Dieser Beitrag wurde ursprünglich im Leesman Review #23 (Juni 2017) veröffentlicht.

Wir lesen viel über die Verfügbarkeit von Daten, aber die reichsten Funde gibt es, wo es verschiedenen Datensätzen erlaubt wird zu überlappen.

Nach unseren Erfahrungen sehen Bereichsleiter funktional effektive und ansprechende Arbeitsplätze zunehmend als entscheidend für die Wettbewerbsfähigkeit. Aber große Organisationen sind auch auf der Suche nach einem datengestützten Ansatz, um Entscheidungen bezüglich des Designs des Arbeitsplatzes zu untermauern. Die subjektiven Rückmeldungen der Art, wie sie Leesman sammelt, von der Auslastung von Gebäuden bis zu den Gegebenheiten vor Ort, bleiben unentbehrlich. Aber gepaart mit neuen sensor-basierten Dateneingaben und lernfähigen Algorithmen haben Kunden und deren Berater jetzt eine breite Palette an verfügbaren Entscheidungsgrundlagen, wie sie noch nie zur Verfügung standen.

Die Zusammenführung von Anwenderwahrnehmung und Messdaten bietet eine leistungsstarke Diagnose für die Arbeitsplatz-Optimierung sowohl aus Sicht der Kosten als auch des Komforts. Es können sich auch detaillierten Einblicke in die Ursachen der Unzufriedenheit ergeben. Eine geringe Bewertung der Zufriedenheit in Bezug auf Tagungsräume sagt nicht aus, ob es zu wenige von ihnen gibt, ob Ausrüstung fehlt oder ob sie zu heiß oder zu kalt sind. Und eine Aktivität wie „geplante Sitzungen“ könnte durch ein umständliches Reservierungssystem, einen Mangel an geeigneten Räumen oder auch, weil Personen diese Treffen für Zeitverschwendung halten, zu einer niedrigen Punktzahl führen.

Datensammlung und -Analyse

Daten auf Mikroebene können aus unterschiedlichen Quellen erfasst werden:

  • Sammler personenbezogener Daten können Auslastung, Aktivitäten, Interaktionen und Lärmpegel messen. Die von MCS patentierte ABOOT™ Methode zum Beispiel misst diese Parameter häufig in Bezug auf alle formellen und informellen Arbeiten sowie Tagungsräume.
  • Geräte des „Internets der Dinge“ können Variablen permanent überwachen, wie zum Beispiel:
    • Raumausnutzung (durch PIR Präsenzmelder, Trittschall-Kameras zum Zählen von Personen oder Indoor Positionierung)
    • Arbeitsplatz-Komfort-Parameter: Temperatur, Licht, Luftqualität, Lärm, usw.
    • Energieverbrauch
  • Sofortiges Benutzerfeedback kann durch „zufrieden“/„nicht zufrieden“ Buttons oder Touchscreens gesammelt werden.

Erfasst auf einer Big-Data-Plattform, wo sie verarbeitet, analysiert und visualisiert werden um Zusammenhänge und Muster aufzuzeigen, können die ausgegebenen Daten schnell in Kontext gestellt werden und detaillierte Einblicke darüber ermöglichen, wie der Arbeitsplatz den Erfordernissen der Benutzer im Detail entspricht.

Datengestützte Entscheidungsfindung

 

Gesundheitsförderung des Arbeitsplatzes

Die meisten dieser Studien werden derzeit im Umfeld von Kapitalprojekten durchgeführt und dienen der Information über die Durchführung neuer Designvorhaben. Diese kurzzeitigen Untersuchungen sind wertvoll, abersie wären es umso mehr, wenn die entsprechenden Werkzeuge nach Abschluss bestehen bleiben. Weil die Kosten für Sensortechnologie fallen, sollte es zu einer Steigerung kommen, die über spezifische Kapital- und Designprojekte hinausgeht. Durch eine solche Steigerung werden Mitarbeiter nach und nach erkennen, dass die Sensoren nicht dafür da sind, sie selbst sondern ihre Umwelt zu messen und erkennen, wie gut sie dadurch unterstützt werden. Falls überhaupt, sind nur wenige Organisationen statisch. Sie entwickeln neue Dienstleistungen, rationalisieren Prozesse, vergrößern bestimmte Divisionen und schaffen andere ab.

Aber wie oft wird Arbeitsraum zusätzlich getestet, um festzustellen, ob er noch den funktionalen Anforderungen der einzelnen Teile des Unternehmens entspricht? Wie wir zunehmen glauben, wird dies jährlich im Rahmen einer betrieblichen Überprüfung geschehen. Danach, glauben wir, werden führende Unternehmen eine konstante Überprüfung in Echtzeit schrittweise einführen und in Werkzeuge investieren, die die funktionelle Wirksamkeit am Arbeitsplatz optimieren und dabei helfen, die Leistung des Unternehmens zu steigern.

Über den Autor:

Steven Lambert | COO | MCS Solutions

Steven hat 20 Jahre Erfahrung in der Durchführung operativer Transformationsprojekte für Fortune 1000-Unternehmen in Europa und den USA. Nach seinem Abschluss an der Wharton Business School im Jahr 2001 arbeitete er mit Bluechip-Tech-Unternehmen an der Umwandlung ihrer Service-Operationen. Steven ist seit 2012 COO (Chief Operating Officer bzw. leitender Geschäftsführer) und Partner bei der Software- und Technologiefirma MCS Solutions, wo er die weltweiten Aktivitäten im FM Consulting und der CAFM-Software-Implementierung leitet. Steven.Lambert@MCSsolutions.com