Digitale Trends 2022 für die Skalierung, Experience und neue Geschäftsmodelle

Die digitalen Trends von Gartner 2022 liefern Möglichkeiten für Unternehmen, die Digitalisierung für sich zu nutzen:

• Vertrauenswürdige digitale Zusammenarbeit der Mitarbeiter und Gerätevernetzung von überall
• Lösungen zur globalen und kosteneffizienten Skalierung
• Innovative Fähigkeiten wie Total Experience, AI und Autonome Systeme für ein Wachstum des Geschäfts für morgen

Das Wachstum des Geschäfts kann via Portfolio-Erweiterung oder auch ganz neuen Business-Modellen vorangetrieben werden:

• Total Experience für Portfolio-Erweiterung: Die Touchpoints entlang der Journey werden personenzentrisch für Kunden, Mitarbeiter und Partner mit einem Design Thinking Ansatz gestaltet.
• Business Transformation für neue Geschäftsmodelle: Neue cross-Industry Angebote und Subscription-Modelle werden durch die neuen Technologien ermöglicht. Die Kundenakzeptanz und -adaption der neuen Geschäftsmodelle und damit die Validierung des Business Modells sind entscheidend für den Erfolg.

Gartner teilt die digitalen Trends 2022 in folgende 3 Kategorien, welche aufeinander aufbauen und sich gegenseitig verstärken:

1. Skalierung: Vertrauen in Infrastruktur
2. Anpassung: Veränderung gestalten
3. Wachstum: Geschäftsmodelle

Quelle: Gartner Tech-Trends 2022

Die Trends und deren Implementierung im Detail:

Skalierung

Datenfabrik – Data Fabric

• Integrierte und plattformüberreifende Datennutzung
• Analyse, Meta-daten, Verfügbarkeit
• Datenverwaltung

Cybersecurity Mesh

• Assets von Digital Business sind über Clouds und Rechenzentren verteilt.
• Identitätsbasierte Sicherheit, Integration von mehreren Datenfeeds und Sicherheitsprodukten mit dem Ziel:
  • Cybersecurity unabhängig vom Standort zu ermöglichen
  • Vorfälle besser zu erkennen
  • Schneller darauf zu reagieren
• In der Umsetzung zu beachten:
  • Auf Composability und Interoperabilität bei Auswahl von Sicherheitslösungen
  • Aufbau eines gemeinsamen Frameworks, um Lösungen zu integrieren

Privacy-Enhancing-Computation

• Wert von Daten liegt in deren Nutzung durch AI-Modelle, Analysen und Erkenntnissen (Insights)
• Privacy-Enhancing-Computation-Konzepte (PEC) ermöglichen die gemeinsame Nutzung von Daten in verschiedenen Ökosystemen und erzeugen so einen Mehrwert, ohne die Privatsphäre zu verletzen in den Bereichen:
  • Analytik
  • Business Intelligence
  • Cloud Computing
• Die Abfrage als auch die Ergebnisse sind verschlüsselt.
• Implementierung:
  • Anwendungsfälle mit Bedürfnis, personenbezogene Daten in nicht vertrauenswürdigen Umgebungen zu nutzen, definieren. Umsetzung priorisieren und in einer Roadmap terminieren.

Cloud-native Plattformen

• Cloud-native Plattformen sind für die Cloud konzipiert und nutzen deren Elastizität und Skalierbarkeit (nicht «Lift-and-Shift-Migrationen» von Legacy-Systemen, da diese hohe Wartungsaufwand nach sich ziehen)
• Beispiel: Der Einsatz einer neuen Microservices-Architektur ermöglichte die Integration von Spar-, virtuellen Debitkarten- und Kreditkartendiensten in kürzester Zeit (verkürzte Time-to-Market).
• In 3 Jahren werden 95% Cloud-native Plattformen für Digitalisierungsinitiativen eingesetzt von CAD bis ERP.
• Implementierung:
  • Investieren Sie in Cloud-native Plattformen und moderne Architekturen

Anpassung

Composable Applications

• Packaged Business Capabilities (PBCs): Modulare Anwendungen, welche von der IT zusammen mit dem Business in kurzer Zeit umgesetzt werden können.
• Low-Code-Umgebungen ermöglichen es den Key Usern, die Applikationen zu konfigurieren und Schnittstellen zu managen (z.B. Betrugswarnungen in einer Bank).
• Design-Mantra: SaaS mit API-first/only (Schnittstelle über Programm wie auch über User Interface) => keine proprietären Software-Applikationen.
• Implementierung:
  • PBCs bei der Modernisierung von Anwendungen strategisch mit einplanen.
  • Kaufen Sie Standard-PBCs auf Anwendungsmarktplätzen.

Decision Intelligence

• In einer Welt des schnellen Wandels müssen Unternehmen schnellere und bessere Entscheidungen treffen
• Decision Intelligence verbessert die Entscheidungsfindung durch die Modellierung von Entscheidungen mittels Integration von Daten, Analysen und AI.
• Umsetzung:
  • Geschäftskritische Entscheide durch Daten stützen wie z.B. bei Produktentscheidungen

Hyperautomatisierung

• Prozesse automatisieren.
• Technologien wie RPA, Low-Code-Plattformen und Prozess-Mining-Tools.
• Ziel: synergetische und koordinierte Geschäftsergebnisse bis zur Modellierung des Geschäftsmodells
• Umsetzung:
  • Priorisierung nach Einfluss aufs Geschäftsmodell in Bezug auf Qualität, Markteinführungszeit, geschäftliche Agilität oder Innovation.

AI-Engineering

• Operationalisierung der Aktualisierungen von AI-Modellen
• Verwendung integrierter Daten, AI-Governance sowie Modell- und Entwicklungspipelines, um einen konsistenten Geschäftswert aus AI zu erzielen.
• Akzeptanz, Zuverlässigkeit und Vertrauen im laufenden Betrieb z.B. bei Artzt-Entscheiden basierend auf AI sehr wichtig
• Implementierung:
  • AI-Engineering als strategisches Unterscheidungsmerkmal einsetzen
  • Best Practices aus DataOps, ModelOps und DevOps einbeziehen

Wachstum

Distributed Enterprise

• Architekturansatz für eine Digital First Customer Journey (Digitalisierung Touch Points)
• Umstellung von Geschäftsmodellen nach dem Architekturprinzip „Digital First, Virtual first, remote first“, um Marktanteile zu gewinnen
• «Anywhere Operations» für Tätigkeiten in physisch entfernten Umgebungen (Kunden, Arbeitgeber und Geschäftspartner).
• Implementierung:
  • Digital first Prozesse, welche dann auch in der analogen Welt gelebt werden können z.B. Umkleidekabinen
  • Einsatz neuer Technologien wie Drohnen zur Digitalisierung von Operations

Total Experience

• Total Experience = Kundenzufriedenheit (Customer Experience) + Benutzerzufriedenheit (User Experience) + Mitarbeiterzufriedenheit + Multiexperience
• Einzigartige Mehrwerte für Kunden: Analytik und AI lernen das Kundenverhalten, um aktiv auf die nächste Aktion eines Kunden zu reagieren und realistische Trainingssimulationen für Mitarbeiter zu erzeugen
• Einheitliche Identitätsdienste sorgen für durchgängige Touchpoints
• Implementierung:
  • Alle  Führungskräfte von erfahrungsbezogenen Initiativen sollten gleichermassen für die Lösung der kombinierten Bedürfnisse von Kunden und Mitarbeitern verantwortlich sein

Autonome Systeme

• Selbstverwaltende physische oder Software-Systeme, die von ihrer Umgebung lernen d.h. Algorithmen dynamisch und ohne Software-Updates ändern
• Beispiel: Ericsson Mobilfunkmasten optimieren mit Reinforcement Learning und digitalen Zwillinge die Leistung von 5G-Netzwerken dynamisch.

Generative AI

• Technologien, die Innovationen von selbst hervorbringen
• Eine Form der AI, die eine digitale Repräsentation von Objekten aus Beispieldaten erlernt und diese verwendet, um neue, originale, realistische Objekte zu erzeugen, die den Trainingsdaten ähneln, diese aber nicht wiederholen
• Beispiel: Die britische Finanzaufsichtsbehörde Financial Conduct Authority hat mithilfe generativer AI synthetische Zahlungsdaten aus 5 Millionen Datensätzen mit realen Zahlungsdaten erzeugt. Der synthetische Datensatz wird verwendet, um neue Betrugsmodelle zu erzeugen, ohne dass die Daten von Einzelpersonen preisgegeben werden.
• Generative AI erzeugt heute 1% und in 3 Jahren 10 % aller produzierten Daten
• Implementierung:
  • Erstellung neuer Produkte beschleunigen
  • Personalisierung von Produkten verbessern