Dienstleistungsmanagement
Refine
Year of publication
Document Type
- Article (3)
- Book (27)
- Part of a Book (53)
- Conference Proceeding (71)
- Contribution to a Periodical (175)
- doctorallecture (32)
- Doctoral Thesis (30)
- Lecture (54)
- Internet Paper (14)
- Report (27)
Language
- German (381)
- English (92)
- Multiple languages (34)
- Spanish (2)
Is part of the Bibliography
- no (509)
Keywords
- 01 (25)
- 02 (15)
- 03 (6)
- 04 (3)
- 3-Phasen-Konzept (1)
- 3D-Druck (1)
- AGCO (1)
- AI (2)
- AR (3)
- Aachener Lean-Services-Zyklus (3)
- Ablauforganisation (1)
- Abo-Modell (1)
- Abonnement (1)
- Abrechnungsmodell (1)
- Abschlussbericht (3)
- Additive Fertigung (2)
- Additive manufacturing (1)
- After Sales (1)
- After-Sales (2)
- After-Sales-Dienstleistungen (1)
- After-Sales-Service (2)
- After-Sales-Services (1)
- Agile (1)
- Agile Development (1)
- Agile Entwicklung (1)
- Agilität (1)
- Agrarproduktion (1)
- Akzeptanz (1)
- Algorithmus (1)
- Analyse (1)
- Analytics (1)
- Angebotsvielfalt (1)
- Anlagenbau (1)
- Anreizsystem (1)
- Anreizsysteme (2)
- Anwenderzufriedenheit (1)
- Applitationsplattform (1)
- Arbeit 4.0 (11)
- Arbeitsbezogenes Lernen (1)
- Arbeitsgestaltung (13)
- Arbeitsnahes Lernen (1)
- Arbeitsorganisationsgestaltung (1)
- Arbeitssystem (3)
- Arbeitssysteme (1)
- Arbeitswelt (1)
- Arbeitswelt 4.0 (1)
- Arbeitswissenschaft (2)
- Artificial intelligence (1)
- As-a-Service (1)
- Asset Management (2)
- Auction Mechanism (1)
- Aufbauorganisation (1)
- Augmented Reality (2)
- Augmented reality (1)
- Ausbildung (1)
- Ausführungsprozess (1)
- Automobilindustrie (1)
- Automotive (5)
- Automotive-Sektor (1)
- B2B customer service (1)
- B2B-Service (2)
- BITKOM (1)
- BMWK (1)
- BSC (1)
- Bahntechnik (1)
- Balanced Scorecard (1)
- Baugewerbe (1)
- Berufsausbildung (1)
- Berufsbildungsexport (1)
- Beschwerdemanagement (1)
- Best Practices Instandhaltung (1)
- Bestandsmanagement (1)
- Betriebsabläufe (1)
- Bewertung (1)
- Big Data (2)
- Bildungsdienstleistungsentwicklung (1)
- Branchenindikator (1)
- Branchenindikator Instandhaltung (1)
- Business Model (1)
- Business Models (2)
- Business Related Services (1)
- Business model (3)
- Business-Analytics (3)
- Business-Case-Calculator (1)
- Business-Community (2)
- CMM (1)
- CRM (3)
- CRM-Software (1)
- CRM-Systeme (1)
- CSS (1)
- CSS 2.0 (1)
- Case Competition (1)
- Case study research (2)
- Chancen (1)
- Chatbot (2)
- Chatbots (2)
- Co-creation (1)
- Communities (2)
- Community (5)
- Community Management (2)
- Community-Management (1)
- Competence-Center Instandhaltung (1)
- Condition Monitoring (1)
- Condition monitoring (1)
- Conduciveness to learning (1)
- Conjoint-Analyse (1)
- Controlling (2)
- Coordination Need (1)
- Cost Calculation (1)
- Cost-Center (1)
- Crisis management (1)
- Crowd production (1)
- Crowd-Innovation (1)
- Customer Centricity (1)
- Customer Success Management (1)
- Customer relationship management (1)
- Customer success managementl (1)
- Customer-Insight-Management (1)
- Customer-Lifetime-Value (1)
- Customer-Relationship-Management (1)
- Customer-Relationship-Management-Systeme (1)
- Customer-Service-Scorecard (1)
- Customer-Success-Management (1)
- DELFIN (1)
- DIENST all Kolz FIR 8953 (1)
- DIN SPEC (3)
- DLR (1)
- Data Analytics (1)
- Data Ecosystems (1)
- Data Governance (1)
- Data Products (1)
- Data analytics (1)
- Data-Analytics (4)
- Data-based pricings (1)
- Data-driven services (1)
- Daten (8)
- Daten- und Kommunikationskonzept (1)
- Datenanalyse (1)
- Datenaufbereitung (1)
- Datenaustausch (3)
- Datenbasierte Dienstleistung (2)
- Datenbasierte Dienstleistungen (10)
- Datenbasis (2)
- Datenbewertung (1)
- Datenbewirtschaftung (1)
- Datenbilanz (1)
- Datengetriebene Geschäftsmodelle (1)
- Datenkapital (2)
- Datenmanagement (2)
- Datenmonetarisierung (3)
- Datennutzung (3)
- Datenprodukte (1)
- Datenschutz (1)
- Datensouveränität (1)
- Datenstrategie (1)
- Datentechnologie (1)
- Datenvertragsrecht (1)
- Datenverträge (1)
- Datenwirtschaft (1)
- Datenökonomie (1)
- Demographie (1)
- Demographischer Wandel (1)
- Dienstleister (2)
- Dienstleistung (19)
- Dienstleistung, industrielle (1)
- Dienstleistungen (10)
- Dienstleistungsangebot (3)
- Dienstleistungsbetrieb (2)
- Dienstleistungsbewusstsein (1)
- Dienstleistungscontrolling (1)
- Dienstleistungseinheit (1)
- Dienstleistungsentwicklung (6)
- Dienstleistungsforum (1)
- Dienstleistungskultur (2)
- Dienstleistungsmanagement (10)
- Dienstleistungsplattform (2)
- Dienstleistungsproduktion (1)
- Dienstleistungsqualität (1)
- Dienstleistungsressourcen (1)
- Dienstleistungssektor (1)
- Dienstleistungsskalierung (1)
- Dienstleistungsstrategie (1)
- Dienstleistungssysteme (1)
- Dienstleistungsunternehmen (1)
- Dienstleistungswende (1)
- Differenzierung (1)
- Differenzierungsfokus (1)
- Digital (1)
- Digital Business Models (1)
- Digital Platforms (1)
- Digital Solutions (1)
- Digitale Plattform (1)
- Digitale Plattformen (1)
- Digitale Produkte (2)
- Digitale Technologien (1)
- Digitale Transformation (6)
- Digitaler Schatten (8)
- Digitaler Service (1)
- Digitales Geschäftsmodell (1)
- Digitalisation (1)
- Digitalisierung (50)
- Digitalisierungsnavigator (2)
- Digitalisierungsstrategie (1)
- Digitalization (2)
- Digivation (1)
- DispoOffshore (3)
- Disposition (4)
- Dispositionslogik (1)
- Dissemination (1)
- Distribution management (1)
- Do-it-together (1)
- E-Learning (1)
- E-Mobility (1)
- ELIAS (1)
- EVAREST (1)
- Ecosystem Design (1)
- Effizienzsteigerung (3)
- Einlinien-Organisation (1)
- Eisenbahntechnik (1)
- Elektroantrieb (1)
- Elektromobilität (6)
- Emission (1)
- Emissionsreduktion (1)
- Emissionsverringerung (1)
- Empowerment (1)
- Energie (1)
- Energietechnik (1)
- Engineering (1)
- Entscheidung (1)
- Entscheidungsfindung (1)
- Entwicklung (1)
- Entwicklung digitaler Servicesysteme (1)
- Erfolg (1)
- Erfolgsfaktor (2)
- Erfolgsfaktoren (2)
- Ergebnisperspektive (1)
- Erklärungsmodell (1)
- Ersatzteilbedarfsplanung (1)
- Ersatzteillogistik (1)
- Ersatzteilplanung (1)
- Evaluation (1)
- FIR-Doktorvortrag (1)
- Fakten und Trends im Service (1)
- Fallstudie (1)
- Fallstudien (1)
- Feinstaub (1)
- Feinstaubbelastung (1)
- Flüssigerdgas (1)
- Food Production (1)
- Forschung (1)
- Forschungsbeirat Industrie 4.0 (2)
- Forschungsdesign (1)
- Forschungsmodell (1)
- Forschungsprojekt (5)
- Fremdinstandhaltung (1)
- Future Data Assets (1)
- Führung (3)
- Führungsverhalten (1)
- GAP-Modell (1)
- Game Based Learning (1)
- Geschäftsmodell (12)
- Geschäftsmodelle (10)
- Gestaltung (1)
- Gestaltungsempfehlungen (1)
- Gestaltungsmodell (2)
- Gesundheitssektor (1)
- GreenGate (1)
- Grundlagenkurs (1)
- Güterzug (1)
- Güterzüge (1)
- Gütesiegel (1)
- Healthcare Sector (1)
- Herausforderung (1)
- Herausforderungen (1)
- Heterogenität (1)
- Heuristik (2)
- Human Factors (1)
- Hybride Geschäftsmodelle (1)
- Hybride Wertschöpfung (1)
- Hybrides Leistungsbündel (4)
- ICS 03.080.10 (1)
- ICS 35.240.63; 67.020 (1)
- IH-Check (2)
- IIoT (1)
- IPS (1)
- IPS-System (1)
- Identitätsbildung (1)
- Immaterialität (1)
- Implementation barriers (1)
- Implementation success factors (1)
- Implementierungskonzept (1)
- Industrial Food Production (1)
- Industrial Production Companies (1)
- Industrial Sector (1)
- Industrial Service Companies (1)
- Industrie 4.0 (56)
- Industrie 4.0 Maturity Index (1)
- Industrie-4.0-Transformation (1)
- Industrielle Dienstleistung (2)
- Industrielle Dienstleistungen (4)
- Industrieller Service (1)
- Industrieller Wandel (1)
- Industrielles Dienstleistungsmanagement (2)
- Industrieservice (1)
- Industrieservices (2)
- Informationslogistik (1)
- Informationsmanagement (1)
- Informationssicherheit (1)
- Informationstechnologie (1)
- Innovation (3)
- Innovationsfähigkeit (1)
- Innovationsförderung (1)
- Instandhaltung (55)
- Instandhaltungsassessment (1)
- Instandhaltungscontrolling (1)
- Instandhaltungsdienstleister (1)
- Instandhaltungsdienstleistungen (1)
- Instandhaltungsleistungen (1)
- Instandhaltungsmanagement (5)
- Instandhaltungsplanung (4)
- Instandhaltungsplanung und -steuerung, (1)
- Instandhaltungsroadmap (1)
- Instandhaltungsstrategie (6)
- Instandhaltungsstrategien (1)
- Instandhaltungstools (1)
- Integrativ (1)
- Integriertes Management (1)
- Intelligente Produkte (1)
- Intelligentes Stromnetz (1)
- Intelligentes Werkzeug-Maschine System (1)
- Internationalisierung (2)
- Interner Wettbewerb (1)
- Internet der Dinge (1)
- Internet of Production (2)
- Intraorganisational (1)
- Investment Scenarios (1)
- IoP (1)
- IoT (1)
- KBM (1)
- KBM Smart Maintenance (1)
- KI (7)
- KI-Strategie (1)
- KMU (10)
- KVD-Service-Congress (1)
- KVD-Service-Studie (2)
- KVP (1)
- Kaizen (1)
- Kapazitätenplanung (1)
- Kennzahl (2)
- Kennzahlen (2)
- Kennzahlensystem (1)
- Kennzahlensysteme (1)
- Key-Learning (1)
- Klassifikation (1)
- Klein- und Mittelbetrieb (5)
- Kommunikationsnetz (2)
- Kompensationsstrategie (1)
- Kompetenzentwicklung (18)
- Kompetenzmanagement (11)
- Komplexität (1)
- Komplexitätmanagement (1)
- Komplexitätskosten (1)
- Komplexitätsmanagement (2)
- Konferenz (1)
- Konfiguration (1)
- Kongress (1)
- Konkurrenzanalyse (2)
- Konkurrenzforschung (1)
- Konsortial-Benchmarking (2)
- Konsortial-Benchmarking Smart Maintenance (1)
- Konsortial-Benchmarkingstudie (1)
- Kontinuierliche Verbesserung (1)
- Kooperation (2)
- Kooperationsplattform (2)
- Koordination von Communities (1)
- Kosten (1)
- Kostenprognose (1)
- Kultur (1)
- Kundenakquise (1)
- Kundenbeziehungsmanagement (1)
- Kundenbindung (3)
- Kundenbindungsmanagement (1)
- Kundendienst (2)
- Kundendienst-Verband Deutschland e. V. (KVD) (1)
- Kundengruppenmanagement (1)
- Kundenindividualisierung (1)
- Kundeninteraktionen (1)
- Kundenkontakt (1)
- Kundenmanagement (5)
- Kundennutzenorientierung (1)
- Kundenorientierung (4)
- Kundenservice (7)
- Kundenwert (1)
- Künstliche Intelligenz (7)
- LCC (1)
- LNG (1)
- Landwirtschaft (5)
- Landwirtschaftsentwicklung (1)
- Lastkraftwagen (1)
- Lateinamerika (1)
- Leadership (1)
- Lean (1)
- Lean Management (3)
- Lean Service (1)
- Lean Services (12)
- Lean Services 4.0 (2)
- Lean-Management (1)
- Lean-Service (1)
- Lean-Services (1)
- Lean-Services-Prinzipien (1)
- Learning Game (1)
- Lebenslanges Lernen (1)
- Lebensmittelindustrie (2)
- Leistungsangebot (2)
- Leistungsprobleme (1)
- Leistungssysteme (4)
- Leitfaden (2)
- Lernen (7)
- Lernen im Prozess der Arbeit (1)
- Lernen und Arbeiten (8)
- Lernendes Unternehmen (1)
- Lernförderliche Gestaltung von Arbeitssystemen (1)
- Lernförderlichkeit (6)
- Lkw (1)
- Logistik (2)
- Logistiknetzwerke (1)
- Luftqualität (1)
- Lösungsanbieter (1)
- Lösungsanbieterstrategie (1)
- Lösungsverkauf (2)
- Mainstreaming (1)
- Maintenance (7)
- Maintenance Services (1)
- Maintenance-Strategy (1)
- Management (1)
- Manufacturing (3)
- Manufacturing Companies (1)
- Manufacturing firms (1)
- Manufacturing networks (1)
- Marketing (1)
- Markteinführung (5)
- Marktstruktur (1)
- Maschinelles Lernen (1)
- Maschinen- und Anlagenbau (6)
- Maschinen- und Anlagenbaul (1)
- Maschinenbau (3)
- Media (1)
- Medizintechnik (1)
- Mehrwert (1)
- Mensch (1)
- Mensch im Arbeitsprozess (3)
- Methoden (1)
- Mexiko (4)
- Minimum-Viable-Services (1)
- Missing Understanding (1)
- Mittelstand (1)
- Mobilität (2)
- Modularisierung (2)
- Modularization (1)
- Morphological framework (1)
- Multimodale Logistiknetzwerke (1)
- MyCarEvent (1)
- Nachhaltige Instandhaltung (1)
- Nachhaltigkeit (1)
- Natural-Language-Processing (1)
- Network thinking (1)
- Netzwerkforschung (1)
- Netzwerkmanagement (1)
- New Industrial Work (9)
- New Work (7)
- Normung (1)
- Nutzenkomponente (1)
- Nutzwertanalyse (1)
- Offshore (3)
- Offshore-Windenergie (1)
- Offshore-Windpark (2)
- Online-Community (1)
- Onlinecommunity (1)
- Ontologie (1)
- Ontology (2)
- Open Access (1)
- Ordnungsrahmen (1)
- Organisationales Lernen (1)
- Organisationsstruktur (1)
- Performance-Management (1)
- Personalwesen (1)
- Platform (1)
- Platform Business Model (1)
- Plattform (2)
- Potential Benefits (1)
- Potenziale (2)
- Pre- und After-Sales-Kundenservice (1)
- Predictive Maintenance (10)
- Predictive maintenance (2)
- PreisFinder (1)
- Preisbildung (3)
- Preisfindung (2)
- Preisgestaltung (1)
- Preisstrategie (1)
- Prescriptive Maintenance (2)
- Pricing (3)
- Pricing Models (1)
- Process Performance Indicators (1)
- Product Service Systems (1)
- Product-Service Systems (1)
- Product-as-a-service business (1)
- Product-service system (1)
- Produkt-Dienstleistungs-Kombination (2)
- Produkt-Service-System (4)
- Produktbegleitende Transformation (1)
- Produkteinführung (1)
- Produktentwicklung (1)
- Produktion (1)
- Produktionsmanagement (1)
- Produktionsplanung (1)
- Produktionsprozess (1)
- Produktionsprozesse (1)
- Produktionssteuerung (1)
- Produktionssystem (1)
- Produktivität (3)
- Produzierende Industrie (1)
- Produzierende Unternehmen (1)
- Prognose (2)
- Projekt Digivation (1)
- Projektergebnisse (1)
- Projektmanagement (1)
- Projektmanagementsystem (1)
- Promotion (1)
- Promotionsstudium (1)
- Promovieren (1)
- Prozessbaukästen (1)
- Prozesse (1)
- Prozessindustrie (1)
- Prozessmanagement (1)
- Prozessoptimierung (1)
- Prozessschwachstellen (1)
- Prozessstandardisierung (1)
- Qualifizierung (1)
- Quick Check (1)
- RCM (1)
- Rapid Prototyping (1)
- Re-Insourcing (1)
- ReStroK (1)
- Readiness Map (1)
- Realitätscheck Teil 1 (1)
- Realitätscheck Teil 2 (1)
- Realitätscheck Teil 3 (1)
- Reference Model (1)
- Reference data model (1)
- Reference model (1)
- Referenzansatz (1)
- Region Aachen (1)
- Regulatory framework (1)
- Reifegrad (1)
- Reifegrad-Instandhaltungs-Check (1)
- Reifegradbasierte Gestaltung (1)
- Reifegradermittlung (1)
- Reifegradmodell (1)
- Reifegradmodell Instandhaltung (1)
- Release (1)
- Release-Management (1)
- ReleasePro (1)
- Reliability (1)
- Reliability Centered Maintenance (1)
- Remote-Service (1)
- Remote-Services (1)
- Requirements (1)
- Resilience (1)
- Resources (1)
- Ressourcen (2)
- Ressourcenmanagement (1)
- Ressourcensteuerung (1)
- Return on Investment (1)
- Return on Maintenance (5)
- Revenue model (1)
- Risiken (1)
- Risikomanagement (2)
- Roadmap (3)
- SCOR (1)
- SENERGY (1)
- SMS (1)
- SSIL (1)
- SV 7244 (1)
- SV5091 (1)
- SV5173 (1)
- SV5255 (1)
- SV5344 (1)
- SV7022 (1)
- SV7151 (1)
- SV7152 (1)
- SV7160 (1)
- SV7161 (1)
- SV7163 (1)
- SV7169 (1)
- SV7182 (1)
- SV7183 (1)
- SV7188 (1)
- SV7201 (1)
- SV7207 (1)
- SV7234 (1)
- SV7236 (1)
- SV7250 (1)
- SV7252 (1)
- SV7258 (1)
- SV7263 (1)
- SV7270 (1)
- SV7302 (1)
- SV7318 (1)
- SV7342 (1)
- SV7343 (1)
- SV7346 (1)
- SV7348 (1)
- SV7349 (1)
- SV7358 (1)
- SV7359 (1)
- SV7368 (1)
- SV7386 (1)
- SV7402 (1)
- SV7404 (1)
- SV7413 (1)
- SV7417 (1)
- SV7430 (1)
- SV7444 (1)
- SV7459 (1)
- Sales management (2)
- Sales organization (2)
- Sales-Service (4)
- ScaleUp (2)
- Schu 1495/79-1 (1)
- Scorecard (1)
- Scoring-Modell (1)
- Selective laser manufacturing (1)
- Service (27)
- Service Engineering (5)
- Service Innovation (1)
- Service Life Cycle Management (1)
- Service Transformation (1)
- Service engineering (1)
- Service modules (1)
- Service-Dominant Logic (1)
- Service-Engineering (8)
- Service-Innovation (2)
- Service-Lifecycle-Management (1)
- Service-Management-Systeme (1)
- Service-Pricing (1)
- Service-Release-Management (1)
- Service-Studie (6)
- Servicemanagement (5)
- Servicenetzwerk (1)
- Serviceorganisation (1)
- Serviceplattform (2)
- Serviceprofitabilität (1)
- Serviceprozess (1)
- Serviceroadmap (1)
- Services (2)
- Servicestudie (2)
- Servicetechniker (1)
- Servicetransformation (1)
- Servicewissen (1)
- Servicewüste (1)
- Servitization (1)
- SiZu (1)
- Simulation (4)
- Skalierung (2)
- Skalierungsstrategie (1)
- Skills development (1)
- Small And Medium-sized Companies (SMEs) (1)
- SmarF (1)
- Smart Farming (17)
- Smart Logistic Grids (1)
- Smart Maintenance (17)
- Smart Maintenance Roadmap (1)
- Smart Objects (3)
- Smart Production (1)
- Smart Service (3)
- Smart Service Engineering (2)
- Smart Service Welt (1)
- Smart Services (41)
- Smart maintenance (1)
- Smart product service system (1)
- Smart product service systems (2)
- Smart products (1)
- Smart services (2)
- Smart systems (1)
- Smart-Maintenance-Roadmap (2)
- Smart-Service-Engineering (3)
- Smart-Service-Welt (4)
- Smartphone (1)
- Social (1)
- Social CRM (1)
- Social Media (6)
- Social Media Analytics (1)
- Social Media Controlling (2)
- Social Media Management (1)
- Social Media Readiness (1)
- Social Software (4)
- Socio-technical analysis (1)
- Softwareplattform (1)
- SolutiKo (2)
- Solution Provider (1)
- Solution-Selling (2)
- Soziale Identität (1)
- Spare part production (1)
- Standardisierung (11)
- Steuerung (1)
- Strategie (2)
- Strategieplanung (1)
- Structural Model (1)
- Studenten (1)
- Studie (3)
- Studienergebnisse (1)
- Subscription (8)
- Subscription Business (1)
- Subscription Business Model (1)
- Subscription business (2)
- Subscription economy (1)
- Subscription-Canvas (3)
- Subscription-Geschäftsmodell (1)
- Subscription-Modelle (2)
- Subskription (3)
- Subskriptionsgeschäftsmodell (1)
- Supply Chain (1)
- Supply Chain Management (2)
- Synchronisation (1)
- System Dynamics Simulation Model (1)
- Systemauswahl (2)
- Systemtheorie (1)
- TPM (1)
- Takt (1)
- Task-oriented Reference Model (1)
- Technical Assets (1)
- Technische Dienstleistung (1)
- Technologie (1)
- Technologiemanagement (1)
- Tele-Service (1)
- Teleservice (1)
- TiCo (1)
- Training (1)
- Transformation (6)
- Transformationslinie (1)
- Transport (1)
- Trends (1)
- Typologie (1)
- Typology (2)
- U1014 (1)
- U1020 (1)
- U1030 (1)
- U1034 (1)
- Unternehmenskooperation (1)
- Unternehmenskultur (1)
- Unternehmenstransformation (2)
- V255 (1)
- V257 (1)
- V267 (1)
- V284 (1)
- V292 (1)
- VDI (2)
- VDI-Fachausschuss Instandhaltung (1)
- Value Stream Mapping (1)
- Value-Proposition (1)
- Value-based Pricing (1)
- Value-based pricing (1)
- Value-in-Use (1)
- Value-in-use (2)
- Veranstaltungsbericht (1)
- Verfügbarkeitsgarantie (1)
- Verfügbarkeitsgarantien (1)
- Vernetzung (1)
- Vertrieb (6)
- Vertriebsorganisation (1)
- Virtuelle Organisation (1)
- Vorgehensmodelle (1)
- WEA (2)
- Wandlungsmanagement (1)
- Weiterbildung (4)
- Werkzeugbau (1)
- WertGeiD (1)
- Wertorientiertes Instandhaltungsmanagement (1)
- Wertorientierung (1)
- Wertschöpfungskette (2)
- Wertschöpfungsnetzwerk (1)
- Wertschöpfungsprozesse (1)
- Wettbewerb (1)
- Wettbewerbsanalyse (1)
- Wind Turbines (1)
- Windenergie (7)
- Windenergieanlagen (1)
- Windkraft (1)
- Windpark (1)
- Windparks (1)
- Wirtschaftskrise (1)
- Wissensmanagement (1)
- Wissensplattform (2)
- Work organization (1)
- Zertifikatskurs (2)
- Zukunft (1)
- Zukunftsprognose (1)
- Zusammenarbeit (1)
- Zustandsprognose (1)
- Zuverlässigkeit (1)
- acatech (1)
- acquisition cycle (1)
- add2log (1)
- additive Fertigung (2)
- agile (1)
- agile development (1)
- air mobility (1)
- algorithm (1)
- anwendungsorientierte Forschung (1)
- artificial intelligence (1)
- asset management (1)
- augmented reality (1)
- automatisiert (1)
- business community (1)
- business model (2)
- business model canvas (1)
- capabilities (1)
- capability maturity model (1)
- cars (2)
- case study research (3)
- characteristic curves (1)
- communities (1)
- community management (1)
- companies (1)
- complexity management (3)
- complexity theory (1)
- criticality analysis (1)
- customer (1)
- customer data (1)
- customer journey (1)
- customer productivity (1)
- customer relationship management (1)
- customer suitability (1)
- data analytics (1)
- data ecosystems (1)
- data sharing (1)
- data valuation framework (2)
- data value (4)
- data value assessment (1)
- data-driven services (3)
- data-driven services and servitization in manufacturing (1)
- datenbasierte Geschäftsmodelle (1)
- design fields (1)
- dezentrale Produktion (1)
- digital (1)
- digital business model (1)
- digital products (1)
- digital servitization (1)
- digital shadow (4)
- digitale Geschäftsmodelle (1)
- digitale Lern- und Assistenzsysteme (2)
- digitale Technologien (3)
- digitaler Kundenservice (1)
- digitalization (2)
- e-cars (1)
- e-mobility (1)
- e.GO (1)
- eCars (1)
- eMobility (1)
- eSaFeNet (2)
- electric Vehicle (1)
- electric drive (1)
- electric vehicle (1)
- electro mobility (2)
- engineering (1)
- enterprise social network (1)
- environment (2)
- evaluation (1)
- everything-as-a-service (1)
- external factor (1)
- flight demand (1)
- food industry (1)
- framework (2)
- gamification (1)
- guidelines (1)
- human-technology-organisation concept (1)
- iIntangible assets (1)
- improvement program (1)
- industrial services (2)
- industrielle Arbeitssysteme (1)
- industrielle Dienstleistung (2)
- industrielle Dienstleistungen (10)
- industry 4.0 (1)
- information logistics model (1)
- innovation (2)
- intangible assets (1)
- intelligent maintenance systems (1)
- intelligent support system (1)
- internet of production (1)
- key account management (1)
- kundenorientiert (1)
- launch tactics (2)
- lean management for service industries (1)
- liquefied natural gas (1)
- machine learning (1)
- machinery and plant engineering (1)
- maintenance (2)
- maintenance management (1)
- maintenance services (1)
- maintenance value contribution (1)
- management (1)
- manufacturing (2)
- manufacturing companies (1)
- manufacturing industries (1)
- manufacturing industry (1)
- market launch (2)
- maturity (1)
- mechanical and plant engineering (1)
- mobility (1)
- morphology (1)
- multikonnektiv (1)
- multikriterielle Analyse (1)
- new service development (2)
- organisationaler Wandel (1)
- performance (1)
- performance management (1)
- portfolios (1)
- pre- and after-sales customer service (1)
- predictive maintenance (1)
- process industries (1)
- product service systems (1)
- product-service system (1)
- production systems (1)
- productivity (1)
- produzierende Industrie (1)
- produzierende Unternehmen (1)
- reliability (1)
- rev (13)
- risk analysis system (1)
- risk management (1)
- service (1)
- service engineering (4)
- service industries (1)
- service marketing (2)
- service process (1)
- service production (2)
- service productivity (1)
- service range complexity (1)
- simulation (1)
- smart maintenance (3)
- smart product service systems (2)
- smart product-service systems (1)
- smart services (4)
- social network (1)
- social software (1)
- socio-technical system (1)
- solution selling (2)
- stress (1)
- subscription business (1)
- subscription business models (2)
- subscriptionbasiert (1)
- sustainability (1)
- system dynamics (1)
- task model (1)
- thin-haul (1)
- total productive management (1)
- transformation (1)
- transport (1)
- transport demand (1)
- truck (1)
- unternehmerischer Erfolg (1)
- value based maintenance (1)
- value based management (1)
- value proposition (2)
- value-based pricing (1)
- variant-creating factors (1)
- Öffentlichkeitsarbeit (1)
Institute
- Business Transformation (14)
- Dienstleistungsmanagement (509)
- FIR e. V. an der RWTH Aachen (509)
- Informationsmanagement (14)
- Produktionsmanagement (20)
Gemeinsamer Abschlussbericht zum Forschungsprojekt mit dem Bewilligungszeitraum vom 01.04.2016 bis 31.03.2019 und den Förderkennzeichen 03ET7549 A bis I.
Ziel des Forschungsvorhabens eSafeNet war die Erforschung, Konzeption und Demonstration eines innovativen informationstechnischen Kommunikationsansatzes für das Internet der Energie. Grundlegend sollten die Potenziale einer dedizierten Kommunikationsnetzinfrastruktur mittels Mobilfunk als Primärtechnologie und unterstützenden kabelgebundenen Übertragungstechnologien, wie z. B. Powerline, untersucht werden, um den Anforderungen sicherheitskritischer Strukturen an Stabilität, Zuverlässigkeit und Sicherheit gerecht zu werden. Zur Sicherstellung der Wirtschaftlichkeit wurde eine Dienstleistungsplattform entworfen, die sicherheitsrelevante und zusätzliche Smart Services durch Serviceprovider bereitstellt.
Die Arbeit in der Industrie befindet sich durch den Prozess der Digitalisierung im Wandel. Arbeitsprozesse und Arbeitsstrukturen verändern sich hierbei maßgeblich. Dies führt zu einem erhöhten Weiterbildungsbedarf der Mitarbeitenden. Kompetenzen, die vor einigen Jahren noch weniger betrachtet wurden, rücken nun in den Fokus. So gewinnt beispielsweise die Kompetenz des Kommunizierens und Interagierens in der digitalen Arbeitswelt an Bedeutung. Obwohl das Interesse der Personalentwicklung und Unternehmensführung an Weiterbildung wächst, sind nutzer- und bedarfsgerechte Entwicklungspfade aufgrund hoher Aufwände und mangelnder Kompetenzbewertung die Ausnahme. Darüber hinaus sind adäquate und vor allem individualisierte Weiterbildungsmaßnahmen in der Praxis oft nicht vorzufinden. Weiterbildung scheitert demnach oftmals an der mangelnden Identifikation mitarbeiterindividueller Kompetenzentwicklungsbedarfe. Darüber hinaus fehlt das Wissen über die Vorkenntnisse der Beschäftigten, sodass das Potenzial der Mitarbeitenden ungenutzt bleibt. Vor allem kleinen und mittleren Unternehmen fehlt es an zeitlichen wie auch personellen Ressourcen, um Weiterbildungsbedarfe zu erheben und darüber hinaus Weiterbildungsangebote zu entwickeln. Aus diesem Grund steht die Umsetzung individueller Lernpfade im Mittelpunkt des Projekts LidA: Gerade Mitarbeitenden aus kleinen und mittleren Unternehmen soll mit Erreichen der angestrebten Projektergebnisse selbstgesteuertes Lernen ermöglicht werden. Durch das Bereitstellen einer Open-Source- Plattform sollen künftig auch kleine Unternehmen mit wenig Ressourcenaufwand individualisierte und zukunftsorientierte Weiterbildungsangebote nutzen können. Mithilfe eines Kompetenznavigators sollen die Mitarbeitenden den Umfang, Inhalt und Schwierigkeitsgrad ihrer Weiterbildung selbst wählen können und dabei ihre Lernpräferenzen berücksichtigen. Dieses Forschungs- und Entwicklungsprojekt wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) im Programm „Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ gefördert und vom Projektträger Karlsruhe (PTKA) unter folgendem Förderkennzeichen 02K17A042 betreut.
Unser Projekt ‚Sales-Service‘ sollte dazu dienen, ein Vorgehen zu entwickeln, um Servicetechniker in den aktiven Vertrieb von Services und Produkten integrieren zu können und damit Unternehmen Wege aufzuzeigen, das Vertriebspotenzial aus der regelmäßigen und intensiven Kundeninteraktion der Servicetechniker stärker und gewinnbringender als bis dato zu nutzen. Hierzu gestalteten wir eine Analyticsbasierte Vertriebsunterstützung für Servicetechniker (in Form von Algorithmen für Open-Source-Software), mithilfe derer Unternehmen künftig die notwendigen Vertriebsinformationen bereitgestellt werden können. Zudem entwickelten wir Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente(Balanced Scorecard- & Anreizsystem) für einen vertriebsorientierten Service.
»Workplace Innovation« steht auf europäischer Ebene für organisations- bzw. betriebsbezogene Konzepte und Methoden partizipations und mitbestimmungsbasierter Arbeitsgestaltung, die zeigen, wie Effizienz, Produktivität, Anpassungsfl exibilität und Innovationsfähigkeit durch personenförderliche Arbeitsbedingungen, Organisationsformen Kompetenzentwicklungsansätze sowie unterstützende Technologien realisiert werden können. Dieses Interventionsverständnis vermeidet unterkomplexe Steuerungsvorstellungen und fokussiert – gerade auch in Zeiten forcierter Digitalisierung – auf die Wechselwirkungen zwischen Mensch, Technik und Organisation. Vor diesem Hintergrund werden die Entwicklung adäquater Führungskonzepte und der Aufbau dementsprechender Führungskompetenzen zentral. In diesem Sinne bilden Workplace Innovation – Social Innovation – Leadership Innovation einen engen Zusammenhang.
Hier setzt die vorliegende Publikation von Claudia Suhr an. Sie vertritt die Auffassung, dass Digitalisierung als Impulsgeber bzw. Entwicklungstreiber
für Gesellschaft und Unternehmen in Erscheinung tritt, deren konkrete Wirkungen jedoch extrem gestaltungsabhängig sind. Im Kontext von Unternehmen stellt, ihrer Auffassung zufolge, die Gestaltungsfähigkeit von Führungskräften einen zentralen Erfolgsfaktor dar. Zentrale Voraussetzung zur Bewältigung der digitalen Transformation ist für Führungskräfte selbst nicht primär eine Forcierung des Aufbaus spezieller IT-Kenntnisse, sondern die Entwicklung von Schlüsselkompetenzen, die als »Interaktionskompetenz« zusammengefasst werden können.
In praxisorientierter Perspektive setzt sich Claudia Suhr mit den unterschiedlichen Merkmalen von Kompetenzen und Qualifikationen auseinander, plausibilisiert die Vorzüge eines dynamisch-performativen, wertebasierten Kompetenzansatzes als zentralen Bezugspunkt ihrer weiteren Ausführungen.
In systematischer Form analysiert die Autorin, welche interaktionsbezogenen Einzelkompetenzen in der Digitalisierung relevant werden, und geht intensiv der Frage nach, unter welchen Voraussetzungen sich diese Kompetenzen bewerten bzw. fördern lassen. Interaktionskompetenz lässt sich demnach schlecht in traditionellen Lernformaten vermitteln, sondern bedarf enger Praxisanbindung und individueller Zuwendung. Anhand eines fiktiven Beispiels wird ausführlich
beschrieben, wie ein Kompetenzentwicklungsprozess im Blended-Learning-Format aussehen könnte.
Projektvorstellung ReStroK
(2020)
Subscription-Geschäftsmodelle (SGM) spielen eine wesentliche Rolle bei der Monetarisierung von Industrie 4.0 Potenzialen für produzierende Unternehmen. Durch die Vernetzung von Maschinen und digitalen Produkten können dem Kunden völlig neue Leistungen geboten werden, die durch ein rein transaktionsbasiertes Geschäftsmodell nicht möglich wären. Der folgende Beitrag widmet sich der Charakterisierung von Subscription-Geschäftsmodellen und zeigt vier Handlungsfelder auf, die bei ihrer Umsetzung berücksichtigt werden müssen.
Das Projekt ´DM4AR`, welches am 1. Juni gestartet ist, hat sich zum Ziel gesetzt, die automatische Generierung von Augmented Reality Inhalten aus verschiedenen Datenquellen zu ermöglichen. Hierbei wird eine AR-Plattform zur automatisierten Aufbereitung und Umwandlung von Daten geschaffen und den Mitarbeitern ermöglicht über diese Plattform auf vorhanden Informationen und generierten Inhalte zu zugreifen. So können notwendige Informationen während des Leistungsprozesses kontextbezogen abgerufen werden. Dabei müssen die Mitarbeiter mit geeigneten Ziel- und Anreizsystemen sowie Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden. Die informationstechnische Realisierung erfolgt in Kooperation mit der oculavis GmbH und der Software AG. Die Erhebung der Anforderungen und Validierung der Forschungsergebnisse erfolgt mit der TOP Mehrwert-Logistik GmbH & Co. KG, thyssenkrupp Industrial Solutions AG und der YNCORIS GmbH & Co. KG.. Das Projekt wird durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert und durch den Projektträger Karlsruhe (PTKA) betreut.
Für produzierende Unternehmen im Maschinen- und Anlagenbau eröffnen Subscription-Geschäftsmodelle (SGM) neue Potenziale, die sowohl auf Seiten des Anbieters, durch das Entwickeln langfristiger Kundenbeziehungen, als auch auf Seiten des Kunden, durch die bessere Erfüllung des individuellen Nutzens mithilfe der verfügbaren Nutzungsdaten, entstehen. Trotz einer guten Ausgangslage durch Investitionen in Industrie 4.0 sind KMU jedoch noch weit davon entfernt, diese Geschäftsmodelle erfolgreich umzu- setzen. Grund dafür ist unter anderem das Fehlen eines strukturierten Ansatzes, der die Unternehmen dabei unterstützt, die relevanten Handlungsfelder richtig auszugestalten. Ziel des Forschungsvorhabens ‚SubscriptionCanvas‘ ist es daher, bei der erfolgreichen Entwicklung von individuellen Subscription- Geschäftsmodellen zu unterstützen. Als Ergebnis soll dabei ein KMU-gerechtes Subscription-Canvas ein systematisches Vorgehen ermöglichen, welches anhand von Fallstudien, Umsetzungsleitfäden und Expertengesprächen validiert wird. Das IGF-Vorhaben 21201 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Trotz des enormen wirtschaftlichen Potenzials, das durch datenbasierte Geschäftsmodelle beziffert wird, fokussieren Unternehmen der Lebensmittelindustrie weiterhin traditionelle, produktzen- trierte Geschäftsmodelle. Die Digitalisierung wird lediglich als Möglichkeit zur internen Optimierung von Produktions- und Serviceprozessen gesehen. Große Mengen heute verfügbarer Daten entlang der gesamten Wertschöpfungskette bieten jedoch über die reine Effizienzsteigerung hinaus die Chance, eine mehrwertstiftende Datenökonomie in der Lebensmittelindustrie zu schaffen. Ziele des Forschungsprojekts ‚EVAREST‘ sind die Entwicklung und Verwertung von Datenprodukten im Ökosystem der Lebensmittelproduktion. Auf Basis einer herstellerübergreifenden, offenen Datenplattform so- wie begleitend entwickelter ökonomischer und rechtlicher Nutzungskonzepte werden die (rechts-) sichere Verwertung von Daten als Wirtschaftsgut und die Bereitstellung nutzerspezifischer Smart Services für verschiedene Anspruchsgruppen angestrebt. Das Verbundprojekt ‚EVAREST‘ wird durch das Bundesministerium für Wirtschaft und Energie (BMWi) mit dem Kennzeichen 01MT19003A gefördert und vom Projektträger DLR betreut.
Projekt ‚Future Data Assets‘: Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung
(2020)
„Daten sind das neue Öl.“ Ein vielfach genutzter Ausdruck, der die Relevanz und den Wert von Daten im digi- talen Zeitalter unterstreicht. Allerdings existiert derzeit noch kein standardisiertes Verfahren, um den Wert von Daten explizit zu bemessen. Traditionelle marktpreis-, kosten- und nutzenbasierte Bewertungsmethoden kommen bei der Anwendung im Datenkontext schnell an ihre Grenzen. Das Forschungsprojekt ‚Future Data Assets‘ hat zum Ziel, neue Möglichkeiten der Datenbewertung zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation ihres Datenkapitals stehen. Das diesem Bericht zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie unter dem Förderkennzeichen 01MD19010B gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.
Industrielle Dienstleister und produzierende Unternehmen, die Dienstleistungen anbieten, stehen vor vielfältigen Herausforderungen, um langfristig erfolgreich zu sein. Zur Erreichung von unternehmen-sinternen Zielen wird eine Expansion in bisher unerschlossene Märkte in Betracht gezogen. Häufig fehlt aber, vor allem kleinen und mittleren Unternehmen (KMU), das notwendige Wissen, welche Strategie zur Expansion und Skalierung des Dienstleistungsangebots am geeignetsten ist. Ziel dieses Projekts ist es daher, unter Berücksichtigung der digitalen Gestaltungsfelder konkrete Handlungsempfehlungen zur Skalierung bereitzustellen. Dabei werden die Fähigkeiten und Ziele eines Unternehmens mit den Anforderungen und dem Nutzen von vorab ausgewählten Skalierungsstrategien abgeglichen. So sollen Unternehmen im Hinblick auf Ressourceneffizienz und Nutzenorientierung befähigt werden, die geeignetste Strategie auswählen zu können. Das Projekt 'SkaDL' (Förderkennzeichen: 20985 N) wird vom Bundesministerium für Wirtschaft und Energie (BMWi) im Rahmen der Richtlinie über die Förderung der Industriellen Gemeinschaftsforschung (IGF) gefördert.
Operating and maintenance costs, which account for 25% of total costs, are a powerful lever in reducing the electricity generation costs of onshore wind turbines (WT). These costs can be reduced by a condition-orientated maintenance approach. A condition-oriented maintenance strategy optimizes maintenance tasks by executing them with varying levels of detail and focus depending on the system and life cycle phase. OEMs evaluate operating data and structured data from the maintenance history for this purpose, but SMEs lack the capacity for this evaluation. In particular, the unstructured descriptive comments in the maintenance reports generated by service technicians remain unused. In this work, we propose a framework to incorporate this information from the maintenance reports along with the status records from the SCADA system. For this purpose, a mechanism has to be developed to make the contents of the service reports machine-evaluable. The mechanism used in this approach is an ontology, which enables the codification of implicit knowledge such as the experience knowledge of the service technicians. The ontology’s purpose is to link status codes of onshore WT with historical maintenance reports and thereby enabling an automated evaluation. Using an API (application programming interface), the ontology can be integrated into an algorithm to analyse status data and maintenance documents. In this manner, recommendations for actions can be derived and maintenance tasks can be optimized.
Digitale Plattformen verfügen über das Potenzial gesamte Branchen in kürzester Zeit grundlegend zu verändern und bislang profitable Geschäftspraktiken abzulösen. Dieses Phänomen aus dem Business-to-Consumer (B2C) Bereich stellt auch zunehmend Unternehmen aus dem Business-to-Business (B2B) Bereich vor einen Paradigmenwechsel. Große Technologiekonzerne wie Siemens oder Bosch haben mit Mindsphere und Bosch IoT Suite Plattformen am Markt etabliert, welche diese neuen Wege der Wertschöpfung vorgeben. Kleine und mittlere Unternehmen (kmU) des Maschinen- und Anlagenbaus sind dabei dem Risiko ausgesetzt, ohne eine eigene Plattformstrategie im Wettbewerb verdrängt zu werden. Deshalb ist das Verständnis von plattformbasierten Geschäftsmodellen und deren Umsetzung elementar. Zu Beginn muss die Entscheidung getroffen werden, ob einer bestehenden Plattform beigetreten oder eine neue Plattform gegründet werden soll. Zur Entscheidungsunterstützung müssen relevante Kriterien definiert und in einem weiteren Schritt erhoben und bewertet werden. Ein Plattformbeitritt kann als Erweiterung der Digitalisierungsstrategie aufwandsarm in die bestehende Strategie integriert werden. Dahingegen ist der Aufbau einer eigenen Plattform ein aufwändiges und kostenintensives Projekt: Begonnen mit der Identifikation und Auswahl von geeigneten plattformbasierten Geschäftsmodellen, über den Aufbau eines plattformbasierten Ökosystems bis hin zu der Skalierung der digitalen Plattform. Wie kmU des Maschinenbaus diese Herausforderungen schrittweise angehen können und so ein hybrides Geschäftsmodell unter Einbezug der Möglichkeiten digitaler Plattformen umsetzen können, ist das Ergebnis dieses Forschungsprojekts. Plattform Hybrid gibt kmU einen Praxisleitfaden mit Roadmap an die Hand, welcher zum einen aufzeigt welche plattformbasierten Geschäftsmodelle im Maschinen- und Anlagenbau existieren und zum anderen wie eine Plattformstrategie als Ergänzung zu dem bestehenden Geschäft aufgebaut werden kann.
Das Projekt LBM²-Load Based Monitoring and Maintenance erforschte die Einsatzfähigkeit einer kostengünstigen Lastsensorik zur Messung und Analyse von Restlebensdauerdaten für Großkomponenten an Windenergieanalgen (WEA). Da aktuell im Einsatz befindliche Condition-Monitoring-Systeme zur Überwachung von WEA oft teuer in der Anschaffung sind und lediglich vergangenheitsorientierte Informationen liefern, sobald ein kritischer Zustand bereits eingetreten ist, besteht der Bedarf insbesondere für KMU in der WEA-Branche für eine kostengünstige, proaktive Alternative. Hierzu wird im Projekt LBM² der Einsatz einer kostengünstigen, auf Dehnungsmessstreifen basierenden Messtechnologie erforscht, die über einen langen Zeitraum in einem Testwindpark betrieben wird. Die Erkenntnisse zu den Herausforderungen in der Spezifikation der Messtechnologie für den WEA-Typ sowie in der kontinuierlichen Datenerfassung und –auswertung adressieren ein aktuell hochrelevantes Themenfeld. Die Implikationen der Erkenntnisse gehen damit weit über die Branche der Windenergie hinaus. Mittels der gewonnenen Daten über die Lasten bzw. Restlebensdauern von Großkomponenten der WEA (z.B. Getriebe, Hauptwelle oder Hauptlager) wurden zudem deren Einsatzpotenziale für eine proaktivere, vorausschauende Instandhaltung von WEA untersucht. Die Instandhaltung ist der Hauptkostentreiber im Betrieb einer WEA und bietet demnach großes Potenzial für einen kosteneffizienteren Betrieb, der speziell für KMU in einem umkämpften Strommarkt mit wegfallenden EEG-Zulagen notwendig ist. Hierzu wurden im Projekt LBM² Instandhaltungsprozesse für WEA-Großkomponenten aufgenommen. Diese wurden in einer Simulationsumgebung hinsichtlich verschiedener, kosteneffizienter Instandhaltungsstrategien untersucht. Dazu wurde der Einfluss von Restlebensdauern auf spezifische Instandhaltungsstrategien abgebildet. Weiterhin wurden die Projektergebnisse in einen Softwaredemonstrator überführt, der den Anwendern und speziell KMU eine Möglichkeit an die Hand gibt, die Daten der kostengünstigen Lastsensorik in Zukunft übersichtlich visualisiert und mit relevanten Handlungsempfehlungen für eine optimierte Instandhaltung hinterlegt zu nutzen.
Der mexikanische Automotive Sektor wächst so rasant, dass das bestehende Aus- und Weiterbildungssystem bereits ohne die Effekte der Digitalisierung den Bedarf nicht decken kann. Neue technologiegestützten Lernformen können dabei genauso wie klassische arbeitsbezogene Lernformen vorteilhafte Entwicklungsmöglichkeiten bieten. Arbeitsbezogenes Lernen setzt eine lernförderliche Gestaltung von Arbeit voraus. Dies bedeutet Tätigkeitsbedingungen zu schaffen, die das Lernen bei der Arbeit möglich machen. Arbeitsorientierte Lernprozesse und die Gestaltung von produktiven und gesundheitserhaltenden Arbeitsprozessen können einen wesentlichen Beitrag für eine positive Entwicklung des mexikanischen Automotive Sektors leisten.
Automotive-Diary II
(2019)
Das FIR hat sich mit weiteren Partnern zusammengetan, um im Projekt "E-Mas" ein Weiterbildungsangebot zum Thema 'Taktisches und operatives Produktionsmanagement für Beschäftigte des mexikanischen Automotive-Sektors' zu entwickeln. Der Beitrag geht auf die Erfahrungen bei der 1. Internationalen E-Mas-Konferenz in León (Mexiko) ein.
Der vorliegende Beitrag beschreibt eine Vorgehensweise zur kurzfristigen Umstellung von Blended-Learning- oder Präsenzangeboten. Hierbei werden neben möglichst schnell umsetzbaren technischen Lösungen auch notwendige organisatorische Anpassungen thematisiert und anhand des E-Mas-Weiterbildungsprogramms illustriert.
Customer Lifetime Value
(2020)
Data-driven services play an important role in
innovative business models of successful manufacturing
companies: They hold great potential for the creation of unique
selling points and improve the differentiation of manufacturing
companies in highly competitive markets. However, the large
number of newly invented digital services that fail shortly after
launching implies that companies struggle with the invention and
implementation of data-driven service solutions, which ends in a
waste of resources. The following paper introduces guideline
principles for successful innovation processes for data-driven
services. The principles were identified during in-depth case
studies with manufacturing companies. They contribute to a
necessary paradigm change for manufacturing companies in
terms of data-driven services for machines. The six identified
principles emphasize new aspects regarding the new dimension of
data-driven solutions and improve the life cycle management of
products and services. They demonstrate how the rules of agile
development can lead to successful and more efficient service
innovations in the industrial sector.
Das Verbundprojekt eLLa 4.0 zielt darauf ab, Führungskräfte unterschiedlicher Hierarchieebenen im Zuge der digitalen Transformation bei ihren Führungsaufgaben zu unterstützen und zur Gestaltung guter Arbeit in der digitalisierten Welt zu befähigen. Hierfür werden Qualifizierungsmodule für unterschiedliche Zielgruppen entwickelt, in einem Weiterbildungsangebot zusammengefasst sowie neue Lernwelten für die Führungskräfteentwicklung erprobt.
In dem Vortrag "New Industrial Work – Gestaltung neuer Arbeits-und Lernwelten" bei dem Global Production Management Center des WZL/RWTH Aachen wurde die Veränderung der Arbeitswelt insbesondere auch vor dem Hintergrund der Corona-Pandemie thematisiert. In einer lebhaften Diskussion wurden mit den Teilnehmern von Unternehmen wie Miele etc. die Handlungsfelder des MTO-Dreiecks (Mensch, Technik und Organisation) analysiert und Handlungsbedarfe abgeleitet (Online-Veranstaltung).
Es ist davon auszugehen, dass einfache, repetitive Tätigkeiten in absehbarer Zeit in zunehmendem Maße automatisiert werden. Daher wird für Beschäftigte, die maßgeblich mit diesen Tätigkeiten betraut sind, Qualifizierung zu einem zentralen Faktor. Darüber hinaus wird es für einen großen Teil der Höherqualifizierten zu einer deutlichen Verschiebung der Qualifikationsanforderungen sowie zu einer zunehmenden Informatisierung der Arbeit kommen. Der Buchbeitrag von Volker Stich, Gerhard Gudergan und Roman Senderek verdeutlicht, dass angesichts dieser Herausforderungen für die Unternehmen, das arbeitsnahe Lernen eine Möglichkeit darstellt, Menschen und Unternehmen für den aktuellen industriellen Wandel zu befähigen. Hierbei sind nach Ansicht der Autoren jedoch zunächst Arbeits- und Produktionssysteme zu schaffen, die lernförderlich geplant und gestaltet sind. Um dies zu ermöglichen, bedarf es einer Kategorisierung der verfügbaren arbeitsorientierten Lernformen und insbesondere neuer technologiegestützter Lernformen. Darüber hinaus sind die Rahmenbedingungen und Voraussetzungen von Unternehmen zu prüfen und im Hinblick auf die Anwendung der verschiedenen Lernformen zu bewerten. Eine Systematik hierfür und die Erfahrungen bei der Implementierung von arbeitsorientierten Lernformen bei vier Unternehmenspartnern schließen diesen Beitrag ab.
The design, planning and control of complex integrated solutions are seen as a key capability of the competitiveness of companies in the future. The integration of complex value systems will be the leading paradigm for future design and key element of learning and innovation processes in the dynamically changing manufacturing and service industries. To meet with this challenges entirely new perspectives and ways of researching and the integrated designing of complex, highly interdependent value delivery systems will be required. Currently dominating single perspective and static frameworks and research methods fall short in this perspective.
Der Einsatz Intelligenter Produkte versetzt produzierende Unternehmen in die Lage, ihre Kunden auf Basis der entstehenden Nutzungsdaten zu verstehen und daraus erfolgreich Mehrwertdienste abzuleiten. Im Rahmen der neuen Konsortialbenchmarkingstudie ‚Intelligente Produkte‘ wollen wir gemeinsam mit einem Konsortium aus unterschiedlichen Industrieunternehmen die technische Umsetzung Intelligenter Produkte und die dazugehörigen Mehrwertdienste sowie Aspekte der wirtschaftlichen Realisierung im Rahmen eines erfolgreichen Geschäftsmodells beleuchten.
The industrial food production is currently caught between the increas-ing demands of numerous stakeholders, economic profitability and the challenges of digitization. A solution to face these various challenges can be seen in the aggregation of data into higher-value, independent data products that can be of-fered and sold on a buyer's market. Large amounts of heterogeneous data are already available in the value chain of the industrial food production, e.g. throughout the data-driven harvesting of primary products, further processing by interconnected production facilities and the information-intensive product distri-bution to end consumers. However, the data is usually only evaluated and used locally for the optimization of internal processes or, at the most, within compre-hensive partnerships. The purpose of this paper is to identify new revenue oppor-tunities for current and future players in the industrial food production by using data as an independent economic good (data products). For this purpose, scenar-ios for the development and use of data products via Industrial Internet of Things platforms are developed for a food technical reference process, the industrial chocolate production and its value chain. On this basis, examples for different types of data products and their value propositions are derived. The results can not only serve food producers and relevant stakeholders but all industrial produc-ers as an input for the future, yield-increasing orientation of their business models.
Sales-Service - Analytics-basierte Vertriebsunterstützung für Servicetechniker im Maschinenbau
(2020)
Das Projekt hatte zum Ziel, Servicetechniker in den aktiven Vertrieb von Services und Produkten zu integrieren und damit das Vertriebspotenzial aus ihrer regelmäßigen und intensiven Kundeninteraktion zu nutzen. Der Zielstellung standen dabei die in Abbildung 1 dargestellten Hürden gegenüber, welche durch das Projekt gelöst wurden. Hierzu wurde Analytics-basierte Vertriebsunterstützung für Servicetechniker (Algorithmen für Open Source-Software) gestaltet, die ihnen die notwendigen Vertriebsinformationen bereitstellt. Zudem werden Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente (Balanced Scorecard & Anreizsystem) für einen vertriebsorientierten Service entwickelt. Dabei gliederte sich das Vorgehen in acht Arbeitspakete, welche von den Forschungseinrichtungen nach der beschriebenen Aufteilung, jedoch in enger Verzahnung miteinander, bearbeitet wurden.
Heterogene Maschinenparks, über Jahrzente gewachsene Anlagenstrukturen und fehlende Dokumentation im Bereich der Systemkomponenten, Bauteile und Ersatzteillisten erschweren es der Instandhaltung (IH), ihre anfallenden Maßnahmen präzise planen, mit benötigten Informationen unterstützen und somit effizient durchführen zu können. Aufgrund steigender organisatorischer Anforderungen, Effizienzbemühungen und technischer Möglichkeiten in den letzten 25 Jahren haben sich die untertüzenden IT-Lösungen stetig weiterentwickelt und sind zu Produkten geworden, welche explizit zur Planung und Durchführung instandhaltungsspezifischer Aufgaben genutzt werden.
Vom 2. bis 3. September 2009 veranstaltet das Forschungsinstitut für Rationalisierung (FIR) e. V. an der RWTH Aachen in Kooperation mit dem Kundendienst-Verband Deutschland (KVD), dem Fraunhofer-Institut für Produktionstechnologie (IPT) und dem Werkzeugmaschinenlabor (WZL) der RWTH Aachen das 12. Aachener Dienstleistungsforum als Kombination aus Fachtagung, Fachmesse und Workshop. Unter dem Motto „Mit Dienstleistungen die Weichen neu stellen – Stabilisieren und Erfolg sichern“ treffen sich hier Dienstleistungsexperten aller Branchen, um ihre Lösungen für Erfolge auch in wirtschaftlich herausfordernden Zeiten zu präsentieren und zu diskutieren.
Der Wahre Wert
(2008)
Zur Beantwortung der Frage, welchen Beitrag die betriebliche Instandhaltung für den Unternehmenserfolg leistet, fehlt häufig das Wissen über die tatsächliche Leistung der Instandhaltung, etwa die Verfügbarkeit der Anlagen, Instandhaltungskostenrate, Reparaturzeit, Planerfüllung etc. Zur Schaffung der hier notwendigen Tranzparenz hat sich in der Praxis die Einführung sog. Performance Managementsysteme wie beispielsweise der Balanced Score Card (BSC) bewährt. In diesem Beitrag wird ein am FIR entwickeltes Softwaresystem zur Umsetzung der BSC vorgestellt, das nun auch auf das Anwendungsfeld Instandhaltung adaptiert wurde.
Das Pricing ist ein wichtiger Faktor für ein erfolgreiches Dienstleistungsgeschäft [1, 2] und stellt den effizientesten und am schnellsten wirksamen Hebel zur Ertragssteigerung im Unternehmen dar [3, 4, 5]. Aus diesem Grund wurde am FIR im vergangenen Jahr der Arbeitskreis Service Pricing in Zusammenarbeit mit Experten aus der betrieblichen Praxis gegründet. Ziel des Arbeitskreises ist es, das Pricing für Dienstleistungen sowohl von der praktischen, als auch von der wissenschaftlichen Seite zu erschließen und Hilfsmittel für die praktische Anwendung zu entwickeln. Als wichtigste Aufgabe wurde in einer Expertenbefragung die Entwicklung eines nutzenorientierten Prozesses für die Preisfindung industrieller Dienstleistungen identifiziert [6]. In diesem Artikel wird der derzeitige Arbeitsstand der Prozessentwicklung im Rahmen des Arbeitskreises vorgestellt.
Progress in the development of small electric and hybrid aircraft promises business opportunities for thin-haul air mobility services. In order to develop demand-oriented flight plan scenarios for Germany, this paper presents a model to estimate the marked volume of thin-haul air mobility. To quantify the potential demand, our model includes the steps of trip generation, trip distribution and mode choice. Trip generation and distribution takes place between 412 geographic subdivisions of Germany and is based on calibrated traffic forecast data for the year 2030. For the first time the five relevant modes of transport, namely: car, intercity train, intercity bus, commercial aircraft and thin-haul air mobility services, have been included in one model. The step of choosing the transport mode is implemented via a generalized cost approach, taking into account travel costs and travel time. Additionally, route modeling of all transport modes is enhanced by real market data using large-scale data readouts of web interfaces. As primary result we predict a market share of 6 % or 81 million trips per year for thin-haul air mobility services. The demand concentrates on a small number of airports: 30 % of the trips are estimated to be between only 20 airports. Hubs and main routes are identified to offer the potential for scheduled air services.
Die produzierende Industrie in Deutschland hat das Zeug zur Digitalmacht - der Weg dahin ist für viele Unternehmen jedoch noch weit. Verspricht die tiefgreifende Verflechtung von Informations- und Kommunikationstechnologien in Form von Industrie 4.0 die Hebung enormer wirtschaftlicher Potenziale, ist die Realität heute eine andere. Die sich vermehrt bietenden technologischen Möglichkeiten werden aktuell insbesondere zur internen Optimierung existierender Prozesse eingesetzt. Eine datenbasierte Prozessverbesserung allein stellt allerdings noch kein digitales Geschäftsmodell dar. Die Digitalangebote besetzen bestenfalls Nischen in den Leistungsportfolios der Unternehmen. So stagniert die digitale Transformation in der produzierenden Industrie.
Bis heute lässt sich kein signifikanter Beitrag von Industrie 4.0 zu finanziellen Unternehmenskennzahlen nachweisen. Die mit dem Verkauf physischer Produkte und den korrespondierenden After-Sales-Leistungen erzielten Erlöse sinken in den letzten Jahren kontinuierlich. Der Erfolg von neuen, datenbasierten Dienstleistungen, mit denen die Investitionen in Industrie 4.0 monetisiert werden können, ist daher kritisch. Dazu hat das FIR gemeinsam mit Industriepartnern auf Basis von DevOps und Lean-Start-Up-Methoden das Entwicklungsvorgehen "Smart Service Engineering" erarbeitet.
The evaluation of the maturity level of the participating companies has provided an initial insight into the degree of implementation and the upcoming challenges of Industrie 4.0 in Mexico. The assessment shows that Mexican companies have built the necessary foundation to start their digital transformation. Challenges now lie in establishing an integrated IT landscape that makes it possible to generate a digital shadow of the entire company. In order to leverage the potential of this technological development, it is necessary to work in parallel on an even more flexible organizational structure and an innovation-promoting Culture.
In order to strategically plan the digital transformation of a manufacturing company, a detailed analysis of the company's maturity level must be carried out. The basic dimensions of such an analysis were presented in the present paper. The Industrie 4.0 Maturity Index offers a framework that identifies approximately 50 individual capabilities required for the systematic implementation of Industrie 4.0 and groups them into the four dimensions discussed in this paper. Only an analysis of a company's key processes at this level of detail can form the basis for a sound investment decision and a roadmap that outlines the steps towards its digital transformation for the upcoming years.
Im Rahmen des Projekts 'ReStroK' werden die Stromgestehungskosten von Onshore-Windenergieanlagen durch die Optimierung der Wartungs- und Instandhaltungsaktivitäten, der Restlebensdauer und der
Betriebsführung reduziert. Das Projekt versetzt dadurch KMU in die Lage, das volle Potenzial ihrer Windparks auszuschöpfen und so auch nach Ende der im Erneuerbare-Energien-Gesetz festgelegten
20-jährigen Dauer der Mindestvergütung mit anderen Energieerzeugungsmethoden erfolgreich zu konkurrieren. Ab Beginn des Jahres 2021 verlieren rund 6.000 Windenergieanlagen (WEA) ihren Förderanspruch. Bis 2026 steigt diese Zahl auf 14.000 WEA an.1 Diese Anlagen werden sich dann ohne Subventionierung am Markt behaupten müssen.² Zwar sind die WEA mittlerweile abgeschrieben, jedoch verursachen Wartung und Instandsetzung erhebliche Kosten. Wie gut sich Windstrom EEG-frei vermarkten lässt, hängt also von den Betriebskosten und somit stark von den Instandhaltungskosten der WEA ab.³ Das Projekt 'ReStroK'(Förderkennzeichen EU-2-2-029) wird in Zusammenarbeit mit dem Center for Wind Power Drives (CWD), dem Institute for Power Generation and Storage Systems (PGS), dem Bürgerwindpark Bürgerwindräder Rheinberg, psm WindService sowie psm Nature Power Service & Management durchgeführt.
Smart-Farming-Welt
(2019)
Im Forschungsprojekt „Analytics for Innovation“ wurde ein Konzept zur schnellen kundenzentrierten Entwicklung von Dienstleistungen mittels Business Analytics-Methoden für den Maschinen- und Anlagenbau entwickelt. Dieses Vorgehen ermöglicht kleinen und mittelständischen
Unternehmen (KMU) den Sprung zur smarten Dienstleistungsentwicklung. Diese zeichnet sich durch die Nutzung von einer Informationsflut bei der Entwicklung von Dienstleistungen aus. Zentrale Voraussetzung ist die digitale Verfügbarkeit aller erforderlichen Informationen
und deren Verarbeitung in einer Schnittstelle.
Traditionelle Unternehmen aus dem Maschinenbau erhalten durch die Entwicklung von datenbasierten Dienstleistungen die Chance, ihr Angebotsportfolio auszubauen und sich von Marktbegleitern
abzugrenzen. Jedoch erschweren der hohe Kostendruck, unzureichende IT-Kenntnisse sowie die Verschmelzung von Branchengrenzen im Maschinenbau die Entwicklung von digitalen Dienstleistungsangeboten. Während zunehmend auch Unternehmen anderer Branchen, z. B. Amazon oder Alibaba, ihren Kunden technische Dienstleistungen anbieten, geraten
besonders kleine und mittlere Unternehmen bei der Entwicklung von innovativen After-Sales-Services ins Hintertreffen.
In den ersten Phasen des Forschungsvorhabens wurden zunächst in der Praxis angewendete Prozesse der Dienstleistungsentwicklung bzw. -innovation aufgenommen.
Die Kernergebnisse des Forschungsprojekts MeProLI sind zum ein wissenschaftlich-technisches Vorgehensmodell zur Gestaltung von Prozessbaukästen und zur aufwands-/nutzenoptimalen Standardisierung von Industrieservice Prozessen. Anhand dieses Modells wurde ein praktisches Anwendungsmodell in Form entwickelt und in der DIN SPEC 91404 veröffentlicht. Darüber hinaus wurden die Ergebnisse in zahlreichen Veröffentlichungen, auf Veranstaltungen, in Weiterbildungsangeboten, Arbeitskreisen, einer Dissertation und zwei internationalen Konferenzen einer Vielzahl an Unternehmen und Interessenten zugänglich gemacht. 1. Entwicklung eines morphologischen Erklärungsmodells zur Strukturierung, Typologisierung und Standardisierung von Eigenschaften und relevanten Handlungsfeldern für aufgenommene industrielle Instandhaltungsprozesse. 2. Entwicklung eines Kennlinienkatalogs zur Operationalisierung der Zusammenhänge von Prozesseinflussgrößen und -zielgrößen, um daraus die Wirkungen von Maßnahmen visuell darstellen zu können. 3. Entwicklung einer Methode zur Aufwands-/Nutzenkalkulation von Standardisierungsmaßnahmen zur Abschätzung der Relevanz von ausgewählten Maßnahmen für KMU. 4. Entwicklung eines Gestaltungsmodells für Prozessbaukästen, Integration des Gestaltungsmodells in Referenzprozesse für Instandhaltungsservices und Gestaltung von konkreten Baukästen für die kritischen Prozessschritte dieser Services. 5. Überführung der Ergebnisse in eine praktisch anwendbare Methode zur Identifikation von Standardisierungspotential und Ableitung von Maßnahmen zur Standardisierung von Instandhaltunsprozessen. Dokumentation und Veröffentlichung der Ergebnisse in der DIN SPEC 91404 und Gestaltung einer online Applikation zur praktischen Durchführung der Methode. KMU können mit der Methode eigenständig innerhalb von 2 Tagen Standardisierungsmaßnahmen ableiten.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Störungen lassen sich auch nicht durch Power-Point-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was dieser Artikel jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
Lean Services ist ein am FIR an der RWTH Aachen entwickeltes Managementkonzept, das die Vermeidung von Verschwendung und die konsequente Ausrichtung der Serviceprozesse an der Erzielung eines möglichst hohen Kundennutzens fokussiert. Konkret bedeutet dies, die Gestaltung schlanker Prozesse bei gleichzeitig komplexer werdenden Markt- und Kundenanforderungen zu berücksichtigen.
Im Mittelpunkt von Industrie 4.0 steht die echtzeitfähige und Intelligente Vernetzung von Menschen, Maschinen und Software, mit dem Ziel, komplexe Systeme transparent zu gestalten und dynamisch zu managen. Industrie 4.0 kann somit als Ergänzung des Lean-Services-Ansatzes dazu beitragen, die zunehmende Komplexität in der Leistungserbringung beherrschbar zu machen. Die Potenziale digitaler Technologien müssen dabei allerdings zunächst durch die Anwendung grundlegender Lean-Prinzipen "nutzbar" gemacht werden. Der Lean-Services-4.0-Zyklus gibt vor, wie Unternehmen diesen Weg gestalten können, indem die fünf Phasen des bewährten Aachener Lean-Services-Zyklus, ergänzt durch die drei übergeordneten Schalen Technologische Enabler, 'Lean Services 4.0'-Methoden und Potenziale von Lean Services 4.0 durchlaufen werden.
Der Wandel des Servicetechnikers zum wichtigsten Ansprechpartner des Kunden und wichtigsten Vertriebskanal des Unternehmens erfordert einen nachhaltigen Wandel des gesamten Unternehmens. Doch die Anstrengung lohnt sich. Diese Erkenntnis ist in vielen Unternehmen bereits angekommen, jedoch fehlt häufig eine klare Vorstellung davon, wie sehr solch ein Wandel bestehende Strukturen infrage stellt. Eine grundlegende Veränderung des Unternehmens ist dabei nur möglich, wenn alle Ebenen und Abteilungen die Notwendigkeit erkannt und eine klare Vorstellung von ihrer künftigen Unternehmenskultur haben. Dazu reicht es nicht aus, die neuen Werte des Unternehmens auf eine Folie zu schreiben, sondern jeder Mitarbeiter muss seine eigene zukünftige Rolle verstehen und annehmen können.
Although data-driven services play a major role in future business models of manufacturing companies, the large number of newly invented data-driven services that fail shortly after launching implies that companies struggle with their market launch. This paper deduces success factors and examines these empirical factors with structural equation modelling.
The transformation of the service technician into the customer's most important contact person and the company's most important sales channel requires a sustainable change of the entire company. But the effort is worth it. This insight has already reached many companies, but there is often a
lack of a clear idea of how much such a change challenges existing structures. A fundamental change of the company is only possible if all levels and departments recognize the necessity and have a clear idea of their future corporate culture. It is not enough to write down the new values of the company on a piece of foil, each employee must be able to understand and accept his or her own future role.
Traditional manufacturing companies increasingly launch data-driven services (DDS) to enhance their digital service portfolio. Nonetheless, data-driven services fail more often than traditional industrial services or products within the first year on the market. In terms of market launch, their digital characteristics differ from traditional industrial services and thus need specific structures and actions, which companies currently lack. Therefore, a process guideline for a six-month market launch phase of DDS is developed. The guideline relies on analogies from product, service and software launches based on the latest literature from service marketing and successful practices from various industries. Finally, the guideline is evaluated within five industrial case studies. Thus, the guideline provides scientific research insights regarding the market launch process of DDS and adds to the research of service marketing. It provides practical guidance for manufacturing companies by serving as a reference process for the market launch and offering a collection of successful practices within this area. [https://link.springer.com/chapter/10.1007/978-3-030-00713-3_14]
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was diese dreiteilige Reihe jedoch kann, ist, Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können. Um zu verstehen, warum von Predictive Maintenance so viel auf
Folien und so wenig in der Realität sehen ist, ist es wichtig, den Begriff und die Zusammenhänge, die dahinterstehen, zu verstehen. Predictive Maintenance bedeutet Zustandsprognose und hat zum Ziel, die Frage zu klären, wie der Zustand einer Maschine oder Anlage in der Zukunft sein
wird. In diesem einen Wörtchen ‚wird‘ liegt auch die besondere Herausforderung bei der Zustandsprognose. Fangen wir aber vorne an und klären, wie sich die Technologie beziehungsweise das ‚Buzzword‘ Predictive Maintenance in die Industrie 4.0 einfügt. Die Zustandsprognose wird in den Industrie 4.0 Maturity Index der Acatech in die Reifegradstufe 5 ‚Prognosefähigkeit‘ eingeordnet. Die Stufen des Reifegradmodells beruhen darauf, dass jede Stufe mit einer Fähigkeit verbunden ist, welche notwendig für das Erreichen der darauffolgenden ist. Im Folgenden werden daher zusätzlich die Stufen 3 ‚Sichtbarkeit‘ und 4 ‚Transparenz‘ erläutert, da diese aufeinander aufbauen, die Differenzierung der Stufen erleichtern und die Logik des I 4.0 Maturity Index verdeutlichen.
Die in der produzierenden Industrie fortschreitende Digitalisierung geht mit großen Potenzialen einher. Nichtsdestotrotz blieb der realisierte Nutzen aus der Digitalisierung bisher hinter den Erwartungen zurück. Durch Smart Services besteht die Möglichkeit, neue digitale Geschäftsmodelle mit Fokus auf einen hohen Kundennutzen zu realisieren und folglich mit einer individuellen und dennoch skalierbaren Lösung auf effiziente Weise Wertschöpfung zu generieren.
The maintenance department is an incubator for further developments in many companies and drivers for digital transformation. The basic essence of industry 4.0 is the optimisation of the information flows within and outside the company for accelerated adjustment of corporate organisations in the context of increasing competitive pressure. Due to the multitude of interfaces, information and data streams as well as their service characteristic, the maintenance department is ready to take the next step towards industry 4.0 and smart maintenance.
Despite endless publications and advertisements, the promise of smart maintenance is not technology but productivity. To achieve sustainable transformation, use cases need to be transformed into business cases. For that matter, lighthouse projects are not the key to success but transforming your departments, processes, data management, reporting and so on is. Another big misconception of industry 4.0: Transformational change does not happen with sensors or dashboards but with people. Therefore, companies which already invested in their people, culture and in lean six sigma have a head start. Nevertheless, it is no reason to rest. The journey to smart maintenance is long and no company can truly say that they achieved it already. In order to advance in industry 4.0 a digitisation roadmap is the best tool to show the big picture and at the same time link this vague vision to concrete measures. It is the only way to justify investment in infrastructure and guide your people into change.
But the first two questions on your way to smart maintenance are always the hardest:
1. What do I aim to achieve and how can industry 4.0 contribute to my goals?
What measure am I already pursuing to reach that goal and how do they further my aspirations?
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor. Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder - ehrlicherweise - durch diese zweiteilige Artikelreihe beheben. Das FIR an der RWTH Aachen wird jedoch eine Perspektive zeigen, die Entscheider befähigt, eine "informierte" Entscheidung für eine effiziente und effektive Weiterentwicklung ihres Service zu treffen. [Florian Defer, FIR e. V. an der RWTH Aachen]
Crowd-Innovation
(2020)
Ideen für erfolgreiche Innovationen müssen nicht immer aus den eigenen Reihen stammen – das wusste bereits die englische Regierung im 18. Jahrhundert. Eine ähnlich diffuse Aufgabe wie die der Entdeckung neuer Kontinente steht nun der produzierenden Industrie bevor: der Aufbruch ins Zeitalter der digitalen Dienstleistungen. Impulse für digitale Geschäftsmodelle können Unternehmen von Studierenden im Rahmen der Crowd-Innovation erhalten. Hierzu bietet das Center Smart Services ein bewährtes Konzept, das den Unternehmen einen einfachen Zugang zu motivierten Studierenden gewährt.
Eine Vielzahl innovativer, digitaler Technologien, wie z. B. Machine Learning und AR/VR, drängen derzeit auf den Markt. Die Nutzung dieser Technologien eröffnet der Instandhaltung das große Potential, die bedarfsgerechte Verfügbarkeit von Maschinen/Anlagen datenbasiert, effektiver und effizienter gewährleisten zu können. Folglich gewinnt die Instandhaltung künftig einen noch höheren Stellenwert hinsichtlich ihres Beitrags zum Unternehmenswert. Die Basis hierfür bilden digital verfügbare Daten, genauer Betriebs-, Zustands, und Ereignisdaten. Als ein vielversprechender Use Case hat sich hier in den letzten Jahren das Konzept „Predictive Maintenance“ hervorgetan, bei dem mittels Prognosemodellen Ausfallzeitpunkte von Maschinen/Anlagen bzw. deren Komponenten vorhergesagt und entsprechende Instandhaltungsbedarfe abgeleitet werden können. Die resultierende prädiktive Instandhaltungsstrategie zählt zu einem wichtigen Bestandteil der Smart Maintenance. Einblicke in die Praxis zeigen jedoch, dass es vielen Unternehmen aktuell noch schwerfällt, die notwendigen Technologien mit der bestehenden Instandhaltungsorganisation zusammenzuführen. Die dafür notwendigen Entwicklungsschritte, wie sie z. B. der „acatech Indsturie 4.0 Maturity Index“1 beschreibt, sind Unternehmen häufig unbekannt. Zudem fehlen oftmals praxisnahe Einblicke, die über die eigenen Unternehmensgrenzen hinausgehen. Entsprechend neigen viele Unternehmen dazu, auf dem Weg zur Etablierung von Predictive Maintenance das Rad für sich stets neu zu erfinden.
Vor diesem Hintergrund hat das FIR an der RWTH Aachen eine umfangreiche Konsortialstudie zum Thema Smart bzw. Predictive Maintenance erstellt2. Zusammen mit sieben Partnern aus Industrie und Forschung (u.a. Daimler, Evonik und thyssenkrupp Industrial Solutions) konnten vielversprechende Ansätze von erfolgreichen Unternehmen (Top-Performer) identifiziert und durch zusätzliche Fallstudien sowie Unternehmensbesuche, übergeordneten Erfolgsprinzipien definiert werden. Die Ergebnisse unterstützen somit Unternehmen bei der Gestaltung ihrer Aktivitäten.
Die Studie konnte zeigen, dass für die Anwendung datenbasierter Instandhaltungskonzepte, wie Predictive Maintenance, zunächst eine geeignete Basis geschaffen werden muss. Diese setzt sich aus einer (detaillierten) digitale Anlagenstruktur sowie dem systematischen Erfassen von Betriebs-, Zustands- und Ereignisdaten zusammen. Hier konnte den Ergebnissen der Studie entnommen werden, dass Top-Performer viel Aufwand in eine klare, prozessorientierte Datenerfassung investieren und bevorzugt auf vorhandene Standards (z. B. OPC UA) zurückgreifen. Das Abarbeiten dieser „Hausaufgaben“ im ersten Schritt ist für Top-Performer unerlässlich, bevor mit dem Aufbau prädiktiver Fähigkeiten begonnen werden kann. Für das Meistern des nächsten Entwicklungsschrittes, im Sinne des Industrie 4.0 Maturity Index, bedarf es anlagespezifischer Prognosemodelle, mit deren Hilfe potentielle Störungen oder kritische Ereignisse frühzeitig identifiziert werden können. Auch hier hat die Studie angesetzt und konnte so unter anderem die Aufarbeitung schwerwiegender Störungen als einen Haupt-Anwendungsfall für die Datenanalyse identifizieren. Zusätzlich konnte gezeigt werden, dass erfolgreiche Instandhaltungsorganisationen häufig langfristige Partnerschaften mit IT-/Data-Analytics-Dienstleistern eingehen, um so die neuen Technologien agil und flexibel an die eigenen Bedürfnisse anpassen zu können. Hierdurch können Top-Performer sowohl vorhandene Kapazitäts- als auch Know-How-Engpässe auffangen.
Neben der Entwicklung digitaler Kompetenzen liegt das Hauptaugenmerk aus Unternehmenssicht auf dem wirtschaftlichen Potential von Predictive Maintenance – insbesondere in der Einsparung indirekter Instandhaltungskosten (z. B. Ausfallfolgekosten). Allerdings zeigt die Studie, dass erst wenige Unternehmen solche indirekten Kosten – bspw. entgangene Deckungsbeiträge durch Produktionsausfall/Qualitätsverluste oder erhöhte Aufwände für die Neu-/Umplanung des Produktions-/Instandhaltungsprogramms – messen können. Trotzdem können Unternehmen durch den Erfahrungsgewinn im Bereich Datenerfassung/-analyse auf dem Weg zu Predictive Maintenance bereits andere Nutzenpotentiale realisieren, die wiederum zur Steigerung von Produktivität oder Qualität genutzt werden können. In diesem Sinne leistet die Transformation zu Predictive Maintenance vor allem hier einen wichtigen Wertbeitrag für produzierende Unternehmen, der über die reine Vorhersage von Ausfallzeitpunkten hinausgeht.
Before starting with smart maintenance and machine learning, get things done right. Big data and analytics are a great way to get the most out of your assets, but they are not always the biggest lever and require a solid data foundation. As shown it is possible to get more out of the resources you have with relatively simple tools by applying the right method and bringing together the right people. To turn a computer system into a working tool and take full advantage of the capabilities of modern software solutions, specific steps must be taken, and both management and personnel need to be involved in shaping the future business processes. Only the right processes are able to generate a solid data foundation and enable the RCM method to work and improve asset lifecycle management and overall costs.
Predictive Maintenance hat sich in der Instandhaltung als Begriff etabliert. Produzierende Unternehmen versuchen durch vorausschauende Instandhaltungsaktivitäten, die bedarfsgerechte Verfügbarkeit ihrer Maschinen und Anlagen bei möglichst geringen Kosten sicherzustellen. Die Instandhaltung soll damit noch effektiver und effizienter werden.
Dieser Artikel zeigt, wie mit Hilfe des Ansatzes des "Smart Service Engineering" vom Center Smart Services ein Predicitive Maintenace Service bei Heidelberger Druckmaschinen in Zusammenarbeit mit der KATANA Plattform von USA Software entworfen und ausgerollt wurde. Auf Basis der gewonnen Erkenntnisse wurden zudem weitere Services aufgebaut, die über den Use Case Predictive Maintenance sogar noch hinaus gehen.
Return on Maintenance
(2018)
This presentation will show how the use of digital technology in the context of industry 4.0 can contribute to understanding maintenance as a value driver for manufacturing companies. In addition, principles that can help companies to maximize this "return on maintenance" for their maintenance organization and company will be presented.
In diesem Vortrag wird dargestellt, wie der Einsatz digitaler Technologie in Kontext Industrie 4.0 dazu beitragen kann, die Instandhaltung als Werttreiber produzierender Unternehmen zu verstehen. Zusätzlich werden Prinzipien aufgezeigt, die Unternehmen dabei helfen können, diesen "Return on Maintenance" für ihreInstandhaltungsorganisation und ihr Unternehmen zu maximieren.
Smart-Farming-Welt
(2019)
Industrie 4.0 trägt dazu bei, das Unternehmen vermehrt in der Lage sind, Entscheidungen deutlich schneller und durch eine dahinter liegende Datenbasis auch zuverlässiger zu Treffen. Auch für die Instandhaltung nimmt die Entscheidungsgeschwindigkeit zu. Um die Wettbewerbsfähigkeit produzierender Unternehmen nachhaltig zu steigern, ist es wichtig die Instandhaltung als Werttreiber eines produzierenden Unternehmens zu verstehen. Ähnlich wie die Finanzkennzahl des Return on Capital Employed (ROCE) sollte auch die Instandhaltung durch den Ansatz "Return on Maintenance" als wertbeitragende Unternehmenseinheint verstanden werden. Erfolgsfaktoren, die zur Maximierung dieses "Returns" beitragen können, sind die Nutzung bestehender Standards, die Erfassung des digitalen Schattens, die Umsetzung nach dem Prinzip "Minimum Viable Service" und eine Erreichung einer Wissens- und Innovationskultur.
Die Instandhaltungsorganisationen von Prozess- und Produktionsanlagen stehen vor komplexen und vielschichtigen Herausforderungen bei der Durchführung der Instandhaltungsprozesse. Durch die Vielfalt der Instandhaltungsobjekte hinsichtlich Hersteller, technischer Funktionsweise und Verschleißbild ist jeder Prozess einzigartig. Diese hohe Komplexität hält viele Unternehmen davon ab, die Instandhaltungsprozesse grundsätzlich zu standardisieren. Damit bleibt sowohl bei der Instandhaltungstätigkeit, als auch bei vor- und nachgelagerten Organisationsprozessen viel Potenzial ungenutzt. Oft ist den Unternehmen nicht bekannt, an welchen Stellen das größte Potenzial liegt und wie es ausgeschöpft werden kann. Mit der DIN SPEC 91404 wurde ein leicht anwendbares vier-schrittiges Vorgehen entwickelt. Dies ermöglicht die Identifikation und Nutzung von Potenzialen zur Optimierung von Instandhaltungsprozessen und führt letztendlich zu Wettbewerbsvorteilen im Markt.
Die vorliegende DIN SPEC 77007 soll einen Leitfaden zum Aufbau und zur Weiterentwicklung von Dienstleistungsorganisationen entlang der Lean-Management-Prinzipien liefern und einen Überblick über Methoden zur Operationalisierung dieser Prinzipien geben. DIN SPEC 77007 ist insbesondere für industrielle Dienstleistungen, aber auch für andere Dienstleistungs-branchen anwendbar.
Anhang A dieser DIN SPEC enthält eine Sammlung von Methoden, die bei der Anwendung der Prinzipien genutzt werden können.
Die Instandhaltung von Prozess- und Produktionsanlagen stellt einen wichtigen Erfolgsfaktor für die Leistungsfähigkeit der Unternehmen dar. Ein großer Teil der Instandhaltungsprozesse für Prozess- und Produktionsanlagen kann anhand der DIN 31051 in die Grundmaßnahmen Wartung, Inspektion, Instandsetzung und Verbesserung eingeteilt werden. Die Instandhaltungsprozesse sind oftmals dadurch gekennzeichnet, dass sich die Prozess- und Produktionsanlagen in hohem Maße u. a. nach Hersteller, Konfiguration, technischer Funktionsweise, Verschleiß und Anwendungsfeld unterscheiden.Trotz der hohen Prozessvarianz müssen die Instandhaltungsorganisationen ihre Leistungen effektiv und mit einer gleichbleibend hohen Qualität erbringen, um den hohen Anforderungen (z. B. hohe Verfügbarkeitsquoten für einen kontinuierlichen Betrieb) gerecht zu werden. Durch einen höheren Standardisierungsgrad kann die Prozessvarianz verringert und somit die Stabilität der Instandhaltungsprozesse erhöht werden. Damit die Instandhaltungsorganisationen Prozessstandardisierungen effizient durchführen können, muss bekannt sein, welche Prozessschritte Instabilität verursachen und auf welche Weise diese standardisiert werden können. Da die Prozesse der Instandhaltungsorganisationen jedoch über individuelle Prozesscharakteristiken und Anforderungen verfügen, müssen Organisationen die allgemeinen Referenzprozesse auf die jeweiligen Anforderungen adaptieren, um individuelle Standardisierungsmaßnahmen ergreifen zu können. Bislang steht den Instandhaltungsorganisationen kein praxistaugliches Verfahren zur Verfügung, das dabei unterstützt, in bestehenden Instandhaltungsprozessen für Prozess- und Produktionsanlagen schnell und effizient Standardisierungspotentiale zu identifizieren und auszuschöpfen. Daher wird für die Instandhaltungsorganisationen ein effizientes Werkzeug zur Identifikation solcher Standardisierungspotentiale entwickelt. Damit das Verfahren in Instandhaltungsorganisationen praktisch umgesetzt werden kann, werden dem Anwender des Verfahrens Handlungsleitfäden und Checklisten bereitgestellt. Dieses Verfahren wird an das Vorgehen der Fehlermöglichkeits- und -einflussanalyse (FMEA) angelehnt. Mithilfe des Verfahrens wird zum einen der Aufwand für die Prozessauslegung und Prozessstandardisierung der Instandhaltungsorganisationen reduziert und zum anderen wird gewährleistet, dass die Prozesse effizient mit gleichbleibend hoher Qualität erbracht werden. Dieses Verfahren kann auf die in DIN EN 17007:2017-12 beschriebenen Instandhaltungsprozesse angewandt werden. Diese Prozesse können zudem als mögliche Grundlage für das in dieser DIN SPEC beschriebene Verfahren genutzt werden.
Die vorliegende DIN SPEC 77007 soll einen Leitfaden zum Aufbau und zur Weiterentwicklung von Dienstleistungsorganisationen entlang der Lean-Management-Prinzipien liefern und einen Überblick über Methoden zur Operationalisierung dieser Prinzipien geben. DIN SPEC 77007 ist insbesondere für industrielle Dienstleistungen, aber auch für andere Dienstleistungs-branchen anwendbar.
Anhang A dieser DIN SPEC enthält eine Sammlung von Methoden, die bei der Anwendung der Prinzipien genutzt werden können.
ICS 03.080.99; 35.240.60; 43.120
März 2018
Unternehmen des Maschinenbaus stehen vor der Herausforderung, die Instandhaltungskosten ihrer Produkte effektiv zu beeinflussen. Die notwendigen Informationen sind oft nicht in der geeigneten Form erfasst oder gar nicht verfügbar. Das Ziel der Arbeit ist es, Unternehmen zu befähigen, mit unterschiedlichen Informationsständen eine Prognose der zu erwartenden Instandhaltungskosten durchzuführen und auf Basis informatorischer Unsicherheiten Handlungsempfehlungen zur Kostenreduktion abzuleiten.
Maschinen- und Anlagenbauer stehen vor der Transformation zu digitalen, datenbasierten Dienstleistungen. Viele Unternehmen scheitern an der Kommerzialisierung und Markteinführung. Die vorliegende Arbeit unterstützt Unternehmen des Maschinen- und Anlagenbaus bei der erfolgreichen Markteinführung datenbasierter Dienstleistungen. Auf Basis von empirischen Studien und Fallbeispielen werden Erfolgsfaktoren der Markteinführung untersucht und konkrete Gestaltungsempfehlungen für die Praxis abgeleitet.
Der Weg zum flächendeckenden Einsatz von Predictive Maintenance ist noch weit. Einzelne Anwendungsfälle können jedoch jetzt schon umgesetzt werden und sich auch wirtschaftlich rentieren. Der Aufwand zur Umsetzung betrieben werden muss ist jedoch sehr hoch, daher sollten Projekte nicht unbedarft angegangen werden.
In den letzten Ausgaben haben wir uns angeschaut, was Predictive Maintenance eigentlich ist und wie eine effektive Weiterentwicklung der Instandhaltung aussehen kann. Der folgende Artikel baut darauf auf und soll ein Gefühl dafür vermitteln, welche Anforderungen an die Infrastruktur und Datengrundlage für Predictive Maintenance gestellt werden und mit welchem Aufwand eine Einführung verbunden ist.
Predictive Maintenance als solches ist noch sehr weit weg von einer Plug-and-Play-Lösung und erfordert einen immensen Aufwand, der nicht angestoßen werden sollte, ohne vorher die eigenen Hausaufgaben gemacht zu haben und sich im Klaren über das Kosten-Nutzen-Verhältnis zu sein.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie dadurch ab. Im ersten Teil der Serie haben wir uns im Artikel "Predictive Maintenance – überall, nur nicht am Shopfloor" angeschaut, was "predictive" im Kontext der Instandhaltung bedeutet. Der Weg zu einer Etablierung von Predictive Maintenance in der Produktion ist noch weit, kann sich aber lohnen. Wie das geht, soll der folgende Artikel dadurch vermitteln, dass er aufzeigt, wie eine effektive Entwicklungsstrategie für die Instandhaltung aussehen kann.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben.
Was diese dreiteilige Reihe jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
Erfolgsprinzipien der Smart Maintenance – Was wir von den Besten aus der Praxis lernen können
(2019)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Dieser Nutzen zeichnet sich durch die Beschleunigung der unternehmerischen Entscheidungs- und Anpassungsprozesse aus und stellen damit das eigentliche Potenzial von ‚Industrie 4.0‘ dar. An dieser Stelle stehen Unternehmen heute vor der Herausforderung, die Transformation zur Smart Maintenance effektiv und effizient zu gestalten. Zu häufig neigen Unternehmen dazu, „das Rad wiederkehrend neu zu erfinden“, da Praxiseinblicke über die eigenen Standort- und Unternehmensgrenzen hinweg fehlen. Um eben jene benötigten Praxiseinblicke und Erfahrungswerte liefern zu können, wurde am FIR an der RWTH Aachen gemeinsam mit sechs Industriepartnern sowie dem Fraunhofer IML aus Dortmund das „Konsortial-Benchmarking Smart Maintenance“ durchgeführt. Anhand eines eigenen Ordnungsrahmens wurden zentrale Fragestellungen der Smart Maintenance identifiziert und mittels Fragebogenstudie untersucht. Durch die angeknüpfte statistische Auswertung konnte zwischen sogenannten ‚Top-Performern‘ (TP) und ‚Followern‘ (FL) unterschieden werden. In diesem Beitrag werden ausgewählte Ergebnisse der Studie sowie der Interviews den Ebenen des Ordnungsrahmens folgend vorgestellt.
Operation and Maintenance (O&M) is a key value driver for offshore wind farms. Consequently, reducing O&M costs improves their profitability. This paper introduces different typologies of dispositioning maintenance tasks in offshore wind farms, in order to help design the strategies and organization of maintenance. Based on the special requirements of offshore wind farms regarding planning and controlling the O&M activities, a morphological analysis was developed. With this different disposition strategies for offshore wind farms could be generated. The consequences of choosing different characteristics are allegorized in an exemplary fashion. The work presented in the following is the foundation for designing a software-based dispositioning tool for usage in offshore wind farms, which will help to increase the effectiveness of the disposition in offshore wind farms by maximizing the number of accomplished tasks per day and minimizing the time technicians stay on the wind turbine and the ships.
Von Instandhaltung zu Smart Maintenance - einer der primären Anwendungsfälle von Industrie 4.0
(2020)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Der Instandhaltung bzw. dem industriellen Service eröffnen sie das große Potenzial, eine bedarfsgerechte Verfügbarkeit von Maschinen und Anlagen datenbasiert effektiver und effizienter zu erreichen als bisher. Dieser Wandel, ergänzt durch organisatorische sowie kulturelle Anpassungsprozesse zur Nutzung neuer Technologien, kann als Transformation zur Smart Maintenance verstanden werden. Auf Basis von digitalen Daten und Erfahrungswissen wird mittels Smart Maintenance die selbständige Weiterentwicklung der Instandhaltungsorganisation angestrebt, mit dem Ziel, den größtmöglichen Wertbeitrag für das produzierende Unternehmen zu leisten. In diesem Artikel wird dazu passend die Smart-Maintenance-Roadmap vorgestellt, die nach Vorgabe der drei Zieldimensionen die Schrittweise Weiterentwicklung einer Instandhaltungsorganisation aufzeigt. So werden bspw. Predictive-Maintenance-Initiativen gegenüber Condition-Monitoring-Aktivitäten zurückgestellt, um eine schrittweise Weiterentwicklung der Fähigkeiten zu erreichen.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie ab. In der vorangegangenen Ausgabe haben wir uns im Artikel „Predictive Maintenance: Realitätscheck" angeschaut, was „predictive" im Kontext des technischen Service bedeutet. Der folgende Artikel soll einen Eindruck darüber vermitteln, wie sich dies in einer Servicestrategie einbetten lässt.
Augmented Reality im Service
(2020)
Der gesellschaftliche Umbau zu einer Wissensgesellschaft mit all ihren Implikationen hat Wissen zu dem zentralen Erfolgsfaktor jedes Unternehmens gemacht. Gleichzeitig wird der Fachkräftemangel in den kommenden Jahren immer weiter ansteigen. Schon jetzt sorgt er im Mittelstand für jährliche Umsatzeinbußen von fast 50 Milliarden Euro und gilt als eine der größten Wachstumsbremsen der deutschen Wirtschaft. Die Auswirkungen des Fachkräftemangels zeigen sich insbesondere im technischen Service, wo hoch-individualisierte Maschinen und Anlagen Expertenwissen sowie die Bereitschaft zur stetigen Weiterbildung erfordern.
Als größter Berufsverband für Beschäftigte im Kundendienst und im After-Sales-Service innerhalb der DACH-Region verbindet der Kundendienst-Verband Deutschland e. V., kurz KVD, unterschiedliche Akteure im Thema Service, so zum Beispiel aus Wissenschaft und Wirtschaft. Dabei gelingt es dem KVD nicht nur, seine Mitglieder untereinander zu vemetzen, sondern ihnen stets brandaktuelle Inhalte anzubieten. Die enge Kooperation mit Forschungseinrichtungen ermöglicht es dem KVD und seinen Mitgliedern immerwieder, neue Themen und nützliche Werkzeuge für die praktische Anwendung zur Verfügung zu stellen. Schwerpunktmäßig setzt der Verband sich in den letzten Jahren forschungsseitig mit Themen im Bereich einer modernen Serviceorganisation sowie der Digitalisierungvon After-Sales-Services auseinander. Im Forschungskalender auf dieser Doppelseite stellen wir regelmäßig aktuelle Projekte mit KVD-Beteiligung vor und sagen, wie KVD-Mitglieder mitmachen und profitieren können.