SA国际传媒n Academy Session 2: Reality Check f眉r deine Projekte
Die Themen in Kapitel 2: Daten im Projektalltag
- Wo fallen Daten im Projektalltag an?
- Wie schafft man eine einheitliche Datengrundlage?
- Wie verbessern digitale 尝枚蝉耻苍驳别苍 die Datenverf眉gbarkeit?
Kapitel 2
Daten und der Projektalltag: Herausforderungen und Potenziale
Den gr枚脽ten Infrastrukturprojekten Deutschlands sind durchschnittlich jeweils 130 Millionen E-Mails, 55 Millionen Dokumente und 12 Millionen Workflows zuzuordnen. Ob mit oder ohne Datenraum, mit oder ohne BIM 鈥 schon jetzt produziert jedes Bauprojekt gigantische Datenmengen.
Die darin enthaltenen Informationen bleiben ungenutzt, wenn sie nicht strukturiert erfasst und ausgewertet werden. In diesem Kapitel dreht sich alles um Daten in deinem Projektalltag:
- Wo entstehen Daten?
- Wie macht man Daten verf眉gbar?
- Welche Herausforderungen bestehen aktuell?
- Wo bestehen Optimierungspotenziale durch den Einsatz digitaler 尝枚蝉耻苍驳别苍?
An welchen Stellen entstehen Daten im Projektalltag?
Kommunikation
Die Anzahl an E-Mails, Anrufen und Meetings steigt h盲ufig ins Unermessliche: 130 Millionen E-Mails werden in gr枚脽eren deutschen Infrastrukturprojekten im Durchschnitt verschickt.
Documente
Dazu kommt eine gro脽e Anzahl an Dokumenten, beispielsweise Angebote, Rechnungen, Protokolle und Vertr盲ge. 55 Mio. Dokumente sind es z.B. durchschnittlich bei deutschen Infrastrukturprojekten.
Plandaten
Die Plandaten sind das Ergebnis von Konzeption und Planung eines Objekts und enthalten wertvolle 聽Information f眉r den Bauablauf und die korrekte Bauausf眉hrung.
Kostendaten
Parallel zu den Objektplandaten fallen in der Kosten- und Erl枚splanung Daten an. Im Controlling werden diese vorrangig in Tabellenkalkulationen erfasst und strukturiert.
骋别蝉肠丑盲蹿迟蝉诲补迟别苍
Auch intern werden beispielsweise durch die Personalplanung, Buchhaltung und 聽das Vergabemanagement eine Vielzahl an Daten generiert.
Objektnutzungsdaten
In jedem Objekt entstehen Daten, die Aussagen 眉ber die Art und Gewohnheit der Nutzung zulassen. Dazu z盲hlen beispielsweise die Anzahl an T眉r枚ffnungen sowie der Heiz- und Stromverbrauch
鈥淒ie PropTech Germany Studie 2020 zeigt: Die Datenverf眉gbarkeit von immobilienbezogenen Daten ist immer noch schlecht. Es gibt wenig Daten von Immobilien, die wirklich fl盲chendeckend beispielsweise 眉ber ein ganzes Portfolio erhoben werden. Und es gibt immer noch eine relativ geringe Transparenz, was Immobilienmarktdaten betrifft.鈥 -Prof. Dr. Verena Rock MRICS, Digitales Immobilienmanagement 鈥 TH Aschaffenburg
Aktuelle Herausforderungen im Projektalltag
Kapitel 1 beantwortete die Frage, warum Daten Voraussetzung f眉r die Digitalisierung der Bau- und Immobilienbranche sind. Jetzt nehmen wir den Projektalltag unter die Lupe. Die 脺bersicht zeigt: In Projekten werden t盲glich Unmengen an Daten generiert. Die Erzeugung stellt kein Problem dar. Die gr枚脽ere Herausforderung ist, diese Daten verf眉gbar und nutzbar zu machen. Bestimmt sind dir aktuell folgenden Probleme bekannt, die sich aus der Kombination von analogen Arbeitsschritten und unstrukturierter Arbeit mit Daten ergeben:
- Datenzugriff: Daten liegen auf unterschiedlichen Servern/in unterschiedlichen Ordnern/unterschiedlichen Tabellen ab
- Medienbr眉che: Die Daten eines Projekts liegen digital und analog vor
- Aktualit盲t: Es existieren unterschiedliche Versionen von einzelnen Dokumenten
- Kollaboration: Dokumente werden als Anh盲nge in E-Mails verschickt und sind nicht f眉r alle Projektbeteiligten zug盲nglich
- Datenfehler: Die 脺bertragung von Daten von einem Dokument in ein anderes f眉hrt zu Fl眉chtigkeitsfehlern
Der Status Quo: Datennutzung in deinen Immobilienprojekten
Die Umfrage in diesem Kapitel er枚ffnet dir die M枚glichkeit, deinen Status Quo zu reflektieren. Wenn du m枚chtest, erh盲ltst du die gesammelten Ergebnisse nach Abschluss von Modul 1 zugeschickt.
Datenverf眉gbarkeit: Wie gelingt das?
The power of now: Datensammlung
Mit der strukturierten Datenerfassung kann zu jeder Zeit und mit jeder vorhandenen Datenmenge im Unternehmen begonnen werden. Je fr眉her aussagekr盲ftige Daten gesammelt werden und je mehr Daten strukturiert 聽vorliegen, desto st盲rker profitiert ein Unternehmen von der eigenen Datenintelligenz.
Fragen, die diesen Prozessschritt begleiten:
- An welchen Stellen im Unternehmen werden Daten erzeugt?
- In welchem Format, z.B. in digitalen Excel-Dokumenten, auf Papier oder als CAD-Datei, liegen die Daten vor?
The future in mind: Datenauswahl und -analyse
Nachdem alle Datenquellen und der Status Quo der Datenverf眉gbarkeit im Unternehmen analysiert wurden, beginnt die detaillierte Analyse. Hierbei hilft es, sich die und Unternehmen vor Augen zu f眉hren. Soll die Fehlerquote im Kostencontrolling reduziert werden, sollen Prognosen realit盲tsnaher aufgestellt werden, soll der Datenzugriff oder der Abruf von aktuellen Informationen erleichtert werden? Indem man Probleme identifiziert, Ziele und Anforderungen bewusst formuliert, kann die richtige Auswahl an ben枚tigten Daten und gegebenenfalls ben枚tigten Tools getroffen werden.
Fragen, die diesen Prozessschritt begleiten:
- Welche Entscheidungen und Prognosen k枚nnen durch Informationen aus Daten zuverl盲ssiger getroffen werden?
- Welche Daten besitzen den gr枚脽ten Mehrwert f眉r das Unternehmen?
- Wie erhalte ich Zugriff auf die ben枚tigten Daten?
- Welche aktuell genutzten Tools f枚rdern die strukturierte Erfassung dieser Daten?
Decode information: Datenstrukturierung
Der gr枚脽te Mehrwert entsteht, wenn langsam eine signifikante Datenbasis aufgebaut wird, aus Daten, die im gleichen Format und in der gleichen Struktur vorliegen. Der Einsatz moderner Software ist das wichtigste Element beim Aufbau dieser signifikanten und zuverl盲ssigen Datenbasis. Digitale Tools f枚rdern die einheitliche Erfassung, den Zugriff und die Verarbeitung und Analyse von Projektdaten. In erfahren Sie, wie strukturierte Daten beispielsweise zu schnelleren und sicheren Entscheidungen im Kostencontrolling beitragen.
Fragen, die diesen Prozessschritt begleiten:
- Was hemmt den Datenerhebungsprozesse und die Verkn眉pfung der Daten?
- Wo ist neue Software f眉r eine bessere Strukturierung und Datenverarbeitung notwendig?
- Mit welchen Tools lassen sich unterschiedliche Datenformate in ein System 眉bertragen und einzelne Prozesse verkn眉pfen?
Tool Tipps
Tools, die deinen Arbeitsalltag erleichtern:
Wie profitieren Sie in Ihren Projekten: Beispiel Kostencontrolling
Auch g盲ngige Datenverarbeitungsprogramme wie Excel sind als Datenverarbeitungssoftware bekannt. Sie k枚nnen jedoch nur einen Bruchteil der verf眉gbaren Daten strukturieren und verarbeiten. Moderne Tools zeichnen sich durch intelligente Automatisierung und Datenverarbeitung aus. Folgen Vorteile ergeben sich beispielsweise im Kostencontrolling durch eine digitale Kostenmanagement-L枚sung wie SA国际传媒:
- Automatische Prognosenerstellung f眉r schnelle und zuverl盲ssige Entscheidungen
- Fr眉hzeitige Information 眉ber Budgetabweichungen im laufenden Projekt
- Automatische Erstellung einer Kosten眉berwachungstabelle unter Ber眉cksichtigung aller Finanzdaten
- Automatische und fehlerfreie Daten眉bertragung
- Automatische Mittelabflussplanung
- Projektstatusabfrage 眉ber intelligente Dashboards
Zusammenfassung
Wo fallen Daten an?
In jedem Arbeitsschritt, in jeder Leistungsphase fallen in Immobilienprojekten Unmengen an Daten an. Beispielsweise in der E-Mail-Kommunikation, Dokumentenablage, Objektplanung, Kostencontrolling und Personalmanagement, ebenso wie in der Geb盲udenutzung.
Wie gelingt es, die Daten einheitlich zu strukturieren und verf眉gbar zu machen?
#1 Datensammlung: Wo und in welchem Format treten die Daten im eigenen Unternehmen auf?
#2 Datenauswahl und -analyse: Welche Daten bieten den gr枚脽ten Mehrwert, um Transparenz 眉ber Arbeitsprozesse und deren Optimierung zu erhalten?
#3 Datenstrukturierung: Welche Tools unterst眉tzen die 脺bertragung und Verkn眉pfung einzelner Daten in einem System?
Welchen Vorteil bieten moderne Software-尝枚蝉耻苍驳别苍 bei der Datenstrukturierung?
G盲ngige Datenverarbeitungsprogramme wie Excel k枚nnen nur einen Bruchteil der verf眉gbaren Daten strukturieren und verarbeiten. Moderne Tools zeichnen sich unter anderem durch die fehlerfreie Datenverarbeitung, die intelligente Automatisierung von Aufgaben und die Verkn眉pfung von Einzelinformationen in einer Plattform aus.
Ausblick: Kapitel 3
KPIs und Benchmarking 鈥 Datenbasierte Kennzahlen in Immobilienprojekten
- Wie l盲sst sich Projekterfolg durch Kennzahlen sichern?
- Wie erfolgt die Auswahl geeigneter KPIs in deinem Projekt?
- Wie unterst眉tzen Daten die Erstellung aussagekr盲ftiger KPIs?
