Die Zeitschrift Wirtschaftsinformatik feiert ihr 50-jähriges Bestehen. Aus diesem Anlass hat sie ihre Archive durchgesehen und im Sinne eines „Best of“ eine Handvoll Artikel ausgewählt, um sie in der Jubiläumsausgabe noch einmal abzudrucken. Der von Dr. Jürgen Hagedorn und mir verfasste Beitrag „Data Mining (Datenmusterkennung)“ von 1993 hat es unverhofft in diese Auswahl geschafft. Der Aufsatz entstand in unserer gemeinsamen Zeit als Assistenten am Lehrstuhl von Prof. Peter Mertens, Jürgen ist heute bei SAP.

„One-to-One“-Marketing durch Data Mining bei der mexikanischen Telmex. Der Rechner bestimmt, wer welche Werbeanzeigen auf seine Telefonrechnung gedruckt bekommt. Die Konversionsraten stiegen dadurch stark an.

Der Hype um die Datenmustererkennung ist vorbei. Die Disziplin reift, befreit von falschen Erwartungen. Die Schlagzeilen sind anderen Sujets gewidmet. Wie steht es um das Data Mining? Was hat sich inzwischen getan? Die Erfahrungen, die wir über alle Branchen und Wirtschaftszweige hinweg in den letzten 16 Jahren sammeln konnten, zeigen so viel:

1. Ostereier-Paradoxon Die Möglichkeiten und Grenzen der Datenmustererkennung haben Bestand. Der albtraumhafte Automationsgrad, von dem man damals fabulierte, ist auch heute noch in weiter Ferne. Wir haben es damals als Ostereier-Paradoxon so formuliert: Die Erkenntnisse, die man zu gewinnen hofft, muss man zuvor durch geschickte Datenmodellierung und Methodenauswahl selbst verstecken. Es lohnt also immer noch, Unternehmen von Menschen führen zu lassen.
2. Maschinelle Prozesshoheit Ab einem bestimmten Punkt in der Prozesskette des Data Mining ist der menschliche Eingriff unerwünscht: Kaum ein Anwender zeigt je die Disziplin, sich an die Ergebnisse eines Data-Mining-Systems zu halten. Lässt man etwa einen Algorithmus wie unseren Selector bestimmen, welche Adressen in einer Direktmarketingaktion angeschrieben werden sollen, so muss man sich an den Vorschlag halten, wenn man anschließend die Güte der Auswahl messen will. Wo das gelingt, gibt es auch nachweisbare Erfolge.
3. Automation der Routine Schnelle Erfolge stellen sich immer dann ein, wenn es gelingt, sich wiederholende Analyseaufgaben an den Rechner zu delegieren. Voraussetzung ist, man findet Rechenvorschriften für menschliche Entscheidungsheuristiken. Die Maschine tut, was der Mensch auch tun würde – wenn er denn unendlich Zeit dafür hätte und die sehr billig wäre. Beispiele sind das Suchen nach Abweichungsursachen in Betriebsergebnishierarchien oder das Segmentieren von Märkten nach soziodemografischen Merkmalen.
4. Strukturarmut Eine Vermutung bestätigte sich über die Jahre immer wieder: Schlimmer als unsaubere Daten ist ein Mangel an Struktur. Dennoch wird der Beseitigung von Datenschmutz die größere Aufmerksamkeit gewidmet. Das ist nicht zielführend. Es behindert die Mustererkennung wenig, wenn ein Teil der Kunden der falschen Branche zugeordnet ist. Hingegen verhindert es jede Erkenntnis über Branchenmuster, wenn es gar keine Zuteilung gibt.
5. Datenknappheit Für analytische Zwecke herrscht trotz der überall beschworenen Datenfluten in den Unternehmen eher Datenarmut. Gewaltige Aufwendungen für operative IT-Systeme sind kein Garant für analytisch brauchbare Daten. Wenn die Damen und Herren in der Auftragsannahme immer 9999 eintippen, anstatt den Kunden die passenden Angaben zu entlocken, sitzt man nach Jahren auf vielen, aber nichtssagenden Daten. Diese Erkenntnis entmutigt viele, bevor sie richtig angefangen haben. Schade, denn die Lösung liegt nahe und ist billig: Man erhebt die benötigten Daten neu, in Form einer Stichprobe.
6. Managementtauglichkeit Die größten Fortschritte und die größte Befriedigung fanden wir immer dort, wo es gelang, die Managementtauglichkeit von Analyseverfahren zu erhöhen. Software zur Assoziation, mit der man Warenkorbanalysen anstellt, gibt es inzwischen viel. Die einzige, die die typischerweise riesige Zahl an Regeln auf eine handhabbare und verständliche Anzahl reduziert, stammt meines Wissens von uns.

Auf eine Goldgrube zu stoßen, gelingt nicht immer. Grubenunglücke jedoch lassen sich leicht vermeiden, und einige Nuggets sind rasch gefunden.

Für mehr Industriereporting hatte ich schon geworben. Und mir robuste Berichtsformate gewünscht, die eine automatische Befüllung mit Daten nacharbeitungsfrei aushalten. Die Analogie zu den Bedingungen in der industriellen Produktion liefert noch mehr Inspiration. In der Fertigung ist ein Grad an Automation erreicht, der Betriebswirte staunen lässt. Und deprimiert, wenn sie sehen, wie der Stand in der Unternehmenssteuerung ist.

Versierte Programmierer lächeln, wenn sie sehen, wie sich Controller immer wieder mit Handarbeiten abquälen, die einer vorindustriellen Manufaktur zur Ehre gereichen würden. Eine kleine Animation zeigt das am Beispiel einer Konzentrationsanalyse für den Produktumsatz. Sie soll zeigen, welche Artikel besonders wichtig für uns sind, ob der Umsatz stark auf einen Ausschnitt des Sortiments konzentriert ist oder ob der Erfolg auf vielen Säulen ruht. Entsprechend ihrer Bedeutung spricht man dann von A‑, B‑ oder C-Artikeln und überlegt u.a. welche C-Artikel eliminiert werden können.

Manuelle ABC-Analyse in Excel. Zum Vergrößern bitte anklicken.

Wie die Animation zeigt, müssen die Daten geholt, sortiert und summiert werden. Es sind Anteile und Kumulationen zu bilden. Schließlich ist noch eine geeignete Klasseneinteilung zu finden, so dass Aussagen möglich werden wie: „Mit einem Viertel unseres Sortiments erwirtschaften wir drei Viertel unseres Umsatzes.“ Bei alledem gilt, was für viele Lehrbuchverfahren der BWL gilt: Die einzelnen Arbeitsschritte bleiben unabhängig vom Untersuchungsgegenstand gleich. Egal, was analysiert werden soll, Vertreter, Kunden, Gebiete oder eben Artikel, die Arbeitsschritte bleiben gleich und gleich langweilig, weil vollständig automatisierbar.

Auf dieses simple Prinzip stieß ich als Assistent von Peter Mertens, dem legendären Begründer der deutschen Wirtschaftsinformatik. Das war 1993 und die Künstliche Intelligenz war sehr à la mode. Der Ehrgeiz in unserer Forschungsgruppe ging zeitgemäß über triviale Ansätze der Makroprogrammierung hinaus und wir strebten nichts weniger als eine Art Controllingroboter an. Aus dem wurde nichts. Aber auf einem sehr langen Weg kumulativer Forschung, der inzwischen zwanzig Jahre umfasst, entstanden andere nützliche Ergebnisse.

Automatisierte ABC-Analyse in meinem geliebten DeltaMaster. Zum Vergrößern bitte anklicken.

Eines davon ist die automatisierte ABC-Analyse. Sie hat sich inzwischen über viele Jahre bewährt. Zudem ließ sich die Grundidee, Routineschritte an den Rechner zu delegieren, auch auf andere, mitunter komplexere Verfahren übertragen. Für ein automatisiertes Navigationsverfahren konnten wir einen begehrten Preis einheimsen.

Darin kam ein weiteres Automationsprinzip zum Tragen, das auch unsere ABC-Analyse prägt: Die Lade‑, Sortier‑ und Kumulationsprozesse bestehen aus trivialen Schritten, die keine Rätsel aufgeben. Die Klasseneinteilung hingegen bedarf ein klein wenig Voodoo, in Form einer Entscheidungsheuristik für die Klasseneinteilung. Auf der Suche danach kam uns seinerzeit die zweite, bescheidene Erleuchtung: Routineentscheidungen eines versierten Anwenders lassen sich mathematisch nachbilden.

Heuristik der Klasseneinteilung: Wo differieren die Grenzbeiträge am stärksten?

Im Fall der ABC-Analyse würde ein Controller die Liste der Produktumsätze durchgehen und die Grenzen zwischen A und B bzw. B und C dort ziehen, wo der Umsatz des nächsten Artikels sich vom Umsatz des vorhergehenden besonders stark unterscheidet. Grafisch wären das die Knickstellen in der Konzentrationskurve. Dieses einfache Prinzip muss noch um ein paar weitere Regeln ergänzt werden, dann klassifiziert der Computer genauso wie ein Mensch das tun würde. Meistens. Deswegen hat der Mensch auch bei uns immer noch das letzte Wort und kann die Klasseneinteilung beliebig ändern.

Manchmal gilt es, sich zwischen Innovation und Erfolg zu entscheiden, denn Innovation kann Haken haben und ist nicht automatisch Garant für Erfolg.

Haken Nr. 1: Die Softwarebranche ist nicht so innovativ, wie sie scheint. Ein großer Teil des Softwareangebots ist monopolistisch, allenfalls oligopolistisch. Dass das eine sehr, das andere fast ebenso den Wettbewerb und daraus folgende Innovation und Wohlfahrt hemmt, gehört zu den volkswirtschaftlichen Erkenntnissen, die auch der Betriebswirt unterschreibt. Jeder, der vor 20 Jahren schon einmal einen Brief auf einem PC geschrieben hat und es gelegentlich heute noch tut, weiß, was ich meine. Manchmal überkommt mich der dringende Wunsch nach einer IBM-Schreibmaschine mit Kugelkopf und Löschband.

Haken Nr. 2: Erste Formen dessen, was die GI jetzt ausgezeichnet hat, habe ich 1995 in ähnlicher Form drei damals marktführenden Herstellern angeboten. Der eine verstand es nicht, der zweite hielt es für unnötig, der dritte ließ sich darauf ein – und ist gut damit gefahren. Der Erste und der Zweite sind schuld, dass aus einem universitären Prototyp ein weltweit eingesetztes Standardprodukt wurde. Der Trotz war einfach zu groß.

Haken Nr. 3: Die Marktgesetze wollen es, dass der Kreis der innovationshungrigen Nachfrager eher klein ist. Audi hatte bereits einen überlegenen Allradantrieb, als niemand verstand, wozu das gut sein sollte, wenn man kein Almwirt war. Erst wenn sich die „late majority“ für etwas Neues erwärmt, ist der Markterfolg da. Diese Gruppe, der die Mehrheit der Konsumenten angehört, möchte Anwendung und Wettbewerb sehen. Der Nachbar muss einen Audi fahren und BMW und Mercedes müssen ebenfalls Allradmodelle anbieten.

Haken Nr. 4: Nicht alles, was neu, unverständlich und unbekannt ist, ist auch gut. Das hat Bella erst am Mittwoch wieder anhand quadratischer Kuchengrafiken gezeigt.

Als Innovation wird in der Folge auf breiter Front wahrgenommen, was sich bereits bewährt hat und noch nicht alltäglich geworden ist. Ein Paradoxon, aber alles andere wäre das Paradies und irgendwie langweilig.

Letztlich geht es darum, Information zu unterdrücken. Die Berichtsempfänger sollen eben nicht laufend informiert werden, sondern nur in ausgewählten Situationen, die man pauschal und vorab definiert hat. Darin liegen aber die Gefahren der Schwellwert-Konzepte. Ist eine Abweichung wirklich erst ab 5 % relevant und 4,98 % sind uns egal? Auf welcher Verdichtungsebene zieht man welche Grenze?

Der Wirtschaftsinformatiker Norbert Szyperski warnte bereits 1978:

„Festgeschriebene Schwellenwerte, verbunden mit der Management-by-Exception-Fiktion, sind daher gefährlich. Das Management sollte neugierig sein, d. h. neue Informationsverknüpfungen suchen und nicht nur wie eine Kontrollperson auf einer Schaltbühne aufmerksam dösen“, zitiert nach Mertens/Griese, Integrierte Informationsverarbeitung 2, Wiesbaden 2002.

Lieber ist es mir, wir gestalten Standardberichte so attraktiv und informationsdicht, dass es Freude macht, sie zu lesen und man gar nicht auf die Idee kommt, sie unterdrücken zu wollen.

Derzeit zu empfehlen ist „irgendwas Zweipunktnull“, wie Dietmar Köthner es formulierte. Web 2.0 gibt es schon. Business Intelligence 2.0 auch. SOA 2.0 ist auch schon weg, genauso wie Golf GTI 2.0. Köthner meint, BI 2.0 käme von mir. Ach nee, lieber nicht. Als ich Nigel Pendse fragte, ob er etwas dazu sagen wolle, winkte der nur ab. BI gäbe es schon seit 1990, eigentlich schon seit den 70ern, wenn auch unter anderem Namen. Wenn überhaupt, dann wären wir doch jetzt wohl bei BI 7.0. Er hat noch andere bemerkenswerte Dinge gesagt. Ein paar davon finden sich in seinem hörenswerten Podcast.

* Quellen:

Nicolas Bissantz, Jürgen Hagedorn: Data Mining (Datenmustererkennung), WIRTSCHAFTSINFORMATIK 5/1993, S. 481–487.

Nicolas Bissantz: CLUSMIN – Ein Beitrag zur Analyse von Daten des Ergebniscontrollings mit Datenmustererkennung (Data Mining). Dissertation, Nürnberg 1996.

Jürgen Hagedorn, Nicolas Bissantz, Peter Mertens: Data Mining (Datenmustererkennung): Stand der Forschung und Entwicklung, WIRTSCHAFTSINFORMATIK 6/1997, S. 601–612.

Ein Gespräch mit Peter Mertens über Denglish, Data Mining, Business Intelligence und sprachliches Imponiergehabe

Bissantz Ihr Lehrstuhl, Herr Professor Mertens, war seinerzeit der erste, der sich im deutschsprachigen Raum dem Data Mining widmete. Ihre damaligen Assistenten Bissantz und Hagedorn verfassten die unseres Wissens erste Darstellung dazu.

Mertens Ich sah damals einen großen Fortschritt in der Ausbeutung von Datenbeständen. (Politiker mit mangelhaften Physikkenntnissen würden von einem Quantensprung faseln.)

Bissantz Als wir 1993 über Data Mining zu forschen begannen, schlug ich vor, dafür den deutschen Begriff Datenmustererkennung zu etablieren. Herr Mertens, Sie winkten damals weise ab. Sie erwarteten, dass sich der englische Begriff wie in vielen anderen Fällen auch durchsetzen würde. Sie haben Recht behalten.

Mertens Was mich gar nicht freut. Datenmustererkennung trifft die Sache sehr viel besser. Aber viele Zeitgenossen finden es nach wie vor „cool“, jeweils den englischen Begriff zu benutzen. Das Denglish ist ohne jeden Zweifel auf dem Vormarsch. Ich hatte einmal versucht, auf der Grundlage von Arbeiten der deutschen IBM zwischen Stapel‑ und Dialogverarbeitung einerseits und Vollautomation sowie rein personeller Tätigkeit andererseits einen Kompromiss zu finden und unter der Bezeichnung „Aktionsorientierte Datenverarbeitung“ zu verbreiten. In Deutschland wurde zwar eingeräumt, dass es sich um ein interessantes Konzept handle. Der Durchbruch kam aber erst mit dem Reimport der Idee unter dem Schlagwort „Workflow Management“.

Bissantz Beim Business Intelligence ist es ja ganz ähnlich. Ich frage mich, ob es auch daran liegt, dass der angloamerikanische Sprachraum bildstärkere Begriffe hervorbringt.

Mertens Kreativ sind die Begriffe. Aber sie müssen auch etwas Neues bezeichnen. Sie erinnern sich vielleicht, als wir für die Rubrik „Das aktuelle Schlagwort“ der Zeitschrift WIRTSCHAFTSINFORMATIK überlegten, wie man „Supplier Relationship Management“ erklären kann. Unter dem Strich blieb der schale Eindruck, dass Supplier Relationship Management nichts anderes ist als das, was ein guter Einkäufer schon immer praktiziert hat. Wie viel Zeit und Energie wird verschwendet, bis alle das durchschaut haben? Übrigens distanzieren Sie sich doch inzwischen ganz massiv vom Begriff Data Mining, oder nicht?

Bissantz Ja, als eine Geste der Selbstverteidigung. Dabei betreiben unsere Kunden Datenmustererkennung im eigentlichen und damit anspruchsvollen Sinne. Zum Beispiel lässt die mexikanische Telmex unsere Werkzeuge darüber entscheiden, welche Kunden als Nächste ein bestimmtes Produktangebot bekommen. Aber seitdem heute auf jedem Produkt, das ein bisschen durch die Daten navigiert, Data Mining steht, wollen wir nicht verwechselt werden. Ein ärgerliches Dilemma.

Mertens Da haben Sie es. In einer Abwandlung dessen, was der Soziologe Henrik Kreutz über sein Fach sagt, ist diese begriffliche Fehletikettierung „sprachliches Imponiergehabe“. Mir geht es um die Präzision der Sprache und auch darum, dass man in der Fachwelt zu unterscheiden weiß, wann ein neuer Begriff die Weiterentwicklung des Fachwissens signalisiert und wann er nur allzu vordergründige Bestrebungen von Unternehmensberatern, Software­entwicklern, Veranstaltern von Weiterbildungs-Seminaren oder auch von so genannten Gurus aus den Hochschulen reflektiert.

Bissantz Im Fall von Data Mining ein Paradoxon. Es gab Fortschritte, aber das, was unter Data Mining verkauft wurde, enthielt oft gar kein Data Mining.

Mertens Für die Wissenschaft und den Fortschritt generell sind Moden unproduktiv, weil sie einen „langen Atem“ braucht; von daher ist es ungünstig, wenn sie plötzlich Foren (zum Beispiel Kongresse, Sonderhefte von Zeitschriften oder auch Kooperationspartner aus der Wirtschaftspraxis) verliert, sobald ein Forschungsgegenstand „out“ ist. Man läuft so Gefahr, dass „Halbfabrikate“ weggeworfen werden. Da sie nicht fertig produziert werden, sind schließlich die Enderzeugnisse auch nicht wirklich testbar. Der Wissenschaftler kommt also bei seiner Mission, der Suche nach Wahrheit, nicht weiter.

Bissantz Anlässlich Ihrer Emeritierung erzählte man sich, dass Sie wahrscheinlich dreimal so viel Arbeitszeit wie der Durchschnitt Ihrer Kollegen in einem schmucklosen Büro mit schätzungsweise 10 qm verbracht und die Honorare für Publikationen penibel mit Ihren Assistenten geteilt haben.

Mertens Ein wenig Schmuck war schon im Büro. Bissantz hat zweimal die Bleifigur eines Simultandynamikers, der neun Bücher gleichzeitig las, auf dem Besprechungstisch umgeworfen und verbogen.

Bissantz Vor Begeisterung.

Mertens Das mit dem Büro hat einen sehr einfachen Grund. Ich brauchte Platz für eine gewachsene Anzahl an Assistenten und habe das übliche, Professoren zustehende Büro von 25 qm mit dem getauscht, das Sie kennen. Auf diese Weise konnten wir unsere Forschungskapazität um drei Leute erhöhen.

Bissantz Kollegen von Ihnen wie Scheer oder Wildemann haben ihre Erkenntnisse zum Teil aggressiv vermarktet. Sie haben darauf immer verzichtet. Ist Ihre Interpretation des Hochschullehrers eine andere?

Mertens Gereizt hätte es mich schon, zumal ich vor meiner Hochschul­tätigkeit Geschäftsführer einer damals namhaften Unternehmensberatung war. Aber angesichts des 5000-Stunden-Jahres, das meine Tätigkeit als Hochschullehrer verlangte, hätte ich nicht gewusst, wo ich die zusätzlichen Stunden für Aufbau und Führung eines Unternehmens hätte herholen sollen. Ich bin jedoch stolz, dass sich heute ein Dutzend Unternehmen, die von ehemaligen Zauberlehrlingen wie Ihnen gegründet wurden, am Markt bewähren.

Auch dass wir mit unserem Ideengut großen und mittleren Unternehmen in unserer Region, wie zum Beispiel Datev, GfK, INA, Siemens oder Städtler, ein klein wenig helfen konnten, sehe ich positiv.

Bissantz Von Ihren ersten einschlägigen Arbeiten zur intelligenteren Ausbeutung von Datenbeständen bis heute sind mehr als 20 Jahre vergangen. Was lernen wir daraus für die Entstehung und Förderung von Innovation?

Mertens Ich hatte das Glück, immer wieder tüchtige Assistenten mit anderen Anwendungsfeldern experimentieren lassen zu können (zum Beispiel Allgemeine Management-Information, Marktforschung, Controlling, Besteuerung). Es braucht so genannte kumulative Forschung. Man darf nicht wie ein Korken vom Kamm einer Modewelle zur nächsten hüpfen.

Bissantz Sie haben die Bedeutung von statistischen Methoden und solchen des Operations Research immer wieder betont, wir bei Bissantz & Company haben unser Produkt immer stark auch als Sammlung von Lehrbuchmethoden mit vereinfachtem Zugang verstanden.

Mertens Dies scheint mir extrem wichtig. Wir dürfen vor den Schwierigkeiten der Mathematik nicht zu früh resignieren. Vergleichen Sie mit den Strömungsmechanikern, etwa bei der Entwicklung von aerodynamisch günstigen Flugzeugen: Sie arbeiten inzwischen mit Hunderten Millionen von Gleichungen und Unbekannten, aber erzielen in geduldiger Kleinarbeit Fortschritte von außerordentlicher Bedeutung. In unserem Fach neigt man dazu, jede marginale Verbesserung eine „Optimierung“ zu nennen – reines Imponiergehabe.

Bissantz Dass ich den Sprung ins Unternehmertum gewagt habe, hat auch damit zu tun, dass wir schon während der Promotion mit der Praxis getestet hatten und dort positives Feedback bekamen. (Nebenbei: Ich konnte auch bei Sandoz unseren ersten Auftrag abholen.) Auch dazu gibt es bestimmt eine Grundposition, es ging uns ZL ja allen so. Das Schlimmste, was die Dissertation bedrohte, war ein unzufriedener Praxispartner.

Mertens Mit Superlativen soll man bekanntlich sehr vorsichtig umgehen, aber schlimm war es schon.

Quelle:
Bissantz, Nicolas; Hagedorn, Jürgen: Data Mining (Datenmustererkennung). WIRTSCHAFTSINFORMATIK 35 (1993) 5, S. 481–487. zurück