Die Rhätische Bahn, in vielen Köpfen als Ferienbahn in romantischer Erinnerung, macht auf einer ganz anderen Ebene Dampf: im zukunftsgerichteten Umgang mit Daten. Wir haben mit Meinrad Hidber, Projektleiter für Data Science bei der RhB, und Julia Moser von Corporate Software gesprochen, die als Wegbegleiterin für Microsoft Power BI mit im Zug sitzt.
Herr Hidber, Frau Moser, denken Sie zurück an den Zeitpunkt vor dem Projekt. Welches waren damals die Schlüssel-Herausforderungen der RhB allgemein?
Hidber: Unsere erste Schlüssel-Herausforderung war es, genau dies überhaupt zu formulieren. Data Science war und ist immer noch relativ neu für uns. Wie sollen wir also unsere Vision und unsere Herausforderungen so formulieren, dass wir ins Unternehmen und in den Kontext um uns herum passen? Wir möchten einen neuen Umgang mit Daten der RhB etablieren. Vor zwei Jahren haben wir es geschafft, unsere Vision und Mission in der Digitalstrategie des Gesamtunternehmens zu integrieren.
Moser: Ich bin zwar erst 2020 zum Projekt gestossen, für mich ist die Vision jedoch klar und einfach formuliert: Die Demokratisierung der Daten. Klar, das bietet immer noch viel Spielraum. Für mich geht es darum, dass alle im Unternehmen mitgestalten können und dazu auf valide Daten stossen, mit denen die Mitarbeitenden selbstständig Erkenntnisse für ihre Arbeit erzeugen können.
Welche Lösungen kamen Ihnen dazu in den Sinn?
H: Als Erstes mussten wir ein Grundlagen-Papier erarbeiten. Hier haben wir mit Externen zusammengearbeitet, die es verstanden, unseren Case so aufzubereiten, dass die
Geschäftsleitung den Sinn des Vorhabens verstand. Diese Firma ist weiterhin Teil unseres Teams und verantwortet Architekturkonzept und -umsetzung. Jetzt sind wir in der nächsten Phase, wo die Daten in den Betrieb kommen. Jetzt konzentrieren wir uns auf die Berichtsarchitektur, Visualisierung und Schulung auf Power BI mit Julia Moser von Corporate Software.
Was war für die RhB das wichtigste Ziel dieses Projekts?
M: So wie ich meine Rolle interpretiere, ist mir die Selbstbefähigung das wichtigste Ziel. Ich möchte die Power User so gut schulen, dass das Projekt ein Selbstläufer wird.
H: Es geht wirklich um die Demokratisierung der Daten. In erster Linie im Moment um interne Open-Data-Strukturen und die passende Governance dazu. Externe Open Data ist auch geplant: Wir liefern unsere Daten für Drittplattformen, z.B. puenktlichkeit.ch. Die Community macht dann spannende Dinge daraus, z.B. animierte Farben von Zügen für unterschiedliche Verspätungen.
Wer war intern und extern beteiligt?
H: Zuerst haben wir intern losgelegt, bald stiessen wir auf Herausforderungen, die wir alleine nicht lösen wollten. Eine davon war das bereits erwähnte Erstellen des Konzepts. Da unser IT- Leiter ebenfalls ein Befürworter von agilen Methoden ist, haben wir uns für die Realisierung auf einen Ansatz nach Scrum in einem interdisziplinären Team aus Internen und Externen entschieden. Unser ehemaliger Leiter Controlling übernimmt die Rolle des Product Owners und ist für den Backlog zuständig. Ich selber übernehme die Rolle des Scrum Masters und bin für die Qualität der Zusammenarbeit und den Umgang mit Hindernissen verantwortlich. Im Entwicklungsteam sind ein Data Scientist sowie drei externe Beratungspersonen aus zwei Firmen, eine davon Julia von Corporate Software.
M: Diese agile Projektführung finde ich sehr gelungen. Als Team lernen wir nun alle zwei Wochen dazu und liefern unsere neusten Entwicklungen an das Fachteam. Auch das Fachteam ist als Stakeholder in das Team eingebunden und wird bei unseren Reviews eingeladen.
Herr Hidber, wie kamen Sie auf Corporate Software?
Corporate Software war schon bei uns im Haus, als es um die Umstellung auf Microsoft 365 ging. Wir haben ein neues Intranet auf SharePoint eingeführt, in diesem Projekt hat uns Matthias Gessenay begleitet, einer der beiden Gründer von Corporate Software. Beim Mittagessen haben wir uns über die Möglichkeiten von Microsoft Power BI unterhalten. Bei den Schulungen dazu durften wir Julia Moser kennen- und schätzen lernen.
Zudem haben wir intern auch Ressourcen- Engpässe im Bereich Informatik. Julia kann nicht nur Power BI, sondern kennt sich auch gut mit Daten-Architekturen auf Microsoft Azure aus. Deswegen haben wir sie nach den Schulungen ins Dev-Team integriert. Das Vertrauen stimmt.
Frau Moser, welche zwei bis drei Dinge in der Zusammenarbeit schätzen Sie am meisten?
Die enge Verbindung von internen und externen Projektmitarbeitenden schätze ich sehr. Von Beginn an wusste ich genau, wie und wo ich mich einbringen kann und meine Beiträge wurden sofort umgesetzt. So ist zum Beispiel mein Proof of Concept nun Teil der Datenarchitektur, obwohl ich eigentlich zum Thema Reporting im Team tätig bin. Die Nähe zu den Fachabteilungen hilft mir, meine Lösungen genau auf die Bedürfnisse abzustimmen, das positive Feedback motiviert mich.
Was ich an dem Projekt zudem enorm schätze, ist, dass wir als Team über die Kompetenz verfügen, den gesamten Datenprozess zu gestalten: Von den Quelldaten über die Azure- Plattform bis hin zu den Berichten und den Adhoc-Anforderungen der Fachpersonen. Wir haben nicht nur die technische Kompetenz, wir dürfen auch Entscheidungen treffen.
Welche Widerstände während des Projekts kamen auf?
H: Widerstände eigentlich keine, die Vorfreude auf und die Sinnhaftigkeit für unser Vorhaben wird von allen gesehen. Woran wir arbeiten, ist, diesen veränderten Umgang mit den Daten und damit den Wandel im eigenen Rollenverständnis hinzubekommen.
Beispielsweise verfügen wir über eine Prozess- Governance, über Klarheit in der Applikations- Governance, eine Data Governance fehlt noch. Wir haben die Rollen noch nicht fertig definiert, stehen hier mitten in einer komplexen Findungsphase, die viel mit Veränderung zu tun hat. Wer ist Data Owner oder Power User und welche Aufgaben und Verantwortung haben diese Personen? Wer macht was in der Integrationsstrecke? Was umfasst die Rolle eines Data Engineers, Data Architects oder Data Scientists?
Manchmal hat es sich zudem als problematisch erwiesen, wenn wir eine neue Datenquelle angeschlossen haben und die Anwender sofort darauf zugreifen wollten, bevor wir alle Details im Prozess geklärt haben. Hier waren wir manchmal zu früh.
Welche Erfolge stechen für Sie am meisten heraus?
H: Anfang 2021 gingen die neuen Berichte zur Pünktlichkeit live. Die Berichte sind visuell einfach zu verstehen und erlauben es, im Team interaktiv nach Ursachen für Verspätungen und Lösungen zu suchen. Die Akzeptanz für die neue Lösung hat sich gegenüber dem alten Management- Informations-System stark verbessert, die Zufriedenheit ist gestiegen. Durch Automatisierung läuft alles schneller, die Produktivität wird deutlich erhöht. Zudem verfügen nun viele Fachpersonen über einen eigenen Zugang zu Daten und Berichten. Die Qualität und Konsistenz der Auswertungen werden sich unternehmensweit stark verbessern. Vorher hat jeder Bereich seine eigenen Datenpools genutzt, eine Vergleichbarkeit der Berichte war daher schwierig.
M: Die Prozesse für das Berichtswesen sind und werden laufend automatisiert, das Power-BI- Reporting ist komplett selbsttragend. Für IT und Fach entstehen fast keine Aufwände mehr. Zahlen, die vorher während Stunden in Excel erhoben werden mussten, kommen nun automatisch auf Knopfdruck. Zusätzlich zur Automatisierung sind neue Auswertungen möglich, da Zahlen vorher gar nicht vorhanden waren. Das führt hoffentlich dann zur gewünschten Befähigung der Fachmitarbeitenden.
Was hat sie in der bisherigen Zusammenarbeit am meisten berührt?
M: Wie ich mich einbringen kann, darf und soll. Ich bin Teil des Teams, fühle mich nicht extern und damit ausserhalb der RhB.
H: Die Leistungskurve zeigt kontinuierlich aufwärts. Ich in meiner Sandwich-Position spüre auch den Druck von oben, das Team zieht aber voll mit. Das Menschliche stimmt im Team.
Welche Herausforderungen sehen Sie in Zukunft?
H: Das Thema der Data Governance und der Rollendefinition wird uns noch eine Weile beschäftigen. Das Bewusstsein, dass Daten wichtig sind und was wir mit ihnen anfangen können, wird sich entwickeln. Wir stehen immer noch am Anfang und jetzt am Übergang von Data Warehousing zu Data Science. Das ist ein Riesen-Elefant, den es zu scheibeln gilt. Dazu benötigen wir Anwendungen mit Nutzen, die Begeisterung schaffen. Wir sprechen von Leuchttürmen.
Wir sind jetzt zwar architektonisch für Data Science gut aufgestellt. Mit der Einführung unseres neuen ERP-Systems kommen jedoch schon wieder neue Möglichkeiten hinzu. Wir können uns nicht auf Bestehendem ausruhen, die Integration von Daten geht ständig weiter.
M: Dass die RhB den Sprung schafft, die eigenen Talente zu fördern und das Know-how intern aufzubauen. Diese neue Rolle der fachlichen User ist ein Kulturwandel, der weiter geht als das Data-Science-Vorhaben. Es findet ein Umdenken statt: Alles kann einfacher gemacht werden, neue Muster entwickeln sich – das ist in einem Traditionsunternehmen wie der RhB nicht immer gegeben. Freiheiten werden nicht angenommen, werden weiterhin delegiert. Die meisten sehen die Vorteile und sind sehr positiv. Ich bin auch zuversichtlich, sehe hier aber eine grosse Herausforderung. Es braucht meines Erachtens noch mehr explizites Change Management.
Was würden Sie jemandem empfehlen, der jetzt vor derselben Herausforderung steht?
M: Identifizieren von verstreuten Systemen und diese zentral abspeichern, im Prinzip: Erstelle eine Quelle der Wahrheit, auf der man aufbauen kann. Korrekte Daten und Klarheit, wo die richtigen Daten liegen, ist der Schlüssel dazu.
Meine Empfehlung zudem: Bevor du startest, kläre die Anforderungen. Was benötigen wir als Firma, was brauchen wir fachlich, was erwarten wir? Dazu sollte genügend Zeit investiert werden. Empfehlenswert ist das Vorgehen in einem agilen Prozess, der offen für Veränderungen ist.
H: Beginne mit der Formulierung eines grossen Bildes – z.B. als Digital-Strategie, die von der Geschäftsleitung abgesegnet ist. Das klärt die Erwartungen und gibt dem Teilprojekt Data Science die nötige Legitimität und Einbettung in den Gesamtkontext.
Sobald der grosse Elefant klar ist, dann empfehle ich agiles Arbeiten, in ganz kleinen Schritten, immer wieder Erfolge haben, die Denke von grossen Projekten ablegen. Nicht grosse Lastenhefter schreiben. Ganz wichtig für den Erfolg ist aus meiner Sicht ein regelmässiges Abstimmen mit Fachanwendern. Die Fachanwender inspirieren für das richtige Setzen von Prioritäten.
Wasserfall im Bereich Data Science funktioniert nicht gut. Im agilen Arbeiten fehlen dann zwar langfristige Pläne, aber das Big Picture gibt die Richtung vor. Es braucht eine Vision, gefolgt von kleinen Schritten, wodurch Erfolge immer wieder sichtbar werden.
In der Zusammenarbeit empfehle ich in Vertrauen zu investieren und Geduld für Technik aufzubringen. Wir haben Erfahrungen gesammelt: Es ging nicht so schnell, wie wir am Anfang gedacht haben. Der Weg ist lang und komplex. Geduld haben ist wichtig in diesem Vorhaben, das Technik, Business und Kultur verschmilzt.
Zudem würde ich immer die Geschäftsleitung und die verschiedenen Anspruchsgruppen in die Kommunikation einbinden. Unsere Stakeholder sollten immer Antwort darauf geben können, wo das Projekt gerade steht. Bei uns sind alle für Planning und Review eingeladen, können sich einfach einklinken. Unser Anspruch lautet: Wir haben eine so coole Sache gemacht, dass unsere Anspruchsgruppen unbedingt dabei sein wollen.
Das Agile hat sich absolut bewährt. Auch mein erweitertes Team wird nun agil umgestellt. Berater sind gerne bei RhB, wir bieten eine gute Kultur wie eine Familie, das fördert den Eigenantrieb. Ein solches Vertrauensverhältnis herzustellen, das ist meine letzte Empfehlung.
Meinrad Hidber hat Betriebswirtschaft studiert und ist über sein erstes Praktikum in die IT-Welt eingestiegen. Nach mehr als 15 Jahren in der strategischen IT-Beratung arbeitet Meinrad seit 2018 bei der Rhätischen Bahn und begleitet diese in der digitalen Transformation. Seit jeher interessiert ihn die Integration von Technik, Business und Mensch. An dieser Schnittstelle für Innovation ist er für die immer wichtiger werdenden Bereiche Data Science, Business Process Automation und HR verantwortlich. Aktuell steht Meinrad kurz vor dem erfolgreichen Abschluss seines Executive Master in Digitaler Transformation.
Julia Moser hat Psychologie studiert und die Auswertung grosser Datenmengen und Didaktik erlernt. Heute hilft ihr das psychologische Studium aber auch im Bereich der Künstlichen Intelligenz. Denn es kommt die Frage auf, was uns als Mensch ausmacht. Julia ist bei Corporate Software Spezialistin im Bereich Data Science mit Fokus auf Azure Machine Learning und Power BI. Sie unterstützt Kunden bei der Einführung von Advanced Analytics Solutions und leitet Trainings im Bereich Data Science. Sie ist Microsoft Certified Azure Data Engineer Associate und Azure Data Science Associate.
