TREND Digitalisierung Nutzerfreundliche Bewertung der Bauteilqualität im browser-basierten Quality Dashboard. Bild: DMG Mori Digitalisierung und KI bergen das Potenzial, die industrielle Fertigung auf ein neues Produktivitäts-Level zu heben. Bild: Sikov/stock.adobe.com Die Entwicklung digitaler Geschäftsmodelle ist für viele Mittelständler noch eine harte Nuss KI und Machine Learning optimieren die Produktion Mehr und mehr Unternehmen nutzen detaillierte Prozessdaten aus der digitalisierten Produktion oder auch Künstliche Intelligenz (KI), um ihre Fertigung zu verbessern. Die gesammelten Informationen können auch die Basis für neue, datenbasierte Geschäftsmodelle bieten. Doch viele mittelständische Hersteller tun sich schwer, die Komplexität solcher Ansätze zu beherrschen, den Mehrwert für den Kunden zu definieren und geeignete Preismodelle zu finden. Autor: Dr. Frank-Michael Kieß ■■■■■■ Es ist nun schon wieder zwölf Jahre her, als ein neues Buzzword um die Welt ging: Industrie 4.0 hieß es. Und – eher unüblich für die Digitalwirtschaft: Es wurde in Deutschland geboren. Seitdem hat sich viel getan, auch in der Werkzeugmaschinenindustrie. „Wir haben heute eine Fülle von Sensoren im Feld und gut vernetzte cyberphysische Systeme, die uns leicht beschaffbare Daten liefern“, sagte Prof. Dr.-Ing. Joachim Metternich, Leiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der TU Darmstadt, in der Mai-Ausgabe des monatlichen Live-Webinars „Let’s Talk Science“ zur EMO Hannover. Doch was ist aus der ökonomischen Verheißung geworden: Big Data als Basis ganz neuer Geschäftsmodelle in der Fertigung, wie es andere Wirtschaftsbereiche vorgemacht haben? Tatsächlich sind datengetriebene Geschäftsmodelle in der Industrie bislang noch eher die Ausnahme. Es sind meist große Konzerne, die sich an die neuen Geschäftsformen heranwagen – etwa über nutzungsbasierte Preismodelle (Pay per Use). Rolls Royce verkauft beispielsweise nicht mehr nur Turbinen, sondern vermietet sie auch. Der Kunde zahlt lediglich die Laufzeit. Viele kleine und mittelständische Hersteller tun sich mit solchen Modellen aber nach wie vor schwer – und das nicht ohne Grund. „Hände weg von datenbasierten Geschäftsmodellen“, warnt Metternich, „sie machen keinen Sinn.“ Seine natürlich provokant gemeinte These gründet auf Forschungsergebnissen wie etwa von Cap Gemini. Danach waren nur 27 % der betrachteten Projekte wirklich erfolgreich. Aber 24 September 2023
warum ist das so? „Meist ist es einfach schwierig, den Mehrwert für den Kunden zu definieren“, so Metternich. Entsprechend schwer sei es, ein Preismodell zu finden, das der Kunde auch mitgeht. Außerdem seien datenbasierte Geschäftsmodelle oft zu kompliziert. „Man muss mit Anbietern von Plattform-Services, von KI-Tools etc. zusammenarbeiten. Und auch eigene Kompe - tenzen aufbauen. Das ist sehr teuer – für mittelständische Unternehmen manchmal zu teuer.“ „Pay-per-Stress“ – innovatives Bezahlmodell im Maschinenbau Dabei ist der Bedarf nach neuen Bezahlmodellen durchaus vorhanden. Die Akquisition komplexer Werkzeugmaschinen stellt insbesondere kleine und mittlere Unternehmen (KMU) vor große Herausforderungen. Bisherige Leasingmodelle leiden oft unter der fehlenden Transparenz und der damit einhergehenden Informationsasymmetrie zwischen den beteiligten Parteien sowie den entgegengesetzten Interessen. Bei klassischen Leasingmodellen weiß der Leasinggeber nichts über den tatsächlichen Gebrauch der Werkzeugmaschine, weshalb ein Risikozuschlag kalkuliert wird. In modernen Payper-Use-Ansätzen wird diese Problematik noch weiter verstärkt, da Leasingnehmer motiviert werden, die Leistung der Werkzeugmaschine zu maximieren. Das PTW-Forschungsprojekt „Pay-per- Stress“ setzt genau an dieser Stelle an und versucht, die Interessen der beteiligten Parteien anzugleichen. Die Idee des Modells ist, dass sich die Höhe der Leasingrate zum Teil an den auftretenden Belastungen während der Fertigungsprozesse bemisst. Dadurch entstehen Anreize für den Leasingnehmer, die Belastungen der Werkzeugmaschine in einem angemessenen Rahmen zu halten und Überlastsituationen zu vermeiden. Wird die Maschine schonend genutzt, so macht sich dies durch eine reduzierte Leasingrate bemerkbar. Umgekehrt werden höhere Belastungen der Maschine durch eine höhere Leasingrate kompensiert. Durch die Kopplung auftretender Belastungen mit den berechneten Leasingraten kommt es zu einem Angleich der Interessen zwischen Leasinggeber und -nehmer. Um den Zusammenhang zwischen Belastungen der Werkzeugmaschine und auftretendem Verschleiß zu erkennen, können in der Maschinensteuerung vorhandene Informationen genutzt und ggf. externe Sensoren nachgerüstet werden. Sie geben Aufschluss über entstehende Kräfte und Momente an den relevanten Komponenten der Werk- MC6100 SERIE ULTIMATIVE HOCHGESCHWINDIGKEITS- ZERSPANUNG NEUE POSITIVE WSP 5º, 7º,11º MC6115 Gesteigerte Produktivität durch erhöhte Verschleiß- und Hitzebeständigkeit MC6125 Erste Empfehlung für ein breites Anwendungsspektrum HALLE 5 STAND C18 Mit dem Sorting Guide von Trumpf sollen sich mit Hilfe von KI Blechteile schnell und einfach sortieren lassen. Durch selbstlernende Bildverarbeitung erkennt das System entnommene Teile und gibt über den Bildschirm eine Empfehlung zum Absortieren. Biid: Trumpf SE + Co. KG mmc-carbide.com September 2023 25
