FIRMENVERTRAULICH. NICHT OFFENLEGEN.
Günes Pekmezci von der Bundesdruckerei gibt Ratschläge zur Sicherstellung einer breiten Unterstützung für Initiativen zur Transformation von Analytics
Günes Pekmezci ist Fertigungsingenieur bei der Bundesdruckerei mit Sitz in Berlin, einer staatlichen Sicherheitsdruckerei, die für die Herstellung von amtlichen deutschen Pässen, Personalausweisen, Banknoten, Stempeln, Visa und Fahrzeugpapieren verantwortlich ist. Als technischer Projektmanager, der die Implementierung der IoT-Technologien des Unternehmens leitet, hat Günes die Transparenz bei der Einführung neuer, stärker datengesteuerter automatisierter Systeme gefördert. Sie kam 2016 zur Bundesdruckerei, nachdem sie ihren MS in Process, Energy and Environmental Systems Engineering an der Technischen Universität Berlin absolviert hatte.
Meg: Sie haben Ihre Karriere zu einer Zeit begonnen, als Industrie 4.0 in Europa zum ersten Mal an Bedeutung gewann. Ich kann mir vorstellen, dass es als jemand, der bereits ein IoT-Interesse hat, nach der Graduiertenschule viele aufregende Möglichkeiten gab, Veränderungen voranzutreiben.Wie, würden Sie sagen, hat dieser Fokus auf die Analytics-Transformation Ihren beruflichen Werdegang seit Ihrem Eintritt bei der Bundesdruckerei geprägt?
Günes: Als ich zur Bundesdruckerei kam, war ich sehr daran interessiert, Produktionsprozesse zu optimieren, wusste aber wenig über die neue industrielle Revolution. Ich habe als Trainee in einem Bereich der Produktion angefangen, wo ich mit einem Kollegen an der Entwicklung von Industrie 4.0-Initiativen gearbeitet habe.
Ich begann, diese neue Revolution zu lesen und zu recherchieren, und erstellte schließlich ein Reifegradsystem für unsere Maschinen, zugehörige Business Cases und ein Portfolio mit einer Roadmap. Mein Manager und ich waren anfangs die einzigen zwei in dieser Abteilung! Sie wurde meine Mentorin und unterstützte meinen kreativen Prozess, ermutigte mich, mehr über das Thema zu lernen, und gab mir wertvolle Einblicke in geschäftliche Anwendungsfälle. Mit diesem Ansatz waren wir sehr erfolgreich, sodass unser Reifegradtool sogar für zukünftige Projekte verwendet wurde.
Während dieser Forschungszeit habe ich daran gearbeitet, die Produktionsprozesse der Bundesdruckerei mit Daten zu optimieren – ein Einsatz, den ich schließlich auch in die Engineering-Abteilung eingebracht habe.
Der Übergang hat meine berufliche Ausrichtung völlig verändert – von Chemieingenieurwesen zu Data Engineering und Data Science – und ich wurde zum Chefarchitekten unserer Datenströme, auf der Suche nach Wegen, die für die Analyse erforderlichen Daten besser zu sammeln. Ich habe eine Reihe verschiedener IT-Systeme evaluiert und eng mit unserer Produktions-IT-Gruppe zusammengearbeitet, um die von uns beschafften Systeme zu implementieren, was schließlich zu der Industrie 4.0-Infrastruktur führte, die wir heute haben. Ich war während dieses Prozesses sehr praktisch, da ich alle IT-Programme für die von uns benötigten Anwendungsfälle getestet habe. Ich sehe mich jetzt eher als autodidaktischen IoT/IT-Ingenieur.
Meg: Welche Hürden mussten Sie bei der Implementierung dieser neuen Systeme und Datenprozesse überwinden?
Günes: Zum einen galt Excel als bevorzugtes Tool zur Datenanalyse bei der Bundesdruckerei. Am Anfang war es schwer zu zeigen, dass andere Tools es besser machen könnten… es war schwer, Leute davon zu überzeugen, etwas Neues auszuprobieren.
Meine Strategie bestand darin, ihre Bedürfnisse zu verstehen und ihnen zu zeigen, wie sie ihre Bedürfnisse mit JMP schneller und einfacher erfüllen können. Nachdem sie gesehen hatte, wie schnell JMP eine Analyse durchführen konnte, nahm sich eine unserer älteren Kollegen sogar die Zeit, dieses neue Reporting-Tool zu lernen, und sie ist jetzt eine der besten JSL-Programmierer in unserem Team. Sie weiß, wie sie ihre eigenen Berichte mit JSL-Skripten automatisieren kann. Es ist so wertvoll zu sehen, dass sogar langjährige Excel-Anwender Freude daran finden, stattdessen JMP zu verwenden.
Meg: Die Einführung neuer Methoden oder Tools kann am Anfang durchaus disruptiv sein! Wie konnten Sie mit Ihrer Vision die Skeptiker überzeugen?
Günes: Als ich zum ersten Mal zu dem Schluss kam, dass wir JMP verwenden sollten, um unsere Daten zu analysieren, gab es ein Team, das seit langem Excel-Makros verwendet und einige Einwände erhoben hatte. Mein Ansatz bestand darin, ihre Berichte zu verstehen und genau dieselbe Analyse in JMP mit automatisierten Skripten für einen direkten Vergleich zu erstellen.
Und am Ende haben wir die Analysezeit um 90 % reduziert. In Excel dauerte es 107 Minuten, um die Daten von 30 Wochen zu verarbeiten – und Excel erreichte seine Grenzen und konnte nicht mehr verarbeiten –, während ich in JMP zeigte, dass wir die Daten eines ganzen Jahres in 13 Minuten analysieren konnten!
Daher sahen sie das Potenzial und wurden weniger kritisch. Ich habe mich mit ihnen zusammengesetzt und ihnen gezeigt, wie sie ihre eigenen Skripte implementieren können. Zu ihrer Zufriedenheit führte ich JMP mit diesem Versprechen von Benutzerfreundlichkeit und Zeitersparnis ein.
Ich habe auch Schulungen organisiert und wöchentliche JMP-Bürozeiten eingerichtet, in denen Kollegen zu mir kommen können, um Unterstützung bei der Suche nach einer Lösung in JMP für eine bestimmte Analyse oder Datenherausforderung zu erhalten. Es ist sehr praktisch. Und ich habe festgestellt, dass je mehr Leute mitmachen, desto mehr haben sie anderen beigebracht. Einige haben sogar angefangen, sich mehr und mehr selbst zu lernen, und wir haben derzeit viele JMP-Experten in unserer Abteilung – darauf bin ich sehr stolz.
Und es wurde von unserer Führung gut aufgenommen. Wir haben ihnen gezeigt, dass wir Zeit und Energie für die gleichen Dinge sparen können wie in anderen Tools. Die Benutzerfreundlichkeit von JMP hat auch dazu beigetragen, dass Ingenieure schneller mit der Verwendung beginnen können, ohne zu beängstigend zu sein. Unser Ziel war es, ein Tool zu finden, das keine Programmiersprachenkenntnisse erfordert, da wir möchten, dass Ingenieure ihre Zeit damit verbringen, Daten zu analysieren, anstatt Programmieren zu lernen.
Meg: Ich bin neugierig – wie hat JMP das Verhältnis zwischen Statistikexperten und Fachexperten bei der Bundesdruckerei verändert?
Günes: Genau aus diesem Grund habe ich gelernt, bei der Implementierung von Anwendungsfällen der Digitalisierung in der Produktion sorgfältig zu kommunizieren. Ich betone immer wieder, dass die Digitalisierung das Fachwissen der Fachexperten unterstützen wird. Und obwohl es ihnen eine Menge wiederholter Arbeit abnehmen kann, kann es ohne dieses Fachwissen nicht funktionieren.
Maschinelles Lernen erfordert in der Algorithmus-Trainingsphase viel Entscheidungsfindung durch Experten, und am Ende, wenn die Maschine beginnt, Entscheidungen zu treffen, kann sie nur noch begrenzt dazu beitragen, Sie zu führen. Als Menschen mit komplexen Gehirnen sehen wir Dinge in den Daten, die einer Maschine möglicherweise nicht bewusst sind – wie zum Beispiel physikalische Bedingungen. Der Experte wird derjenige sein, der am Ende entscheidet, einer Entscheidung grünes Licht zu geben. Diese neuen Revolutionen sind da, um unser Leben einfacher zu machen.
Meg: Wie war Ihre Beziehung zur JMP-Organisation – Kundenbetreuer, technische Ingenieure, Kundenanwälte –?
Günes: Ich schätze mich sehr glücklich, mit Jessica Horsch, der Kundenbetreuerin bei JMP, zusammenzuarbeiten. Sie ist extrem entschlossen und wir haben so viele autokratische Probleme mit Hilfe ihrer Entschlossenheit und ihres positiven Denkens gelöst. Sie hat es sogar geschafft, kurz vor Neujahr einen Vertrag zu unterschreiben, wenn in Deutschland fast niemand nach der zweiten Dezemberwoche arbeitet!
Außerdem haben wir durch sie Florian Vogt und Dieter Pisot kennengelernt. Bisher haben wir viel mit Florian gemacht. Er ist unser bevorzugter JMP-Experte! Wir organisieren das ganze Jahr über einige Workshops zu bestimmten Themen und sind sehr dankbar, Florian „fragen“ zu können und uns von ihm die spezifischen Dinge beibringen zu lassen, die wir für unsere Analyse benötigen.
Meg: Welchen Rat würden Sie jemandem geben, der gerade erst mit JMP anfängt – oder vielleicht versucht, sein Unternehmen in die Analytics-Transformation einzubeziehen, wie Sie es getan haben?
Günes: Als ich mit JMP anfing, habe ich mir viele Websitzungen angesehen – und es praktisch genutzt. Ich bin auch ein Fan des Scripting-Index im Tool. Ich google jede Frage, die ich habe, und am Anfang gab es eine Zeit, in der ich das JMP Scripting-Buch las, indem ich es von Anfang bis Ende überflog. Es war ein schuldiges Vergnügen, dass ich Geeks wie mir nur raten würde!
Was den Kulturwandel betrifft, unterschätzen Sie niemandes Fachwissen. Versuchen Sie, ihre Bedürfnisse und Gründe zu verstehen, warum sie ein bestimmtes System verwenden – und gehen Sie respektvoll mit ihren bestehenden Systemen um. Gestalten Sie mit ihnen die Veränderung, beginnen Sie mit den Dingen, mit denen sie sich wohlfühlen, und führen Sie sie zu einer neuen Kultur. Ihre Akzeptanz ist wichtig, damit sich die neue Kultur zum Standard entwickeln kann. Und es ist entscheidend, jeden mit einer relevanten Rolle von Anfang an einzubeziehen. Sie sollten die Veränderung nicht von oben nach unten diktiert bekommen; Vielmehr müssen sie Teil der Transformation sein.
