3 Erkenntnisse aus dieser Folge
- 01
Industrial Data Science liefert die messbarsten Cases. Keine Attribution-Diskussion, keine weichen KPIs — direkter Euro-Impact aus messbaren Prozess-Änderungen.
- 02
Chemie-Prozesse haben Datenhistorien von Jahrzehnten. Das ist Goldstandard für ML-Modelle — die meisten Data Scientists würden sich in einer solchen Datenbasis freuen.
- 03
Der Engpass ist nicht Data Science, sondern Domänen-Verständnis. Ein Modell, das Verfahrenstechnik nicht versteht, produziert Empfehlungen, die niemand umsetzt.
Worum es in dieser Folge geht
Infraserv Höchst ist der Betreiber des Industrieparks Frankfurt-Höchst — eines der größten Chemie-Standorte Europas. Frank verantwortet Data Science und arbeitet an konkreten Effizienz-Cases, die Millionen-Summen bewegen.
Die Storyline
Warum Industrie-Cases so klar sind
Wir optimieren einen Prozess um 2 %, das macht beim Stromverbrauch eines Chemie-Werks Millionen aus. Das ist der Unterschied zu Marketing-Attribution — hier diskutiert niemand, ob das Modell wirkt.
Der Business-Case in der Chemie ist klarer als in fast jedem anderen Bereich: Energiekosten sind messbar, Prozess-Outputs sind messbar, Qualitäts-Parameter sind messbar. Wenn ein ML-Modell einen Prozess optimiert, zeigt sich das in wenigen Monaten in der Bilanz.
Die Daten-Realität
Frank beschreibt, was viele Data Scientists nicht glauben: Die Chemie-Industrie hat Jahrzehnte an kontinuierlichen Sensordaten. Temperaturen, Drücke, Durchflüsse, Zusammensetzungen. Das ist die seltenste und wertvollste Art von Datenbasis, die man sich wünschen kann.
Der kritische Engpass
Frank wird klar: Technik ist nicht das Problem. Das Problem ist, dass Data Scientists die Verfahrenstechnik verstehen müssen. Ein Modell, das mathematisch elegant, aber chemisch unsinnig ist, wird von Betriebsingenieur:innen zurückgewiesen — zu Recht. Die besten Cases entstehen in gemischten Teams: Data Scientists + Prozess-Ingenieure.
Was das für andere Industrien bedeutet
- Suche dir deinen "Energie-Case". Jedes Industrie-Unternehmen hat einen Prozess, in dem eine 2%-Verbesserung Millionen wert ist.
- Investiere in Domänen-Übersetzer:innen. Die Rolle, die zwischen Data und Verfahren dolmetscht, ist entscheidend.
- Baue gemischte Teams. Pure Data-Teams scheitern in der Industrie. Gemischte Teams liefern.
Warum mich das besonders umtreibt
CDOs aus konsumentennahen Branchen (Retail, Finance, Marketing) haben oft Schwierigkeiten, Business-Case-Wirksamkeit sauber zu beweisen. Chemie und Industrie sind die Gegenwelt — extrem klar, messbar, auditierbar. Franks Folge ist eine gute Referenz, um Vorstände zu überzeugen, dass Data Science kein Kostenposten, sondern Gewinn-Bringer ist.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy