Es liegt auf der Hand: Der technische Wandel revolutioniert die Produktion. Er macht die Fertigung schneller, effizienter und oft auch kostengünstiger. Doch die Kunden von heute erwarten mehr als das: Sie wollen nicht nur ein gutes Produkt – also eine Maschine oder Anlage –, sondern auch einen umfassenden Service erhalten, der sich „konsumieren“ lässt. Die Antwort darauf nennt sich ‚X-as-a-Service‘, wobei das ‚X‘ für eine Vielzahl von Dienstleistungen beziehungsweise Lösungen steht. Immer stärker nachgefragt wird dabei die Variante ‚Equipment-as-a-Service‘ , kurz EaaS, die weit über bisherige Leasing-Modelle hinausgeht.

Das Prinzip beinhaltet ein völlig neues Vergütungsmodell: Das Fertigungsunternehmen bezahlt nur, was es tatsächlich mit der Maschine oder Anlage produziert hat. Dabei geht es in erster Linie nicht um Laufzeiten, sondern ganz konkret um Stückzahlen. Das bedeutet: Bezahlt wird der Einsatz der geleasten Maschine, wenn sie konkret Wertschöpfung für das produzierende Unternehmen generiert hat.

Konsequenzen in drei Dimensionen

Damit dieses Modell optimal funktioniert, müssen jedoch auch Folgen und Implikationen beachtet werden, die in mehreren Dimensionen stattfinden. Die erste der Dimensionen ist das lückenlose und smarte Monitoring der jeweiligen Maschine oder Anlage. Mit verfügbarer (Sensor-)Technik ist das, sobald ein einheitlicher Industriestandard befolgt wird, ohne weitere Herausforderungen umsetzbar und stellt die Beteiligten in der Regel nicht vor größere Probleme.

Anders bei der zweiten Dimension: Hier geht es um die Entwicklung, Implementierung und Umsetzung einer adäquaten Wartungsstrategie. Möglich ist eine solche nur bei Vorhandensein eines guten Assetmanagements. Es muss in Echtzeit feststellbar sein, ob alle Komponenten der Maschine fehlerfrei laufen, ob gegebenenfalls Unregelmäßigkeiten registriert werden – und was deren potenzielle Auswirkungen sein könnten. Kurz: Es geht um die vorausschauende Wartung, das Predictive Maintenance. Mithilfe von Machine Learning und Künstlicher Intelligenz (KI) lassen sich bereits im Vorfeld mögliche Störungen feststellen und die entsprechenden Maßnahmen durchführen, ohne dass es zu Betriebsunterbrechungen oder Ausfällen kommt.

Neben diesem hochwillkommenen Effekt profitieren die Anwender von vielen weiteren Vorteilen. So können beispielsweise die Einsätze der Servicetechniker deutlich präziser und ressourcensparender geplant und durchgeführt werden, was sowohl der Umwelt als auch der Firmenkasse zugutekommt. Damit unterscheidet sich die ‚Predictive Maintenance‘ in entscheidenden Punkten von der bis dato praktizierten ‚Preventive Maintenance‘, der vorsorgenden Wartung. Diese ist an starre Intervalle gebunden und kann nicht berücksichtigen, ob eine Komponente tatsächlich ausgetauscht oder repariert werden muss.

Für eine vorausschauende Wartung braucht es entsprechende technische Voraussetzungen, etwa in Form bestimmter Algorithmen, die einkommende Daten so interpretieren können, dass ein mögliches Problem erkennbar wird. Davon profitieren letztlich alle: der Anwender, da er weniger Störungen befürchten muss, sowie der Hersteller und Serviceanbieter, denn er kann Kosten für unnötige Serviceleistungen sparen und höhere Einkünfte generieren, wenn nach dem EaaS-Prinzip mehr produziert wird. Nicht zuletzt zahlt das auch auf seine Reputation als Produzent zuverlässig laufender Anlagen ein.

Cloud-Plattform mit Branchenexpertise

Hier kommt die dritte Dimension ins Spiel: das Field Service Management. Die operative Planung muss dabei Faktoren wie „Wer ist vor Ort?“, „Welche Teile werden gebraucht?“ oder „Welche Route ist die effizienteste?“ berücksichtigen. Betriebswirtschaftliche Aspekte sowie der Öko-Footprint spielen dabei eine große Rolle. Alle drei Dimensionen setzen sich zu einem komplett neuen Geschäftsmodell für die EaaS-Anbieter zusammen: bestehend aus den drei Elementen ERP/Herstellung, Asset Management/Überwachung und Field Service Management/Erbringung.

Wie kann das alles unter einen technischen Hut gebracht werden? Mit einer entsprechenden Lösung wie etwa IFS Cloud. Diese bietet ein breites Leistungsspektrum – von der Reduzierung von Komplexität, Kosten und Risiken über das Planen, Verwalten und Optimieren der Verfügbarkeit wichtiger Vermögenswerte bis hin zur Servicebereitstellung und Erhöhung der Belegschaftsproduktivität. Eine solche Lösung vereint umfassende Branchenexpertise mit intelligenten und autonomen Funktionen in einem Produkt. So lassen sich betriebliche Silos auflösen und Enterprise Ressource Planning, Human Capital Management, Vermögensmanagement, Außendienstfunktionen und vieles mehr miteinander verbinden.

Das gilt auch für die drei aufgeführten Dimensionen Herstellung, Überwachung und Erbringung. Eine solche Lösung muss alle abdecken, denn alle diese Bereiche hängen zusammen. Beginnend mit der eigentlichen Wertschöpfung, sprich dem Design und Bau der Maschine, und lange nicht endend bei der Überwachung. Weiter müssen Monitoring-Daten zurückfließen, analysiert und in Handlungsempfehlungen umgesetzt werden. Erfolgen alle diese Schritte über getrennte Kanäle beziehungsweise Systeme, drohen Know-how-Verlust, weil Daten verloren gehen können, Zeitverlust, weil Schnittstellen passiert werden müssen oder Datenreplikationen, so wie Intransparenz, weil die Informationen viele verschlungene Wege nehmen.
 

Herausforderung Datenkonsolidierung

All-in-one-Lösungen bieten hier eindeutige Vorteile. Aber es sind auch Hürden zu überwinden, zum Beispiel die Herausforderung, wie die Maschinenmonitoring-Daten ins ERP kommen. Es gibt unterschiedliche Maschinenprotokolle, ein industrieweiter Standard existiert bislang nicht. Dabei stehen Unmengen an Daten zur Verarbeitung und Konsolidierung an. Die Lösung liegt in der Zusammenarbeit mit Edge-Computing-Plattform- beziehungsweise IoT-Providern. Diese nehmen die Fertigungsdaten am Entstehungsort auf und konsolidieren sie dort. Die (störungs-)relevanten Informationen werden dann dem ERP zur Vor-Konsolidierung weitergeleitet. Der Weg führt weiter über IoT Datenvereinnahmung zur All-in-one-Lösung, wo über die Business Process Automation beziehungsweise die Workflow Engine genau festgelegt wird, was als nächstes passiert.

Im Hinblick auf den Serviceaspekt bei laufendem Betrieb und das MES (Manufacturing Execution System) geht es um die Verbindung der Planungs- mit der operativen Ebene. Das ist relevant, wenn der Nutzer mit seinen Maschinen die Produktion steuern möchte. Dann muss aus dem ERP heraus über eine Shopfloor Workbench die Kommunikation mit Produktionsmaschinen hergestellt werden. Das funktioniert über IoT-Sensoren, die Fertigungsaufträge und somit Stückzahlen aber auch eventuelle Störungen automatisiert zurückmelden. Diese Automatisierung bedeutet nicht zuletzt auch eine erhebliche Entlastung der Angestellten. Zudem wird die Produktion effizienter und weniger fehleranfällig. Das ließ sich in den vergangenen zwei Jahren gut beobachten, in denen die Maschinen krankheitsbedingt häufiger stillstanden. Eine weitgehende Automatisierung bringt diesbezüglich deutlich mehr Sicherheit.

Noch Luft nach oben

Der Autor: Thomas Knorr ist Sales Director Installed Base & Channel, VP Alliances DACH bei IFS.

© IFS

Was also steht einer umfassenden Modernisierung der Fertigung und einem nahtlosen EaaS-Angebot im Weg? Die erforderliche grundlegende Basis ist noch nicht in Gänze gegeben. Eine Sensorik existiert vielerorts bereits, aber noch längst nicht bei allen Unternehmen. Zudem gibt es unterschiedliche Sensorik-Standards, was potenziellen Nutzern zur Implementierung einer smarten Lösung im Weg stehen könnte. Ein weiterer Aspekt ist die emotionale Bereitschaft der Kunden. Vielerorts herrscht noch die Haltung vor „Was ich bezahle, soll mir auch ganz gehören“.

Wer sich zukunftsorientiert ausrichtet und auf den Wandel setzt, ist nicht nur im Wettbewerb besser aufgestellt, sondern auch für die anstehende mittelfristig unvermeidliche Transformation, für die dann kein neues oder zusätzliches System mehr nötig ist. Im Vergleich zu früher haben sich die Verhältnisse damit geradezu umgedreht: In der Vergangenheit galt, dass sich Unternehmen zunächst Gedanken über ein neues Geschäftsmodell machen, bevor sie an ein passendes ERP-Modell denken. Heute nutzen Unternehmen die neuen Funktionalitäten zunehmend, um die Geschäftsmodelle und Prozesse daran auszurichten.