Auf die Daten kommt es an

Kognitive Aufgaben werden zunehmend von Computern übernommen. Die Qualität der durch KI getroffenen Entscheidungen steigt weiter an. Dabei ist maschinelles Lernen eine zentrale Technologie im Bereich der KI. Auf Basis großer Datenmengen können Modelle generiert werden, die mit zusätzlichen Daten ständig weiterentwickelt werden und lernen können. Wissen entsteht dabei mit zunehmender Erfahrung.

Mit Hilfe des Einsatzes von KI werden Auswertungsperspektiven für das Management dank strategischer Reports und automatisierter Empfehlungen von einem auswertenden Rückblick zunehmend auf in die Zukunft gerichtete Perspektiven gelenkt. Darauf basierend werden immer mehr neue Anwendungsfälle bekannt: in Planung, Ausführung und vor allem auch im Facility Management.

Vom operativen zum strategischen Reporting

Seit vielen Jahren unterstützen CAFM-Systeme das operative und strategische Facility Management – auch mit Reports. Das gilt beispielweise für Portfolios, für Performance oder auch für Workplace-Management. In Abhängigkeit von eingesetzten Modulen und der jeweiligen Datenlage lassen sich Reports für alle Prozesse erstellen, beispielsweise für Flächenverwaltung, -belegung und -planung; Inventarverwaltung, Service-Desks oder Instandhaltung; auch Zustandsbewertung, Compliance und Verträge werden intensiv unterstützt und nicht zuletzt das Umwelt- und Risikomanagement.

Schon im Rahmen dieses herkömmlichen Reportings wird erheblicher Nutzen generiert. Viele detaillierte Kennzahlen werden erzeugt. Zwar hat jede einzeln für sich ihre Aussagekraft, doch für eine prozessübergreifende Auswertung und strategische Steuerung ist diese herkömmliche Art nur bedingt geeignet. Informationen zu Flächen ohne die Angaben zu Personen und zu Nutzungsintensitäten sind eher irrelevant – ebenso wie Tickets ohne Zuordnung zu den Assets, den Kosten, den Verträgen und oder den Verfügbarkeiten. Doch nun hat sich ein neues Potenzial für strategisches Reporting eröffnet, das Reporting wird bereits jetzt revolutioniert.  

Wirkungen durch Einsatz von KI

Mit dem Einsatz von KI können innerhalb kürzester Zeit in Datenmengen Muster und Zusammenhänge erkannt werden – es lassen sich auch Anomalien identifizieren. Sonst schwerer erkennbare Ansatzpunkte werden sichtbar, mit denen Verbesserungen und eine Optimierung von Effizienz, Organisation und auch Nachhaltigkeit in Gang gesetzt werden können.

KI kann – bei entsprechender Datenbasis – auch eigenständig Vorhersagen formulieren und Verbesserungsvorschläge aufzeigen – ganz so, wie wenn Mitarbeiter auf Erfahrungsbasis Situationen gezielt vorhersagen können.

Es lassen sich also neue oder laufende Prozesse, neue Produkte, bestehende Organisationen, ganze Portfolios kosteneffizienter und nachhaltiger planen, gestalten und steuern, wenn KI gezielt zum Einsatz gebracht wird und eine entsprechende Datenbasis besteht.

Dabei verbessert der zusätzliche Einsatz von Sensorik die erforderliche Datenlage bereits erheblich. Die Datenqualität steigt und Datenquellen werden frei kombinierbar. Dadurch lassen sich die Kennzahlen erweitern, Vorhersagen werden möglich und Empfehlungen automatisiert aufgezeigt: Die strategische Steuerung wird erleichtert.

Den Data-Lake befüllen

Der Einsatz unterschiedlicher Sensoren (und Aktoren) schafft die zentrale Voraussetzung für die Wirkung Künstlicher Intelligenz. Sie erfassen Daten verschiedenster Anwendungsbereiche, etwa über die Nutzung einer Immobilie durch Mitarbeiter und Besucher und daraus resultierend zu Präsenzen und Raumbelegungen. Auch messen sie Daten zu Licht, Temperatur oder Luftfeuchtigkeit und Kohlendioxid sowie unterschiedlichste Verbräuche (Energie …). Über IoT miteinander vernetzt, werden die Daten in einer Cloud gespeichert und der Data Lake befüllt sich von selbst: Die zentrale Voraussetzung für die Wirkung generativer KI.

Leistungsfähigere Predictive ­Maintenance

Schon bisher sind Sensorik und KI zum Einsatz gekommen. Doch die genannten Entwicklungen machen sie immer leistungsfähiger: Voraussagen über Performance, Leistungen und Abnutzungen bis hin zum Ausfall von Systemen und Geräten werden immer genauer. Daraus resultieren eine längere Lebensdauer, geringere Kosten und eine höhere Verlässlichkeit.

Gezieltere Voraussagen zu ­Sanierungen, Um- und Ausbau

Auswertungen von Effekten für die Sanierungen in Bestandsgebäuden werden besser möglich: Dazu zählen beispielsweise Kalkulationen und Voraussagen zu möglichen Sanierungs- und Modernisierungsmaßnahmen mit Blick auf Energieeffizienz, Kosten und langfristige Entwicklungen.

Weitere Optimierung im Facility Management

Wo es möglich wird, dass Facility Manager über die von ihnen verantworteten Immobilien Erkenntnisse in Echtzeit erhalten, macht die Qualität von Serviceabläufen einen Sprung nach vorn. Die daraus resultierenden Vorteile lassen sich vielfältig fortführen: Bessere Flächenauslastung, geringere Betreiberkosten oder höhere Nutzerzufriedenheit – letzteres gilt selbstverständlich auch für die Mitarbeiter.

Ein sehr beeindruckendes Beispiel bezieht sich auch auf das Inventar- und oder Umzugsmanagement: Auf Basis einer entsprechend großen Datenmenge lassen sich verschiedene Ausstattungs- und Konstellationsvarianten von Mobiliar und Technikausstattung in Verhältnis zu Flächen und umgekehrt abbilden. Eine große Anzahl an Designmöglichkeiten können in kurzer Zeit durchgespielt und optimiert werden.

Dabei erhöht sich auch die rechnerische Chance auf Serendipität: Die Wahrscheinlichkeit steigt, dass man über einen Aspekt stolpert, nach dem man nicht gesucht hat, der aber ein Problem auf überraschende Weise löst. Hier spricht man auch von künstlicher Serendipität.

Für das Management ist die ausgewertete Benutzererfahrung eine gute Voraussetzung, die Ressourcenplanung sehr viel gezielter abzustimmen – mit Anforderungen aus Flächenplanung, Reinigung oder Instandhaltungsmaßnahmen – und mit Hilfe der KI-Empfehlungen abzuleiten.

Unternehmen profitieren ­strategisch von KI

In vielen Branchen sind Daten zu einem wertvollen Gut geworden. Unternehmen, die Daten konsequent sammeln und gekonnt analysieren, sind besser in der Lage, Trends und Chancen zu erkennen. Die Kombination aus exakter Planung mit intelligenten Handlungsempfehlungen über die bisherigen eigenen Erfahrungen hinaus, eröffnen Wettbewerbsvorteile: So lassen sich einerseits erhöhter Bedarf und damit verbundene Ressourcenengpässe vermeiden sowie Mengenermittlungen und Bestellvorgänge weiter optimieren – und andererseits Angebots Erstellungen beziehungsweise Ausschreibungen besser unterstützen.

Auf die Daten kommt es an

Qualität und Aussagekraft generativer KI hängt jedoch unmittelbar von den verfügbaren Daten ab. Machine-Learning-Modelle können ihre Wirkung erst erzielen, wenn ihr Algorithmus auf möglichst große Datenmengen zugreifen kann. Korrekte Daten in ausreichender Menge bereitzustellen, ist eine der größten Herausforderungen für anwendende Unternehmen.

Offenbar liegen oft nur wenige oder veraltete digitale Daten vor oder relevante Daten sind auf verschiedene Abteilungen verteilt. Häufig sind IT-Insellösungen im Einsatz – dabei ist es gerade erforderlich, übergreifende Auswertungen und Modelle erstellen zu können. Zudem stehen Themen wie Datenschutz oder auch die Datenhoheit einem sinnvollen Einsatz von KI und der Möglichkeit, Trainingsmodelle im Sinne von Machine-Learning-Modellen zu entwickeln, teilweise noch entgegen. Doch die Richtung und die Dynamik für den Einsatz von KI auch im Facility Management ist eindeutig – und wir stehen ja erst am ganz am Anfang.

Fazit

Bis vor Kurzem konnten sich die meisten Branchenteilnehmer noch nicht vorstellen, welche vielfältigen Anwendungsfälle sich durch KI ergeben werden. Und so ist es heute schwer, Prognosen darüber abzugeben, welche Vielfalt und Tiefe die dynamische Entwicklung von KI-Modellen auch in Planung, Ausführung und Betrieb in Zukunft eröffnen wird. Sicher aber ist: Die Verantwortlichen müssen sich jetzt damit beschäftigen, wollen sie nicht schon morgen unternehmerische Nachteile in Kauf nehmen.