Datenanalyse als ein neues Geschäftsmodell für Maschinen- und Anlagenbauer entwickeln

Maschine verkauft, Projekt abgeschlossen und vom Kunden nie wieder etwas gehört? Im auftragsbasierten Maschinen-und Anlagenbau bildet das eher den Regelfall als die Ausnahme. 
Zwar kaufen viele Kunden im Anschluss noch Ersatztele oder vereinbaren Wartungen. Dieser Markt ist jedoch hart umkämpft, da Maschinenbauer dprt nicht mit OEM Anbietern konurieren müssen. 

Moderne Technologien in Kombination mit innovativen Geschäftsmodellen ermöglichen es, den Kunden besser und fester an Dein Unternehmen zu binden. Für diesen Zweck sind im Maschinen- und Anlagenbau Pay-per-use (PPU) oder Pay-per-part (PPP) die bekanntesten digitalen Geschäftsmodelle. Aber auch die vorausschauende Wartung oder die Verbesserung der Overall-Equipment Efficiency können mit digitalen Servicemodellen abgebildet werden.
Die Frage, wie solche Modelle umgesetzt werden können, stellen sich immer mehr Unternehmen. Denn eine hohe Kundenbindung sorgt für Folgeaufträge und regelmäßige Zahlungsflüsse.

Wollen Sie selbst solche Geschäftsmodelle bei Ihnen im Unternehmen einführen? Dann erfahren Sie im folgenden Leitfaden, welche Funktionen ein geeignetes Sstem haben muss und was Sie bei der Einführung beachten sollten.

1. Die aktuelle Situation bewerten

Für ein Maschinenbauunternehmen gibt es viele Gründe, das Thema datenbasierte Geschäftsmodelle nicht anzugehen:

• Keine Lust auf Buzzword-Bingo (Saas, KI, Big Date,etc.);
• Die Mitarbeiter:innen sehen den Wert der Daten nicht;
• Auftragsbücher sind auch ohne voll;
• Lieber eine neue Website als ein neues Geschäftsmodell;
• Warum was ändern, wenn es doch gut läuft?
• Und viele mehr.

Doch Ihre Kunden werden zukünftig vermehrt auf Sie zukommen und eine Lösung für die Sammlung und Analyse der Produktionsdaten.Besonders wichtig sind dabei Maschinenkennzahlen über die komplette Wertschöpfungskette, wie zum Beispiel die Messung der Energieeffizienz, Daten über Strom- und Luftverbräuche oder klassische Kennzahlen, wie Ist-Stückzahlen vs. Plan-Stückzahlen.

Sie können bereits heute mit innovativen Datenplattformen Ihren technischen Vorsprung ausbauen und mit neuen Geschäftsmodellen den Kunden einen Mehrwert bieten.

Und wenn Sie jetzt direkt an Machine Learning oder vorausschauende Wartung denken – Klasse! Doch zuerst müssen die Hausaufgaben gemacht werden:

2. Einen Soll-Zustand skizzieren

Ein typischer Zustand besteht aus fünf Säulen:

1. Aufsetzung einer Datenstrategie für Ihr Unternehmen;
2. Schaffung einer Datenkultur innerhalb des Unternehmens;
3. Neue Technologien eigenständig bewerten und diese dann sinnvoll nutzen;
4. Datensilos aufbrechen und miteinander kombinieren;
5. Auswahl von geeigneten Partnern für die Umsetzung

Zunächst muss der Produktionsfaktor „Daten“ in Ihre strategischen Überlegungen aufgenommen und in die Unternehmenskultur verankert werden. So verstehen Ihre Mitarbeiter:innen, warum das Sammeln von Daten einen Sinn hat, der außerhalb der Überwachung liegt.

2a. Anforderungen ableiten

Aus der entwickelten Datenstrategie leiten Sie funktionale und nicht funktionale Anforderungen an Ihre Datenplattform ab, auf der Sie Ihr zukünftiges Geschäftsmodell aufbauen.

• Funktionale Anforderungen sind die Anforderungen, deren Umsetzung sich direkt auf das Produkt auswirken. Sie sind spezifisch für dieses Produkt – zum Beispiel sollte Ihre zukünftige Software neben den IoT Daten auch kfm. Daten verarbeiten können.
• Nicht-funktionale Anforderungen hingegen sind meist unspezifisch für ein Produkt – wie zum Beispiel die IT-Sicherheit – die Daten werden verschlüsselt in die Cloud übertragen

2b. Wichtige Funktionen planen 

Wichtige Funktionen, welche Sie auf jedem Fall berücksichtigen sollten, sind Folgende:

• Ihre Datenplattform sollte alle wichtigen Informationen sammeln und auswerten können. Dadurch wird der komplette Wertschöpfungsprozess beim Kunden analysierbar.
• Die Maschinendaten und weitere Datenbereiche sollen in ansprechenden und übersichtlichen Dashboards aufbereitet werden. Ihr Kunde bekommt so die wichtigen Informationen aus den aufgenommenen Daten leicht verständlich visualisiert.
• Sie sollten sich bewusst werden, ob die Daten auf eigenen Servern oder in Clouds liegen. Alternativ kann der Kunde auch die Kontrolle über die Daten haben und nur bei Bedarf Zugänge gewähren.

Neben diesen Anforderungen sollten Sie überlegen, ob Sie auf externe Partnerunternehmen zurückgreifen. Häufig liegen die Kernkompetenzen von Maschinen- und Anlagenbauern in anderen Bereichen als der Softwareentwicklung. 

3. Mit einer Plattform Lösungen anbieten

Die von Ihnen eingesetzte Lösung muss drei Fragestellungen beantworten können und in der Lage sein, die Daten zentral und konsolidiert aufzunehmen und für weitere flexible Datenanalysen zur Verfügung zu stellen. Wie ist das zu verstehen? Die Einteilung muss wie folgt vorgenommen werden:

• Frage Sie sich als erstes: Was passiert in diesem Moment? Das „Condition Monitoring“, also die Zustandsüberwachung einer Maschine in Echtzeit, zeigt den aktuellen Stand und kann bei Grenzwertüberschreitungen gewünschte Maßnahmen einleiten.
• Die Vergangenheit zeigt auf, was passiert ist: Vernetzte Maschinen liefern kontinuierlich große Datenmengen (Big Data) in Echtzeit und bilden die Datenhistorie, um zu verstehen, was in der Vergangenheit passiert ist.
• Was passieren könnte, zeigt die Zukunft: Auf Basis der Datenhistorie kann die vorausschauende Wartung mit Hilfe von Machine Learning Modellen und weiteren Daten, wie Unternehmensdaten oder Wetterinformationen vorgenommen werden. Das ist die Königsdisziplin und kein automatisches Erfolgsrezept. Hier müssen Sie als Maschinenbauunternehmen Ihre ganze Expertise einbringen, um die Daten entsprechend vorzubereiten. Damit wird klar, dass ohne eine Datenstrategie dieser Weg nicht möglich ist.

4. Die 5-Schritte-Lösungsstrategie

Die Umsetzung einer solchen Plattform ist in fünf Schritte zu unterteilen. Diese lassen sich unter den Schlagwörtern Datenbereitstellung, Daten historisieren, Daten visualisieren, Datenanalyse und Weiterverarbeitung sowie Aufbau einer vorausschauenden Wartung finden.

4.1 Datenerfassung und Datenbereitstellung: Im ersten Schritt werden die Daten der Maschine erfasst. Entweder sind Sie bereits gut ausgestattet und können mit Hilfe Ihrer angebrachten Sensorik und dem Datenbaustein Ihrer SPS die erforderlichen Daten aus der Anlage extrahieren und bereitstellen. Oder Sie müssen diese Grundlagen in Ihrem Unternehmen erst schaffen. Wenn das erfolgt ist, wird eine Softwarekomponente benötigt, die die Daten in den gewünschten Zyklus gesichert in eine Cloud Plattform überträgt.

4.2 Daten historisieren: Die Daten werden in der Cloud Plattform zentral über alle Anlagen hinweg qualitätsgesichert gesammelt. Darauf aufbauend wird automatisch eine Datenhistorie angelegt. Die Daten werden zeitlich geordnet und mit der gewünschten Logik versehen oder mit weiteren Daten (kfm. Daten oder offenen Daten, wie Wetterinformationen) angereichert. Auch die Kennzahlenberechnungen sollten bereits in der Plattform erfolgen und nicht erst im Berichtswesen. Bei der Auswahl einer solcher Plattform ist darauf zu achten, dass diese bereits einen sehr hohen Automatisierungsanteil aufweist und in der Lage ist, weitere Datenbereiche ohne Probleme aufzunehmen. Die Integrations- und Analyseplattform bietet jetzt die optimale Ausgangslage für die Analyse dieser Daten sowie für die zukünftige vorausschauende Wartung.

4.3 Daten visualisieren: Grundlage für die perfekte Analyse von Daten ist die Visualisierung. Es werden daher übersichtliche Dashboards nach dem Kundenwunsch entwickelt, die mit den wichtigsten Informationen versehen sind. Auch die Möglichkeit für den Kunden eigene Datenanalyse vorzunehmen, sollte ein wichtiger Bestandteil dieser Lösung sein, um nicht in Abhängigkeit des Softwareanbieters zu sein.

4.4 Datenanalyse und Weiterverarbeitung: Im Zuge der Datenanalyse und Weiterverarbeitung hat der Kunde nun Zugriff auf die für ihn angefertigte Plattform und kann mithilfe der Dashboards die Daten sichten. Ihre Plattform kann daraufhin mit weiteren Funktionen ergänzt werden, wie zum Beispiel die Überwachung von Grenzwerten, die Integration von ERP-Systemen oder ähnliches.

4.5 Aufbau einer vorausschauenden Wartung auf Basis der Datenhistorie: Möchte der Kunde sogar einen Schritt weiter gehen und das Thema „vorausschauende Wartung” umsetzen, bietet die aufgebaute und gespeicherte Datenhistorie die perfekte Ausgangslage. So kann die Funktionsfähigkeit der Arbeitsmittel bzw. Maschinen sichergestellt und die Wahrscheinlichkeit eines Ausfalls verringert werden.

5. Ergebnisse und die Vorteile 

Die Analyse der Maschinendaten über alle Anlagen hinweg bietet Ihnen viele Vorteile:

Senken Sie die Betriebskosten Erkennen Sie auf Grundlage Ihrer Daten den Reparaturbedarf, bevor der eigentliche Schaden eintritt. So reduzieren Sie die Reisekosten, da Reparatureinsätze besser und datenbasiert geplant werden können. Das steigert auch die Zufriedenheit Ihrer Kunden.
Steigeren Sie Ihre Umsätze Werden Sie vom klassischen Maschinenbauer zum smarten System- und Lösungsanbieter. So erweitern Sie Ihr Servicegeschäft und können neben dem Verkauf regelmäßige Zahlungsflüsse generieren.

Verbessern Sie Ihre Marktposition Durch Innovation und Ausbau Ihres Servicegeschäfts im After-Sales-Bereich erschließen Sie neue Erlösmodelle und generieren damit neue Geschäftsfelder.

Liefern Sie höhere Qualität Nutzen Sie die neuen Datenerkenntnisse mit Hilfe von Condition Monitoring oder Predictive Maintenance, um Ihre OEE Faktoren zu erhöhen. So steigen Verfügbarkeit und die effektive Produktionszeit der Maschinen und das macht jeden Produktionsleitenden glücklich.

6. Weitere Tipps für die Implementierung

An dieser Stelle noch einige Tipps für Sie:

• Starten Sie mit einem Piloten, um erste Erfahrungen zu sammeln und die Investitionskosten im Blick zu halten;
• Entwickeln Sie eine Datenschablone, die Sie dann für all Ihre Anlagen anwenden kan – das ist die Investition und den Mehraufwand definitiv Wert;
• Überlegen Sie sich im Vorfeld genau, ob Sie das fehlende Know-How durch interne Mitarbeiter:innen ausbauen, oder ob Sie besser einen Service Partner auswählen, der diese Dienstleistung mit seiner Software abdeckt;
• Achten Sie bei der Softwareauswahl auf folgende Kriterien:
  • Agilität und Skalierbarkeit
  • Einfache Anbindung von Datenquellen
  • Hoher Automatisierungsgrad
  • Zukunftsweisend – Technologie und Architektur muss für Machine Learning vorbereitet sein
  • White Label Einsatz muss möglich sein
  • Einsatz von modernen Sicherheitsmechanismen – wie eine sichere End-to-End Übertragung der Daten in die Cloud und Standards wie Zertifizierungen (HIPPA, PCI, ISO 27001 & FedRAMP).

Sie möchten mehr erfahren oder auf Basis eines Prototypens die Machbarkeit einer Maschinendatenanalyse auf Ihren Anlagen demonstrieren? Dann zöger Sie nicht, mit uns in den Kontakt zu treten. 

Weiterführende Quellen und Links:

Göllner (2020): „Analyse von Daten als neues Geschäftsmodell“
Sinclair, B (2017):  How Your Company Can Use the Internet of Things to Win in the Outcome Economy“
IDC Studie (2020): „IDC Studie: 40 Prozent der befragten Industrieunternehmen wollen Investitionen in IIoT erhöhen – trotz oder gerade wegen Corona“