An Daten mangelt es Unternehmen bekanntlich nicht, und durch die weitere Digitalisierung werden es ständig mehr. Firmen beschäftigen sich damit, durch die Analyse dieser Daten wertvolle Erkenntnisse zu gewinnen. Dies hilft ihnen dabei, Unternehmensprozesse zu bewerten und zu verbessern.

Definition "Predictive Analytics"

Predictive Analytics, also das Erkennen von Zusammenhängen und Mustern sowie Vorhersagen aufgrund von Prognosemodellen, spielt dabei eine immer wichtigere Rolle, besonders auch in den Produktionsprozessen.

Welche Bedeutung Predictive Analytics heute bereits hat und in Zukunft weiter gewinnen wird, wollte PAC im Rahmen einer Studie herausfinden. Da Datenanalysen immer mehr branchenspezifische Anforderungen erfüllen müssen, wurden für die Studie Produktionsverantwortliche aus Unternehmen der Fertigungsindustrie befragt (*siehe unten auch "Informationen zur Studie" *).

Mit der Umfrage wollte PAC herausfinden, ob sich bislang nur einige wenige Industrieunternehmen mit Predictive-Analytics-Verfahren beschäftigen oder deren Nutzung bereits zum Mainstream geworden ist.

Vorteile: Planung, Ursachenforschung, Qualitätssteigerung und Termintreue

Laut den Umfrageergebnissen ist Predictive Analytics langsam aber sicher auf dem Wege zum Mainstream: 40 Prozent der deutschen Unternehmen aus der Fertigungsindustrie nutzen bereits Predictive-Analytics-Lösungen, um Fertigungsprozesse zu verbessern. Hauptgründe für die Nutzung von Predictive-Analytics sind vor allem:

• Steigerung von Termintreue und Lieferfähigkeit

• Ursachenforschung für Fehlerquellen, Ausfälle und Störungen

• Bessere Planbarkeit von Bedarfen

• Verbesserung der Qualität in der Produktion

• Bessere Vorhersage sowie Planung von Wartungseinsätzen

Damit adressieren solche Lösungen unmittelbar die heutigen Herausforderungen von Fertigungsunternehmen, zu denen unter anderem die Steigerung der Termintreue zählt. Hierbei kann Predictive Analytics aus Sicht von PAC bestehende IT-Systeme zur Produktionsplanung- und steuerung sowie Automatisierungstechnik sinnvoll ergänzen.

Die für die Auswertung benötigten Daten existieren bereits:

• Laufzeitdaten der Maschinen

• Qualitätsdaten

• Arbeitszeitdaten

• Verbrauchsangaben

• Auftragsinformationen

• Werkstattberichte

• Kundenfeedback in Form von E-Mails und Social Media

Bereits Schlüsseltechnologie oder noch Zukunftsmusik?

Es gibt also durchaus einen Grund für Fertigungsunternehmen, Predictive Analytics zu nutzen. Doch welche strategische Bedeutung hat das Thema? Ein überraschend deutliches Ergebnis der Studie ist: Deutsche Firmen aus der Fertigungsindustrie sind überzeugt, dass ihnen Predictive Analytics helfen kann, die eigene Effizienz und Innovationskraft zu steigern sowie geschäftliche Vorteile zu erzielen.

Doch obwohl die Unternehmen ein Innovationspotenzial erkennen, bleibt in vielen Firmen das Potenzial heute noch ungenutzt. Denn ein großer Teil der befragten Firmen sehen Predictive-Analytics-Lösungen eher noch als ein Zukunftsthema für den eigenen Fertigungsbereich an. Für ein gutes Drittel der Unternehmen sind diese Analyseverfahren bereits heute eine strategische Schlüsseltechnologie.

Nur etwas für große Firmen?

Die Mehrheit der befragten Firmen glaubt außerdem, dass in erster Linie große Firmen von Predictive Analytics profitieren können. Natürlich potenzieren sich die Mehrwerte bei größeren Unternehmen, etwa durch Einsparungen bei einer besser geplanten Maschinenwartung. Doch aus unserer Sicht sind Analyselösungen grundsätzlich auch für die vielen mittelständischen Fertigungsunternehmen relevant. Hierbei stellt sich natürlich auch die Frage, wie gut die Angebote der Anbieter (Lösungs- und Dienstleistungsanbieter) auf die Anforderungen dieser Zielgruppe zugeschnitten sind.

Hindernisse: Implementierungsaufwand, Komplexität und mangelndes Fachwissen

Damit wären wir bei den Hindernissen, die gegen den Einsatz von Predictive Analytics sprechen. Hier gibt es durchaus Aspekte, auf welche die IT-Anbieter Einfluss haben. Hier wären der hohe Implementierungsaufwand und die Komplexität solcher Lösungen zu nennen.

Gegen den Einsatz sprechen aber auch der Mangel an Fachwissen sowie die oftmals schlechte Datenqualität in der Fertigung. Hindernisse also, welche die Unternehmen schon selbst beheben müssten.

Offenbar gibt es aber noch Aufklärungsbedarf, denn obwohl die Unternehmen bereits genügend konkrete Anwendungsbeispiele identifizieren können, glaubt etwa die Hälfte der Firmen, dass der ROIROI nur schwer nachweisbar ist. Alles zu ROI auf CIO.de

Fazit

Angesichts der Mehrwerte sowie der Innovationspotenziale, die Predictive Analytics für deutsche Fertigungsunternehmen bietet, sollten sich Firmen mit den Möglichkeiten für das eigene Unternehmen auseinandersetzen. Entsprechende Lösungen existieren bereits. Und offenbar mangelt es auch nicht an Anwendungsbeispielen für die Branche.

Einerseits ist also Bereitschaft seitens der Unternehmen gefordert, aus den vorhandenen Daten mittels Predictive Analytics Vorteile zu ziehen. Andererseits ist aber auch noch mehr Engagement seitens der IT-Branche notwendig, um Hindernisse wie Implementierungsaufwand und Lösungskomplexität aus dem Weg zu räumen.

Für Fertigungsunternehmen ist es eine Herausforderung, zwischen Rüstzeiten, Instandhaltung und Wartung noch Zeit für die Einführung von Predictive-Analytics-Lösungen zu finden. Dies gilt in besonderem Maße für mittelgroße Betriebe. Für CIOs wird es deshalb noch stärker darauf ankommen, gemeinsam mit den Produktionsleitern ganz genau abzustimmen, welches ihre zentralen Anforderungen an Predictive Analytics sind.

Frank Niemann ist Vice President - Software & SaaS Markets und Philipp Schalla Senior Consultant bei Pierre Audoin Consultants (PAC).