Die Fitnesskette all inclusive Fitness hat ihre Dateninfrastruktur in Zusammenarbeit mit dem Kölner Spezialisten datasolut und dem Microsoft-Distributor ADN grundlegend neu aufgestellt. Auf Basis einer Azure-Databricks-Plattform nach dem Medallion-Prinzip werden künftig Machine-Learning-Modelle, KI-Anwendungen und eine wachsende Pipeline an datengetriebenen Use Cases betrieben.
Mit über 712.000 Mitgliedern und knapp 200 Studios gehört all inclusive Fitness zu den größten Fitnessanbietern Deutschlands. Das anhaltende Wachstum der vergangenen Jahre hatte die bestehende Datenarchitektur zunehmend an ihre Grenzen gebracht. Das Unternehmen hat nun einen grundlegenden Plattformwechsel abgeschlossen, der Datenquellen konsolidiert, Verarbeitungsprozesse standardisiert und die technische Grundlage für Künstliche Intelligenz legt — darunter eine prädiktive Sales Engine mit einem jährlichen Umsatzpotenzial im zweistelligen Millionenbereich.
Die Neugestaltung der Dateninfrastruktur erfolgte in enger Zusammenarbeit mit dem Kölner Data-&-AI-Spezialisten datasolut. ADN, ein von Microsoft autorisierter Distributor, übernahm im Hintergrund die Bereitstellung der Cloud-Infrastruktur sowie ergänzende Enablement-Leistungen.
Kernstück der neuen Architektur ist eine Databricks-Plattform, die auf einer Azure Landing Zone nach Best Practices aufgebaut wurde. Die Struktur folgt dem Medallion-Prinzip, das Daten in typischerweise drei Schichten — Bronze, Silber und Gold — organisiert und dabei klare Qualitätskontrollen, standardisierte Transformationslogiken sowie eine durchgehende Data Governance etabliert. Bisher verteilte ETL- und ELT-Prozesse wurden durch einheitliche Datenpipelines ersetzt; automatisierte Prüfmechanismen sichern die Datenqualität kontinuierlich.
Unternehmensweite Daten aus verschiedenen Quellen — darunter die Mitgliederdatenbank — werden auf der Plattform integriert, vereinheitlicht und sowohl für das Reporting als auch für Machine-Learning-Workloads bereitgestellt. Ein zentrales Dashboard schafft volle Kostentransparenz über die Azure- und Databricks-Nutzung; automatisierte Sicherheitsanalysen überwachen den Betrieb dauerhaft.
Das erste produktive Ergebnis dieser Architektur ist eine Machine-Learning-Umgebung, in der Modelle strukturiert entwickelt, getestet und in den Produktivbetrieb überführt werden können. Die wichtigste Anwendung ist eine KI-gestützte Sales Engine. Sie prognostiziert Churn — also die Wahrscheinlichkeit, mit der einzelne Mitglieder kündigen —, berechnet Kundenwerte und priorisiert Vertriebschancen auf dieser Basis. Das wirtschaftliche Potenzial allein dieser Anwendung wird intern mit einem jährlichen Beitrag im zweistelligen Millionenbereich angegeben; eine konkrete Zahl wurde nicht veröffentlicht.
Parallel zur technologischen Umsetzung führte datasolut ein Schulungsprogramm für Mitarbeitende in den Bereichen Data Analytics und Datenmanagement durch. Ziel war es, interne Teams zu befähigen, eigenständig neue Daten-Use-Cases zu identifizieren und zu entwickeln — und damit die langfristige Abhängigkeit von externen Dienstleistern zu reduzieren.
„Entscheidend ist heute das Zusammenspiel aus Architektur, Datenverständnis und der Befähigung der Mitarbeitenden. Für all inclusive Fitness konnten wir eine Plattform schaffen, die nicht nur skalierbar ist, sondern auch im Alltag echten Mehrwert liefert“, erklärt Vinzent Wuttke, Geschäftführer von datasolut.
Auf Unternehmensseite wird der Nutzen der Plattform in operativen Begriffen beschrieben „Unser Ziel war es, die Datenstrategie konsequent auf Wachstum auszurichten. Gemeinsam mit datasolut entwickeln wir unsere Ausgangsbasis entscheidend weiter hin zu schnelleren sowie daten- und informationsbasierten Entscheidungen“, so Nico Miller, Head of Digital Performance & Member Activation bei all inclusive Fitness.
Julian Scholl, Data Scientist im Unternehmen, betonte den strukturellen Vorteil: „Mit der neuen Plattform führen wir Datenquellen, Geschäftslogiken und Analysen zentral zusammen. So schaffen wir eine konsistente Datenbasis für das gesamte Unternehmen und können Reporting-, Machine-Learning- und KI-Lösungen deutlich schneller entwickeln und produktiv einsetzen.“
ADN’s Rolle im Projekt umfasste die Bereitstellung passender Microsoft-Cloud-Services sowie den Zugang zu Best Practices und Weiterbildungsangeboten. Der Distributor war nicht für die technische Implementierung verantwortlich, stellte jedoch das Partnerumfeld bereit, über das datasolut auf Databricks- und Azure-Werkzeuge zugreift.
Zu den gemessenen Ergebnissen zählt die Fähigkeit, neue Datenquellen innerhalb von Minuten statt Tagen zu integrieren und Machine-Learning-Modelle innerhalb weniger Wochen in die Produktion zu bringen. Das Unternehmen hat eine Pipeline weiterer Use Cases identifiziert, die in den kommenden Monaten auf der Plattform entwickelt werden sollen.
Messbare Ergebnisse und Time-to-Value
-
Integration neuer Datenquellen in Minuten
-
Produktive Machine-Learning-Modelle innerhalb weniger Wochen
-
Jährliches Umsatzpotential im zweistelligen Millionenbereich
-
Höhere Innovationsgeschwindigkeit durch bessere Datenverfügbarkeit
Ausblick: Eine wachsende Pipeline an datengetriebenen Use Cases
Mit der entwickelten Plattform und dem Enablement der Mitarbeitenden als Fundament, wird in den kommenden Monaten eine Reihe weiterer Anwendungsfälle erarbeitet:
-
Next Best Action Analysen für die Mitglieder-Journey
-
Customer Lifetime Value Prediction
-
Konsolidierte Datenbasis für Business Intelligenz Auswertungen
-
KI-gestützte Standortanalysen zur fundierten Expansionsplanung und Studiooptimierung
-
Predictive Maintenance für Geräte- und Investitionssteuerung in den Studios
-
360-Grad-Kundensicht als Basis für neue Servicemodelle und Zusatzangebote
-
Demand Forecasting für Kapazitäts- und Personalplanung
Die modulare Plattformarchitektur ermöglicht es, neue Use Cases innerhalb weniger Wochen vom Konzept in die Produktion zu bringen.
Fazit
Die Fallstudie zeigt, wie ein wachstumsstarkes Unternehmen seine Datenlandschaft gezielt weiterentwickelt, um Skalierung, Effizienz und Innovation zu vereinen. Durch die Verbindung aus moderner Cloud-Architektur, KI-Anwendungen und organisatorischem Kompetenzaufbau wird Datenarbeit zum strategischen Erfolgsfaktor – mit messbarem wirtschaftlichem Impact.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de