Datenanalyse als ein neues Geschäftsmodell für Maschinen- und Anlagenbauer entwickeln

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

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

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

Du kannst heute mit innovativen Datenplattformen Deinen technischen Vorsprung ausbauen und mit neuen Geschäftsmodellen den Kunden einen Mehrwert bieten.

Und wenn Du jetzt direkt an Machine Learning oder vorausschauende Wartung denkst – Klasse! Doch zuerst müssen die Hausaufgaben gemacht werden.

Ein typischer Soll-Zustand besteht aus 5 Säulen:

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

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

Aus der entwickelten Datenstrategie leitest Du funktionale und nicht funktionale Anforderungen an Deine Datenplattform ab, auf der Du Dein zukünftiges Geschäftsmodell aufbaust.

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

Wichtige Funktionen, welche Du auf jedem Fall berücksichtigen solltest, sind Folgende:

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

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

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

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

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

Im ersten Schritt werden die Daten der Maschine erfasst. Entweder bist Du bereits gut ausgestattet und kannst mit Hilfe Deiner angebrachten Sensorik und dem Datenbaustein Deiner SPS die erforderlichen Daten aus der Anlage extrahieren und bereitstellen. Oder Du musst diese Grundlagen in Deinem Unternehmen schaffen. Wenn das erfolgt ist, wird eine Softwarekomponente benötigt, die die Daten in den gewünschten Zyklus gesichert in eine Cloud Plattform überträgt.

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

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

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

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

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

Senke Deine Betriebskosten Erkenne auf Grundlage Deiner Daten den Reparaturbedarf, bevor der eigentliche Schaden eintritt. So reduzierst Du Deine Reisekosten, da Reparatureinsätze besser und datenbasiert geplant werden können. Das steigert auch die Zufriedenheit Deiner Kunden.

Steigere Deine Umsätze Werde vom klassischen Maschinenbauer zum smarten System- und Lösungsanbieter. So erweiterst Du Dein Servicegeschäft und kannst neben dem Verkauf regelmäßige Zahlungsflüsse generieren.

Verbessere Deine Marktposition Durch Innovation und Ausbau Deines Servicegeschäfts im After-Sales-Bereich erschließt Du neue Erlösmodelle und generiest damit neue Geschäftsfelder.

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

An dieser Stelle noch einige Tipps für Dich:

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