• IAA 2017

    Wir haben Live auf der IAA ein intelligentes, autonomes Schwarm-Fahrzeug entwickelt.

  • Sonnenlicht im Tank

    Wie agile Entwicklungsmethoden helfen, die Reichweitenangst bei Elektroautos zu besiegen

  • Bat-Bike

    Futuristisches Zweirad Konzept mit Potenzial für die Serie

  • EDAG SOULMATE

    WENN DAS AUTO PLÖTZLICH DAS BESSERE SMARTPHONE IST

  • Intelligentes Licht - Scheinwerfer mit hohem IQ

Teil 2: Die drei größten Spannungsfelder, die Sie beachten müssen

Industrie 4.0 wird von vielen Seiten „gepusht“ und es werden Schreckensszenarien gemalt, wenn sich die deutsche mittelständische Industrie weiter zögerlich zeigt. Dieser Artikel benennt einige grundlegende Widersprüche des Industrie 4.0-Hypes. 

Disruption

Wikipedia beschreibt: „Eine disruptive Technologie (englisch to disrupt „unterbrechen“) ist eine Innovation, die eine bestehende Technologie, ein bestehendes Produkt oder eine bestehende Dienstleistung möglicherweise vollständig verdrängt.“ Somit wird eine kontinuierliche Weiterentwicklung des bisherigen Produkts unterbrochen. Das neue Angebot kommt meistens aus einer unerwarteten Richtung. Es wird in der Industrie 4.0-Diskussion immer wieder betont, dass es disruptive Änderungen geben wird. Dann wird darauf hingewiesen, dass man sich nur um neue Geschäftsmodelle kümmern muss, um damit umzugehen. Am besten engagiert man einen Innovationsberater, der sich dann um alles kümmert. Leider ist dies ein Teil der Industrie 4.0-Illusion. Disruption lässt sich nicht vorplanen oder durch Berater gestalten – sonst wäre es ja keine. Die Aufgabe für die Unternehmen besteht in erster Linie darin, durch effektive Marktbeobachtung schnell zu erkennen, wenn eine disruptive Veränderung das eigene Geschäftsmodell bedroht. Zusätzlich wird man versuchen, durch eine intensive Kundenorientierung neue Produktmöglichkeiten zu finden, die dann selbst eine disruptive Änderung verursachen können. Eine reine Fokussierung auf das Finden neuer Geschäftsmodelle wäre aber leichtsinnig.

Big Data

Big Data scheinen das Benzin für den Industrie 4.0-Motor zu sein. Die Segnungen der vielen Daten ermöglichen in den Augen vieler Industrie 4.0-Promoter erst wirklichen Fortschritt. Dabei sollte man aber nicht vergessen, dass die deutsche mittelständische Industrie ihren Erfolg zum großen Teil der Tatsache verdankt, dass die Bedürfnisse der einzelnen Kunden in hoher Qualität befriedigt werden und dass man dafür am Weltmarkt Premiumpreise erzielen kann. Bei einer Big Data-Analyse sieht man aber das einzelne nicht mehr. Es geht um Muster der Masse. Außerdem ist eine Datenanalyse immer ein Blick zurück mit darauf folgender Extrapolation. Das Fortschreiben vergangener Entwicklungen ist aber vielleicht nicht die passende Betrachtungsweise in Zeiten schnellen Wandels. Es geht doch eher darum, herauszufinden, was die Zukunft von dem Unternehmen „verlangt“ im Sinne von Otto Scharmers „Theory U“. Drittens zeigen Datenanalysen Korrelationen aber keine Ursachen-Wirkungsbeziehungen. In der immer stärker vernetzten Wirtschaft gibt es keine direkten Ursache-Wirkungsbeziehungen mehr, die einfach durch Korrelationen angenähert werden können. Ob sich komplexe rückgekoppelte Systeme, wie sie heute existieren, noch durch rationale Modelle erfassen lassen, bleibt abzuwarten. Viele Mittelständler begründen ihren Erfolg auf einem intuitiven und eben nicht rational analytischen Verständnis des Marktes und das wird in immer komplexeren Systemen wohl auch weiterhin erfolgsversprechend sein.

Datensicherheit/Datenaustausch

Große Verbesserungen werden durch intensiven Datenaustausch erwartet. Ein Merkmal der Digitalisierung ist, dass die Herrschaft über Daten ausschlaggebend für den wirtschaftlichen Erfolg ist. Unternehmen, die nur Daten managen (Google, Facebook, Uber, Airbnb…) erzielen große Gewinne oder erreichen zumindest eine unglaubliche Marktkapitalisierung. Unternehmen, die weiterhin Hardware produzieren, investieren müssen und somit viel Risiko tragen, müssen als Folge mit kleineren Margen auskommen. Wie muss der Umgang mit Daten für einen Mittelständler organisiert werden, um bestmögliche Ergebnisse zu erzielen? Das ist die Frage, um die sich jedes Unternehmen intensiv kümmern muss. Da gibt es keine Patentlösungen, jeder muss hier seinen eigenen Weg finden. Kann es für alle produzierenden Unternehmen gut sein, über Maschinenbetriebsdaten viel Produktions-Know-how herauszugeben, nur um eine datengetriebene vorbeugende Wartung zu ermöglichen? Hat der Produktionsmitarbeiter nicht häufig Erfahrungswerte, um zu wissen, wie „seine“ Maschine am besten am Laufen gehalten werden kann? Soll darauf verzichtet werden, dieses Wissen zu nutzen? Es gibt sicherlich keinen guten oder schlechten Datenaustausch. Die Aufgabe für jedes Unternehmen besteht darin, den Umgang mit Daten bewusst zu gestalten. Dazu müssen Kernkompetenzbereiche definiert werden, wo das Know-how streng gehütet wird und wo es keinen Datenaustausch gibt. Auf den übrigen Gebieten kann dann versucht werden, durch gezielte Herausgabe und Gewinnung von Daten den wirtschaftlichen Erfolg zu sichern.

Lesen Sie im nächsten EDAG-Newsletter wie Sie Ihr Unternehmen auf den richtigen Weg bringen.