Strategien


Kultureller Change

6 Elemente von Predictive Maintenance

Christiane Pütter ist Journalistin aus München. Sie schreibt über IT, Business und Wissenschaft. Zu ihren Auftraggebern zählen neben CIO und Computerwoche mehrere Corporate-Publishing-Magazine, vor allem im Bereich Banken/Versicherungen.
Auf bis zu 40 Prozent jährliches Wachstum bis 2022 schätzt Roland Berger den Markt für Predictive Maintenance. Unternehmen müssen sich dafür nicht nur technologisch, sondern auch kulturell fit machen. Die Consultants nennen sechs Elemente von Predictive Maintenance.
  • Die sechs Elemente: Sensortechnologie, Data und Signal-Processing, Condition Monitoring und Diagnose, Predictive Ability, Prozess- und Entscheidungsunterstützung, Service-/Geschäftsmodell
  • Wollen Unternehmen die vollen Möglichkeiten von Predictive Maintenance ausschöpfen, müssen sie sich mit ihren Kunden zusammensetzen und Lösungen für den spezifischen Bedarf erstellen

Predictive Maintenance bietet Unternehmen die Chance, langfristige Kundenbeziehungen aufzubauen. Bisherige Maintenance - die entweder routinemäßig, nachträglich oder präventiv erfolgt - wird künftig nicht mehr ausreichen. Diese These vertritt Roland Berger in dem Papier "Predictive maintenance - from data collection to value creation".

Roland Berger unterteilt das Feld Predictive Maintenance in sechs Elemente.
Roland Berger unterteilt das Feld Predictive Maintenance in sechs Elemente.
Foto: Roland Berger

Die Analysten erwarten in diesem Segment bis 2022 ein jährliches Wachstum zwischen 20 und 40 Prozent. Das entspräche einem Volumen von elf Milliarden US-Dollar. Gut vier von fünf Entscheidern investieren in Predictive Maintenance.

Roland Berger dehnt die bisherige Definition von Predictive Maintenance aus. Es geht um "Predictive Ability", also etwa darum, vorhersagende Entscheidungen und Abläufe zu ermöglichen. Daher begreifen die Analysten das Thema nicht nur technologisch, sondern auch unternehmenskulturell. Hintergrund ist die Entwicklung vom reaktiven zum proaktiven Geschäftsmodell.

Diese Entwicklung skizziert Roland Berger in vier Schritten: Zunächst schafft das Unternehmen mittels mobiler oder fixer Netzwerke Konnektivität zwischen den physischen Produkten ("Interconnectivity"). Daraus entstehen neue Datenquellen mit Daten über den Zustand der Maschine. Diese Daten werden im zweiten Schritt ("Digital Data") gesammelt, vorbereitet und analysiert, um Voraussagen zu treffen. Der dritte Schritt ("Automation") besteht in der Prozess-Automatisierung. Autonome und selbstlernende Maschinen sollen permanent Schäden verhindern. Im vierten Schritt ist der sofortige Fernzugriff auf Wartungs- und Reparaturpunkte möglich. Daraus leitet das Unternehmen neue Wertschöpfungs- und Service-Modelle ab ("Direct value creation").

Laut Roland Berger vollzieht sich der Prozess, über Predictive Maintenance neue Wertschöpfung zu generieren, in vier Schritten.
Laut Roland Berger vollzieht sich der Prozess, über Predictive Maintenance neue Wertschöpfung zu generieren, in vier Schritten.
Foto: Roland Berger

Roland Berger sieht sich die einzelnen Elemente von Predictive Maintenance einzeln an. Es sind folgende sechs Bestandteile:

1. Sensor-Technologie: Sensoren bilden die Grundlage von Predictive Maintenance. CIOs müssen entscheiden, welche Sensoren sie brauchen und ob sie die selbst betreiben oder einen Dienstleister beauftragen.

2. Data und Signal Processing: Die Masse an Daten, die Unternehmen sammeln können, muss der CIO strukturieren. Er muss festlegen, wo sie gespeichert werden sollen (auf lokaler Hardware oder in der Cloud).

3. Condition Monitoring und Diagnose: Hier legt Roland Berger besonders viel Wert auf Nutzerfreundlichkeit. Die Daten, die den aktuellen Zustand der Maschine widergeben und die Grundlage für die Entscheidung über nötige Wartungsarbeiten liefern, müssen Nutzer-orientiert, transparent, und leicht verständlich sein.

Intern geschulte Data Scientists oder externe Spezialisten

4. Predictive Ability: Der Sinn der technologischen Möglichkeiten ist es, den künftigen Zustand der Maschine vorherzusagen. Der zugrunde liegende Algorithmus kombiniert dafür Daten über den aktuellen Zustand mit Service-Life-Modellen und Parametern der Produktionsumgebung, etwa Temperatur und Luftfeuchtigkeit. Technisch sehr ausgereifte Lösungen nutzen Künstliche IntelligenzKünstliche Intelligenz (KI) und Machine LearningMachine Learning. CIOs müssen klären, wer damit umgehen kann, etwa intern geschulte Data Scientists oder externe Spezialisten. Das Unternehmen muss entscheiden, ob es nur um das Produkt geht, das die Maschine herstellt, oder um weitergefasste Erwartungen der Endkunden. Alles zu Künstliche Intelligenz auf CIO.de Alles zu Machine Learning auf CIO.de

5. Prozess- und Entscheidungsunterstützung: Für Roland Berger liegt dort der Heilige Gral. Unternehmen müssen entscheiden, ob sie - quasi wie in einem selbstfahrenden Auto - möglichst viel automatisieren wollen beziehungsweise welchen Grad an Kontrolle sie wahren müssen.

6. Service-/Geschäftsmodell: Dort lautet das Stichwort Customisation. Um die Möglichkeiten von Predictive Maintenance auszuschöpfen, muss sich das Unternehmen mit seinen Kunden zusammensetzen. Die Entscheider auf beiden Seiten müssen klären, welche spezifischen Ansprüche bestehen. Das erfordert abteilungsübergreifende Zusammenarbeit und in vielen Unternehmen ein Aufbrechen bisheriger Organisationsstrukturen. Das berührt auch Kulturfragen.

Deutsche Anbieter "Spitzenreiter"

Roland Berger sieht in diesem Markt insbesondere für deutsche Dienstleister Chancen. Sie zählen international zu den Spitzenreitern und bieten sehr wettbewerbsfähige Lösungen an, so die Consultants. Insgesamt sei in diesem Segment der Großteil der Angebote aus Europa zu erwarten.

Laut Sebastian Feldmann, Partner bei Roland Berger, scheuen viele Unternehmen noch davor zurück, ihre Geschäftsmodelle so grundlegend umzugestalten. Damit gefährden sie im schlimmsten Fall langfristig ihre Wettbewerbsfähigkeit. Das Wichtigste sei, funktionale Silos aufzubrechen und abteilungsübergreifend zusammenzuarbeiten. "Kooperation, Kooperation, Kooperation ist der springende Punkt", so Feldmann.

Zur Startseite