Wer führt Digitalisierung am Shopfloor?

»Das Rennen ist offen. Noch.«

13. Dezember 2021, 15:30 Uhr | Ute Häußler

Fortsetzung des Artikels von Teil 1

Co-Development für neue Umsatzströme

Welche Herangehensweise sollten Maschinenbauer dabei wählen?

Die klassische Herangehensweise ist Co-Development. Die planerische, exakte Welt des Maschinenbaus und des Ingenieurwesens muss mit der agilen Software-Welt verbunden werden. Das ist der Kern. Zur Entwicklung einer digitalen Anwendung benötigt man Ingenieure mit Domain-Kenntnis und verknüpft sie sozial mit einem Scrum-Team aus der Software-Entwicklung. Ja, solche Fachkräfte sind derzeit sehr rar am Arbeitsmarkt und daher teuer, aber langfristig wird sich eine solche Investition auszahlen. Das Co-Development ist eine erprobte Herangehensweise an die Digitalisierung industrieller Prozesse, es braucht dafür aber Offenheit auf allen Seiten.

Klingt einfach, scheint in der Praxis aber nicht das ganze Problem zu lösen.

Die beschriebene Vorgehensweise funktioniert gut für die Entwicklung vieler digitaler Dienste. Eine zusätzliche Herausforderung kommt ins Spiel, wenn es um Machine Learning oder künstliche Intelligenz geht: Da gibt es auf der einen Seite ein spezifisches Problem auf dem Shopfloor und auf der anderen Seite vielleicht einen Data Scientist, der grundsätzlich versteht, wie klar definierte Problemstellungen mit den Methoden des Machine Learning angegangen werden können. Doch zwischen beiden klafft eine Lücke.

Dafür brauchen wir – und das sehen wir in unseren Projekten bei Körber Digital immer wieder – Menschen, die eine Art Übersetzungsfunktion zwischen den Domain-Experten und den Data Scientists wahrnehmen. Um ein Problem so zu transformieren, strukturell wie auch mathematisch und modellierend, dass ein Data Scientist damit überhaupt etwas anfangen kann. Wenn wir Machine Learning in der industriellen Fertigung betrachten, ist die Technologie dafür vielfach schon in Open Source Stacks frei verfügbar oder zumindest in gewisser Weise standardisiert. Fachleute dafür sind teuer, doch ebenfalls verfügbar. Die wirkliche Hürde besteht darin, die gegebenen Probleme auf dem Shopfloor so zu transformieren, dass ein Data Scientist damit arbeiten kann.

Was muss dieser Übersetzer genau können?

Das ist eine sehr spezielle Rolle, für die es bisher keine einheitliche Stellenbeschreibung gibt. Diese Art AI-Berater muss zuallererst die Möglichkeiten erkennen, die in den verfügbaren Daten stecken, und er muss deren wertstiftenden Kern sowohl modellhaft als auch quantitativ erfassen können. Dann kann er mit dem Data Scientist diskutieren: Was geben die Daten eigentlich her? Dafür muss er das gesamte Ökosystem des Shopfloors und des Unternehmens und seiner Partner verstehen. Wie sind all diese Daten nutzbar, um daraus eine Strategie basierend auf datengetriebenen Geschäfts- und Erlösmodellen aufzubauen?

Die Technologie an sich ist derzeit nicht mehr die größte Hürde. Es fehlt an dieser Übersetzerfunktion. Vieles, was im Bereich der industriellen Digitalisierung heute bereits möglich wäre, kann ohne diesen Wanderer zwischen der Machine-Learning-Seite, der Business-Seite und der Maschinen-Prozess-Seite nicht in der Breite umgesetzt werden.

Was empfehlen Sie den deutschen Maschinenbauern, um sich der Digitalisierung zu stellen?

Meine Hoffnung für die Zukunftsfähigkeit von Europa und Deutschland ist: Wir dürfen es uns als Maschinenbauer nicht zu leicht machen. Digitale Transformation kann man sich nicht einkaufen, und sie kann auch nicht mal eben nebenbei erledigt werden. Die Transformation der eigenen Wertschöpfung ist ein langer Prozess, den jeder mit Ernsthaftigkeit angehen sollte. Es ist eine Chance und auch ein notwendiges strategisches Kalkül, dass wir das Feld nicht den großen internationalen Technologie-Konzernen überlassen, sondern als Maschinenbauer die Digitalisierung selbst in die Hand nehmen.

Bei der digitalen Transformation geht es um mehr als digitale Dienste, vielmehr um neue digitale Geschäftsmodelle. Wie setzen Sie das bei Körber um?

Zunächst verkaufen wir noch ganz klassisch Maschinen und werden das auch weiter tun, in unserem Fall Sondermaschinen. Darauf basierend bieten wir digitale Services an. FactoryPal zum Beispiel, unser erstes selbst ausgegründetes Startup, nutzt Machine Learning, um Fertigungsprozesse zu optimieren und Effizienzsteigerungen in der Produktionslinie, der Maschinenleistung und der Gesamtrentabilität des Shopfloors zu erzielen. Möchte ein Fertiger diesen digitalen Dienst nutzen, dann erhalten wir eine Basisgebühr – und partizipieren an der Gewinnsteigerung, die durch die Erhöhung der Anlagenverfügbarkeit generiert wird. Wir garantieren einen bestimmten Prozentsatz an Steigerung der Gesamtanlageneffizienz. Umso besser unser digitaler KI-Service arbeitet, desto besser laufen die Maschinen unserer Kunden und desto mehr verdienen wir daran mit. Das ist unser zusätzliches, digitales Geschäft.

Verlieren Sie nicht auch Umsatz durch weniger verkaufte Maschinen?

Das stimmt, wir können mit digitalen Diensten Mehrwerte auf bestehenden Brownfield-Anlagen generieren, die damit nicht neu angeschafft werden müssen. Finden das unsere Maschinenbau-Geschäftsfelder toll? Nicht unbedingt, aber welche Alternative gibt es? Wenn wir diesen Weg nicht gehen, machen es andere, und diese Anbieter würden dann – deutlich zu unserem Nachteil – strategische Kontrollpunkte besetzen. Also machen wir es selbst.

Und dieses Vorgehen bietet ja für alle Beteiligten Vorteile: Wenn der Anlagenbauer seine installierte Basis digitalisiert, erreicht der Fertiger als Betreiber höhere Effizienz, mehr Qualität oder Verfügbarkeit. Für den Anlagenbauer bietet das zugleich die Chance zu sehen, wie die Kunden die Anlage heute genau nutzen, und so die Beziehung zu seinen Kunden wiederzubeleben oder zu intensivieren. Das ist ein Win-Win. Früher gab es den Fokus auf das Produkt- und Lösungsgeschäft; mit den digitalisierten Geschäftsmodellen rückt heute der Schwerpunkt mehr in Richtung wiederkehrender Umsätze und „As a Service“-Geschäfte.

Welche Schlussfolgerung sollte der Maschinenbau ziehen?

Unsere Vorteile gegenüber den digitalen Plattform-Anbietern wie Amazon, Google & Co. sind, dass die (noch) nicht so ein tiefes Domain-Wissen haben, (noch) nicht so nah am Kunden sind, (noch) nicht so direkt auf dem Shopfloor sind. Das müssen wir strategisch nutzen. Im Consumer-Bereich sind wir in Europa bereits abgehängt, doch auf der Industrieseite haben wir noch eine gute Chance. Jetzt ist der richtige Zeitpunkt, die Digitalisierung unter eigener Ägide voranzutreiben! 

Anbieter zum Thema

zu Matchmaker+

  1. »Das Rennen ist offen. Noch.«
  2. Co-Development für neue Umsatzströme

Das könnte Sie auch interessieren

Verwandte Artikel

Amazon Web Services, Körber AG, Google Germany GmbH

Digitale Industrie