Refine
Document Type
- Part of a Book (7)
- Conference Proceeding (16)
- Contribution to a Periodical (8)
- Doctoral Thesis (1)
- Master's Thesis (1)
- Internet Paper (2)
- Report (3)
- Working Paper (6)
Language
- German (22)
- English (20)
- Multiple languages (2)
Is part of the Bibliography
- no (44)
Keywords
- 01 (2)
- 02 (8)
- 03 (3)
- AI (1)
- AR-Format (1)
- AR-Plattform (1)
- AR-Technologie (1)
- Additive manufacturing (1)
- After-Sales-Services (1)
- Artificial intelligence (1)
Institute
„If you can’t measure it, you can’t manage it.“ Peter Druckers berühmte Weisheit ist in Zeiten des digitalen Wandels aktueller denn je. Der Unternehmenswert der weltweit wertvollsten Unternehmen, wie beispielsweise Google, Amazon, Alphabet und Microsoft, ergibt sich zum größten Teil nicht durch physische Vermögenswerte, sondern durch informationstechnische Dienste und datengetriebene Geschäftsmodelle. Der Zugriff und die Nutzung von Daten sind zunehmend ein wettbewerbsentscheidender Schlüsselfaktor und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse, nicht zuletzt innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Forschungsprojekt ‚Future Data Assets', Laufzeit 01.08.2019 – 31.01.2023, diente folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbewertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen.
Wachstum durch Reduzierung?
(2022)
This chapter presents key challenges of digital pricing: selling value propositions, data-driven quantification of value, the design of value-driven pricing models, and the definition of subscription-based price metrics. To structure the pricing for smart-product-service offerings promisingly, a framework with four specific elements has been developed. To address the value propositions properly, this chapter presents four archetypes for offering smart-product-service systems. The chapter concludes by presenting an approach to quantify customer value for digital products and services.
Towards a Methodology to Determine Intersubjective Data Values in Industrial Business Activities
(2021)
This paper contributes to a valuation framework for valuing data as an intangible asset. Especially those industrial manufacturers developing and delivering holistic digital solutions are limited in calculating the true business value of data initiatives. Since the value of data is strongly dependent on the respective use case, a completely objective valuation is not possible. This complicates decision-making on the internal side regarding investments in digital transformation, and on the external side to communicate existing benefits to third parties via financial reporting. Therefore, the target is to design a valuation framework that allows industrial manufacturers to determine an intersubjective, i.e., traceable and transparent, data value. In order to develop a framework that can be applied in practice, the approach is based on industrial case study research.
This paper contributes to an assessment framework for valuing data as an asset. Particularly industrial manufacturers developing and delivering Smart Product Service Systems (Smart PSS) are comprehensively depended on the business value derived by processing data. However, there is a lack in a framework for capturing and comparing the Smart PSS data value with the purpose of increasing the accountability of data initiatives. Therefore a qualitative data value assessment approach was developed and specified on Smart PSS, based on an industrial case study research. [https://link.springer.com/chapter/10.1007/978-3-030-57997-5_39]
The mechanical and plant engineering industry faces a stagnation in the new machinery market and is relying on innovative business models such as subscription to overcome these. In this business model, individually customized solution packages are offered. The success of these models depends directly on the future success of the customer, making the selection of the right customers crucial. The aim of this paper is to identify the criteria that indicate the suitability of customers for subscription models. While there are individual descriptions of suitability criteria in the existing literature, there is a lack of comprehensive consideration of customer relationship, customer company, and customer market, as the extensive consideration was not necessary in the transactional sale of machines until now. Therefore, in this study, expert interviews are conducted with companies in mechanical and plant engineering that offer subscription models. The results show criteria that are used to evaluate customers in the six main categories of creditworthiness, market potential, benefit potential, feasibility, relationship, and sales effort. In total, 24 criteria can provide insight into the suitability of the customer for a successful subscription relationship. These criteria are intended to develop target systems that meet the requirements of different stakeholders in the customer and thus support the economic viability of these business models.
Smart Services als Enabler von Subscription-Geschäftsmodellen in der produzierenden Industrie
(2022)
[Der Sammelband] Widmet sich den in Wissenschaft und Praxis aktuell intensiv diskutierten Fragestellungen zu Smart Services. Befasst sich mit Geschäftsmodellen, Erlösmodellen und Kooperationsmodellen von Smart Services. Geht auf branchenspezifische Besonderheiten von Smart Services ein. (link.springer.com)
The additive manufacturing technique of "Selective Laser Melting" (SLM) provides the basis for a fundamental paradigm shift in industrial spare part manufacturing, affecting both technological and organizational company prac-tices. To harness the full potential of SLM-technology, considering agility and customizability, decentralized additive production networks need to be estab-lished. According to the principles just in time, just in place and just enough, a global online platform, which efficiently distributes construction orders to local manufacturing hubs could empower the market participants to utilize production capacities at optimal costs and minimal efforts. This work evaluates and selects key factors and creates scenarios for the development of platform-based networks for additive, SLM-based, spare part production. For this purpose, the selected key factors (e. g. material expenses, quality and process management and platform-based business models) are projected into the future, forming the three major scenarios "New distribution of roles in the SLM value chain", "SLM-technology for high wage countries" and "Individualization instead of mass production". These scenarios not only allow estimating the potential of an online network for additive spare part production, but also enable market participants to react pur-posively and agilely to unexpected market developments, and to foster the suc-cess of a platform-based additive spare part production.
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.
Pricing is one of the most important, but underestimated tools, to enhance a company's profitability. Especially in the furniture sector, customers place a special interest in cost-efficient products and easy processes. Individualised and sustainable furniture can help to create a unique selling point and deliver real value to the customers. Therefore, a platform to create designs together is needed and can involve several stakeholders in the design and production phase. However, in order to include several stakeholders, the pricing and revenue model need to reflect individual needs and be a benefit to all. In this paper, the initial situation and potential revenue model options will be presented. Furthermore, multiple scenarios for practical use will be discovered and an overview given.
Maschinen- und Anlagenbauer setzen sich in Ergänzung zum klassischen Verkauf von Produkten und Services zunehmend mit sog. Subskriptionsgeschäftsmodellen auseinander. Ertragsmechaniken wie Pay-per-Use oder Pay-per-Outcome, ein auf den individuellen Kundenerfolg ausgerichtetes Nutzenversprechen, digitale und über das Internet of Things vernetzte Leistungssysteme, bestehend aus Produkten, Services und Software, sowie eine langfristig orientierte, partnerschaftliche Kundenbeziehung sind Voraussetzungen und charakteristische Merkmale von Subskriptionsgeschäften. Da der Anbietererfolg im Subskriptionsgeschäft in direkter Abhängigkeit zum Kundenerfolg steht, erfordert das Subskriptionsgeschäft den Auf- und Ausbau eines sog. Customer-Success-Managements (CSM). Das CSM ist im Gegensatz zum Vertrieb oder Service vollständig auf den Erfolg, d. h. die Zielerreichung der individuellen Subskriptionskunden, ausgerichtet und incentiviert. Das CSM überwacht die Nutzungsphase der Produkte und Services und unterstützt die Subskriptionskunden proaktiv bei der Erreichung und Steigerung ihrer individuellen Ziele. Während das CSM in der Softwareindustrie bereits seit einigen Jahren etabliert ist, befinden sich Unternehmen im Maschinen- und Anlagenbau vielfach noch in der Konzeptionierungsphase eines CSMs. Das Ziel dieser Dissertationsschrift besteht daher darin, ein konfigurierbares Referenzmodell für das CSM im Maschinen- und Anlagenbau zu entwickeln, das Unternehmen bei der unternehmensspezifischen Ableitung eines CSM-Modells entlang ausgewählter Konfigurationsparameter unterstützt. Mit dem Referenzmodell soll vor allem die Effizienz bei der Gestaltung der CSM-Ablauforganisation gesteigert werden. Auf Basis einer spezifizierten Vorgehensweise zur konfigurativen Referenzmodellierung werden in dieser Dissertationsschrift zunächst Konfigurationsparameter für das CSM-Referenzmodell hergeleitet. Anschließend erfolgt der Entwurf des Ordnungsrahmens, der als übergeordneter Einstieg in das CSM-Referenzmodell dient.
Daraufhin werden sowohl ein Daten- als auch ein Funktionsmodell entwickelt, um die zahlreichen, notwendigen Datenpunkte und Aufgaben im CSM systematisch abzubilden. Die beiden Modelle werden im Anschluss über 17 modular gestaltete Prozessmodelle integriert. Das Referenzmodell wird abschließend zur Güteprüfung in drei ausgewählten
Fallstudien mit Unternehmen des Maschinen- und Anlagenbaus wiederverwendet und evaluiert.
Competitive differentiation in the manufacturing sector is no longer based on product and service innovations alone but on the ability to monetize the usage phase of products and services. To this end, manufacturers are increasingly looking at so-called subscription business models as a way of supplementing the traditional sale of products and services. Since supplier success in the subscription business is directly dependent on customer success, the setup and expansion of a so-called Customer Success Management (CSM) is required. While CSM has already been established in the software industry for several years, companies in the manufacturing sector are often still in the conceptual phase of a CSM, parallel to the setup and expansion of their subscription business. Therefore, this paper aims to support the set-up of a CSM by providing a reference data model, based on case study research, that can be used to support the organizational or daily CSM tasks and to serve as a blueprint for conceptualizing CSM-specific IT systems.
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.
Ziel des Forschungsprojekts 'LBM²' ist die Entwicklung eines kostengünstigen und leicht zu bedienenden Überwachungssystems für Windenergieanlagen (WEA). Mittels Lasterfassung durch Drehmomentsensoren und der darauf basierenden Ermittlung von Restlebensdauern sollen der Betrieb und die Instandhaltungsplanung des gesamten Windparks (WP) optimiert werden. Dazu wurde in Zusammenarbeit mit einem Sensorhersteller eine Technik zur Messung der realen Lasten an der Hauptwelle für die Applikation in einem Windpark des Projektpartners Innogy SE entwickelt. Parallel wurden Instandhaltungstätigkeiten im Windpark erfasst, prozessual abgebildet und wesentliche Kostentreiber identifiziert. Die Bearbeitung des Projekts erfolgt gemeinsamen durch das Center for Wind Power Drives (CWD) aus Aachen und den FIR e. V. an der RWTH Aachen. Das IGF-Vorhaben 20028 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energien aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Im durch das Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Forschungsprojekt 'EVAREST' untersucht der FIR e. V. an der RWTH Aachen zusammen mit Projektpartnern wie dem Deutschen Forschungszentrum für Künstliche Intelligenz(DFKI) und dem Schokoladenhersteller Lindt & Sprüngli Deutschland GmbH die Chancen durch Digitalisierung in der Lebensmittelindustrie. Mit der Betrachtung von Daten als eigenständigem Wirtschaftsgut wird eine neue Form der Datenökonomie erforscht,in der ein monetärer Handel mit Datenprodukten ermöglicht wird. Die technische Umsetzung erfolgt u. a. durch die beteiligten Projektpartner Software AG und DFKI in Form eines offenen IoT-Plattform-Ansatzes. Die Erforschung der Rechtssicherheit im Handel mit Datenprodukten ist ebenfalls Bestandteil des Projekts und wird durch die Universität des Saarlandes abgebildet. Das Forschungsprojekt 'EVAREST' wird vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen
Bundestages gefördert.
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.
Manufacturing companies (MFRs) are increasingly extending their
portfolios with services and data-driven services (DDS) to differentiate themselves from competitors, tap new revenue potential, and gain competitive advantages through digitization and the subsequently generated data. Nonetheless, DDS fail more often than traditional industrial services and products within the first year on the market. Particularly, companies are failing to sell DDS successfully and efficiently with their existing (multi-level) distribution structures. Surprisingly, there is a lack of scientific research addressing this issue. Since there are currently no holistic models for an end-to-end description of distribution-tasks for DDS in the manufacturing industry, this paper contributes to a task-oriented reference model for mapping interactions in the multi-level distribution management. Therefore, a case study research approach is used, to identify and describe the interactions in the multi-level distribution management of DDS, as well as to develop a regulatory framework for MFRs and their multi-level distribution management. This research uses the established theoretical framework of Service-Dominant-Logic to address the co-creation in multi-level distribution management of DDS. As a result, this paper identifies different interaction variants as well as the need for a new management function with 4 main and 14 basic tasks.
Herausforderungen der Preisbildung datenbasierter Geschäftsmodelle in der produzierenden Industrie
(2022)
Inhaltsangabe des Sammelbands:
In diesem Open-Access-Buch stehen die wirtschaftliche Verwertung von Daten und die dazu gehörenden technischen und organisatorischen Prozesse und Strukturen in Unternehmen im Fokus. Es behandelt Themen wie Datenmonetarisierung, Datenverträge, Data Governance, Informationssicherheit, Datenschutz und die Vertrauenswürdigkeit von Daten.
Seit Jahren wird davon gesprochen, dass „Daten das neue Öl“ sind. Expertinnen und Experten sind sich einig: Das Wertschöpfungspotential von Daten ist enorm und das über fast alle Branchen und Geschäftsfelder hinweg. Und dennoch bleibt ein Großteil dieses Potentials ungehoben. Deshalb nimmt dieser Sammelband konkrete Innovationshemmnisse, die bei der Erschließung des wirtschaftlichen Werts von Daten auftreten können, in den Blick. Er bietet praktische Lösungsansätze für diese Hürden an den Schnittstellen von Ökonomie, Recht, Akzeptanz und Technik. Dazu folgen die Autorinnen und Autoren einem interdisziplinären Ansatz und greifen aktuelle Diskussionen aus der Wissenschaft auf, adressieren praxisnahe Herausforderungen und geben branchenunabhängige Handlungsempfehlungen. Den Leserinnen und Lesern soll eine transparente Informationsbasis angeboten werden und damit die Teilnahme an der Datenwirtschaft erleichtert werden.
Dieses Buch richtet sich an Entscheidungsträgerinnen und Entscheidungsträger in Unternehmen sowie an Entwicklerinnen und Entwickler datenbasierter Dienste und Produkte. Der Band ist ebenfalls für Fachkräfte der angewandten Forschung wie auch für interdisziplinär Studierende z.B. der Wirtschaftsinformatik, der technikorientierten Rechtswissenschaft oder der Techniksoziologie relevant.
Das Ziel des Forschungsprojekts "Future Data Assets" bestand in der monetären Bewertung des unternehmerischen Datenkapitals. Dazu wurden die Entwicklung und Instanziierung einer sogenannten "Datenbilanz" angestrebt. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichterstattung schließen, in der Daten kaum betrachtet bzw. systematisch bewertet werden.
Since data becomes more and more important in industrial context, the question arises on how data-driven added value can be measured consistently and comprehensively by manufacturing companies. Currently, attempts on data valuation are primarily taking place on internal company level and qualitative scale. This leads to inconclusive results and unused opportunities in data monetization. Existing approaches in theory to determine quantitative data value are seldom used and less sophisticated. Although quantitative valuation frameworks could enable entities to transfer data valuation from an internal to an external level to take account of progress in digital transformation into external reporting. This paper contributes to data value assessment by presenting a four-part valuation framework that specifies how to transfer internal, qualitative to external, quantitative data valuation. The proposed framework builds on insights derived from practice-oriented action research. The framework is finally tested with a machine tool manufacturer using a single case study approach. Placing value on data will contribute to management’s capability to manage data as well as to realize data-driven benefits and revenue. [https://link.springer.com/chapter/10.1007/978-3-030-85902-2_19]
Augmented reality seems to offer great potential benefits in the field of industrial services. However, the question of the exact benefits, both monetary and qualitative, is difficult to evaluate, as is the case with IT investments in gen-eral. Within the framework of the DM4AR research project, an evaluation model was therefore developed. Based on group discussions and interviews on potential AR use cases, a list of monetary and qualitative benefits was compiled to form the basis for selecting suitable evaluation modules in the existing literature. These include an impact chain analysis in the form of a strategy map, a monetary eval-uation as a calculation of the return on investment, based on the assumptions of the use case as well as existing studies, and a qualitative evaluation in the form of a utility analysis. The outcome is an evaluation model in the form of a multi-perspective approach that considers the impact of AR in the four perspectives of the balanced scorecard (financial, customer, internal business processes, learning and growth). The results of the qualitative and monetary evaluation can be sum-marized in a 2D matrix to support decision-making.
Ziel des Forschungsprojekts ‚DM4AR‘ war es zum einen, eine AR-Plattform (Datenintegration, Schnittstellen und Datenmodell) zu schaffen, die der automatisierten Aufbereitung und Umwandlung der Daten in ein gängiges AR-Format dient. Zum anderen sollten die Mitarbeitenden mit geeigneten Ziel- und Anreizsystemen sowie Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden.
Durch die Ergebnisse des Projekts ‚DM4AR‘ kann zukünftig die wesentliche Barriere für die flächendeckende und produktive Nutzung der AR-Technologie durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Die ‚DM4AR‘-Ergebnisse ermöglichen somit die Sicherung und den gezielten Einsatz des im Unternehmen vorhandenen Wissens.
Subscription business models provide an important component for monetizing the potential of Industrie 4.0. Subscription business is based on a long-term and participative business relationship between customer and provider. However, only digitalization offers the necessary framework conditions to realize the characteristic recurring and performance-based billing, and to ensure the necessary transparency about the usage phase of products as well as continuous performance improvements in the customer process. Against this background, companies must not only recognize the much-cited potential that lies in the total dedication to the success of individual subscription customers. Rather, the central obstacles must be addressed, examined, and subsequently overcome in a targeted manner in order to successfully establish subscription business models and place them on the market.
Das Dienstleistungsgeschäft gehört bereits seit einigen Jahren zum zentralen Wachstumstreiber vieler Unternehmen in Deutschland. Auch kleine und mittlere Unternehmen (KMU) des Maschinenbaus haben diesen Trend erkannt und sind bestrebt, ihr Leistungsangebot hinsichtlich After-Sales-Services (AS-Services) auszubauen. Dabei stoßen sie allerdings immer wieder an Kapazitätsgrenzen. Das vorhandene und hochqualifizierte Personal ist häufig bereits voll ausgelastet, während der Mangel an Fachkräften ein geeignetes Gegensteuern erschwert. Somit beschränken die Ressourcenengpässe KMU des Maschinenbaus, ihr eigenes Geschäft mit AS-Services auszubauen.
Digitale Technologien bieten in diesem Zusammenhang das Potenzial, diesen Engpässen entgegenzuwirken, indem die vorhandenen Ressourcen effizienter eingesetzt werden. Ein prominentes Beispiel hierfür ist der Einsatz von Datenbrillen im Bereich des Remote-Service. Statt dass ein Servicetechniker gezwungen ist, wegen einer Maschinenstörung zum Kunden zu fahren, können die Diagnose und auch einfache Maßnahmen zur Störungsbehebung vom Kunden selber vor Ort durchgeführt werden, während der Servicetechniker mittels Datenbrille live zugeschaltet ist und anleiten kann. Dadurch können Reisezeiten, in den der Servicetechniker üblicherweise nicht wertschöpfend tätig ist, reduziert und im besten Fall mehr Serviceaufträge pro Servicemitarbeiter bearbeitet werden.
Im Zuge der fortschreitenden digitalen Vernetzung durch Industrie 4.0 sind in den letzten Jahren viele digitale Technologien entwickelt und zur Marktreife gebracht worden. Die große Vielfalt dieser technischen Lösungen macht es insbesondere KMU mit ihren ohnehin schon begrenzten Ressourcen fast unmöglich, einen angemessenen Überblick zu behalten. Zusätzlich können Verantwortliche und Fachkräfte der KMU nur schwer beurteilen, welche digitale Technologie sich für ihre unternehmensspezifischen Anforderungen überhaupt eignet. Eine Bewertung, die eine technologieübergreifende Vergleichbarkeit ermöglichen würde, fehlt. Genau hier setzt das erste Modul des Digitalisierungsnavigators an, der als Demonstrator auf dem AiF Forschungsprojekt ScaleUp entstanden ist.
Ziel des Beitrags ist es, aufzuzeigen, wie produzierende Unternehmen entlang der Customer-Journey systematisch kundenbezogene Daten erheben können. Nach einer Einleitung zur Motivation der Themenstellung, einer Begriffserläuterung und einer Vorstellung des Studiendesigns wird ein Referenzprozessmodell der Kundeninteraktionen produzierender Unternehmen gestaltet, darauf aufbauend ein Datenmodell des digitalen Schattens der Kundeninteraktionen abgeleitet und zuletzt ein Vorgehensmodell zur Implementierung des digitalen Schattens der Kundeninteraktionen präsentiert.
In Germany’s transition to a more sustainable industrial landscape, electricity generated by wind turbines (WT) remains a mainstay of the energy mix. Operating and maintenance costs, which account for roughly 25% of electricity generation costs in onshore WTs make improvements of maintenance activities a key lever in the economic operation of WTs. Prescriptive maintenance is a possible approach for improved maintenance activities. It is a concept where asset condition data is used to recommend specific actions and has great potential for the operation of wind parks. However, especially small, but also large wind park operators, and maintenance service providers often struggle with the implementation of such a new maintenance approach. As a part of the research project ReStroK, a learning game has been developed to support the training and familiarization of maintenance technicians with the concepts and underlying principles of this maintenance approach. In this paper, the concept for the development of a learning game will be presented. Multiple scenarios for its usage and their corresponding requirements will be discussed and an overview over the game will be given.
Industrial companies are moving to a solution driven business by offering smart product service systems (Smart PSS). In addition to an existing portfolio of physical goods and technical services, companies develop new digital services and combine all three offerings to an integrated digital solution business. While the development of new digital services does not pose any major challenges for companies, the successful sale of Smart PSS does. Due to changing customer requirements and value propositions of a solution, the sale of Smart PSS requires new design principles for the sales organization compared to the simple sale of physical goods or technical services. While there are already many publications on the topic of industrial sales in research, the description of Smart PSS in particular represents a new field of research. The combination of both topics is therefore not only interesting from a theoretical point of view, but also has a particularly high practical relevance and impact for industrial companies. This paper therefore describes on the one hand, which characteristics can be used to derive customer requirements for Smart PSS and on the other hand, which effects these requirements have on the sales organization of the industrial company. The design principles give recommendations for the organizational structure, the resources, the information systems and the culture of the company depending on the targeted customer type. In order to identify and describe both the customer requirements and the design principles, two morphological boxes were developed based on a literature research and semi-structured interviews with industrial companies. The paper gives an outlook on the different characteristics of the design recommendations and describes first best practices for the successful transformation of the sales organization.
Pricing is one of the most important, but underestimated tools, to enhance a company's profitability. Especially value-based pricing has a high potential to reach higher levels of satisfaction because it equates the needs of providers and customers. Even though, it is a well-known price model and promises higher satisfaction, many companies struggle to implement it. Especially the manufacturing industry is characterized by cost-plus pricing and competition-based pricing. However, especially for digital products these pricing strategies are insufficient. Therefore, this paper aims at exploring the design fields for value-based pricing of digital products in the manufacturing industry. To achieve this, the basics of digital products and value-based pricing are explored. Furthermore, an expert workshop is conducted that follows a framework for value-based pricing consisting of four consecutive steps analysis, price strategy, pricing, and market launch to capture the design fields. This paper concludes with limitations, and practical and research implications.
33 Prozent aller Unternehmen glauben, den Anschluss an Künstliche Intelligenz (KI) zu verlieren. Obwohl KI auf den ersten Blick eine Herausforderung darstellt, kann sie vor allem im Unternehmenskontext eine bedeutende Rolle spielen. Genau da setzt das Programm "KI-Serviceroadmap 2024" des FIR an und zeigt Ihnen den Weg zu KI im Service auf. Das Programm beginnt für alle teilnehmenden Unternehmen mit einem umfassenden Assessment und mündet in der Entwicklung einer detaillierten Roadmap mit Ihrem individuellen Weg zu KI.
Ziel des Forschungsprojekts ‚DM4AR‘ war es, Servicewissen skalierbar und einfach nutzbar zu machen, indem automatisch Augmented-Reality-Inhalte aus verschiedenen Datenquellen generiert werden.
Nutzen für die Zielgruppe:
Durch die Ergebnisse des Projekts ‚DM4AR‘ kann zukünftig die wesentliche Barriere für die flächendeckende und produktive Nutzung der AR-Technologie durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Die ‚DM4AR‘-Ergebnisse ermöglichen somit die Sicherung und den gezielten Einsatz des im Unternehmen vorhandenen Wissens.
Manufacturing companies are constantly increasing their efforts in the subscription business, also known as product-as-a-service business, offering usage and outcome based solutions (value-in-use) instead of transactional services and products (value-in-exchange). Customers are becoming contractual subscribers of the solution in return for recurring, performance-related payments. To address arising, inevitable challenges like (1) reducing customer churn, (2) increasing usage intensity and outcome quality, (3) ensuring the adoption of product and software releases as well as (4) fostering customer loyalty, leading manufacturing companies are setting up a new organizational, customer-facing unit, called Customer Success Management (CSM). This unit has its origins in the software-as-a-service business, operating next to established entities like sales, key account management and customer service. Since there are currently no holistic models for an end-to-end description of CSM-tasks in the manufacturing industry, this paper contributes to a taskoriented reference model, using a grounded theory approach, examining both manufacturing and software companies. Containing a reference framework with 8 main tasks, 17 basic tasks and 76 elementary tasks, the reference model supports manufacturing companies in adapting and customizing a company-specific CSM concept.
More and more companies in the mechanical and plant engineering industry are transforming their business model and evolving from product to solution providers. Subscription business models play a key role in this development. They enable companies to enter long-term collaborative relationships with customers and thus monetize the potential of Industry 4.0. However, this development is not easy for many companies and is associated with numerous hurdles. One of these hurdles is the development of a suitable range of services tailored to customer needs. In this context, the bundling of individual services to service modules plays a key role in realizing new value propositions. In practice, however, companies often lack an understanding of which services need to be combined in what way to be able to realize new value propositions. Accordingly, the goal of this work is to identify relevant services for subscription business models, to cluster them into meaningful value-adding bundles, and to derive new value propositions accordingly. The new value propositions in turn enable mechanical and plant engineering companies to strengthen customer loyalty and thus achieve long-term economic success.
More and more manufacturing companies are starting to transform the transaction-based business model into a customer value-based subscription business to monetize the potential of digitization in times of saturated markets. However, historically evolved, linear acquisition processes, focusing the transactionoriented product sales, prevent this development substantially. Elemental features of the subscription business such as recurring payments, short-term release cycles, data-driven learning, and a focus on customer success are not considered in this approach. Since existing transactional-driven acquisition approaches are not successfully applicable to the subscription business, a systematic approach to an acquisition cycle of the subscription business in the manufacturing industry is presented, aiming at a long-term participative business. Applying a grounded theory approach, a task-oriented model for themanufacturing industry was developed.
The model consisting of five main tasks and 14 basis tasks serves as best practice to support manufacturing companies in adapting or redesigning acquisition activities for their subscription business models.
ZusammenfassungDieser Beitrag stellt dar, welche Chancen und Herausforderungen mit der Bewertung von Daten sowie der Abbildung monetärer Datenwerte verbunden sind und geht auf mögliche Lösungsansätze zur Bewertung von Unternehmensdatenbeständen, insbesondere im Kontext der industriellen Produktion, ein. Zunächst werden Grundlagen zur Charakterisierung, Nutzung und Verwertung von Daten sowie bestehende Methoden zur Bewertung von immateriellen Vermögensgegenständen dargestellt. Darauf aufbauend werden Chancen und Herausforderungen spezifiziert, potenzielle Lösungsansätze zur Datenbewertung abgeleitet und anschließend Anforderungen für die Datenbewertung beschrieben sowie die nutzenorientierte Datenbewertung skizziert.
Augmented Reality (AR) bietet ein großes Nutzenpotenzial im Bereich der industriellen Dienstleistungen. Der genaue monetäre und qualitative Nutzen ist jedoch, wie bei IT-Investitionen im Allgemeinen, schwer zu bewerten. Im Rahmen des Forschungsprojekts Datenmanagement for Augmented Reality (DM4AR) wurde aus diesem Grund ein Bewertungsmodell entwickelt, welches den Nutzen von AR im industriellen Service messbar macht.
In der neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR e. V. an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten. Handlungsoptionen für Unternehmen, Verbände, Politik und Wissenschaft zeigen auf, wie der Nutzungsgrad der Datenbasis erhöht werden kann und wie sich Potenziale bei der Monetarisierung ausschöpfen lassen. Der Fokus liegt dabei auf produzierenden Unternehmen.
Today, however, agility is seen more than ever as a critical success factor for companies. In times of an increasing degree of digital interconnection and minimum viable products, a mentality is entering the industrial service sector that has so far only been exemplified by Internet companies (e.g. Google): New products and especially digital services are developed in highly iterative processes. To this end, customers are involved in early test phases of development and provide feedback on individual functional modules, which – in contrast to the previous approach – are only gradually assembled into a market-ready “100 percent version”. But especially with the development of new digital services, companies must ensure more than ever that both the existing analog service business and the design of new digital services are geared to effectiveness and efficiency in order to meet the growing demands of customers and competitors.
To achieve this, companies must not only be familiar with the products currently on the market, but also master the entire product history, which in some cases goes back more than 30 years and varies greatly from one industry to another.
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.
In der Spitzengruppe der weltweit wertvollsten Unternehmen befinden sich Stand 20211 hauptsächlich Digitalkonzerne wie Apple, Amazon, Alphabet, Microsoft, Facebook und Tencent. Im Gegensatz zu traditionellen Industrieunternehmen bestimmt sich der größte Anteil des Unternehmens- bzw. Börsenwerts dieser Konzerne nicht durch physische Assets, sondern durch den immateriellen Wert vorhandener Daten, Informationen und informationstechnischer Dienste.
Der Zugriff auf und die Nutzung von Daten sind zunehmend wettbewerbsentscheidende Schlüsselfaktoren und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse auch innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Projekt ‚Future Data Assets“ dient folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbe-
wertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die im Kontext von Industrie 4.0 zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation des Nutzwertes ihres Datenkapitals stehen.
Eine Steigerung des Wertbeitrags der Instandhaltung kann nur im Zusammenspiel mit der Belegschaft sowie internen und externen Anspruchsgruppen geschehen.
Dabei bieten digitale Technologien eine Möglichkeit, Prozesse und Entscheidungen punktuell effizienter und besser zu machen. Eine nachhaltige Transformation muss jedoch nicht nur technologisch, sondern vor allem auch methodisch gestaltet werden.
Dabei müssen bewährte Methoden der zuverlässigkeitsorientierten
Instandhaltung und des Lean Managements mit den digitalen Technologien zusammenspielen, um den größtmöglichen Effekt für das Unternehmen zu erzielen.
Ein Subscription-Geschäftsmodell – das klingt nach maßgeblichen wirtschaftlichen Vorteilen. Daher stellt sich die Frage: Warum haben bisher noch nicht alle produzierenden Unternehmen diese Art der partizipativen Geschäftsmodelle aufgebaut?
Die Antwort: Der Aufbau und die Umsetzung von Subscription-Geschäftsmodellen gehen einher mit zentralen Herausforderungen, die Unternehmen im Zuge einer Geschäftsmodelltransformation bewältigen müssen. Hierbei hilft dieses Expert-Paper.
A subscription business model - that sounds like significant economic advantages. Therefore, the question arises: Why haven't all manufacturing companies established this type of participative business model yet?
The answer: The development and implementation of subscription business models go hand in hand with central challenges that companies have to overcome in the course of a business model transformation. This expert paper helps with this.