Refine
Document Type
- Part of a Book (5)
- Contribution to a Periodical (6)
- Doctoral Thesis (1)
- Master's Thesis (1)
- Internet Paper (2)
- Report (3)
- Working Paper (4)
Language
- German (22) (remove)
Is part of the Bibliography
- no (22)
Keywords
- 01 (1)
- 02 (4)
- AI (1)
- AR-Format (1)
- AR-Plattform (1)
- AR-Technologie (1)
- After-Sales-Services (1)
- Artificial intelligence (1)
- Augmented Reality (1)
- Augmented reality (1)
Institute
Wachstum durch Reduzierung?
(2022)
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)
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.
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.
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.
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.
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.
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.
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.
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.
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.