Mehrwert aus Daten schaffen

Monetarisierung von Maschinendaten

Die Aufgabe der Produktionstechnik ist die Effizienzsteigerung verarbeitender und herstellender Methoden. Bereits in der Steinzeit wurden Faustkeile aus Stein zur Bearbeitung von Holz und tierischen Materialen eingesetzt. Später wurden Faustkeile zu Äxten und Speere weiterentwickelt oder durch neue Materialen revolutioniert. Doch für alle Zeitalter und Entwicklungsstufen galten dieselben ökonomischen Werte.

(Bild: Senseering GmbH)

Alles was bisher erforscht, entwickelt oder erarbeitet wurde, musste irgendwie in das Wertesystem besser, schneller, billiger einzahlen. Hierbei handelt es sich um das moderne Spannungsfeld der Produktionstechnik bestehend aus Qualität, Zeit, Kosten. Mit der Digitalisierung sollte das anders werden. Aber in vielen Fällen erhöhte eine Digitalisierung nur die Kosten, ohne glaubhafte oder greifbare Aussichten auf Qualitäts- und Zeitvorteile aufzeigen zu können. Für Unternehmen scheint der Spagat aus digitalen Versprechen und der individuellen Umsetzung der eigenen Prozesse immer noch schwierig. Und so wurde hauptsächlich ‘zum Selbstzweck digitalisiert’. Daher wurde der Sachverhalt bereits erfolgreich an der RWTH Aachen in ein Exzellenzcluster überführt, dem sogenannten Cluster ‘Internet of Production’. Industriell hat es aber im Maschinenbau bis heute keine digitale Disruption gegeben. Ein Grund dafür könnte darin liegen, dass das klassische Wertesystem nicht einfach übernommen werden kann. Denn Digitalisierung ist nicht einfach nur eine Investition in besser, schneller, billiger, sondern eine Beschreibung eines neuen, digitalen Wertesystems, für das Unternehmen neue Werteversprechen und ein anderes Führungsverständnis brauchen.

Die Senseering GmbH hat bereits 2017 ein provokatives Experiment konzipiert, das die verschiedenen digitalen Mehrwerte von Industrie 4.0 aufzeigen sollte: Es wurde eine industrielle Großserienmaschine am Werkzeugmaschinenlabor WZL der RWTH Aachen digitalisiert und vernetzt, sodass ein Prototyp für eine sogenannte Maschinenökonomie entstand. Dabei handelt es sich um die Vision, bei der industrielle Maschinen und Geräte ihre Maschinendaten autonom in einem Wertschöpfungsnetzwerk teilen können und im Gegenzug monetär vergütet werden. Dadurch sollen wegen der höheren Datendichte und besseren Informationstransparenz neben technischen Produktionsprozessen auch Geschäftsprozesse bzw. Geschäftsmodelle profitieren bzw. neu entstehen. Der Prototyp wurde folglich mit einem sogenannten Machine Wallet, einer digitalen Geldbörse für Maschinen, versehen und über eine Distributed-Ledger-Technologie (häufig auch als Blockchain verallgemeinert), in dem Fall IOTA, mit einem lokalen Edge-AI-Netzwerk der Senseering vernetzt. Ziel des Prototyps war es, die Machbarkeit einer Maschinenökonomie zu beweisen, dabei Sichtbarkeit zu erzeugen, um Kundengruppen zu mobilisieren und in den Dialog zu kommen.

Was ist Datenmonetarisierung

Unter Datenmonetarisierung ist im einfachsten Fall die direkte monetäre Vergütung im Tausch für ein definiertes Datum zu verstehen. Daten als Rohstoff in einer monetären Währung. Im erweiterten Sinne sollte darunter aber jeder Vorgang der Erzeugung eines messbaren ökonomischen Vorteils basierend auf der Verwendung von Daten, aggregierten Daten oder Daten Services verstanden werden, z.B. Reduzierung der Herstellungskosten, Steigerung der Produktivität oder des Marktwerts eines Unternehmens. Zur Beschreibung der Mehrwerte der Datenmonetarisierung muss zwischen internen, also auf das eigene Unternehmen bezogenen, und externen, also kundenzentrierten, Strategien unterschieden werden.

Unternehmensintern lassen sich am schnellsten Monetarisierungsmehrwerte verwirklichen, da der Anspruch an Datensicherheit und Datenschutz firmenintern niedriger ist. Mit geringem Aufwand lassen daher die folgenden Mehrwerte monetarisieren:

• Erschließung von neuen Erkenntnissen über Produktions- oder Geschäftsprozesse
• Reduktion der Entscheidungslatenz
• Minimierung von Risiko
• Optimierung von Produkten
• Reduktion von Kosten

Tradierte Geschäftsmodelle, die die analoge Marktwirtschaft die letzten Jahrzehnte dominierten, mussten sich letztendlich der Fixkostendegression bzw. dem Prinzip der Grenzkosten geschlagen geben. Wie sehr sich Unternehmen auch anstrengten, die durch die Produkte oder durch Dienstleistungen ermöglichte Wertschöpfung war stets degressiv steigend. In einigen Fällen nahm die Wertschöpfung mit zunehmender Skalierung sogar ab, da die zusätzliche Anstrengung in Folge einer überproportional gestiegenen Verwaltungskomplexität unerwartete Mehrkosten verursachte. Es ist zwar nicht davon auszugehen, dass durch eine interne Datenmonetarisierungsstrategie sofort die Fixkostendegression bestehender Produktions- oder Geschäftsprozesse schlagartig transformiert werden kann. Es darf aber erwartet werden, dass die interne Datenmonetarisierung eine Effizienz- und vielleicht sogar Effektivitätssteigerung mit sich bringt, welche die in der Abbildung gezeigte Kurve zu höheren Werten und zu einer späteren Abflachung verschieben kann. Frei nach dem Motto: ‘Mit den Daten mehr aus den eigenen Prozessen holen’.

Externe Datenmonetarisierung

Kundenzentrierte Mehrwerte sind deutlich schwieriger zu erzielen. Zwar können durch das Verkaufen von Daten (Data as a Aervice) schnell neue Einkommensströme erschlossen werden, eine nachhaltige Kundenbindung wird jedoch nur mit fertigen Lösungen (Data solutions as a Service) erwirkt. Gelingt es Unternehmen eine externe Datenmonetarisierung umzusetzen, dann dürfen die folgenden Mehrwerte erwartet werden:

• Erschließung neuer Einkommensströme
• Steigerung des bestehenden Marktwerts
• Gewinnung neuer Marktanteile
• Erhöhung der Kundenbindung
• Progressive Geschäftsmodelle

Durch eine externe Monetarisierung von Maschinendaten ergeben sich nichtlineare Skalierungseffekte. Einmal erfasste Daten können näherungsweise grenzkostenfrei repliziert werden, da die Zeit und die Kosten, die zur Replikation verbraucht werden nur wenige Sekunden dauern. Damit stehen diese Daten fast zeitgleich einer theoretisch unendlichen Zielgruppe zur Verfügung (Plattformgedanke). Anhand der digitalen Nachfrage ist es nun Aufgabe des Unternehmens zu verstehen, wie diese Daten von wem eingesetzt werden und zu entscheiden, ob nicht selbst eine Lösung (data solution as a service) für diesen und vermutlich weitere Kunden entwickelt werden kann. Die externe Datenmonetarisierung hat demnach das Potenzial ein progressiv steigendes Geschäftsmodell zu etablieren, deren Kurve mittels KI zu früheren und steileren Werten verschoben werden kann. Generell wird die Transformation zu progressiven Geschäftsmodellen als disruptive Innovation bezeichnet und kann sogar den nötigen Anstoß für eine nachgelagerte Ökosystementwicklung sein.

Datum:30. März 2020

Autoren:Senseering GmbH

Themen: Technik, Industrie 4.0

Webseite: www.decidebetternow.de

Downloads:

Das könnte Sie auch interessieren

Topstory

Generative KI in der Fertigung: Der Mehrwert ist oft noch unklar

3 Prozent der großen Industrieunternehmen setzen GenAI bereits großflächig ein, und rund ein Viertel hat erste Pilotprojekte gestartet. Laut einer Untersuchung der Unternehmensberatung McKinsey kann die Mehrheit der Unternehmen den Mehrwert der Technologie für den Unternehmenserfolg bislang aber noch nicht beziffern.‣ weiterlesen