuleiten.

Zudem wird das Wissen über den aktuellen Stand der Digitalisierung und die Erwartun­gen vom Kunden gegenüber dem Autohaus vermittelt. Durch die Beschreibung der ver­schiedenen Einsatzmöglichkeiten von Digitalisierung soll die zukünftige Konkurrenzfä­higkeit sowie Weiterentwicklung eines Autohauses unterstützt werden und zu Denkan­stößen führen.

1.3 Methodisches Vorgehen und Aufbau der Arbeit

Um Aussagen über die Einsatzpotenziale von Digitalisierungstechnologien treffen zu können, wird zu Beginn dieser Bachelorarbeit ein Verständnis über die Problematik und Entwicklung der Automobilbranche vermittelt. Hierbei erhält der Leser das Wissen über die Entwicklung sowie den aktuellen Digitalisierungsstand dieser Branche. Darüber hin­aus werden in Kapitel 2.3 die zukünftigen Kundenerwartungen beschrieben. Dies soll dem Leser vermitteln, dass neben der Preispolitik auch die Fokussierung auf das Kun­denerlebnis von großer Bedeutung ist. Aus diesem Grund werden im Verlauf der Arbeit ebenfalls Möglichkeiten aufgezeigt, die das Kundenerlebnis erhöhen können. Um auch Entscheidungen über den Einsatzbereich der Technologien treffen zu können, werden kurz die Abteilungen und die dazugehörigen Tätigkeitsbereiche eines Autohauses in Ka­pitel 2.4 vorgestellt.

In Kapitel 3 werden die komplexen Technologien komprimiert zusammengefasst und be­schrieben, um das Wissen, im Sinne der Verständlichkeit, so plausibel wie möglich zu vermitteln. Nachfolgend werden dann im vierten Kapitel potenzielle Einsatzmöglichkei­ten in den unterschiedlichen Abteilungen eines Autohauses aufgezeigt. Die einzelnen Un­terkapitel sind in Abteilungen unterteilt, die verschiedene Digitalisierungstechnologien beinhalten. Hierbei werden Abläufe in den Abteilungen beschrieben, die durch den Ein­satz von Digitalisierungstechnologien effizienter gestaltet oder dem Kunden erlebnisrei­cher vermittelt werden, wodurch sich das Autohaus von der Konkurrenz abheben kann. In Kapitel 5 werden Zahlen und Fakten mit Hilfe von bereits bestehenden Studien bezüg­lich der erwähnten Technologien und deren Potenziale erwähnt und mit meiner persönli­chen Anmerkung abgerundet.

2. Automobilbranche

2.1 Entwicklung

In Deutschland gibt es ca. 81,4 Millionen Einwohner mit knapp 47,1 Millionen zugelas­senen Pkws. Dies bedeutet, dass fast jeder zweite Einwohner ein Fahrzeug besitzt.⁶ Dies erscheint im ersten Moment positiv, doch im Jahre 2018 ist die Anzahl der Neuzulassun­gen und Besitzumschreibungen deutschlandweit zurückgegangen. Der Handel mit Ge­brauchtwagen bereitet Autohäusern größere Schwierigkeiten. Aufgrund der angedrohten Fahrverbote für Dieselfahrzeuge, die nicht die benötigte EURO-Norm besitzen, kommt es zu einem skeptischen bzw. verunsicherten Kaufverhalten der Kunden. Vor edlem bei Dieselfahrzeugen mit der Abgasnorm „Euro-5“, kommt es zur mangelnden Nachfrage und somit zu einem Höchstwert bei den Standtagen. Trotz der vielen Herausforderungen und Probleme, denen das Kfz-Gewerbe wegen der Dieselfahrverbote und der Einführung eines neuen Testverfahren zur Bestimmung der Abgasemission sowie des Kraftstoffver­brauchs ausgesetzt ist, steigt der Umsatz im Jahre 2018. Obwohl die Umsatzzahlen ge­stiegen sind, wurde die Umsatzrendite nicht positiv beeinflusst. Im Vorjahr (2017) konnte noch eine 1,5 % Umsatzrendite verzeichnet werden, die dann im Jahr 2018 auf durch­schnittlich nur noch 1,0 % bis 1,3 % gesunken sind. Doch nicht nur die bereits erwähnten Herausforderungen sind Grund für die gesunkenen Gewinne. Hinzu kommen Umwelt­prämien, die wegen der Dieseldiskussionen angeboten werden, welche der Händler, je nach Herstellerzugehörigkeit, zum Teil selbst tragen muss, was wiederum den Ertrag zu­sätzlich mindert.⁷

Das Jahr 2019 war erneut kein einfaches Geschäftsjahr für den Autohandel. Dies wirkt sich dementsprechend negativ auf den Optimismus der Händler aus. Laut dem Geschäfts­klimaindex, der vom „Zentralverband Deutsches Kraftfahrzeuggewerbe“ veröffentlicht wird, stuft lediglich jeder fünfte Betrieb das dritte Quartal als „gut“ ein. In Bezug auf die Verbesserung der Auftragslage im Bereich des Neu- und Gebrauchtwagenhandels sowie die Erhöhung der Werkstattauslastung sind Autohäuser eher pessimistisch eingestellt.⁸ Dies spiegelt sich auch in der Anzahl der in 2019 noch vorhandenen Autohäuser wider. Während das Jahr 2017 noch 16280 fabrikatsgebundene Betriebe verzeichnet, sind es im Jahre 2018 nur noch 15200 Autohäuser, was einen Rückgang von 6,6% ausmacht.⁹ Es ist zu befürchten, dass es in den kommenden Jahren nicht einfacher wird, da sich das Ge­schäftsmodell der klassischen Autohäuser elementar verändert. Bis zum Jahr 2025 sollen etwa 30% der Neuwagen über Online-Kanäle verkauft werden. Laut Prognosen der „Bain & Company“ muss dadurch mit einem Rückgang der Umsatzrendite gerechnet werden. Autohäuser sollten sich Gedanken darüber machen, wie die damit einhergehenden Defi­zite ausgeglichen werden können.¹⁰

2.2 Aktueller Stand der Digitalisierung

Die Automobilbranche befindet sich seit längerem in einem Strukturwandel und auch in den kommenden Jahren ist keine Aussicht auf Veränderung dieser Situation zu erkennen. Die Digitalisierung beeinflusst alle Tätigkeitsfelder eines Autohauses. Demnach ist es von Vorteil, sich frühzeitig um Digitalisierungsstrategien zu kümmern, um das Risiko zu reduzieren, den Anschluss an die Konkurrenz zu verlieren.¹¹ Es ist zu beobachten, dass der Einsatz von Digitalisierungstechnologien in vielen Autohäusern für Unsicherheit sorgt und dementsprechend zu hohem Beratungsbedarf führt. Durch eine Studie, die im Mai und Juni 2019 in 1000 KFZ-Betrieben von der „ZDK“ durchgeführt wurde, wird diese Beobachtung bestätigt. Eine Digitalisierungsstrategie besitzen lediglich 7% der be­fragten Autohäuser, was den Handlungsbedarf in dieser Branche nochmals unterstreicht. Die Wichtigkeit dieses Themas erkennen weitere 23,8 % der befragten Betriebe. Es wur­den zwar noch keine Digitalisierungsstrategien umgesetzt, seien jedoch in Planung. Ein jährliches Budget zur Investition in die IT-Anlage besitzen 40 % der befragten Autohäu­ser nicht.¹² Es ist daher zu erkennen, dass Autohäuser hierzulande bezüglich Digitalisie­rungsstrategien einen starken Nachholbedarf aufweisen. Positiv zu beurteilen ist, dass nun auch ursprüngliche Skeptiker aufgeschlossener gegenüber dem Einsatz von Digitalisie­rungstechnologien sind. Die Branche zeigt sich mit 81% überdurchschnittlich offen. Dies macht eine Steigerung von 12% aus, die innerhalb von zwei Jahren erzielt wurde. Der Nachholbedarf sowie die Anpassung an die Entwicklung und Veränderung der Digitali­sierung sollte demnach, aufgrund der Wichtigkeit dieser Schlüsselindustrie zu Denkan­stößen bei den Verantwortlichen führen. Denn aktuell werden Digitalisierungstechnolo­gien noch zurückhaltend eingesetzt.¹³

2.3 Zukünftige Kundenerwartung

Im Zeitalter der Digitalisierung erhält das Kundenerlebnis mit Veränderung des Kunden­verhaltens eine zunehmende Bedeutung. Neben einer Steigerung der Effizienz von Pro­zessen steht dementsprechend das Erschaffen von „Erlebnis“ im Fokus von Unterneh­men. Das Kundenerlebnis umfasst alle Interaktionen, die der Kunde mit einem Unterneh­men durchlebt. Hierbei generiert er über alle „Touchpoints“, sprich Berührungspunkte, persönliche Erfahrungen mit der Marke und dem Unternehmen. Diese Erfahrungen wer­den nicht nur beim Kauf eines Fahrzeuges gesammelt, sondern auch beim Aftersales- Angebot, wie bspw. der Wartung und der Betreuung nach dem Kauf.¹⁴ Laut einer Studie des „Digital Transformation Institute“ von „Capgemini“ ist das Kundenerlebnis von gro­ßer Bedeutung. Wenn die Interaktion mit dem Unternehmen positiv bzw. ohne Kompli­kationen verläuft, sind 61% der Befragten bereit, mehr für das Produkt zu zahlen. Dem ist zu entnehmen, dass die Kundenloyalität nicht mehr so stark am Produkt oder Preis ausgerichtet ist, sondern am Erlebnis, das er mit dem Unternehmen verbindet.¹⁵ In dieser Bachelorarbeit werden daher neben dem Einsatz von Digitalisierungstechnologien zur Effizienzsteigerung von Geschäftsabläufen auch Möglichkeiten zur Steigerung und Ver­besserung von Kundenerlebnissen beschrieben.

2.4 Abteilungen eines Autohauses

Ein Autohaus besteht aus verschiedenen Abteilungen, die miteinander interagieren und einen funktionierenden Geschäftsablauf gewährleisten. Zu diesen Abteilungen gehören Geschäftsleitung, Lager, Werkstatt, Verwaltung, Verkauf und die Disposition, die eng mit dem Verkauf zusammenarbeitet. Im folgenden Abschnitt wird ein kurzer Einblick in die Hauptaufgaben einzelner Abteilungen gewährt, um ein besseres Verständnis für den Einsatz einzelner Digitalisierungstechnologien zu vermitteln. Der Verkauf ist für den größten Teil des Umsatzes verantwortlich, indem er im ständigen Kontakt mit Kunden steht, Kaufabschlüsse abwickelt und ihnen auch nach dem Kauf eine beratende Funktion bietet. In enger Zusammenarbeit mit der Disposition werden die benötigten Fahrzeuge termingerecht bestellt und für einen ausreichenden Lagerbestand gesorgt. Das Lager sorgt dafür, dass Ersatzteile bei Bedarf ausreichend vorhanden sind, um die Werkstatt bei Auf­trägen zu versorgen und auch Kundennachfragen bzw. -wünsche zu befriedigen. Zu den Aufgaben der Verwaltung, die aus dem Rechnungswesen und der Personalwirtschaft be­steht, gehören unter anderem Buchungen von Geschäftsfallen, Überweisungen der Geh­älter, die wirtschaftliche Kontrolle einzelner Abteilungen sowie die Einstellung von Mit­arbeitern. Die Werkstatt nimmt Reparaturaufträge auf und beseitigt aufgetretene Prob­leme am Kundenfahrzeug. Der Werkstattmeister agiert dabei in beratender Funktion und erster Ansprechpartner des Kunden. Er bestimmt den Ablauf und die Zuteilung einzelner Aufträge innerhalb der Werkstatt und dient auch dort als Ansprechpartner der Werkstatt­mitarbeiter. In enger Zusammenarbeit mit der Werkstatt arbeitet der Service, der Anrufe von Kunden annimmt und wenn nötig zum Kundenberater oder Werkstattmeister weiter­leitet, Termine für Inspektionen vergibt oder auch größere und komplexe Reparaturen in Absprache mit einem Werkstattmeister plant.¹⁶

3. Technische Grundlagen

3.1 Cloud Computing

Aufgrund von Stabilität und Zuverlässigkeit stellt die Cloud die Basis für digitalisierte Geschäftsmodelle und -prozesse dar. Sie ist in der Lage, den großen Anforderungen der digitalen Transformation standzuhalten, sofern eine schnelle und leistungsfähige Breit­bandverbindung sowie eine sichere und hoch performante Rechenzentrumleistung zur Verfügung steht.¹⁷ Hierbei werden IT-Ressourcen nicht in eigenen Rechenzentren betrie­ben, sondern können je nach Bedarf bequem über ein Netzwerk abgerufen werden, und zwar ortsunabhängig. Aufgrund von gestiegenen Anforderungen an die eigenen IT-Sys- teme besteht die technische Möglichkeit, Rechnerleistung, Softwareanwendungen und Speicherkapazitäten aus der Cloud zu beziehen. Unternehmen können durch Anwendung von „Cloud Computing“ hohe Kosten einsparen, indem sie die komplette Anschaffung der IT-Infrastruktur mit ihren verbundenen Komponenten nicht intern betreiben, sondern, je nach strategischer Ausrichtung, in die Cloud verlagern.¹⁸ Mit dieser Basis können in der Cloud Daten gespeichert, verwaltet und verarbeitet werden, ohne dabei einen lokalen Server zu verwenden. Durch eine schnelle Verbindung ins Internet können diese Daten in hoher Geschwindigkeit an den Cloud-Server übertragen werden, wodurch die Grund­lage und somit der Schlüsselfaktor für die Umsetzung von Technologien auf Basis der künstlichen Intelligenz (Abk. KI) gebildet werden.¹⁹

Das „National Institute of Standards and Technology“ (Abk. NIST) zählt drei Kategorien von Diensten auf, die im Rahmen der Cloud-Technologie bereitgestellt werden.

Dazu gehören SaaS, PaaS und IaaS, die im folgenden Abschnitt beschrieben werden.

„Software as a Service“ (Abk. SaaS) beschreibt die Bereitstellung von Software-Anwen­dungen, die auf einer Cloudinfrastruktur vom Provider betrieben und dem Unternehmen zur Verfügung gestellt werden. Die Software kann entweder über die Verbindung einer API (application programming interface) oder einer Thin-Client-Schnittstelle, wie bspw. einem Webbrowser hergestellt werden. Ein Beispiel hierfür wäre die Software „Office 365“ von dem Unternehmen Microsoft, welches den Zugang auf die Anwendungen be­reitstellt und den ortsunabhängigen Zugriff von verschiedenen Geräten ermöglicht. Dem Nutzer wird jedoch nur ein sehr beschränkter Umfang bezüglich der Konfiguration ge­währt.

Als „Platform as a Service“ (Abk. PaaS) wird die Bereitstellung einer Plattform zum In­teragieren und Kommunizieren verstanden. Der Nutzer bekommt die Möglichkeit auf Laufzeit- und Programmierumgebungen mit flexiblen Daten- und Rechenkapazitäten zu­rückzugreifen. Dem Nutzer werden unter anderem Programmbibliotheken sowie Ent­wicklungswerkzeuge zur Verfügung gestellt, sprich eine Infrastruktur mit Schnittstellen, um selbstständig Programme zu entwickeln, die ausgefiihrt werden können. Da keine Wartung und Implementierung dieser Umgebung notwendig ist, wird dem Nutzer ermög­licht, sich ausschließlich auf die Entwicklung zu konzentrieren.²⁰ Bei PaaS-Services be­steht die Möglichkeit, wie auch bei den SaaS-Services, nach dem Pay-per-Use-Modell zu zahlen, sodass der Nutzer nur den tatsächlichen Verbrauch in Rechnung gestellt be­kommt.

Beim „Infrastructure as a Service-Modell“ (Abk. IaaS) erhält der Nutzer Zugriff auf ver­schiedene Hardwareressourcen des Anbieters, wie bspw. Rechner, Speicher und den Zu­gang zu einem Netzwerk. Hierbei kann der Nutzer beliebige Software installieren und nutzen, für deren Betrieb er jedoch selbst verantwortlich ist.²¹ Der Service-Anbieter hat lediglich die Aufgabe, dem Nutzer die Verfügbarkeit der vertraglich geregelten Netz- bzw. Hardwarekapazitäten sicherzustellen. Dabei vereinbaren die Geschäftsparteien Ser­vice Level Agreements (Abk. SLA). Es handelt sich um Vereinbarungen zwischen diesen Parteien für wiederkehrende Dienstleistungen, die vom Anbieter zu jedem gewünschten Zeitpunkt zur Verfügung gestellt werden müssen.²²

Neben diesen Hauptkategorien erhält auch das Business „Process-as-a-Service“ (Abk. BPaaS) ihre Bedeutung. In diesem Modell wird die Durchführung vollständiger Ge­schäftsprozesse zu einem auserwählten Anbieter ausgelagert. Dieser stellt neben den IT- Ressourcen auch alle Dienstleistungen, die nicht IT-basiert sind, bereit.²³

Neben den oben genannten Service-Diensten werden auch noch verschiedene Cloud-Ar­chitekturen, die sich nach dem Nutzerkreis unterscheiden beschrieben.

Neben der Private Cloud, gibt es die Public Cloud, Community Cloud und die Hybrid Cloud.

Bei der Private Cloud handelt es um eine Cloudinfrastruktur, die nur einer Organisation zur Verfügung steht und i.d.R. mehrere Nutzer umfasst. Diese Umgebung wird untemeh- mensindividuell entwickelt und oft vom Unternehmen selbst betrieben, kann jedoch auch von einem Dritten betrieben werden und sich im Rechenzentrum einer fremden oder der eigenen Organisation befinden. Häufig erfolgt der Zugriff auf die Dienste über ein Virtual Private Network (Abk. VPN).²⁴

Die Community Cloud ist eine Variante der Private Cloud, die Unternehmen oder Orga­nisationen, die derselben Branche angehören oder ein gemeinsames Anliegen verfolgen, zur Verfügung gestellt wird. Es ist hierbei jedoch möglich, seine eigenen sensiblen Daten auf die Private Cloud zu hinterlegen und branchenbezogene Daten gemeinsam auf der Community Cloud zu speichern.

Die Public Cloud ist eine öffentliche, über das Internet zugängliche Infrastruktur, die der Öffentlichkeit zur Verfügung steht. Diese wird von einem externen Anbieter bereitgestellt und auch in seinem Rechenzentrum betrieben.²⁵ Die Kosten für die Nutzung ist geringer als bei der Private Cloud, da der Anbieter seine Leistungen durch Standardisierung auf eine große Menge an Nutzem verteilt. Bezüglich des Sicherheitsaspektes weiß der Nutzer jedoch nicht, wo sich die eigenen Daten physisch befinden. Hierbei liegt die Entschei­dung, mit wem er sich die Cloudinfrastruktur teilt, nicht bei ihm.²⁶

Bei der Hybrid Cloud handelt es sich um eine Mischform, die sich aus einer normalen IT- Umgebung, einer Private Cloud und einer Public Cloud zusammensetzt. Dadurch werden mehrere Infrastrukturen zusammengesetzt, die unabhängig voneinander sind und durch proprietäre oder aber standardisierte Technologien vernetzt werden. Dadurch kann ein Unternehmen den Regelbetrieb bspw. über die Private Cloud betreiben und Lastspitzen oder Funktionalitäten in die Public Cloud verschieben.²⁷

3.2 Big Data

In Unternehmen unterschiedlicher Branchen erhält Big Data zunehmend Einzug. Da es keine einheitliche Definition gibt, wird Big Data zusammengefasst als eine Sammlung großer Datenmengen aus unterschiedlichen Quellen. Darin enthalten sind eine große An­zahl unstrukturierter Daten, die in hoher Geschwindigkeit gesammelt, analysiert und an­schließend ausgewertet werden.²⁸ Ist eine vorhandene Unternehmensinfrastruktur nicht in der Lage, diese unterschiedlichen Datenarten und Datenmengen in entsprechender Zeit zu verarbeiten und zu analysieren, liegt Big Data vor. Der Begriff „Analytics“ setzt sich hierbei zur Kennzeichnung dieser Verarbeitung von Daten durch. Damit eine qualitative Auswertung sichergestellt werden kann, benötigen Unternehmen spezielle Big-Data- Technologien, um einen möglichst hohen Mehrwert aus diesen Datenmengen zu schöp­fen.²⁹

Sind eine effiziente Verarbeitung und Nutzung der Daten mit klassischen Datenmanage­ment-Methoden in mindestens einer der unten beschriebenen Dimensionen nicht möglich, ist von Big-Data auszugehen. Wie in Abbildung 1 zu erkennen ist, gehören zu den vier Dimensionen, „Volume“ (Menge), „Variety“ (Vielfalt der Datenformate), „Velocity“ (Geschwindigkeit) und „Veracity“ (Korrektheit).³⁰

Abbildung 1: Dimensionen von Big Data

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Die Dimension „Volume“ beschreibt den enormen Anstieg des Datenvolumens. Unter­nehmen produzieren täglich immense Mengen an Daten, die aufgrund ihres großen und komplexen Aufkommens mit Hilfe der klassischen Methoden der Datenverarbeitung nicht mehr analysiert und anschließend ausgewertet werden können.

In der Dimension „Variety“ geht es um die Vielfalt der Datentypen und deren Quellen. Es ist festzuhalten, dass rund 85% der zu verarbeitenden Datenmenge aus semi- bzw. unstrukturierten Daten bestehen. Diese beinhalten bspw. Bilder, Fließtexte oder Videos, die die Unternehmen vor die große Aufgabe stellen, neben den strukturierten Daten aus Tabellen, auch den unstrukturierten Datenbereich auswerten zu können.

Bei „Velocity“ geht es um die Geschwindigkeit der Datenentstehung, was zur hardware­seitigen und softwareseitigen Herausforderung eines Unternehmens fuhrt, da hierbei zwei Aspekte beachtet werden müssen. Auf der einen Seite werden große Datenmenge gene­riert, die auf der anderen Seite auch zeitnah gespeichert, verarbeitet und ausgewertet wer­den sollen.

Die Dimension „Veracity“ soll die Glaubwürdigkeit und Wahrhaftigkeit der ausgewerte­ten Daten sicherstellen, da aufgrund von „Volume“ ein Mangel an Qualität entsteht. Der Grund dafür ist, dass nicht alle gespeicherten Daten auch der Glaubwürdigkeit entspre­chen.³¹

Unternehmen haben die Möglichkeit, die Menge an unstrukturierten Daten so zu struktu­rieren, dass die bestmögliche Auswertung erreicht wird und somit bspw. zugeschnittene Produkte oder Serviceangebote an den Kunden vermittelt werden können, die einen ho­hen Umsatz generieren und die Kosten zugleich minimieren, wodurch ein erheblicher Wettbewerbsvorteil entstehen kann. Neben den zugeschnittenen Angeboten können auch Prognosen erstellt werden, die zu einem erheblichen Nutzen fuhren.³²

3.3 Künstliche Intelligenz

Aufgrund der Komplexität und der verschiedenen Arten der künstlichen Intelligenz wird das Thema in diesem Abschnitt nur insoweit erläutert, um die Verbindung zu Big Data herzustellen.

Grundsätzlich wird zwischen der schwachen und starken KI unterschieden. Die schwache KI beschäftigt sich mit konkreten Anwendungsproblemen. Der Mensch wird dabei mit Hilfe von Algorithmen beim Lösen eines Problems unterstützt. Bei der starken KI wird versucht, die intellektuellen Fähigkeiten eines Menschen zu imitieren.³³

Künstliche Intelligenz wird in Machine Learning (maschinelles Lernen) und Deep Lear­ning (tiefgehendes Lernen) unterteilt. Deep Learning (Abk. DL) ist eine Teilmenge von Machine Learning, welches mit Hilfe seiner komplexen Zwischenschichten bessere Er­gebnisse im Bereich Big Data erzielt.³⁴ Um Verwirrungen zu vermeiden, werden in dieser Arbeit nur die Begriffe Machine Learning oder KI verwendet.

Der Begriff künstliche Intelligenz (Abk. KI) besitzt bis heute keine einheitliche, aner­kannte Definition. Bereits beim Thema Intelligenz ist sich die Wissenschaft bezüglich der Definition nicht einig. Mit Hilfe von Intelligenz besitzt der Mensch die Fähigkeit wahr­zunehmen, zu verstehen, zu lernen und daraufhin Entscheidungen zu treffen.³⁵ Bei der KI hingegen soll es IT-Systemen möglich sein, intelligente Verhaltensweisen menschenähn­lich umzusetzen. Das Ziel ist es, kognitive Eigenschaften des Menschen auf IT-Systeme zu übertragen und ihnen zu ermöglichen, Zusammenhänge zu erkennen und Probleme effizient zu lösen.^{36 37} Big Data stellt dabei ein Schlüsselthema für die KI dar. Für eine pro­duktive Nutzung von KI müssen immense Datenmengen zur Verfügung stehen, die auch in ihrer Qualität stimmig sind, um Algorithmen mit Hilfe von Machine Learning, trainie­ren und testen zu können. Ist es mit Hilfe der klassischen Programmierung nicht möglich, ein Problem zu lösen, wird Machine Learning (Abk. ML) eingesetzt. Dabei sollen An­wendungen bzw. Programme große Datenmengen auswerten können und in der Lage sein, Kategorien oder Entwicklungen zu erkennen. Werden bspw. neue Daten hinzuge­fügt, soll es der Anwendung möglich sein, dadurch die richtige Entscheidung zu treffen. Hierbei kann ein Vergleich zum Menschen hergestellt werden. Die Intelligenz eines Men­schen besitzt die Fähigkeit, durch Aufnahme von Informationen Entscheidungen zu tref­fen. Durch Aufnahme neuer Informationen handelt der Mensch aufgrund von Erfahrung und zieht Rückschlüsse daraus. Demnach ist es wichtig, das künstliche Netzwerk perma­nent zu trainieren, damit Intelligenz entsteht, sodass bspw. Chatbots durch Daten, Erfah­rungen und Schlussfolgerungen Muster erkennen und entsprechende Aktionen auslö- sen.

3.4 Chatbot

Die Chatbot-Technologie basiert auf künstlicher Intelligenz und künstlicher Persönlich­keit. Das Ziel hierbei ist es, den Bot so zu programmieren, dass er menschenähnlich auf Aktionen reagiert und somit Denk- und Verhaltensweisen übernimmt. Der Nutzer soll das Gefühl bekommen, eine Kommunikation mit einem Menschen zu führen.³⁸ Bei dem Chatbot handelt sich um ein computerbasierendes Programm, welches in der Lage ist, auf Text- oder Spracheingaben von Gesprächspartnern automatisch zu antworten oder wei­tere hilfreiche Aktionen einzuleiten. Dies erfolgt ohne Eingriff des Menschen.³⁹ Bei der Programmierung von Chatbots gibt es die Möglichkeit, dies regelbasiert oder selbstler­nend umzusetzen. Regelbasierte Chatbots sind bezüglich ihrer Intelligenz limitiert, da diese vom Entwickler aufgrund von vordefinierten Frage-Antwort-Sets beschränkt wer­den. Damit der Chatbot auf Fragen von bspw. Kunden korrekt antworten kann, greift er auf eine „Wissensdatenbank“ des Unternehmens zurück, in die der Entwickler die vorde­finierten Szenarien ablegt.⁴⁰ Unternehmen haben durch regelbasierte Chatbots somit die Möglichkeit, einfache Fragen ohne menschliches Personal zu beantworten. Hier sind je­doch auch Grenzen gesetzt, und zwar in der Verarbeitung von Nutzereingaben. Da der Chatbot lediglich nach vordefinierten Mustern oder Regeln agiert, kann es bei der Verar­beitung passieren, dass er den Befehl nicht interpretieren kann.

Beispiel:

1) „Ich benötige ein weißes Hemd“
2) „Bestelle ein weißes Hemd“

In Beispiel 2 kann der Chatbot nach einem festgelegten Regelwerk agieren, was er in Beispiel 1 hingegen nicht umsetzen kann. Das Wort „benötige“ erkennt er nicht als Be­fehl, da ihm die nötige Intelligenz bezüglich der Intention bzw. Interpretation fehlt.⁴¹ Re­gelbasierte Chatbots sind jedoch i.d.R. performanter, da nicht so große Datenmengen im Umlauf sind, wodurch eine bessere Reaktionszeit im Dialog mit dem Gesprächspartner erreicht wird. Ein weiterer Punkt ist vereinfachte Programmierung. Die Infrastruktur ist nicht so komplex gestaltet wie bei den selbstlernenden Chatbots. Hierbei ist die Entwick­lung und Implementierung für den Entwickler leichter umzusetzen.⁴² Für die Erweiterun­gen des Repertoires müssen stetig neue Regelsätze programmiert werden, was zeitauf­wendig ist. Der Vorteil ist jedoch, dass Antwortmöglichkeiten erweitert, aber auch ein­geschränkt werden, wodurch unangebrachte Äußerungen an Kunden ausgeschlossen wer­den können.

Die selbstlernenden Chatbots charakterisieren sich dadurch, dass sie aufgrund von Ma­chine Learning selbständig die passende Antwort für ein Anliegen finden. Dies wird durch Konversationen mit dem Menschen trainiert. Mit jeder Unterhaltung lernt der Chat­bot dazu und fuhrt zu einer Erweiterung der Wissensdatenbank des Unternehmens.⁴³ In der Trainingsphase des Bots sollte mit einer Fehlerquote gerechnet und dementsprechend viel Zeit eingeplant werden. Dem System wird eine große Datenmenge an Beispieldialo­gen zugefiihrt, um ein intelligentes Verhalten zu trainieren und im Laufe der Zeit die Möglichkeit zu schaffen, dem Gesprächspartner kontextbezogen zu antworten. Dabei greift der Bot auf mathematische Algorithmen zurück. Das Ziel eines intelligenten Chat­bots ist es, den Kontext einer Frage zu verstehen und, wenn notwendig, alternative Mög­lichkeiten aufzuzeigen.

Beispiel: Ein Kunde fragt per Chat in einem Autohaus an, ob das Fahrzeug der Euro 5- Norm entspricht. Hierbei soll der Chatbot erkennen, dass es sich nicht um die Währung handelt, sondern um die Abgasnorm. Besitzt das Fahrzeug nicht die gewünschte Abgas­norm, so sollen alternative Möglichkeiten vorgeschlagen werden. Der Bot greift dabei auf den Fahrzeugbestand und listet ihm Fahrzeuge auf, die sich ähneln und der Euro 5-Norm entsprechen. Mitarbeiter sollen dadurch entlastet werden und mehr Zeit für reale Kun­dengespräche vor Ort erhalten, währenddessen das System bzw. der Chatbot stetig wei- terlemt.⁴⁴

3.5 Blockchain

Im Zusammenhang mit der KryptoWährung Bitcoin, wird die Blockchain-Technologie im Jahre 2008 zum ersten Mal im Detail beschrieben und unter dem Pseudonym Satoshi Sakamoto veröffentlicht.⁴⁵ Laut der Definition des Digitalverbands Bitkom wird die Blockchain folgendermaßen definiert:

„Blockchain ist eine Technologie zur gesicherten Verarbeitung und Prüfung von Daten­transaktionen auf Basis eines verteilten Peer-To-Peer-Netzwerkes. Blockchain ist Teil der Distributed Ledger Technologie-Familie. Sie nutzt kryptographische Verfahren, Kon- sensalgorithmen und rückwärtsverlinkte Blöcke, um Transaktionen praktisch unverän­derbar zu machen.⁴⁶ Das Cloud-Computing sorgt dafür, dass neben dem Prinzip der De­zentralisierung von IT-Ressourcen auch die Blockchain den Trend der Dezentralisierung fortführt.

Das Distributed-Ledger bildet die Grundlage der Blockchain-Technologie und bedeutet wörtlich übersetzt, „verteiltes Kontobuch“, welches über verschiedene Informationen verfügt. Dieses verteilte Kontobuch beschreibt eine verteilte, dezentrale Datenbank bzw. Register, das von verschiedenen Teilnehmern in einem Netzwerk geteilt wird. Dabei ver­fügt jeder über eine identische, eigene Kopie der erfassten Transaktionen.⁴⁷ Transaktio­nen, die durch Teilnehmer entstehen, werden unveränderbar und chronologisch in einem Peer-to-Peer-Netzwerk überprüft und gespeichert. Durch diese Technologie ist die Aus­führung einer Zahlung ohne Verifizierung einer dritten Partei, wie zum Beispiel einer Bank, möglich. Der Grund dafür ist, dass die getätigten Transaktionen zu einem Block zusammengefasst werden und anschließend chronologisch miteinander verkettet werden. Dies führt dazu, dass jeder Block Informationen über das Hinzufügen des vorherigen Blocks enthält. Dadurch sind keine Manipulationen bzw. Veränderungen mehr möglich. Die Blockchain umfasst die Reihe vom ersten bis zum letzten Datenblock. Eine Manipu­lationssicherheit ergibt sich durch Verknüpfungen der einzelnen Blöcke. Dabei erhält je­der neue Block neben den Transaktionsinformationen und dem Zeitstempel noch einen sogenannten Hashwert des vorhergehenden Blocks. Zur Vereinfachung kann der Haswert hierbei mit einem digitalen Fingerabdruck verglichen werden. Darüber werden die Blö­cke miteinander verbunden, wodurch eine Kettenbildung entsteht. Die verschiedenen Blöcke bauen zunehmend aufeinander auf. Jeder Teilnehmer besitzt die vielen identi­schen Kopien der Datenbank, die nachträglich nicht mehr verändert werden können. Auch Eigentumsverhältnisse (Werttransfer) aller Transaktionen können jedem Teilneh­mer durch die gesamte Protokollierung zugeordnet und auch im weiteren Verlauf zurück­verfolgt werden, wodurch die Blockchain sehr transparent wird. Dennoch sind die Teil- nehmer der Transaktionen aufgrund der Verschlüsselung von Informationen (Kryptogra­fie) nicht zu identifizieren. Zur Identifizierung dient lediglich ein öffentlicher Schlüssel des Teilnehmers, die eine Art Kontonummer widerspiegelt.⁴⁸ Für ein besseres Grundver­ständnis über die Funktion einer Blockchain, werden mit Hilfe von Abbildung 2 die wich­tigsten Schritte erläutert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Blockchain-Techno logic

Quelle: Scheuermann, B., Tschorsch, F., Blockchain, o. J. S. 5

Diese Abbildung stellt vereinfacht eine Blockchain dar. Die dargestellten Blöcke bein­halten neben dem Block-Header - die jeweils einen Verweis zum vorherigen Block besit­zen auch eine beliebige Zeichenkette (Nonce), einen Zeitstempel und eine Merkle-Root Die Merkle-Root besitzt alle im Block vorhandenen Transaktionen, welche durch Hashes effizient zusammengefasst wurden und anschließend miteinander verbunden werden.⁴⁹

[...]

---

¹ Vgl. Iwer, F., Strötzel, M., Automobilbranche, 2019, S. 261.

² Vgl. https://www.deloitte-mail.de/custloads/141631293/md_1656371.pdf, Zugriff am 02.02.2020.

³ Vgl. https://www.presseportal.de/pm/126728/3726850, Zugriff am 02.02.2020.

⁴ Vgl. https://klardenker.kpmg.de/neue-kpmg-studie-autohaeuser-werden-zur-raritaet/, Zugriff am 02.02.2020.

⁵ Vgl. Winkelhake, U, Transformation, 2017, S. 1 f.

⁶ Vgl. https://www.kba.de/DE/Statistik/Fahrzeuge/Bestand/bestand_node.html, Zugriff am 02.02.2020.

⁷ Vgl. https://www.nordlb.de/de/research/download/563/direct/, Zugriff am 03.02.2020.

⁸ Vgl. https://www.kfz-betrieb.vogel.de/stimmung-im-kk-gewerbe-so-schlecht-wie-seit-fuenf-iahren-nicht- a-865191/, Zugriff am 03.02.2020.

⁹ Vgl. https://www.lfzgewerbe.de/fileadmin/user_upload/Presse/Archiv/Pressefotos_2018/Grafl ken_2018/13_Das_Kfz-Gewerbe_2018_in_Deutschland.pdf Zugriff am 03.02.2020.

¹⁰ Vgl. https://www.presseportal.de/pm/19104/4281275, Zugriff am 03.02.2020.

¹¹ Vgl. https://www.boeckler.de/pdf/p_study_hbs_370.pdf, Zugriff am 03.02.2020.

¹² Vgl. https://www.krqfthand.de/artikel/in-vielen-lrfz-betrieben-fehlt-eine-digitale-strategie-41625/, Zu griff am 05.02.2020.

¹³ Vgl. https://www.bitkom-research.de/de/Trendstudie-Digitalisierung-19, Zugriff am 05.02.2020.

¹⁴ Vgl. Hanschke, L, Digitalisierung, 2018, S. 4.

¹⁵ Vgl. https://www. capgemini. com/consulting-de/wp-content/uploads/sites/32/2017/09/cars-online-tren- studie-digitale-transformation-im-automobilen-kundenservice_l.pdf, Zugriff am 05.02.2020.

¹⁶ Vgl. Kühn, G., Radtke, O., Wirtschaftslehre, 2007, S. 20 ff.

¹⁷ Vgl. Abolhassan, F., Cloud, 2016, S. 15.

¹⁸ Vgl. Janssen, H, IT, 2013, S. 28 f.

¹⁹ Vgl. Gacic, Tamara et al., KI, 2019, S. 41 f.

²⁰ Vgl. https://nvlpubs.nist.gov/nistpubs/Legacy/SP/nistspecialpublication500-292.pdf, Zugriff am 19.12.2019.

²¹ Vgl. https://www. bitkom. org/sites/default/files/file/import/090921-BITKOM-Leitfaden-CloudCompu ting-Web.pdf Zugriff am 19.12.2019.

²² Vgl. Barton, T, Cloud-Computing, 2014, S. 44.

²³ Vgl. https://www.tab-beim-bundestag.de/de/pdf7publikationen/berichte/TAB-Hintergrundpapier- hp019.pdf, Zugriff am 21.12.2019.

²⁴ Vgl. Janssen, H, IT, 2013, S. 40.

²⁵ Vgl. https://nvlpubs.nist.gov/nistpubs/Legacy/SP/nistspecialpublication500-292.pdf, Zugriff am 21.12.2019.

²⁶ Vgl. Janssen, H, IT, 2013, S. 40.

²⁷ Vgl. Bollen, L., Hoppe, U, Jansen, M., Cloud-Computing, 2018, S. 102.

²⁸ Vgl. Sarunski, M., DuD, 2016, S. 424.

²⁹ Vgl. https://www. bitkom. org/sites/default/files/file/import/BITKOM-LF-big-data-2012-onlinel.pdf, Zu­ griff am 24.12.2019.

³⁰ Vgl. Kuntze, N et al., Wirtschaftsinformatik, 2019, S. 154.

³¹ Vgl. Kuntze, N. et al., Wirtschaftsinformatik, 2019, S. 154.

³² Vgl. https://www. bitkom. org/sites/default/files/file/import/BITKOM-LF-big-data-2012-onlinel.pdf Zu­ griff am 25.12.2019.

³³ Vgl. https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf, Zu­ griff am 28.12.2019.

³⁴ Vgl. Pohlmann, N., Cyber-Sicherheit, 2019, S. 523-541.

³⁵ Vgl. Pöschhacker-Tröscher, G. et al., KI, 2017, S. 12.

³⁶ Vgl. https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf, Zu­ griff am 28.12.2019.

³⁷ Vgl. Gentsch, P, KI, 2017, S. 37.

³⁸ Vgl. https://www.itwissen.info/Chatbot-chatbot.html, Zugriff am 04.01.2020.

³⁹ Vgl. https://www.bigdata-insider.de/was-ist-ein-chatbot-a-690591/, Zugriff am 04.01.2020.

⁴⁰ Vgl. https://www.ccw.eu/blog/wie-chatbots-den-kundenservice-revolutionieren-wollen/, Zugriff am 04.01.2020.

⁴¹ Vgl. D'Onofrio, S. et al., Chatbots, 2020, S. 7.

⁴² Vgl. Callejas, Z. et al., Smart-Devices, 2016, S. 125 ff.

⁴³ Vgl. https://www.ccw. eu/blog/wie-chatbots-den-kundenservice-revolutionieren-wollen/, Zugriff am 05.01.2020.

⁴⁴ Vgl. www. autohaus. de/nachrichterdmein-digitales-autohaus-r2d2-ein-roboter-im-handel- 2136456.html, Zugriff am 05.01.2020.

⁴⁵ Vgl. https://bitcoin.org/bitcoin.pdf, Zugriff am 26.12.2019.

⁴⁶ https://yvww.bitkom.org/sites/default/files/2019-06/190613 bitkom Studie blockchain 2019 O.pdfiZu- griff am 26.12.2019.

⁴⁷ Vgl. https://assets.publishing.service.gov. uk/government/uploads/system/uploads/attach- ment_data/file/492972/gs-16-l-distributed-ledger-technology.pdf, Zugriff am 26.12.2019.

⁴⁸ Vgl. https://-www.bitkom.org/sites/default/flles/2019-04/190408_stellungnahme_blockchain-strategie- konsultation_online.pdf Zugriff am 27.12.2019.

⁴⁹ Vgl. https://eprint.iacr.org/2015/464.pdf Zugriff am 27.12.2019.