Effizienzsteigerung - Welche Weichen Unternehmen stellen sollten, um kostengünstig zu wirtschaften

Hohe Effizienz war für erfolgreiche Unternehmen schon immer eine wesentliche Grundlage des wirtschaftlichen Handelns. Heute aber ist sie wichtiger denn je. Die globale Wirtschaft sieht sich mit erheblichen Herausforderungen konfrontiert, die durch geopolitische Unsicherheiten, Preissteigerungen, Klimawandel und technologische Umbrüche geprägt sind. Zudem wächst die Konkurrenz, insbesondere aus den Schwellenländern. All das erfordert eine grundlegende Neubewertung bestehender Strategien – Effizienz und Wettbewerbsfähigkeit rücken dadurch wieder in den Vordergrund, gepaart mit der Anforderung an eine hohe organisationale Resilienz.

Dabei dürfen nicht nur kurzfristige, direkt sichtbare Kostensenkungen im Fokus stehen, etwa durch Personalabbau, Einstellungsstopps oder die Verminderung von Infrastrukturkosten. Eine langfristige Steigerung der Effizienz kann nur erreicht werden, wenn die gesamte Organisation mit ihren Strukturen und Prozessen adäquat adressiert wird. Der zentrale Aspekt ist demnach die operative Effizienz, d.h. Geschäftsprozesse und Ressourcen zu optimieren, um Kosten zu senken und die Produktivität zu steigern.

Die Steigerung der Effizienz kann auf vielfältige Weise zum Wachstum eines Unternehmens beitragen: Kostensenkungen und höhere Gewinnmargen ermöglichen zusätzliche Investitionen, etwa in Forschung und Entwicklung. Produktivitätssteigerungen führen zu einer höheren Produktionskapazität, während verbesserte Prozesse die Qualität der Produkte erhöhen und die Kundenzufriedenheit steigern. Eine effizientere Organisation kann außerdem zu einer höheren Mitarbeiterzufriedenheit führen, was die Fluktuation verringert und die Produktivität der Beschäftigten steigert.

 

Effizienz als wesentliches Wettbewerbskriterium

Obwohl die Steigerung der Effizienz und die Senkung von Kosten aktuell zu den Topthemen der Führungskräfte in deutschen Unternehmen zählen, befindet sich Deutschland im IMD World Competitiveness Ranking 2024 in der Kategorie „Business Efficiency“ nur auf Platz 35 im weltweiten Vergleich. In der Unterkategorie „Productivity & Efficiency“ liegt Deutschland immerhin auf Platz 25 – allerdings sieben Ränge schlechter als noch 2023.

Dies ist unter anderem auf externe wirtschaftspolitische Rahmenbedingungen zurückzuführen, mit denen sich deutsche Unternehmen vermehrt konfrontiert sehen: Geopolitische und wirtschaftliche Schwankungen sorgen für große Unsicherheit, hinzu kommen diverse Handelskonflikte. Entsprechend groß ist die Sorge der Verantwortlichen vor einer globalen wirtschaftlichen Abkühlung. Hinzu kommen Fachkräftemangel, Inflation und technologischer Fortschritt, die eine effiziente Ressourcenverwendung umso erforderlicher machen. Eine weitere Herausforderung ist der steigende Wettbewerb: Neben neuen globalen Akteuren, die insbesondere in Schwellenländern hocheffizient produzieren, fordern digitale Geschäftsmodelle die  etablierten Akteure heraus. Als Konsequenz der hohen Kosten und fehlenden Fachkräften in Deutschland verschieben sich die Investitionen zunehmend ins Ausland, wo deutsche Konzerne zudem eine gute digitale Infrastruktur vorfinden. 

Mehr dazu im Beitrag von der WELT "Deutsche Konzerne suchen Stabilität & Wachstum im Ausland"

Eine höhere Effizienz ermöglicht fortlaufende Anpassungen und Investitionen, um als Vorreiter des technologischen Fortschritts agieren zu können.

Zentrale Entwicklungen und Weichenstellungen zur Steigerung der Effizienz

Neben kurzfristigen Kosteneinsparungseffekten (Personalabbau oder Senkung von Infrastrukturkosten) sowie Dauerbrennern der Effizienzsteigerung, wie dem Outsourcing, der Standardisierung oder der Prozessoptimierung, verspricht die Integration der folgenden Entwicklungen eine langfristig überproportionale Effizienzsteigerung sowie neue Wachstumschancen:

  • Hyperautomatisierung
  • datenbasiertes Arbeiten
  • Open-Company-Ansatz

Diese drei Ansätze sind nicht überschneidungsfrei, haben aber jeweils einen eigenen Fokus. Gemeinsam ist ihnen, dass sie auf einer strategisch gesteuerten digitalen Transformation beruhen oder von dieser profitieren. Technologien wie KI, Big Data und (Hyper-)Automatisierung optimieren Prozesse und verbessern die Entscheidungsfindung: Eine Studie von Lünendonk & Hossenfelder aus 2020 zeigte, dass 74 Prozent der Unternehmen aus der DACH-Region anhand digitaler Technologien ihre Durchlaufzeiten verbessern konnten. Um die Vorteile dieser Technologien nutzen zu können, sind allerdings umfassende Investitionen in die digitale Infrastruktur, das Humankapital und das Innovationsökosystem erforderlich. Diesen Zusammenhang, der als Kreislauf verstanden werden kann, stellt die folgende Grafik dar.

Hyperautomatisierung

Hyperautomatisierung beschreibt die Automatisierung und Zusammenführung mehrerer Systeme und Prozesse. Sie nutzt eine Kombination unterschiedlicher Technologien wie Künstliche InteIligenz, Maschinelles Lernen, Robotic Process Automation und Business Process Management.  Damit Hyperautomatisierung gelingt, braucht es eine weitsichtige strategische Planung und die Analyse bestehender Prozesse, um optimale Einsatzmöglichkeiten zu identifizieren und sicherzustellen, dass die Integration der Technologien reibungslos verläuft. Bereits 2020 hatte die Mehrheit der deutschen Unternehmen erkannt, dass die Prozessautomatisierung wesentlich zur Effizienzsteigerung der eigenen Organisation beiträgt, wie eine damalige Studie von Sopra Steria und F.A.Z. Business Media feststellte:

Wie eine Erhebung von reichelt elektronik aus dem Jahr 2024 ergab, zählt Deutschland, gemessen an der Roboterdichte, weltweit zu den führenden Ländern in der Automatisierung und ist europäischer Spitzenreiter beim Anteil automatisierter Prozesse. In Bezug auf das Cloud Computing als eine zentrale Automatisierungstechnologie liegt Deutschland laut einer Statista-Studie aus 2024 jedoch nur im europäischen Mittelfeld. 

Zwei Hebel sind von zentraler Bedeutung, um die Möglichkeiten der (Hyper-)Automatisierung und ihre verbundenen Technologien für eine Effizienzsteigerung zu nutzen: Automatisierung durch GenAI und die Verwendung von Cloud-Diensten.

 

Automatisierung durch generative KI (GenAI) nutzt maschinelles Lernen, um Aufgaben zu übernehmen, die menschliche Kreativität oder Sprache erfordern. Während sich GenAI durch die Generierung kreativer und neuartiger Inhalte auszeichnet, ist Automatisierung der Schlüssel zur Verbesserung der Effizienz und Konsistenz bei Routineaufgaben. Wird beides vereint, können Fortschritte in verschiedenen Branchen erreicht werden. So kann GenAI in automatisierte Systeme integriert werden, um komplexere, kreative Aufgaben innerhalb eines Workflows zu bewältigen – etwa bei der automatischen Erstellung von Produktbeschreibungen oder Blogbeiträgen. Das interne Wissensmanagement kann durch GenAI effizient automatisiert werden, indem Gespräche zusammengefasst, Berichte geschrieben, Entscheidungen dokumentiert und per Chatbots abgerufen werden. Auch im Kundenservice wird GenAI eingesetzt, um Chatbots zu trainieren. So steigert GenAI die Effizienz in kreativen und wissensbasierten Bereichen.

Eine weitere Technologie zur Automatisierung einfacher, wiederholbarer Aufgaben ist Robotic Process Automation. Lange stieß diese Technologie an ihre Grenzen, da sie nicht flexibel auf neue Daten reagieren konnte. GenAI ermöglicht nun eine nächste Generation der Automatisierung, bei der autonome KI-Agenten mit großen Sprachmodellen (LLMs) eigenständig Aufgaben priorisieren und anpassen können.

Cloud-Architektur wird in der industriellen Automatisierung zunehmend wichtiger. Immer mehr Firmen verlagern Geschäfts- und IT-Prozesse in die Cloud, um Echtzeit-Daten entlang der Supply Chain zu nutzen. Laut einer Studie von Lünendonk & Hossenfelder bezogen 2020 bereits 56 Prozent der Unternehmen neue Software als „Software as a Service“ (SaaS). Besonders in Bereichen wie Produktionsplanung und Fertigungsausführung optimiert die Cloud die Effizienz und senkt Kosten. Der Übergang von isolierten Systemen zu vernetzten, cloudbasierten Lösungen verbessert die M2M-Kommunikation und die Entscheidungsfindung. Entwickler müssen dabei allerdings offene Standards und sichere, skalierbare Architekturen priorisieren, um Arbeitslasten zu konsolidieren und Datensicherheit zu gewährleisten.

Praxisbeispiel Cloud-Plattform, Carl Zeiss AG

Zeiss nutzt Cloud-Technologien zur Verbesserung medizinischer Dienstleistungen. Das Unternehmen hat eine Kubernetes-basierte Cloud-Plattform zur Entscheidungsunterstützung für Operationen entwickelt, die Augenärzten bei der Planung und individuellen Auswahl von Intraokularlinsen (IOL) hilft. Diese Plattform berechnet die optimale Linsenauswahl basierend auf Patientendaten, wodurch Abläufe im Operationsprozess vereinfacht und regulatorische Vorgaben besser eingehalten werden können.

Datenbasiertes Arbeiten

Datenbasiertes Arbeiten bedeutet, Entscheidungen und Geschäftsprozesse auf der Basis präziser Datenanalysen zu treffen beziehungsweise zu definieren. Unternehmen, die ihre Daten effizient nutzen, gewinnen messbare Wettbewerbsvorteile. McKinsey zufolge haben sie eine 19-mal höhere Wahrscheinlichkeit, profitabel zu sein (Quelle: McKinsey & Company (2014): Using customer analytics to boost corporate performance). Datenbasierte Unternehmen können eine höhere Effizienz auf mehreren Ebenen erreichen:

  • Sie entwickeln ein tieferes Verständnis ihrer Zielgruppen und Wettbewerber, sodass sie optimierte Produkte und Dienstleistungen anbieten können.
  • Sie können ihre Prozesse genauer analysieren und senken ihre Betriebskosten, z.B. indem sie ihre Maschinen besser überwachen.

Bei der Umsetzung hapert es allerdings noch in den meisten Firmen. Laut einer Untersuchung von Bitkom aus dem Jahr 2023 haben, lediglich 12 Prozent der Unternehmen in Deutschland datenbasierte Geschäftsmodelle als wesentlichen Faktor für ihren derzeitigen Geschäftserfolg identifiziert. Dies unterstreicht, dass es oft an geeigneten Kennzahlen (KPIs) und einem effektiven Corporate Performance Management (CPM) mangelt, um die Erfolge digitaler Initiativen messbar zu machen. Dabei sind leistungsfähige Analysemethoden wie Big Data und Process Mining verfügbar, die es Unternehmen ermöglichen, Entscheidungen effizient und zeitnah zu treffen.

Die Bedeutung einer datenbasierten Organisation wird weiterhin unterschätzt: Rund 34 Prozent der deutschen Unternehmen legen nur einen „mittleren Fokus“ auf den Aufbau datenbasierter Prozesse, während 16 Prozent diesen sogar nur als „gering“ bewerten. Dies ergab eine Studie von Lünendonk & Hossenfelder aus dem Jahr 2020.

Zwei Hebel sind von besonderer Bedeutung, um die Möglichkeiten des datenbasierten Arbeitens für eine Effizienzsteigerung zu nutzen:

Um datenbasiert zu arbeiten, braucht es Daten-Analysten - idealerweise in Teams, in denen auch Fachkräfte aus dem Tagesgeschäft vertreten sind, um einen optimalen Austausch zu ermöglichen. Diese Teams können gezielt an der Analyse von Unternehmensprozessen arbeiten, um Optimierungspotenziale und mögliche Kosteneinsparungen zu identifizieren. 

Digitale Analysewerkzeuge sind hierbei essenzielle Hilfsmittel: Sie schaffen ein präzises Lagebild über Abläufe und erleichtern durch automatisierte Datenanalysen die Auswertung großer Datenmengen. Mit Process Mining und Digital Twins lassen sich selbst komplexe Prozesse transparent abbilden und Engpässe frühzeitig erkennen. Machine-Learning-Methoden, kombiniert mit Process Mining, ermöglichen die Identifikation von Mustern, die das Management von Prozessen effizienter gestalten.

Big Data ist ein mächtiger Hebel zur Kosteneinsparung, da er zur Entscheidungsfindung und Prozessoptimierung beitragen kann. Durch die Analyse großer Datenmengen können Unternehmen präzise Vorhersagen treffen, etwa zur optimalen Bestandsplanung und zu Wartungszeitpunkten von Maschinen oder Transportwegen. So werden Kosten gesenkt und Lieferzeiten verkürzt. Echtzeit-Analysen erlauben es, Budgets flexibler zu steuern und Ressourcen gezielt zu reallozieren. Tools wie SAS Visual Analytics tragen zur Niedrigschwelligkeit von Datenanalysen bei. So können auch Anwender ohne profunde Statistikkenntnisse Daten und Zusammenhänge aufbereiten.

Praxisbeispiel Nutzung von Big Data, Knauf KG

Knauf Industries als Teil der Knauf Gruppe nutzt Big Data, um Fertigungsprozesse effizienter zu gestalten. Das Unternehmen analysiert Daten zur Produktionsgeschwindigkeit und -qualität und nutzt diese Informationen, um Produktionsprozesse in Echtzeit anzupassen. So werden potenzielle Fehler in der Fertigung schneller erkannt und korrigiert, was die Effizienz steigert und Kosten senkt. Außerdem ermöglicht die Big-Data-Analyse eine bessere Qualitätseinschätzung von Prototypen, bevor diese in die Massenproduktion gehen, was Ressourcen spart.

Open-Company-Ansatz

Mit dem Open-Company-Ansatz lässt sich durch Transparenz und Kooperation die Effizienz erhöhen. Unternehmen arbeiten offen zusammen, da gemeinsame Ökosysteme schnelleren Kundenzugang, effiziente Wissensvermittlung und Vorteile in Forschung und Entwicklung ermöglichen. Laut einer Studie von F.A.Z.-Institut und Sopra Steria streben etwa zwei Drittel der Unternehmen solche Kooperationen zur Kostensenkung an.

Ein Vorteil dieses Ansatzes ist seine Innovationsförderung. Co-Creation-Formate gewinnen an Bedeutung, da komplexe Probleme zunehmend die Zusammenarbeit verschiedener Akteure erfordern. Die Grundlage dafür ist das ehrliche Interesse, gemeinsam statt gegeneinander zu agieren und daher offen für die Perspektiven anderer Unternehmen und Experten zu sein. Besonders bei Themen wie Technologie und Klimaschutz, wo die Herausforderungen hochkomplex sind, zeigt sich, dass selbst Konkurrenten durch „Coopetition“ gemeinsame Standards schaffen und so neue Marktchancen eröffnen.

Der Open-Company-Ansatz stärkt Unternehmen, die sich als Knotenpunkte in einem größeren Netzwerk begreifen und Kooperationen über herkömmliche Grenzen hinausführen. Es geht vermehrt darum, als Unternehmen in verschiedenen Ökosystemen zu operieren und die Fähigkeit, sich an andere Akteure anzuschließen, zu erhöhen. Unternehmen profitieren dabei von Innovationskraft, Synergien und einer dynamischen Unternehmenskultur. Für viele ist dieser Ansatz ein Schlüssel zur langfristigen Wettbewerbsfähigkeit und zur Schaffung neuer Geschäftsmodelle. Die Gründe für solche Partnerschaften sind vielfältig, wie eine 2023 veröffentlichte Studie von Sopra Steria und dem F.A.Z.-Institut zeigt:  


Zwei Wege sind entscheidend bei dem Bestreben, den Open-Company-Ansatz zu nutzen:

Gemeinsame Datenökosysteme sind ein entscheidender Hebel für firmenübergreifendes Arbeiten. Allerdings scheuen viele Unternehmen aus Datenschutzbedenken, das Teilen eigener Daten, sorgen sich wegen Missbrauch und verspüren Unsicherheit über rechtliche Vorgaben oder verfügen nicht über die nötigen technischen Voraussetzungen. Das Resultat: Nur 17 Prozent der deutschen Unternehmen teilen ihre Daten (Quelle: Bitkom 2023). Das Open-Business-Modell bietet Ansätze, diese Hemmnisse zu überwinden, indem es auf Prinzipien wie Vernetzung, Co-Creation und transparente Zusammenarbeit setzt. Gemeinsam genutzte, nicht-wettbewerbsdifferenzierende Komponenten können Standardisierung, Interoperabilität und Innovationspotenziale fördern. Ein Beispiel ist die Open Logistics Foundation, in der Logistikunternehmen Anwendungen gemeinsam entwickeln. Solche Kooperationen erfordern jedoch ein klares Verständnis von Wettbewerbsvorteilen und eine stabile Governance-Struktur.
Die Förderung von Kollaboration und Wissensaustausch unterstützt die effiziente Datennutzung und steigert so die Innovationskraft und die Agilität von Unternehmen. Dieser Faktor ist für das datenbasierte Arbeiten entscheidend, denn er schafft wichtige Grundlagen: Erstens können Daten aus verschiedenen Quellen effizienter genutzt und kombiniert werden, wenn Mitarbeitende aus unterschiedlichen Abteilungen zusammenarbeiten. Zweitens fördern offene Kommunikationsformen einen kontinuierlichen Informationsfluss, wodurch Entscheidungen schneller und auf einer möglichst breiten Wissensbasis getroffen werden. Außerdem bedingen datenbasiertes Arbeiten, Kollaboration und Wissensaustausch eine hohe Transparenz im Unternehmen.

Praxisbeispiel „Catena-X“, Trumpf SE + Co. KG

Ein Beispiel für den Aufbau eines gemeinsamen Daten-Ökosystems ist die Kooperation von Trumpf mit dem Catena-X Automotive Network. Catena-X ist ein großangelegtes Projekt zur Schaffung eines kollaborativen, offenen und standardisierten Datennetzwerks für die europäische Automobilindustrie. Hierbei wird eine Plattform für den sicheren Datenaustausch über die gesamte Lieferkette hinweg geschaffen, die es Unternehmen ermöglicht, Prozesse transparenter und effizienter zu gestalten. Trumpf profitiert von der gemeinsamen Infrastruktur und den standardisierten Datenprotokollen, um besser auf Echtzeitdaten zuzugreifen und so Produktionsabläufe zu optimieren. Die Umsetzung orientiert sich an Gaia-X-Richtlinien und zielt auf Datensouveränität und Interoperabilität ab.

Fazit

Die Effizienzsteigerung ist in den Mittelpunkt unternehmerischen Denkens gerückt. Deutsche Unternehmen müssen auf niedrigste Kostenstrukturen und teilweise vollständig digitalisierte Geschäftsmodelle des globalen Wettbewerbs reagieren. Gleichzeitig gilt es, Resilienz zu entwickeln, um mit den diversen geopolitischen, wirtschaftlichen und ökologischen Risiken umgehen zu können. Die Hyperautomatisierung, das konsequente datenbasierte Arbeiten sowie der Open-Company-Ansatz sind hilfreich, um die Effizienz überproportional zu steigern und somit wettbewerbsfähig zu bleiben. Allen drei Ansätzen ist gemein, dass sie technologische Entwicklungen sowie Konnektivität und Vernetzung als Grundlagen haben. Vernetzung bezieht sich dabei nicht nur auf Verknüpfung verschiedener Akteure und Organisationen, sondern meint ebenso die Integration menschlicher und technischer Ressourcen.

Autor

Jan Morgenstern ist Senior Consultant bei Sopra Steria Next.

Jetzt auf LinkedIn verknüpfen