Impuls INDUSTRIE 4.0-READINESS Implications of Chinese Competitor Strategies for German Machinery Manufacturers Stiftung für den Maschinenbau, den Anlagenbau und die Informationstechnik Dr. Karl Lichtblau/Prof. Dr.-Ing. Volker Stich/ Dr. Roman Bertenrath/Matthias Blum/Martin Bleider/ Agnes Millack/Katharina Schmitt/ Edgar Schmitz/Moritz Schröter INDUSTRIE 4.0-READINESS Dieses Forschungsvorhaben wurde gefördert von der IMPULS-Stiftung des VDMA Aachen, Köln, Oktober 2015 1 Institut der deutschen Wirtschaft Köln Consult GmbH Dr. Karl Lichtblau Geschäftsführer IW Consult E-Mail [email protected] Telefon 0221 4981-758 FIR e. V. an der RWTH Aachen Prof. Dr.-Ing. Volker Stich Geschäftsführer des FIR e. V. an der RWTH Aachen E-Mail [email protected] Telefon 0241 47705-100 2 Zu dieser Studie Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller, effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig: Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0. Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht. Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden. Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer Industrie 4.0-Fähigkeit noch zu passieren sind. Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch abzubilden. Handlungsfelder für die unternehmerische Praxis runden die Studie ab. Damit unterstützt die Studie die vielfältigen Aktivitäten und Angebote des VDMA-Forums Industrie 4.0 in hervorragender Weise. An dieser Stelle bedanken wir uns bei den beiden Themenpaten aus dem VDMA-Forum, Dietmar Goericke und Dr. Christian Mosch, die mit ihrem Engagement zum Gelingen der Studie maßgeblich beigetragen haben. Wir sind davon überzeugt: Industrie 4.0 kann zu einer Erfolgsgeschichte für den deutschen Maschinenund Anlagenbau werden. Möge unsere Studie „Industrie 4.0-Readiness“ ihren Beitrag dazu leisten. Frankfurt, Oktober 2015 Dr. Thomas Lindner Vorsitzender des Kuratoriums IMPULS-Stiftung Dr. Manfred Wittenstein Stellv. Vorsitzender des Kuratoriums IMPULS-Stiftung Dr. Johannes Gernandt Geschäftsführender Vorstand IMPULS-Stiftung Stefan Röger Geschäftsführender Vorstand IMPULS-Stiftung 3 Inhalt Zu dieser Studie 3 Inhalt 4 Abbildungsverzeichnis 5 Tabellenverzeichnis 7 Executive Summary 8 1Zielsetzung, Studiendesign und Ausgangslage 2 1.1 Zielsetzung der Studie 1.2 Begriffsverständnis 1.3Methodische Vorgehensweise 1.4Ausgangslage und Motivation der Unternehmen 10 11 14 17 Das Modell zur Readiness-Messung 21 3Die Ergebnisse der Readiness-Messung 3.1 3.2 3.3 3.4 3.5 3.6 3.7 4 4 10 Gesamtblick Strategie und Organisation Smart Factory Smart Operations Smart Products Data-driven Services Mitarbeiter 26 26 29 35 39 44 47 52 Handlungsfelder für Industrie 4.0 55 4.1Handlungsfelder für Neulinge 4.2Handlungsfelder für Einsteiger 4.3Handlungsfelder für Pioniere 57 60 61 5Literaturverzeichnis 65 6Glossar 66 7Anhang 69 Abbildungsverzeichnis Abbildung 1-1: Industrie 4.0 als Verbindung von physischer und virtueller Welt 12 Abbildung 1-2: Teilnehmende Unternehmen nach Fachverbänden 16 Abbildung 1-3: Motivation für Industrie 4.0 17 Abbildung 1-4: Ziele von Industrie 4.0 18 Abbildung 1-5: Beschäftigung mit Industrie 4.0 19 Abbildung 1-6: Selbsteinschätzung der Unternehmen mit Blick auf ihre Industrie 4.0-Umsetzung 20 Abbildung 2-1: Dimensionen und zugeordnete Themenfelder von Industrie 4.0 22 Abbildung 2-2: Die sechs Stufen im Industrie 4.0-Readiness-Modell 23 Abbildung 2-3: Empirische Umsetzung der sechsstufigen Readiness-Messung 25 Abbildung 3-1: Readiness-Messung 27 Abbildung 3-2: Readiness-Messung nach Unternehmensgrößenklassen 28 Abbildung 3-3: Industrie 4.0-Readiness nach Unternehmenstypen 29 Abbildung 3-4: Readiness-Stufen in der Dimension Strategie und Organisation 30 Abbildung 3-5: Haupthürden in der Dimension Strategie und Organisation 31 Abbildung 3-6: Umsetzungsstand der Industrie 4.0-Strategie 32 Abbildung 3-7: Nutzung eines Kennzahlensystems 33 Abbildung 3-8: Technologie- und Innovationsmanagement 33 Abbildung 3-9: Getätigte und geplante Investitionen in Industrie 4.0 34 Abbildung 3-10: Readiness-Stufen in der Dimension Smart Factory 36 Abbildung 3-11: Haupthürden in der Dimension Smart Factory 36 Abbildung 3-12: Erfassung von Maschinen- und Prozessdaten 37 Abbildung 3-13: Nutzungsfeld der Daten 38 Abbildung 3-14: Maschinenparkfunktionalitäten 39 Abbildung 3-15: Readiness-Stufen in der Dimension Smart Operations 40 Abbildung 3-16: Haupthürden in der Dimension Smart Operations 41 Abbildung 3-17: Systemintegrierter Informationsaustausch nach Bereichen 41 5 Abbildung 3-18: Autonome Steuerung des Werkstücks in der Produktion 42 Abbildung 3-19: Lösungen zur IT-Sicherheit 43 Abbildung 3-20: Nutzung von Cloud-Dienstleistungen 44 Abbildung 3-21: Readiness-Stufen in der Dimension Smart Products 46 Abbildung 3-22: Haupthürden in der Dimension Smart Products 47 Abbildung 3-23: IKT-Zusatzfunktionalitäten von Produkten 47 Abbildung 3-24: Data-driven Services 48 Abbildung 3-25: Readiness-Stufen in der Dimension Data-driven Services 49 Abbildung 3-26: Haupthürden in der Dimension Data-driven Services 49 Abbildung 3-27: Angebot von Data-driven Services 50 Abbildung 3-28: Anteil genutzter Daten im Unternehmen 51 Abbildung 3-29: Analyse von Daten aus der Nutzungsphase 51 Abbildung 3-30: Readiness-Stufen in der Dimension Mitarbeiter 53 Abbildung 3-31: Haupthürden in der Dimension Mitarbeiter 53 Abbildung 3-32: Mitarbeiterkompetenzen für Industrie 4.0 54 Abbildung 4-1: Verteilung der Unternehmenstypen nach Dimensionen 55 Abbildung 4-2: Hemmnisse nach Unternehmenstypen 57 Abbildung 4-3: Handlungsfelder für Neulinge (Readiness-Stufe 0 und 1) 58 Abbildung 4-4: Handlungsfelder für Einsteiger (Readiness-Stufe 2) 60 Abbildung 4-5: Handlungsfelder für heutige Pioniere (Readiness-Stufen 3+) 62 Abbildung 7-1: Readiness-Modell für die Dimension Strategie und Organisation – Mindestanforderungen 70 Abbildung 7-2: Readiness-Modell für die Dimension Smart Factory – Mindestanforderungen 71 Abbildung 7-3: Readiness-Modell für die Dimension Smart Operations – Mindestanforderungen 72 Abbildung 7-4: Readiness-Modell für die Dimension Smart Products – Mindestanforderungen 73 Abbildung 7-5: Readiness-Modell für die Dimension Data-driven Services – Mindestanforderungen 74 Abbildung 7-6: Readiness-Modell für die Dimension Mitarbeiter – Mindestanforderungen 6 74 Tabellenverzeichnis Tabelle 1-1: Zusammensetzung der Befragungsstichproben 16 Tabelle 3-1: Gesamtergebnis der Industrie 4.0-Readiness 26 Tabelle 3-2: Durchschnittliche Readiness in der Dimension Strategie und Organisation 30 Tabelle 3-3: Durchschnittliche Readiness in der Dimension Smart Factory 35 Tabelle 3-4: Durchschnittliche Readiness in der Dimension Smart Operations 40 Tabelle 3-5: Durchschnittliche Readiness in der Dimension Smart Products 45 Tabelle 3-6: Durchschnittliche Readiness in der Dimension Data-driven Services 48 Tabelle 3-7: Durchschnittliche Readiness in der Dimension Mitarbeiter 52 7 Executive Summary Industrie 4.0 steht im Mittelpunkt vieler Zukunftskonzepte von Unternehmen, Wirtschaft und Politik. Dabei ist aber nicht klar, wo die Unternehmen des deutschen Maschinen- und Anlagenbaus als Schlüsselindustrie für die Umsetzung von Industrie 4.0 heute wirklich stehen. Die Studie untersucht die Industrie 4.0Readiness, also die Bereitschaft und Fähigkeit der Unternehmen zur Umsetzung von Industrie 4.0Konzepten. Der aktuelle Umsetzungsstand wurde empirisch ermittelt und mithilfe eines Einordnungsschemas, dem Readiness-Modell, kategorisiert. Das Readiness-Modell Mit dem Readiness-Modell wurden Kriterien formuliert, die es erlauben, die Unternehmen in die drei Unternehmenstypen „Neulinge“, „Einsteiger“ und „Pioniere“ einzuordnen. Die Einordnung der Unternehmen erfolgt in Abhängigkeit folgender sechs wesentlicher Dimensionen von Industrie 4.0: Strategie und Organisation, Smart Factory, Smart Operations, Smart Products, Data-driven Services und Mitarbeiter. Online-Selbst-Check – das Werkzeug zur Selbstbewertung für Unternehmen Das Readiness-Modell ist die Grundlage auch für eine Selbstbewertung und einen Vergleich. Der hierfür entwickelte Online-Selbst-Check bietet Unternehmen die Möglichkeit, ihre Industrie 4.0Readiness in den sechs Dimensionen Strategie und Organisation, Smart Factory, Smart Operations, Smart Products, Data-driven Services und Mitarbeiter selbstständig zu bestimmen. Auf dieser Basis wird auch eine Einordnung in die Unternehmenstypen „Neulinge“, „Einsteiger“ und „Pioniere“ möglich. Der Online-Selbst-Check steht unter www.industrie40-readiness.de zur Verfügung. Industrie 4.0 ist im deutschen Maschinenund Anlagenbau angekommen Mehr als jedes fünfte Maschinen- und Anlagenbauunternehmen beschäftigt sich intensiv mit Industrie 4.0. Im gesamten Verarbeitenden Gewerbe1 sind es im Vergleich zehn Prozent. Der deutsche Maschinen- und Anlagenbau sieht in Industrie 4.0 deutlich mehr Chancen als Risiken: Neun von zehn Unternehmen, die sich intensiv mit Industrie 4.0 beschäftigen, erkennen in Industrie 4.0 eine Möglichkeit, sich am Markt zu differenzieren. 76,2 Prozent geben zudem an, dass es zum Selbstverständnis von Technologieführern gehört, sich mit diesem Thema zu befassen. Einordnung der befragten Unternehmen Dennoch zählt mit 5,6 Prozent nur ein relativ kleiner Anteil unter den Unternehmen bereits zu den Pionieren bei der Umsetzung von Industrie 4.0. 17,9 Prozent der Unternehmen sind Einsteiger, welche sich mit Industrie 4.0-Konzepten befassen und erste Maßnahmen zur Realisierung treffen. Mit 76,5 Prozent hat die überwiegende Mehrheit bisher noch keine systematischen Schritte zur Umsetzung unternommen und zählt zu den Neulingen im Bereich Industrie 4.0. Readiness ist abhängig von Grössenklasse Die Industrie 4.0-Readiness der Unternehmen hängt mit der Unternehmensgröße zusammen. Große Unternehmen des Maschinen- und Anlagenbaus sind weiter bei der Einführung von Industrie 4.0 fortgeschritten als kleine und mittelständische Unternehmen. Für ein Unternehmen alleine ist es kaum möglich, unabhängig von Partnern einen höheren Grad der Industrie 4.0Readiness zu erreichen. Denn dafür müssen alle Akteure entlang der Wertschöpfungskette entsprechende Konzepte implementiert haben und in einem digitalen Netzwerk interagieren. 1 Der Maschinen- und Anlagenbau ist eine Teilgruppe des Verarbeitenden Gewerbes. 8 Vier wichtige Erkenntnisse 1. Industrie 4.0 muss stärker in der Unternehmensstrategie verankert werden Entscheidend für die Etablierung von Industrie 4.0 ist, dass die Unternehmensleitung derartige Konzepte vordenkt und vor allem vorlebt. Bei vier von zehn Unternehmen ist noch keine Industrie 4.0-Strategie vorhanden. Hier zeichnet sich ein klares Größengefälle ab: Je größer das Unternehmen ist, desto eher beschäftigt es sich auch strategisch mit Industrie 4.0. Gerade kleine und mittlere Unternehmen sollten versuchen, das Thema über Pilotinitiativen für sich zu erschließen. 2. Qualifiziertes Personal ist bereits Thema Der Großteil der Unternehmen hat bereits erkannt, dass eine breit qualifizierte Belegschaft ein wesentlicher Erfolgsfaktor zur Zielerreichung von Industrie 4.0 ist. Unternehmen nutzen bei der Mitarbeiterqualifizierung ihre Schulungserfahrung und fühlen sich in diesem Themenfeld sicher. Lediglich 30 Prozent der Unternehmen geben an, betriebsintern keine Kernkompetenzen zu besitzen, um die Anforderungen an Industrie 4.0 aus Mitarbeitersicht heute zu bewältigen. 3. Data-driven Services und vernetzte Produkte ermöglichen neue Geschäftsmodelle Alle Unternehmenstypen, also sowohl Neulinge und Einsteiger als auch Pioniere, verfügen bei „Data-driven Services“ über die mit Abstand geringste Industrie 4.0-Readiness. Knapp zwei Drittel der Unternehmen haben die Potenziale von Data-driven Services noch nicht für sich entdeckt und offerieren kein datenbasiertes Dienstleistungsangebot. Dabei bieten die Sammlung und Auswertung anfallender Daten im Produktlebenszyklus ein enormes Potenzial für Unternehmen, um künftig ihr Serviceportfolio oder ihr Geschäftsmodell zu erweitern. Gerade mithilfe von Produktzusatzfunktionalitäten lassen sich Produkte und Lösungsansätze entwickeln, die präzise auf potenzielle und bestehende Kunden zugeschnitten sind. Einen echten Mehrwert können standortbezogene Informationen liefern, die bisher kaum erfasst werden. 4. Finanzierung von Industrie 4.0-Projekten muss gesichert werden Die Pioniere sind sich über den wirtschaftlichen Nutzen von Industrie 4.0 im Klaren. Die Unklarheit über den wirtschaftlichen Nutzen von Industrie 4.0 schwindet also rapide, wenn Unternehmen ihre zögernde Haltung aufgeben und sich aktiv mit Themen wie datenbasierte Dienstleistungen oder vernetzte Produkte beschäftigen. Deutlich wird aber auf der anderen Seite auch der dann notwendige finanzielle Aufwand. Aufgrund der steigenden Komplexität von fortschreitenden Industrie 4.0-Projekten geben 63,4 Prozent der Pioniere an, dass sie die fehlende Finanzkraft zur Durchführung von Investitionen daran hindert, das Thema weiter voranzutreiben. Damit liegt die Finanzierungsfrage als Hemmnis bei Pionieren über den Forderungen nach einheitlichen Standards, der IT-Security oder der Klärung von Rechtsfragen. Hier ist auch die Politik gefragt, mit angemessenen Maßnahmen wie der steuerlichen Forschungsförderung zu unterstützen. Ein solides Geschäftsmodell sollte zudem schon mit der schrittweisen Einführung von Industrie 4.0 innerhalb des Unternehmens stehen. 9 1 Z ielsetzung, Studiendesign und Ausgangslage In diesem einführenden Kapitel werden die Zielsetzung der Studie dargelegt, grundlegende Begriffe eingeführt und die verwendeten Methoden erläutert. Zudem wird die Ausgangslage des deutschen Maschinen- und Anlagenbaus in Bezug auf Industrie 4.0 skizziert. Danach folgt in Kapitel 2 die Darstellung und Erläuterung des im Rahmen der Studie entwickelten Readiness-Modells, mit dem der derzeitige Stand der Implementierung von Industrie 4.0 in deutschen Maschinenbauunternehmen gemessen werden soll. Im anschließenden Kapitel 3 werden die entsprechenden Messergebnisse vorgestellt, die – aufbauend auf dem Modell – auf Basis einer Unternehmensbefragung empirisch ermittelt wurden. Die Studie schließt in Kapitel 4 mit der Identifizierung vordringlicher Handlungsfelder. Mit deren Hilfe können Industrie 4.0-Konzepte den deutschen Maschinen- und Anlagenbau weiter durchdringen. 1.1 Zielsetzung der Studie Industrie 4.0 bezeichnet die in Echtzeit stattfindende digitale Vernetzung von Lieferanten, Produzenten und Kunden entlang der Wertschöpfungsketten und der Geschäftsmodelle. Die damit verbundene Verschmelzung moderner Informations- und Kommunikationstechnologien (IKT) mit klassischen industriellen Prozessen bietet den Unternehmen des deutschen Maschinen- und Anlagenbaus viele Chancen: Eine Studie erwartet für die Branche bis zum Jahr 2025 ein zusätzliches Wertschöpfungspotenzial von 23 Milliarden Euro und ein jährliches Wachstum von 2,1 Prozent durch Industrie 4.0Technologien (Bitkom/Fraunhofer IAO, 2014). Dieses Potenzial kann mithilfe von optimierten Wertschöpfungsnetzwerken, Effizienzgewinnen in betrieblichen Prozessen, innovativen Produkten sowie neuen Dienstleistungen und Geschäftsmodellen erreicht werden. Da der Maschinen- und Anlagenbau künftig nicht nur Anwender von Industrie 4.0-Konzepten sein wird, sondern sich auch gleichzeitig zu einem Anbieter für Lösungen entwickeln wird, besteht für diese Branche die besondere Notwendigkeit, sich frühzeitig und intensiv mit den entsprechenden Konzepten zu befassen. 10 Bei der Arbeit der Plattform Industrie 4.0 und des VDMA-Forums Industrie 4.0 ist jedoch zu beobachten, dass bei vielen Unternehmen des Maschinen- und Anlagenbaus noch erhebliche Unsicherheiten und ein hoher Informationsbedarf bezüglich der konkreten Umsetzung von Industrie 4.0 bestehen. Während einige Unternehmen in der Implementierung von Industrie 4.0Prozessen und -Technologien bereits weit fortgeschritten sind, agieren andere, zumeist kleine und mittelständische Firmen, noch sehr abwartend. Das liegt daran, dass Industrie 4.0 aufgrund mangelnder Informationen viele Unsicherheiten hinsichtlich der Chancen und Risiken mit sich bringt (Wischmann et al., 2015). Ermittlung der Industrie 4.0-Readiness des Maschinen- und Anlagenbaus Zielsetzung dieser Studie ist es daher, die deutschen Maschinen- und Anlagenbauunternehmen bei ihren Schritten zu Industrie 4.0 zu unterstützen. Im Rahmen dieser Studie wird der Umsetzungsgrad (Readiness) von Industrie 4.0 in den Unternehmen untersucht. Dazu wurde ein Messkonzept entwickelt und es wurden die Parameter im Rahmen einer Unternehmensbefragung empirisch ermittelt. Im Wesentlichen gibt die Studie Antworten auf zwei spezifische Fragestellungen: 1. Wo stehen die Unternehmen des deutschen Maschinen- und Anlagenbaus derzeit auf dem Weg zu Industrie 4.0? 2. Welche Voraussetzungen müssen für die erfolgreiche Umsetzung von Industrie 4.0 in den Unternehmen geschaffen werden und welche Rahmenbedingungen müssen dafür verändert werden? Online-Selbst-Check für Unternehmen Im Rahmen der Studie haben die Projektpartner IW Consult und FIR an der RWTH Aachen ein Online-Werkzeug entwickelt, mit dem interessierte Unternehmen ihren individuellen Industrie 4.0-Reifegrad ermitteln können. Der SelbstCheck erfasst analog zur Studie die sechs Dimensionen von Industrie 4.0 und vergleicht diese Selbsteinschätzung (Ist-Profil) mit dem Profil führender Industrie 4.0-Unternehmen (Benchmark-Profil) sowie dem Profil der Zielvision (Soll-Profil). Dadurch erfahren die Unternehmen, in welchen Bereichen sie schon besonders gut aufgestellt sind und in welchen Bereichen noch Optimierungsbedarf besteht. Der Online-Selbst-Check ist unter folgendem Link erreichbar: www.industrie40-readiness.de 1.2 Begriffsverständnis Der Lenkungskreis der Plattform Industrie 4.0 definierte den Begriff Industrie 4.0 wie folgt: „Der Begriff Industrie 4.0 steht für die vierte industrielle Revolution, einer neuen Stufe der Organisation und Steuerung der gesamten Wertschöpfungskette über den Lebenszyklus von Produkten. Dieser Zyklus orientiert sich an den zunehmend individualisierten Kundenwünschen und erstreckt sich von der Idee, dem Auftrag über die Entwicklung und Fertigung, die Auslieferung eines Produkts an den Endkunden bis hin zum Recycling, einschließlich der damit verbundenen Dienstleistungen. Basis ist die Verfügbarkeit aller relevanten Informationen in Echtzeit durch Vernetzung aller an der Wertschöpfung beteiligten Instanzen sowie die Fähigkeit aus den Daten den zu jedem Zeitpunkt optimalen Wertschöpfungsfluss abzuleiten. Durch die Verbindung von Menschen, Objekten und Systemen entstehen dynamische, echtzeitoptimierte und selbst organisierende, unternehmensübergreifende Wertschöpfungsnetzwerke, die sich nach unterschiedlichen Kriterien wie bspw. Kosten, Verfügbarkeit und Ressourcenverbrauch optimieren lassen.“ (Plattform Industrie 4.0, 2015) Industrie 4.0 ist eine Vision, die die Industrie der Zukunft beschreibt. Die spezifischen Potenziale liegen vor allem in einer hochflexiblen, hochproduktiven und ressourcenschonenden Produktion, die es ermöglicht, hochindividualisierte Produkte unter den wirtschaftlichen Rahmenbedingungen eines Massenherstellers zu fertigen. Schlussendlich sind in dynamischen, echtzeitoptimierten Wertschöpfungsnetzwerken Engineering, Produktion, Logistik, Service und Vermarktung unternehmensübergreifend gekoppelt. Die Vision von Industrie 4.0 Die Vision von Industrie 4.0 bedeutet für den Maschinen- und Anlagenbau das Erreichen der folgenden vier Ziele (Plattform Industrie 4.0, 2015): 1. Horizontale Integration: Die Smart Factory passt sich stets den neuen Gegebenheiten (wie beispielsweise Auftragslage und Materialverfügbarkeit) an und optimiert selbstständig ihre Produktionsprozesse. Hierzu ist sie in der Wertschöpfungskette mit Zulieferern und Kunden vernetzt. 2. Vertikale Integration: In der Smart Factory werden Menschen, Maschinen und Ressourcen digital abgebildet und kommunizieren miteinander über cyber-physische Systeme (CPS). 3. Smart Products verfügen sowohl über Informationen bezüglich des eigenen Herstellungsprozesses als auch über die Fähigkeit, Daten während der Fertigungs- und Nutzungsphase zu sammeln und zu kommunizieren. Dies ermöglicht das digitale Abbild in der Smart Factory und das Angebot von datenbasierten Dienstleistungen für den Kunden in der Nutzungsphase. 4. Der Mensch als Dirigent der Wertschöpfung. Der Aufbau dieser Systeme ist kein Selbstzweck, sondern wird nur stattfinden, wenn dadurch Erfolg versprechende Geschäftsmodelle realisiert werden. Dabei können durchaus unterschiedliche Aspekte im Fokus stehen: Durch Industrie 4.0-Technologien sollen kleine kundenindividuelle Losgrößen bei optimalen Kapazitätsauslastungen erreicht werden. Die rentable Produktionsmöglichkeit von Losgröße eins und Leerkosten null beschreiben diese Vision. 11 Industrie 4.0 soll auf der Eingangsseite Effizienzsteigerung mit Blick auf Arbeits-, Kapital-, Material-, Energie- und Zeiteinsatz ermöglichen. Dabei sollen 30 bis 50 Prozent Effizienzsteigerung und 20 bis 25 Prozent Ressourceneinsparungen möglich sein (McKinsey, 2015). Durch Industrie 4.0 sollen alle Prozesse beschleunigt und es soll eine höhere Innovationsdynamik entfaltet werden. Vor allem für den Maschinen- und Anlagenbau als Ausstatter und Anwender der zukünftigen Smart Factory ergeben sich signifikante Umsatzsteigerungen von bis zu 30 Prozent (McKinsey, 2015). Unser Verständnis von Industrie 4.0 Obwohl die skizzierte Vision und Definition von Industrie 4.0 in zahlreichen Publikationen allgemeiner Konsens ist, so fehlt für diese Studie und damit für Unternehmen dennoch eine anwendungsorientierte Übersetzung. Nur mit einer praxisorientierten Definition von Industrie 4.0 können die Vision und das Ziel anvisiert und die Startlinie für die zukünftige Entwicklung des Maschinen- und Anlagenbaus gezeichnet werden. Denn nur wer weiß, wohin die Reise geht, kann auch die richtigen Schritte in die Wege leiten. Insofern bezieht sich das dieser Studie zugrunde liegende Verständnis vor allem auf die Bereiche, in denen sich Potenziale ergeben. Unser Verständnis von Industrie 4.0 umfasst die folgenden vier Dimensionen (Abbildung 1-1): • • • • Smart Factory Smart Products Smart Operations Data-driven Services Abbildung 1-1: Industrie 4.0 als Verbindung von physischer und virtueller Welt Smart Factory Smart Operations Für eine erhöhte Transparenz und erweiterte Planungsfähigkeit werden Assets mit Sensorik ausgestattet und vernetzt Die Smart Factory ermöglicht eine flexible Produktionsplanung und -steuerung Digitalisierung Smart Products Data-driven Services Das Produkt denkt mit und steht auch nach dem Verkauf mit dem Hersteller in Verbindung Durch die Vernetzung von Produkt, Hersteller und Kunde eröffnen sich neue Märkte für Dienstleistungen Virtuell Eigene Darstellung 12 unternehmerische Ziele Physisch Operational Excellence Effizienzsteigerung durch weitere Automatisierung Kundenindividuelle Produkte zu Kosten eines Massenprodukts Erweiterung Leistungsportfolio Steigerung des Umsatzes durch digital veredelte Produkte Erschließung neuer Märkte Von zentraler Bedeutung für das Verständnis ist, dass sich die ersten beiden Dimensionen (Smart Factory und Smart Products) auf die physische Welt beziehen, während die beiden anderen (Smart Operations und Data-driven Services) die virtuelle Abbildung der physischen Dimensionen repräsentieren. Industrie 4.0 ist nach diesem Konzept die Verbindung von physischer und virtueller Welt. Smart Factory: Die erfolgreiche Umsetzung von Industrie 4.0 ermöglicht eine dezentrale und hochautomatisierte Produktion. Im Gegensatz zur klassischen Fertigung werden intelligente Werkstücke den Fertigungsprozess steuern und überwachen und sich in der finalen Ausbaustufe eigenständig durch die Fertigung lenken. Dies geschieht in der Umgebung der Smart Factory. Die Smart Factory beschreibt dabei eine Produktionsumgebung, in der sich Fertigungsanlagen sowie Logistiksysteme ohne menschliche Eingriffe weitgehend selbst organisieren. Die Grundlage hierfür sind cyber-physische Systeme (CPS). Diese bilden die Verbindung zwischen der physischen und virtuellen Welt, indem sie über eine IT-Infrastruktur, das „Internet der Dinge“, kommunizieren. Darüber hinaus umfasst Industrie 4.0 die intelligente Datenaufnahme, -speicherung und -verarbeitung zur Erzeugung eines digitalen Abbilds. Das Konzept der Smart Factory gewährleistet also eine effizientere Informationsbereitstellung und Ressourcennutzung. Produktionsanlagen, Informationssysteme und Menschen müssen über die Unternehmensgrenzen hinweg in Echtzeit zusammenwirken. Durch diese vernetzten Systeme entstehen große Datenmengen, die verarbeitet, analysiert und in Entscheidungsmodelle eingebunden werden. Smart Products: Um eine automatisierte, flexible und effiziente Produktion zu ermöglichen, sind Smart Products als Baustein eines Gesamtkonzepts „Smart Factory“ nötig. Physische Produkte werden mit IKT-Komponenten (zum Beispiel Sensoren, RFID, Kommunikationsschnittstelle) ausgestattet, um Informationen über die Umwelt und den eigenen Zustand zu sammeln. Erst wenn die Produkte Daten sammeln, ihren Weg durch die Produktion kennen und mit den übergeordneten Systemen kommunizieren, können Produktionsprozesse in Echtzeit selbstständig verbessert und gesteuert werden. Zudem kann der Zustand der einzelnen Produkte überwacht und optimiert werden. Mögliche Einsatzfelder gehen über die eigentliche Produktion hinaus. Durch den Einsatz von Smart Products in der Nutzungsphase werden neue Dienstleistungen erst möglich, etwa durch die Kommunikation zwischen Kunden und Hersteller. Data-driven Services: Die Dimension Data-driven Services zielt auf die Ausrichtung zukünftiger Geschäftsmodelle sowie auf die Steigerung des Kundennutzens ab. Das After-Sales- und Servicegeschäft wird zunehmend auf der Auswertung und Analyse aufgenommener Daten basieren und sich der unternehmensweiten Vernetzung bedienen. Die physischen Produkte müssen dabei selbst mit physischer IT ausgestattet sein, damit sie für die betrieblichen Prozesse notwendige Informationen senden, empfangen oder verarbeiten können. Sie haben damit eine physische und digitale Komponente, die wiederum Basis für digitalisierte Dienstleistungen in der Nutzungsphase der Produkte sind. Smart Operations: Ein zentrales Merkmal von Industrie 4.0 ist die unternehmensinterne und unternehmensübergreifende Vernetzung der physischen und virtuellen Welt. Durch den Einzug der Digitalisierung und die damit verbundene Datenverfügbarkeit im Produktions- und Logistikumfeld sind teilweise völlig neue Formen und Ansätze der Produktionsplanung und -steuerung (PPS) sowie des Supply-Chain-Managements (SCM) realisierbar. Smart Operations umfassen damit die technischen Voraussetzung in der Produktion und Produktionsplanung zur Realisierung des selbst steuernden Werkstückes. 13 1.3 Methodische Vorgehensweise Zur Durchführung dieser Studie wurde ein Methoden-Mix aus Literaturanalyse, Expertenwissen, Workshops und einer umfassenden Unternehmensbefragung gewählt. Workshop zur Identifizierung Industrie 4.0-relevanter Indikatoren In einem ersten Schritt wurde nach einer ausführlichen Sondierung der Literatur ein Workshop mit ausgewählten führenden Maschinenund Anlagenbauunternehmen durchgeführt, die bereits Erfahrung mit der Anwendung von Industrie 4.0-Technologien besitzen. In diesem Workshop haben die Experten zusammen mit den Projektpartnern (IW Consult und FIR) erfolgsrelevante Indikatoren für Industrie 4.0 systematisch identifiziert und bewertet. Konzeption des Readiness-Modells Aufbauend auf den Workshop-Ergebnissen, der Literaturanalyse und dem Know-how der Projektpartner wurde in einem nächsten Schritt ein Readiness-Modell konzipiert, mit dessen Hilfe sich insgesamt sechs Reifegrade für Industrie 4.0 definieren ließen (vgl. ausführlich Kapitel 2): • • • • • • Stufe 0: Außenstehender Stufe 1: Anfänger Stufe 2: Fortgeschrittener Stufe 3: Erfahrener Stufe 4: Experte Stufe 5: Exzellenz Beim Readiness-Modell wurde eng an die in der Definition genannten vier Dimensionen von Industrie 4.0 angeknüpft. Zusätzlich wurden mit den Dimensionen Strategie und Organisation sowie Mitarbeiter zwei Querschnittsthemen berücksichtigt. Die für die Readiness-Messung verwendeten Indikatoren wurden im Rahmen von Unternehmensbefragungen erhoben. 14 Fragebogendesign Aufbauend auf den Anforderungen des Readiness-Modells wurde ein Fragebogen entwickelt, der die folgenden Aspekte beinhaltet: • Strukturmerkmale der Unternehmen • Allgemeine Fragen zu Industrie 4.0 • Erfüllungsgrad der Dimensionen von Industrie 4.0-Unternehmen • Treiber und Hemmnisse auf dem Weg zu Industrie 4.0. Im ersten Teil des Fragebogens wurden die Teilnehmer darum gebeten, Strukturangaben zu ihrem Unternehmen zu machen. Diese Angaben dienen in erster Linie dazu, die Repräsentativität zu kontrollieren und mit einer Hochrechnung zu gewährleisten. Der zweite Teil des Fragebogens enthielt allgemeine Fragen zu Industrie 4.0, beispielsweise inwieweit die Unternehmen sich mit Industrie 4.0 bereits beschäftigt haben, sowie eine Selbsteinschätzung der Unternehmen zu ihrem Umsetzungsstand von Industrie 4.0. Diese beiden Fragen dienten dazu, die Teilnehmer herauszufiltern, für die Industrie 4.0 nicht relevant oder unbekannt ist. Im Mittelpunkt der Befragung stand aber die Festlegung der Indikatoren, mit deren Hilfe die insgesamt 18 Themenfelder der sechs Dimensionen von Industrie 4.0 (vgl. Kapitel 2) konkret beschrieben und die Ausprägungen entsprechend gemessen werden sollten. Dafür wurden insgesamt 26 Fragen formuliert. Die Unternehmen machten unter anderem Angaben zum Umsetzungsstand ihrer Industrie 4.0-Strategie, zu den Funktionalitäten ihres Maschinenparks, zur Datenerfassung, autonomen Fertigung, zu datenbasierten Dienstleistungen und Mitarbeitern. Zudem gaben die Teilnehmer an, was die zentralen Treiber für die Umsetzung von Industrie 4.0 sind und welche Hemmnisse die Umsetzung maßgeblich bremsen. Befragungsstichproben Kern der empirischen Erhebung ist eine Online-Befragung von Mitgliedern des VDMA, die von April bis Juli 2015 durchgeführt wurde. Der VDMA hat dafür via E-Mail-Verteiler zur Teilnahme eingeladen. Die Unternehmen erhielten einen umfassenden Fragebogen, den 232 Teilnehmer beantwortet haben. Es zeigte sich, dass diese Stichprobe für eine repräsentative Hochrechnung nicht ausreichte. Insbesondere die Beteiligung der kleineren Unternehmen war zu gering. Deshalb wurde die VDMA-Befragung durch eine wortgleich formulierte Erhebung im Rahmen der 26. Welle des IW-Zukunftspanels ergänzt. Mögliche Doppelzählungen von Unternehmen durch eine Teilnahme an beiden Befragungen wurden ausgeschlossen. Es war zudem zu vermuten, dass die VDMA-Stichprobe verzerrt sein könnte. Der Grund dafür besteht darin, dass sich Unternehmen mit einer hohen Themenaffinität erfahrungsgemäß an solch aufwendigen und thematisch klar erkennbaren Befragungen überdurchschnittlich oft beteiligen. Um die empirische Basis zu vergrößern und diesem Effekt entgegenzuwirken, wurden mit der 23. Welle des IW-Unternehmervotums und einer eigens durchgeführten Telefonbefragung zwei weitere Erhebungen hinzugezogen. Diese Erhebungen sind aber nur zur Ermittlung des Anteils der nicht-affinen Industrie 4.0-Unternehmen verwendet worden. Wichtig ist, dass alle Befragungen im gleichen Zeitraum und wortgleich durchgeführt wurden. Die Stichproben der zusätzlich verwendeten Befragungen sind zufällig gezogen und erlauben deshalb repräsentative Hochrechnungen. Durch die hohe Abdeckung der Maschinen- und Anlagenbauunternehmen im VDMA wird unterstellt, dass auch diese Stichprobe ein repräsentatives Bild der Branche wiedergibt. Dem Befragungsdesign liegt demnach eine zweistufige Vorgehensweise zugrunde (Tabelle 1-1): • Zunächst wurde auf Basis der vier verwendeten Datensätze der Anteil der Industrie 4.0affinen Unternehmen ermittelt. Dafür konnten die Angaben von 431 Unternehmen verwendet werden. • Den Industrie 4.0-affinen Unternehmen wurden dann weiterführende Fragen zur Messung der Readiness gestellt. Basis dafür sind 289 Antworten, wobei 199 aus der VDMA-Mitgliederbefragung und 90 aus dem IW Zukunftspanel stammen. In der Studie werden nur Unternehmen mit mehr als 20 Beschäftigten berücksichtigt. Gerade für diese Größenklasse hat der VDMA einen sehr hohen Repräsentationsgrad. Von den 6.419 im Unternehmensregister erfassten Unternehmen des deutschen Maschinen- und Anlagenbaus mit mehr als 20 Beschäftigten sind rund die Hälfte Mitglied des VDMA. Große Unternehmen sind in der Stichprobe im Vergleich zur Grundgesamtheit überrepräsentiert, was durch die Ermittlung von Gewichtungsfaktoren ausgeglichen wurde. An den Stellen, wo es signifikante Unterschiede gibt, werden die Ergebnisse nach Größenklassen differenziert dargestellt. Dabei wurde folgende Klassifikation gewählt: • Kleine Unternehmen (20 bis 99 Mitarbeiter) • Mittelständische Unternehmen (100 bis 499 Mitarbeiter) • Große Unternehmen (ab 500 Mitarbeiter) 15 Tabelle 1-1: Zusammensetzung der Befragungsstichproben Unternehmen Mitarbeitergrößenklassen 20-99 100-499 ab 500 Gesamt Unternehmen des Maschinen- und Anlagenbaus Unternehmensregister 4.268 1.812 339 6.419 Stichprobe zur Ermittlung der Industrie 4.0-affinen Unternehmen1 VDMA-Mitgliederbefragung (April bis Juli 2015) 67 86 79 232 IW-Zukunftspanel (26. Welle; Juli bis August 2015) 66 44 16 126 IW-Unternehmervotum (23. Welle; Mai 2015) 8 10 7 25 24 19 5 48 165 159 107 431 Telefonische Sonderbefragung (Juli 2015) Gesamt Kernerhebung zur Messung der Readiness von Industrie 4.0-affinen Unternehmen1 VDMA-Mitgliederbefragung (April bis Juli 2015) 50 77 72 IW-Zukunftspanel (26. Welle; Juli bis August 2015) Gesamt 199 40 35 15 90 90 112 87 289 1 Unternehmen, für die Industrie 4.0 relevant ist und für die der Begriff bekannt ist. Angaben beziehen sich auf die Anzahl der Unternehmen. Eigene Darstellung Abbildung 1-2 zeigt die VDMA-Fachverbandszugehörigkeit der befragten Unternehmen. Der Schwerpunkt liegt bei der Antriebstechnik sowie im Bereich Robotik und Automation. Abbildung 1-2:Teilnehmende Unternehmen nach Fachverbänden Antriebstechnik Gießereimaschinen 5 Bergbaumaschinen 5 Power Systems Holzbearbeitungsmaschinen Armaturen 25 15 weitere Fachverbände mit weniger als 5 Teilnehmern Robotik + Automation 20 6 6 6 Großanlagenbau Allgemeine Lufttechnik Software 17 8 Werkzeugmaschinen und 8 17 Fördertechnik und Intralogistik Messund Prüftechnik Fertigungssysteme 9 15 10 Textilmaschinen 11 15 Fluidtechnik Nahrungsmittelmaschinen und Verpackungsmaschinen 11 Präzisionswerkzeuge 15 12 Kunststoff- und Gummimaschinen 14 12 Elektrische Automation 12 Bau- und Baustoffmaschinen 13 Verfahrenstechnische Maschinen und Apparate Pumpen + Systeme Kompressoren, Druckluft- und Vakuumtechnik n = 214; nur Unternehmen, die Angaben zur Fachverbandszugehörigkeit gemacht haben Quelle: VDMA-Mitgliederbefragung, 2015 16 20 oder mehr Teilnehmer 5-19 Teilnehmer weniger als 5 Teilnehmer 1.4 A usgangslage und Motivation der Unternehmen Auf Basis der durchgeführten Unternehmensbefragung können erste Aussagen zur allgemeinen Einstellung der deutschen Maschinen- und Anlagenbauunternehmen in Bezug auf Industrie 4.0 sowie zu den damit verbundenen Chancen und Risiken getroffen werden. Die Unternehmen im Maschinen- und Anlagenbau haben die Chancen von Industrie 4.0 erkannt Industrie 4.0 ist für den deutschen Maschinenund Anlagenbau ein Positivthema – die Chancen überwiegen deutlich die Risiken. Das zeigen die Befragungsergebnisse (Abbildung 1-3) eindrucksvoll. Für fast neun von zehn Unternehmen ist die Chance, sich am Markt zu differenzieren und dadurch Alleinstellungsmerkmale im globalen Wettbewerb zu schaffen, die wichtigste Motivation, sich mit diesem Thema zu befassen. Industrie 4.0 weckt den Innovationsgeist – rund 76,2 Prozent der Unternehmen geben an, dass es zum Selbstverständnis von Technologieführern gehört, sich damit auseinander zu setzen. Bei gut drei von vier der befragten Unternehmen steht Industrie 4.0 auf der Agenda, weil die Marktentwicklungen und der Wettbewerbsdruck dies erfordern. Diese Firmen gehen davon aus, dass traditionelle Konzepte nicht ausreichen werden, um dem Wettbewerbsdruck standzuhalten. Sie sehen sich dazu gezwungen, sich mit dem Thema Industrie 4.0 zu befassen. Bei der Frage zur Motivation lassen sich keine nennenswerten Unterschiede zwischen den Größenklassen feststellen. Daher werden die Ergebnisse nach Größenklassen an dieser Stelle nicht explizit ausgewiesen. Abbildung 1-3: Motivation für Industrie 4.0 Chance zur Differenzierung im Markt 49,7 Innovationsgeist, man muss dieses Thema ausprobieren 45,4 39,6 1,1 0,0 3,2 0,2 10,7 38,5 11,6 4,0 Selbstverständnis als Technologieführer 40,3 35,9 0,6 19,2 1,7 0,0 Markterfordernisse und Wettbewerbsdruck Trifft zu Trifft eher zu 33,8 Trifft eher nicht zu 43,3 Trifft nicht zu 21,2 Keine Angabe Angaben in Prozent; Mehrfachnennungen möglich; n= 134 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quelle: VDMA-Mitgliederbefragung, 2015 17 Mit Industrie 4.0 lassen sich erhebliche Umsatz- und Effizienzpotenziale erschliessen Effizienzsteigerungen im Managementsystem, beispielsweise durch optimierte Koordinationsprozesse oder eine erhöhte Transparenz bei den Lagerbeständen und der Auftragsbearbeitung, werden von 46,1 Prozent der Unternehmen erwartet. Welche Ziele verfolgen die deutschen Maschinenund Anlagenbauer mit Industrie 4.0? Gibt es Unterschiede in den Größenklassen? Die Befragung der VDMA-Mitgliedsunternehmen zeigt, dass mehr als sechs von zehn Unternehmen in Industrie 4.0-Anwendungen eine Möglichkeit sehen, die Effizienz ihres Produktionssystems zu erhöhen. Diese Effizienzpotenziale sollen beispielsweise durch eine Steigerung der Flexibilität, die Verringerung von Durchlaufzeiten und Produktionskosten oder eine höhere Termintreue erreicht werden. Im Vergleich der Größenklassen nach Mitarbeiterzahl zeichnen sich deutliche Unterschiede ab. Während höhere Umsätze für kleine Unternehmen (20 bis 99 Mitarbeiter) das wichtigste Ziel darstellen, setzen die mittelständischen Unternehmen (100 bis 499 Mitarbeiter) primär auf Effizienzsteigerungen im Produktionssystem. Für große Unternehmen (ab 500 Mitarbeiter) gewichten beide Ziele gleich stark (Abbildung 1-4). Zudem rechnen über 60 Prozent der Unternehmen damit, dass ihre Umsätze durch Industrie 4.0 steigen werden. Das Potenzial sehen die Unternehmen dabei vor allem bei der Erschließung neuer Geschäftsmodelle durch erweiterte Produkt- oder Dienstleistungsportfolios oder eine höhere Kundenbindung. Insgesamt zeigen auch diese Auswertungen, dass Industrie 4.0 ein Chancenthema ist und mit klaren betriebswirtschaftlichen Zielen verknüpft wird. Abbildung 1-4: Ziele von Industrie 4.0 Effizienzsteigerungen im Produktionssystem … Effizienzsteigerungen im Managementsystem Umsatzsteigerungen Gesamt Gesamt Gesamt 46,1 63,8 65,6 Unternehmensgrößen 20 - 99 Unternehmensgrößen 100 - 499 100 - 499 100 - 499 ab 500 ab 500 ab 500 Unternehmensgrößen 20 - 99 0 20 40 60 80 100 0 20 - 99 20 40 60 80 100 0 20 Summe "zentrale und bedeutende Ziele"; Angaben für Gesamt und nach Mitarbeitergrößenklassen; Angaben in Prozent; Mehrfachnennungen möglich; n = 188; Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quelle: VDMA-Mitgliederbefragung, 2015 18 … 40 60 80 100 Jedes zweite befragte Unternehmen befasst sich mit Industrie 4.0 Bei dieser positiven Bewertung der Chancen ist es nicht verwunderlich, dass das Thema Industrie 4.0 im Maschinen- und Anlagenbau angekommen ist. Mehr als die Hälfte der Befragten (57,2 Prozent) hat sich bereits mit dem Themenfeld Industrie 4.0 befasst. Dabei setzen sich größere Unternehmen häufiger damit auseinander als kleine und mittelständische. Gut ein Fünftel der Maschinen- und Anlagenbauer hat sich intensiv mit Lösungen zur Umsetzung von Industrie 4.0 befasst. Ein Drittel hat zwar bereits davon gehört, bisher aber keinerlei Aktivitäten unternommen. Lediglich für knapp 9 Prozent der Befragten ist der Begriff Industrie 4.0 unbekannt (Abbildung 1-5). Verglichen mit dem gesamten Verarbeitenden Gewerbe sind die Unternehmen aus dem Maschinen- und Anlagenbau deutlich besser informiert. Der Anteil der Firmen im gesamten Verarbeitenden Gewerbe (einschließlich Maschinenbau), die sich intensiv mit Industrie 4.0 auseinandergesetzt haben, liegt bei 10 Prozent (Abbildung 1-5). Zugleich ist der Anteil derer, die noch nicht von Industrie 4.0 gehört haben, deutlich höher als im Maschinen- und Anlagenbau. Insgesamt zeigen diese Ergebnisse, dass das Thema Industrie 4.0 im Maschinen- und Anlagenbau eine deutlich höhere Relevanz hat als in anderen Industriebranchen. Abbildung 1-5: Beschäftigung mit Industrie 4.0 Maschinen- und Anlagenbau Gesamtes Verarbeitendes Gewerbe 8,9 14,1 10,0 22,3 33,9 35,8 40,1 34,9 Ja, intensiv Ja, am Rande Nein, aber wir haben davon gehört Nein, wir haben noch nicht davon gehört Angaben in Prozent; n=431 Maschinen- und Anlagenbau; n = 674 Verarbeitendes Gewerbe Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle; IW-Unternehmervotum 2015, 23. Befragungswelle; telefonische Befragung, 2015 19 Maschinen- und Anlagenbau bei Industrie 4.0 weiter als das Verarbeitende Gewerbe Die Unternehmen, die sich bereits mit Industrie 4.0 beschäftigt haben, wurden im Rahmen der vier oben vorgestellten Befragungen gebeten, eine Selbsteinschätzung zum Umsetzungsstand von Industrie 4.0 und zu ihrer relativen Position abzugeben. Sie konnten sich dabei als „Vorreiter“, „Follower“ oder „Abwartend“ einordnen beziehungsweise angeben, dass das Thema ihnen „Nicht bekannt“ oder für sie „Nicht relevant“ ist. Die Ergebnisse (Abbildung 1-6): • Knapp 12 Prozent der Unternehmen des Maschinen- und Anlagenbaus schätzen sich als Vorreiter ein. Im gesamten Verarbeitenden Gewerbe ist dieser Anteil mit 6,4 Prozent deutlich geringer. • Etwa ein Fünftel sieht sich in einer Follower-Position und will offensichtlich an die Themenführer anschließen. Auch dieser Anteil ist deutlich höher als im gesamten Verarbeitenden Gewerbe. • Die Mehrheit (46,5 Prozent) der befragten Unternehmen im Maschinen- und Anlagenbau stuft sich abwartend ein. Im gesamten Verarbeitenden Gewerbe beträgt dieser Anteil knapp 53 Prozent. • Nur für ein Fünftel (20,9 Prozent) der befragten Unternehmen ist Industrie 4.0 unbekannt oder nicht relevant. Im gesamten Verarbeitenden Gewerbe sind es knapp 28 Prozent. Das Fünftel der Unternehmen im Maschinenund Anlagenbau, für das Industrie 4.0 unbekannt oder nicht relevant ist, wird bei der Messung der Readiness in Kapitel 3 noch einmal herangezogen. Diese Unternehmen werden in dem Modell a priori der Eingangsstufe 0 (Außenstehender) zugeordnet. In der Auswertung der VDMA-Mitgliederbefragung wird angenommen, dass diese Stichprobe nur 79,1 Prozent (79,1 = 100 – 20,9) der Maschinen- und Anlagenbauunternehmen repräsentiert, die das Thema kennen und für relevant halten. Damit werden die oben beschrieben Selektionseffekte korrigiert, die sich aus der überdurchschnittlich hohen Teilnahme Industrie 4.0-affiner Unternehmen an der VDMA-Befragung ergeben. Abbildung 1-6: Selbsteinschätzung der Unternehmen mit Blick auf ihre Industrie 4.0-Umsetzung Gesamtes Verarbeitendes Gewerbe Maschinen- und Anlagenbau 8,9 11,8 14,2 6,4 13,6 12 13,1 20,8 46,5 Vorreiter Nicht relevant 52,6 Follower Nicht bekannt Abwartend Angaben in Prozent; n=431 Maschinen- und Anlagenbau; n = 674 Verarbeitendes Gewerbe Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle; IW-Unternehmervotum 2015, 23. Befragungswelle; telefonische Befragung, 2015 20 2 Das Modell zur Readiness-Messung Zur Sicherung der Wettbewerbsfähigkeit ist es für Unternehmen entscheidend, einzuschätzen, wo sie im digitalen Transformationsprozess stehen und ob sie das volle Potenzial von Industrie 4.0 nutzen. Daher wurde im Rahmen dieser Studie die Durchdringung mit Industrie 4.0 messbar gemacht. Dafür haben die Projektpartner ein Modell entwickelt, mit dem die Readiness – also der Reifegrad der Unternehmen auf dem Weg zu Industrie 4.0 – im deutschen Maschinen- und Anlagenbau ermittelt werden kann. Abbildung 2-1 verdeutlicht das Grundgerüst des Readiness-Modells im Überblick: Readiness-Modell mit sechs Dimensionen und 18 Themenfeldern Für jede dieser sechs Dimensionen wurden im Rahmen von Workshops mit Unternehmensvertretern die Kriterien definiert, die es erlauben, die Unternehmen einem Reifegrad zuzuordnen. Die Grundlage für das Readiness-Modell bilden die vier Dimensionen der Industrie 4.0-Definition aus Abschnitt 1.2. Als Ergebnis des Workshops werden mit den Dimensionen Strategie und Organisation sowie Mitarbeiter zusätzlich zwei übergeordnete Querschnittsthemen berücksichtigt. Das Modell umfasst damit die folgenden sechs Dimensionen: • • • • • • Strategie und Organisation Smart Factory Smart Operations Smart Products Data-driven Services Mitarbeiter Diesen sechs Dimensionen werden zur Konkretisierung jeweils Themenfelder zugeordnet, die wiederum mit geeigneten Indikatoren operationalisiert werden. Sie bilden die Basis für die Messung der Industrie 4.0-Readiness der Unternehmen. Die entsprechenden Daten für die Messung wurden in einer Unternehmensbefragung (Abschnitt 1.3) erhoben. • Der innere Kreis zeigt die sechs grundlegenden Dimensionen. • Im äußeren Kreis sind für alle sechs Dimensionen die zugeordneten Themenfelder genannt. Insgesamt werden 18 Themenfelder berücksichtigt, die mit geeigneten Indikatoren gemessen werden. Aus den sechs Dimensionen von Industrie 4.0 wird ein sechsstufiges Modell zur Messung der Industrie 4.0-Readiness entwickelt. Dabei beinhaltet jede der sechs Readiness-Stufen (0 bis 5) festgelegte Mindestanforderungen, ohne deren Erfüllung eine Stufe als nicht erreicht gilt. Auf der Stufe 0 befinden sich die Außenstehenden, die noch keinerlei oder nur in geringem Maße Planung oder Umsetzung von Industrie 4.0Maßnahmen getätigt haben. Stufe 5 beschreibt die Exzellenz; also Unternehmen, die alle Industrie 4.0-Aktivitäten erfolgreich umgesetzt haben. Diese Stufe 5 beschreibt im Modell gleichzeitig den Zustand der vollständigen Umsetzung der Zielvision (Soll-Profil) – wenn also die kompletten Wertschöpfungsketten in Echtzeit vernetzt sind und interagieren können. Die Vision von Industrie 4.0 und der Weg dorthin werden für jedes Unternehmen anders aussehen. Nicht jedes Unternehmen hat das kurzfristige Bestreben, die Zielvision Industrie 4.0 vollumfänglich zu erreichen, sondern definiert in Abhängigkeit der Ausgangssituation eigene Zwischen- und Abschlussziele. Aus diesem Grund erlaubt das Modell eine dezidierte Differenzierung für die oben genannten Dimensionen. 21 Abbildung 2-1: Dimensionen und zugeordnete Themenfelder von Industrie 4.0 Kompetenzen der Mitarbeiter Strategie Investitionen Aufbau der Kompetenzen Innovationsmanagement Mitarbeiter Datenbasierte Dienstleistungen Strategie und Organisation Digitales Abbild Maschinenpark Umsatzanteil Data-driven Services Smart Factory Datennutzung Anteil Datennutzung Smart Products IT-Systeme Smart Operations Cloud Nutzung IKTZusatzfunktionalitäten IT-Sicherheit Datenanalyse Nutzungsphase Informationsaustausch Autonome Prozesse Eigene Darstellung Das Modell berücksichtigt sechs Stufen der Umsetzung von Industrie 4.0-Massnahmen Die sechs Stufen des Readiness-Modells sind der Abbildung 2-2 zu entnehmen und werden nachfolgend erläutert. Stufe 0: Aussenstehender Unternehmen dieser Stufe erfüllen keine Anforderungen im Industrie 4.0-Kontext. Außerdem gehören dieser Stufe diejenigen Unternehmen an, die a priori der Stufe 0 zugeordnet wurden, weil sie angaben, dass Industrie 4.0 für sie unbekannt oder nicht relevant sei (vgl. Kapitel 1 und Abbildung 1-6). 22 Stufe 1: Anfänger Unternehmen auf dieser Stufe behandeln das Thema Industrie 4.0 über Pilotinitiativen in einzelnen Fachabteilungen und tätigen diesbezüglich Investitionen in einem einzelnen Bereich. In der Produktion werden nur wenige Prozesse durch IT-Systeme unterstützt und der derzeitige Maschinenpark erfüllt teilweise die zukünftigen Anforderungen an Vernetzung und Kommunikation. Ein systemintegrierter betriebsinterner Informationsaustausch findet nur in wenigen Bereichen statt. IT-Sicherheitslösungen befinden sich noch in der Planungs- oder Umsetzungsphase. Der Anfänger produziert in dieser Fertigungslandschaft Produkte mit ersten Ansätzen von IT-basierten Zusatzfunktionen. Für den weiteren Ausbau von Industrie 4.0 besitzt das Unternehmen nur in wenigen Bereichen die erforderlichen Kompetenzen. Stufe 2: Fortgeschrittener Stufe 3: Erfahrener Der Fortgeschrittene bezieht das Thema Industrie 4.0 in die strategische Ausrichtung des Unternehmens mit ein. Hierbei wird an einer Strategie zur Umsetzung von Industrie 4.0 und entsprechenden Kennzahlen zur Messung des Umsetzungsstandes gearbeitet. Für Industrie 4.0 relevante Investitionen werden von ihm in wenigen Bereichen getätigt. In der Produktion werden Daten teilweise automatisiert aufgenommen und in geringem Umfang genutzt. Für eine zukünftige Erweiterung fehlen dem Maschinenpark teilweise die Voraussetzungen. Der betriebsinterne Informationsaustausch findet zum Teil systemintegriert statt und auch beim Austausch mit Partnerunternehmen werden erste systemintegrierte Ansätze umgesetzt. Dazu sind entsprechende IT-Sicherheitslösungen implementiert, welche weiter ausgebaut werden. In dieser Fertigungslandschaft stellt das Unternehmen Produkte mit ersten IT-basierten Zusatzfunktionen her. Für den weiteren Ausbau von Industrie 4.0 besitzen die Mitarbeiter in einigen Bereichen die nötigen Kompetenzen. Bei Unternehmen dieser Stufe liegt eine formulierte Industrie 4.0-Strategie vor. Industrie 4.0-relevante Investitionen werden in mehreren Bereichen getätigt, ein abteilungsorientiertes Innovationsmanagement fördert die Einführung von Industrie 4.0. In der Produktion sind die IT-Systeme über Schnittstellen miteinander verbunden und unterstützen die Fertigungsprozesse, wobei in den wichtigsten Bereichen Daten automatisch erhoben werden. Um dies künftig zu erweitern, ist der Maschinenpark nachrüstbar aufgestellt. Der Informationsaustausch findet sowohl intern als auch unternehmensübergreifend zum Teil systemintegriert statt. Die notwendigen IT-Sicherheitslösungen sind implementiert. Für den weiteren Ausbau sind Cloud-basierte Lösungen geplant. In dieser Landschaft fertigt das Unternehmen Produkte mit mehreren zusammenhängenden IT-basierten Zusatzfunktionen. Auf Basis dieser Produkte bietet es erste rudimentäre datenbasierte Dienstleistungen an, ist dabei aber nicht mit dem Kunden vernetzt. Datenbasierte Dienstleistungen für den Kunden tragen im kleinen Umfang zum Umsatz bei. Um diesen Punkt zu erreichen, wurden bereits umfangreiche Kompetenzen bei den Mitarbeitern aufgebaut. Abbildung 2-2: Die sechs Stufen im Industrie 4.0-Readiness-Modell Exzellenz Stufe 5 Experte Stufe 4 Erfahrener Stufe 3 Stufe 2 Stufe 1 Pioniere Fortgeschrittener Einsteiger Anfänger Neulinge Stufe 0 Außenstehender Eigene Darstellung 23 Stufe 4: Experte Eine Industrie 4.0-Strategie befindet sich bei einem Experten bereits in Umsetzung und wird mittels Kennzahlen überprüft. Dazu werden in fast allen relevanten Bereichen Investitionen getätigt und ein bereichsübergreifendes Innovationsmanagement fördert den Prozess. Die IT-Systeme unterstützen einen Großteil der Fertigungsprozesse und nehmen umfangreich Daten auf, welche zu Optimierungszwecken genutzt werden. Ein weiterer Ausbau ist möglich, da die Maschinen schon jetzt künftige Anforderungen im Bereich der Vernetzung erfüllen. Der Informationsaustausch findet intern und mit Partnerunternehmen weitreichend systemintegriert statt. In den relevanten Bereichen sind IT-Sicherheitslösungen im Einsatz und die IT ist durch Cloud-basierte Lösungen skalierbar. Der Experte beginnt mit der Erprobung von autonom steuernden Werkstücken und selbst reagierenden Prozessen. Das Werkstück und das fertige Produkt besitzen IT-basierte Zusatzfunktionen, die eine Datenaufnahme während der Nutzungsphase und eine gezielte Auswertung ermöglichen. Darauf aufbauende datenbasierte Dienstleistungen werden vom Kunden bereits bezogen und tragen im geringen Maße zum Umsatz bei. Dabei besteht eine direkte Vernetzung von Kunde und Produzent. In den meisten relevanten Bereichen besitzt das Unternehmen intern die nötigen Kompetenzen, um diesen Stand zu erreichen und einen weiteren Ausbau von Industrie 4.0-Themen zu betreiben. Stufe 5: Exzellenz Ein Unternehmen auf dieser Stufe hat seine Industrie 4.0-Strategie bereits umgesetzt und überprüft den Umsetzungsstand weiterer Projekte regelmäßig. Diesbezüglich werden unternehmensweit Investitionen getätigt. Das Unternehmen hat ein organisationsweites Innovationsmanagement etabliert. In seiner Produktion hat es eine vollumfängliche IT-Systemunterstützung implementiert und nimmt alle relevanten Daten automatisch auf. Der Maschinenpark erfüllt alle Anforderungen zur Vernetzung und systemintegrierten Kommunikation. 24 Darauf aufbauend ist der gesamte Informationsaustausch sowohl betriebsintern als auch mit Partnerunternehmen systemintegriert. Umfangreiche implementierte IT-Sicherheitslösungen liegen vor und Cloud-basierte Lösungen sorgen für eine flexible IT-Architektur. In Teilbereichen der Produktion operieren bereits autonom steuernde Werkstücke und reagierende Prozesse. Die Werkstücke und Produkte besitzen umfangreiche IT-basierte Zusatzfunktionen und die so aufgenommenen Daten in der Nutzungsphase werden für Funktionen wie Produktentwicklung, Fernwartung oder Vertriebsunterstützung genutzt. Dem Kunden angebotene datenbasierte Dienstleistungen tragen bereits signifikant zum Umsatz bei. Dabei ist der Produzent mit dem Kunden vernetzt. Zudem besitzt das Unternehmen in allen nötigen Bereichen eigene Kompetenzen und kann das Thema weiter vorantreiben. Aus den sechs Readiness-Stufen lassen sich drei Unternehmenstypen ableiten. Die Bündelung zu den drei Typen erlaubt eine kompaktere Darstellung der Ergebnisse. Sie erleichtert es zudem, Aussagen zum Fortschritt und zu den Bedingungen in Bezug auf Industrie 4.0 zu treffen und daraus spezifische Handlungsfelder je nach Umsetzungsstand zu identifizieren (Abbildung 2-2): • Neulinge (Stufe 0 bis 1): Zu den Neulingen zählen die Unternehmen, die sich bisher gar nicht oder nur ansatzweise mit Industrie 4.0 befasst haben und daher in der ReadinessMessung den Stufen 0 oder 1 zugeordnet wurden. • Einsteiger (Stufe 2): Als Einsteiger werden die Unternehmen definiert, die sich in der Stufe 2 befinden und somit bereits erste Industrie 4.0Maßnahmen ergriffen haben. • Pioniere (ab Stufe 3): Zu den Pionieren zählen die Unternehmen, die mindestens Stufe 3 im Readiness-Modell erreichen. Sie sind in der Umsetzung von Industrie 4.0 bereits weit fortgeschritten und damit dem Großteil der deutschen Maschinen- und Anlagenbauer weit voraus. Sie bilden die Benchmark-Gruppe. Für jedes Unternehmen wurde in jeder Dimension eine Readiness-Stufe ermittelt. Diese wurde durch den niedrigsten Einzelwert der jeweiligen Themenfelder innerhalb der Dimension bestimmt: Wenn ein Unternehmen z.B. bei „Smart Operations“ in drei Fragen Stufe 5 und in einer Frage Stufe 1 erreicht, ist der Reifegrad in dieser Dimension 1. Die so ermittelten sechs Dimensionswerte wurden über einen gewichteten Mittelwert zu einer Gesamtreadiness für jedes Unternehmen verdichtet. Die Gewichte wurden in der Befragung erhoben, indem die Unternehmen die relative Bedeutung der einzelnen Dimensionen bei der Implementierung von Industrie 4.0 beurteilten. Von 100 möglichen Punkten entfallen auf Strategie und Organisation 25 Punkte, auf Smart Factory 14, auf Smart Products 19, auf Data-driven Services 14, auf Smart Operations 10 und auf Mitarbeiter 18 Punkte. Auf Basis dieser Berechnungen konnte jedes Unternehmen einer Stufe zwischen 0 und 5 zugeordnet werden. Empirische Umsetzung Zur Ermittlung der Readiness wurden für jeden Bereich Kriterien formuliert, die erfüllt sein müssen, um in die jeweils nächsthöhere ReadinessStufe zu gelangen. Bei einzelnen Unternehmen liegen nicht alle erforderlichen Angaben zu den entsprechenden Kriterien vor. Dabei sind drei Szenarien denkbar (Abbildung 2-3), die anhand eines Beispiels dargestellt werden: • Im Fall A liegen die Angaben für die Kriterien vor und werden für die Stufe 1 erfüllt. Die Kriterien für die Stufen 2 bis 5 werden nicht erfüllt. Entsprechend werden die Unternehmen der Readiness-Stufe 1 zugeordnet. • Im Fall B kann die Erfüllung der Kriterien für Stufe 1 nicht ermittelt werden, da die Unternehmen keine Angaben zu den entsprechenden Indikatoren gemacht haben (Missing Values). Da die Kriterien zur Erreichung der Stufe 2 allerdings erfüllt sind, werden die fehlenden Angaben bei Stufe 1 als Erfüllung der Kriterien in Stufe 1 gedeutet. Entsprechend erreichen die Unternehmen die Stufe 2. • Im Fall C fehlen die Angaben, die notwendig sind, um die Erfüllung der Kriterien für Stufe 1 zu ermitteln. Da die Kriterien für die Stufe 2 nicht erfüllt sind, werden die fehlenden Angaben in der Stufe 1 als nicht erfüllt gewertet. Entsprechend werden die Unternehmen der Stufe 0 zugeordnet. Abbildung 2-3: Empirische Umsetzung der sechsstufigen Readiness-Messung Erfüllung eines Kriteriums oder mehrerer Kriterien… Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5 Ergebnis Fall A ja ja nein nein nein nein Stufe 1 Fall B ja Missing Values ja nein nein nein Stufe 2 Fall C ja Missing Values nein nein nein nein Stufe 0 Eigene Darstellung 25 3 D ie Ergebnisse der ReadinessMessung In diesem Kapitel werden die Ergebnisse der Readiness-Messung dargestellt. Zunächst erfolgt ein Blick auf die Industrie 4.0-Readiness der Unternehmen. Anschließend werden die Ergebnisse der Readiness-Messung für die sechs Dimensionen von Industrie 4.0 abgebildet und mit ausgewählten Befunden aus der Unternehmensbefragung belegt. Lediglich 1 Prozent der Unternehmen zählt bisher zu den Experten (Stufe 4). Die Stufe 5 (Exzellenz) erreicht keines der Unternehmen. Da diese Stufe die Zielvision von Industrie 4.0 ist, verwundert es nicht, dass bisher noch kein Unternehmen die Stufe 5 erreicht hat. Das Erreichen dieser Zielvision stellt für die meisten Unternehmen aus dem Maschinen- und Anlagenbau ein langfristiges Ziel dar. 3.1 Gesamtblick 37,6 Prozent der Maschinen- und Anlagenbauer sind Anfänger (Stufe 1) und haben sich bisher nur in geringem Maße mit Industrie 4.0 befasst. Knapp 39 Prozent der Unternehmen erreichen die Stufe 0 und werden als Außenstehende bezeichnet. Dabei zählen zur Stufe 0 sowohl die Firmen, die die Mindestanforderungen für Stufe 1 nicht erreichen, als auch die Unternehmen, die a priori der Stufe 0 zugeordnet wurden, weil Industrie 4.0 für sie unbekannt oder nicht von Relevanz ist (vgl. Kapitel 1.4 und Abbildung 1-6). Maschinen- und Anlagenbau ist bei Industrie 4.0 weiter als das Verarbeitende Gewerbe Die Readiness-Messung zeigt, dass Industrie 4.0 im deutschen Maschinen- und Anlagenbau bereits angekommen ist (Abbildung 5-1). So zeichnet sich knapp ein Fünftel der Unternehmen bereits durch fortgeschrittene Industrie 4.0Ansätze aus (Stufe 2). Die Stufe 3 erreichen bisher 4,6 Prozent der Unternehmen. Die Stufe der Erfahrenen spiegelt das Profil derzeit führender Industrie 4.0-Unternehmen wider und dient als Benchmark für die Maschinen- und Anlagenbauunternehmen. Im Vergleich zum gesamten Verarbeitenden Gewerbe ist der Maschinen- und Anlagenbau aber bei Industrie 4.0 deutlich weiter fortgeschritten. So fällt der Anteil der Unternehmen, die sich auf den fortgeschrittenen Stufen 2 bis 4 befinden, im gesamten Verarbeitenden Gewerbe geringer aus. Weiterhin werden im gesamten Verarbeitenden Gewerbe mehr Unternehmen den Außenstehenden (Stufe 0) zugeordnet als im Maschinen- und Anlagenbau (Tabelle 3-1).2 Tabelle 3-1: Gesamtergebnis der Industrie 4.0-Readiness Maschinen- und Anlagenbau Verarbeitendes Gewerbe Stufe 0 (Außenstehender) 38,9 58,2 Stufe 1 (Anfänger) 37,6 30,9 Stufe 2 (Fortgeschrittener) 17,9 8,6 Stufe 3 (Erfahrener) 4,6 1,7 Stufe 4 (Experte) 1,0 0,6 Stufe 5 (Exzellenz) 0,0 0,0 Durchschnittliche Readiness 0,9 0,6 Angaben für Readiness-Stufen 0 bis 5 in Prozent; Angabe für durchschnittliche Readiness: Skala 0 bis 5; n= 234 (Maschinen- und Anlagenbau); n = 602 (Verarbeitendes Gewerbe) Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 2 E ine weitergehende Darstellung der Ergebnisse für das Verarbeitende Gewerbe ist nicht Gegenstand dieser Studie. Deshalb werden sich die folgenden Ausführungen auf den deutschen Maschinen- und Anlagenbau beschränken. 26 Abbildung 3-1: Readiness-Messung Durchschnittliche Readiness deutscher Maschinen- und Anlagenbauunternehmen 38,9 Gesamt Strategie & Organisation 37,6 54,8 17,9 21,8 1,0 0,0 4,6 4,6 3,7 0,3 14,8 1,2 56,5 Smart Factory 20,5 18,3 0,3 3,1 Stufe 0 Stufe 1 0,3 38,2 Smart Operations 1,5 45,3 13,9 Stufe 2 0,9 Stufe 3 Stufe 4 55,3 Smart Products 13,4 14,6 4,9 5,5 Stufe 5 6,4 0,6 84,1 Data-driven Services 29,8 Mitarbeiter Ø Readiness-Wert 0 5,5 5,2 3,9 33,5 1 2 12,2 10,3 3 4 8,8 0,6 5,3 5 Angaben in Prozent, Angaben für Readiness-Stufen: Skala 0 bis 5; n=234-268; Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Wie in Kapitel 2 beschrieben, lassen sich aus den Ergebnissen der sechs Readiness-Stufen die Maschinen- und Anlagenbauunternehmen den folgenden drei Unternehmenstypen zuordnen: • Pioniere (Stufe 3+): Demnach zählen schon 5,6 Prozent der deutschen Maschinen- und Anlagenbauer zu Pionieren von Industrie 4.0. Diese Unternehmen erreichen mindestens die Stufe 3. • Einsteiger (Stufe 2): Knapp ein Fünftel der Unternehmen wird als Einsteiger bezeichnet. Die Industrie 4.0-Readiness nimmt mit der Unternehmensgrösse deutlich zu Die Ergebnisse der Befragung zeigen, dass sich über alle Dimensionen hinweg die Großunternehmen von den kleinen und mittelständischen Unternehmen absetzen. Dabei sind Größenklassenunterschiede in fünf der sechs Dimensionen statistisch signifikant.3 Lediglich in der Dimension Data-driven Services konnte kein statistisch signifikanter Unterschied zwischen Größenklassen festgestellt werden (Abbildung 3-2). • Neulinge (Stufen 0 und 1): Gut drei Viertel der Unternehmen zählen zu den Neulingen und erreichen lediglich die Stufen 0 und 1. Die heutige Industrie 4.0-Readiness der deutschen Maschinen- und Anlagenbauer liegt auf einer Skala von 0 bis 5 bei 0,9. Im gesamten Verarbeitenden Gewerbe fällt die Readiness mit einem Wert von 0,6 geringer aus (Tabelle 3-1 und Abbildung 3-1). 3 D ie Unterschiede sind auf einem 5-Prozent-Niveau statistisch signifikant. Das bedeutet, dass die Unterschiede zwischen den Größenklassen in der Stichprobe mit hoher Wahrscheinlichkeit auf entsprechende Unterschiede in der Grundgesamtheit zurückzuführen sind. 27 Abbildung 3-2: Readiness-Messung nach Unternehmensgrößenklassen 17,9 Gesamt Groß Strategie & Organisation 14,8 Smart Factory 18,3 Smart Operations 45,3 Smart Products 14,6 Data-driven Services 5,2 Mitarbeiter Ø Readiness-Wert Mittelstand Klein 12,2 0 1 2 3 4 5 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234-268 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Pioniere sind vor allem im Bereich Smart Products führend Die Pioniere bilden die Benchmark-Gruppe für die Unternehmen des deutschen Maschinenund Anlagenbaus. In der Readiness-Messung erreichen sie auf einer Skala von 0 bis 5 einen durchschnittlichen Readiness-Wert von 3,3. In den einzelnen Dimensionen weisen die Pioniere (mindestens Stufe 3) gegenüber den Einsteigern (Stufe 2) und den Neulingen (Stufen 0 und 1) besonders in den Dimensionen Strategie und Organisation sowie Smart Products und Data-driven Services einen deutlichen Vorsprung auf. Dennoch besteht im letzten Bereich Handlungsbedarf. Pioniere erreichen in der Dimension Data-driven Services mit 2,1 den geringsten Readiness-Wert im Vergleich zu den anderen Dimensionen. Optimierungsbedarf für Pioniere besteht ebenfalls in den Bereichen Smart Factory und Smart Operations, da die Readiness hier unter dem Wert 3 liegt. 28 Für alle Unternehmenstypen besteht im Bereich Data-driven Services enormer Handlungsbedarf. Neben den Pionieren schneiden auch die Neulinge und Anfänger in diesem Themenfeld am schwächsten unter allen sechs untersuchten Dimensionen ab. Demnach stehen alle drei Unternehmenstypen bei der Digitalisierung ihrer traditionellen sowie der Entwicklung neuer Geschäftsmodelle mit Fokus auf datenbasierte Dienstleistungen noch am Anfang (Abbildung 3-3). In den nächsten Abschnitten werden die Ergebnisse der Readiness-Messung für die sechs Dimensionen Strategie und Organisation, Smart Factory, Smart Operations, Smart Products, Data-driven Services und Mitarbeiter detailliert dargestellt und durch ausgewählte Befunde aus der Unternehmensbefragung ergänzt. Abbildung 3-3: Industrie 4.0-Readiness nach Unternehmenstypen Gesamt Strategie & Organisation Pioniere Einsteiger Neulinge Smart Factory Smart Operations Smart Products Data-driven Services Mitarbeiter Ø Readiness-Wert 0 1 2 3 4 5 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234-268 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 3.2 Strategie und Organisation Industrie 4.0 ist noch nicht bei allen Firmen in der Unternehmensstrategie verankert Industrie 4.0 ist Strategiethema In der Dimension Strategie und Organisation liegt die durchschnittliche Readiness deutscher Maschinen- und Anlagenbauunternehmen bei 0,8. Die Pioniere erreichen auf einer Skala von 0 bis 5 einen durchschnittlichen Readiness-Wert von 3,3 (Tabelle 3-2). Da Industrie 4.0 nicht nur die Verbesserung bestehender Produkte oder Prozesse durch den Einsatz digitaler Technologien bedeutet, sondern vielmehr die Chance bietet, völlig neue Geschäftsmodelle zu entwickeln, ist die Umsetzung von großer strategischer Bedeutung. Wie ist es aktuell um die Aufgeschlossenheit und Kultur im Umgang mit Industrie 4.0 im deutschen Maschinen- und Anlagenbau bestellt? Um diese Frage beantworten zu können, werden die folgenden vier Kriterien untersucht: • Umsetzungsstand der Industrie 4.0-Strategie • Operationalisierung und Überprüfung der Strategie mit einem Kennzahlensystem • Investitionsaktivität in Bezug auf Industrie 4.0 • Einsatz eines Technologie- und Innovationsmanagements Wesentlicher Grund für die überwiegend niedrige Einstufung der Unternehmen in der Dimension Strategie und Organisation ist, dass Industrie 4.0 bei etwa der Hälfte der Unternehmen keine Berücksichtigung in der strategischen Ausrichtung findet. Demnach zählt jedes zweite Unternehmen im Bereich Strategie und Organisation zu den Außenstehenden (Stufe 0). Immerhin etwa ein Fünftel der befragten Unternehmen lässt erste Pilotinitiativen in den Fachabteilungen erkennen und kann damit in dieser Dimension den Anfängern (Stufe 1) zugeordnet werden. Erste Investitionen im Zusammenhang mit Industrie 4.0 werden getätigt, beschränken sich jedoch auf einen Unternehmensbereich. 29 Abbildung 3-4: Readiness-Stufen in der Dimension Strategie und Organisation Exzellenz Stufe 5: 0,3 % • Eine Strategie wurde umgesetzt und wird regelmäßig überprüft • Unternehmensweite Investitionen im Kontext von Industrie 4.0 • Einheitliches, die Bereiche integrierendes Management aufgebaut Experte Strategie & Organisation Stufe 4: 3,7 % • Eine Strategie befindet sich in Umsetzung und wird sporadisch überprüft • Investitionen im Kontext von Industrie 4.0 in mehreren Bereichen • Ein Innovationmanagement ist in mehreren Fachabteilungen installiert Erfahrener Stufe 3: 4,6 % • Formulierte Industrie 4.0-Strategie liegt vor • Investitionen im Kontext von Industrie 4.0 in wenigen Bereichen • Vereinzelte Bereiche haben ein Innovationsmanagement Fortgeschrittener Stufe 2: 14,8 % Stufe 1: 21,8 % Stufe 0: 54,8 % • Erarbeitung einer Industrie 4.0-Strategie und Definition von Kennzahlen zur Messung • Investitionen im Kontext von Industrie 4.0 in geringem Umfang Anfänger • Pilotinitiativen in den Fachabteilungen • Erste Investitionen im Kontext von Industrie 4.0 Außenstehender • Keine Anforderungen werden erfüllt Angaben in Prozent; n=248 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Bei weiteren 15 Prozent lassen sich Umsetzungsansätze für die Strategie und Kennzahlensysteme erkennen – sie sind die Fortgeschrittenen (Stufe 2). Investitionen werden in geringem Umfang getätigt, während Innovationen nach wie vor nicht systematisch analysiert und eingeführt werden. Im Readiness-Modell erreichen 4,6 Prozent der Unternehmen die Stufe 3 (Erfahrener). Als Haupthürde erweist sich jedoch hier der unzureichende Umsetzungsstand der erarbeiteten Strategie. Mit Erreichen der Stufe 4 (Experte) befindet sich die Strategie in einem fortgeschrittenen Umsetzungsstadium und wird sporadisch überprüft. Zudem werden Investitionen im Kontext von Industrie 4.0 in mehreren Bereichen getätigt. Getragen vom Leitgedanken der vertikalen Integration haben die Unternehmen der vorletzten Fortschrittsstufe ein Innovationsmanagement in mehreren Fachabteilungen installiert. Die Klassifizierung in der obersten Stufe 5 (Exzellenz) erreichen nur 0,3 Prozent der befragten Unternehmen. Stufe 5 setzt die vollständige Umsetzung der Strategie sowie eine regelmäßige Überprüfung dieser voraus. Gleichwohl sind Unternehmen dazu angehalten, Investitionen unternehmensweit vorzunehmen und ein organisationsweites Innovationsmanagement zu etablieren. Der Umfrage nach erweist sich dabei insbesondere die Erfüllung des Kriteriums „Umsetzungsstand“ als besonders kritisch (Abbildung 3-4). Tabelle 3-2: Durchschnittliche Readiness in der Dimension Strategie und Organisation Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 0,8 0,3 1,6 3,3 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=248 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 30 Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Aus den Ergebnissen der Readiness-Messung für die Dimension Strategie und Organisation lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-5). Einzelne Befunde der Unternehmensbefragung aus der Dimension Strategie und Organisation werden im Folgenden detaillierter dargestellt. Vier von zehn Unternehmen verfolgen noch keine umfassende Strategie zur Umsetzung von Industrie 4.0 um den Wandel hin zum Industrie 4.0-Unternehmen voranzutreiben. Eine umgesetzte Industrie 4.0-Strategie existiert nur bei 1,3 Prozent der Unternehmen; bei einem Fünftel ist die Strategie in Arbeit, jedes vierte befragte Unternehmen beschränkt sein Engagement auf einzelne Pilotinitiativen. In großen Unternehmen ist der Anteil der Unternehmen, die keine entsprechende Strategie haben, geringer. Hier verfügt zwar nur ein Fünftel der Unternehmen über keine Strategie in Bezug auf Industrie 4.0, die Strategie bereits implementiert haben jedoch lediglich 1,2 Prozent der großen Unternehmen. Die Umsetzung der Strategie ist im Mittelstand am höchsten. Trotzdem ist der Anteil der Unternehmen, die bereits eine Industrie 4.0-Strategie umgesetzt haben mit 3,8 Prozent sehr gering (Abbildung 3-6). Die Mehrheit der Unternehmen hat sich bereits mit Industrie 4.0-Strategien befasst, dennoch verfolgen vier von zehn der befragten Unternehmen (39,8 Prozent) keine umfassende Strategie, Abbildung 3-5: Haupthürden in der Dimension Strategie und Organisation Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Industrie 4.0 findet keine oder nur geringe Beachtung im Strategieprozess Einsteiger (Stufe 2) Industrie 4.0 findet Beachtung im Strategieprozess, eine konkrete Strategie ist aber noch nicht formuliert Haupthürden Pioniere (Stufe 3+) Eine Industrie 4.0-Strategie ist noch nicht umgesetzt Kennzahlensystem wird noch nicht in den Strategieprozess miteinbezogen n=248 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 31 Abbildung 3-6: Umsetzungsstand der Industrie 4.0-Strategie 1,2 ab 500 MA 14,5 27,7 100-499 MA 3,8 3,8 20,5 26,5 22,1 39,4 25,0 0,0 20-99 MA 8,4 19,3 42,2 26,5 1,3 Gesamt 0% 20,8 7,3 10% 20% 26,0 30% 40% 39,8 50% 60% 70% Strategie umgesetzt Strategie in Umsetzung Strategie formuliert Strategie in Arbeit Pilotinitiativen sind angestoßen Keine Strategie vorhanden 80% 90% 100% Angaben in Prozent; n= 270 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Drei Viertel der Unternehmen nutzen keine Kennzahlensysteme In drei Viertel aller Unternehmen wird kein Kennzahlensystem zur Messung des Umsetzungsstandes von Industrie 4.0 genutzt. Nur in 16,8 Prozent der Firmen ist ein solches System vorhanden, jedoch schätzt weniger als die Hälfte dieser Unternehmen ihr Kennzahlensystem als gut geeignet ein. Auch hier lässt sich ein Größenklassentrend beobachten: Je größer das Unternehmen, desto eher wird ein Kennzahlensystem zur Messung des Umsetzungsstandes von Industrie 4.0 genutzt (Abbildung 3-7). Drei von zehn Unternehmen führen ihr Technologie- und Innovationsmanagement bereits bereichsübergreifend durch Um die Digitalisierung der Produktionsprozesse voranzutreiben und die Produkte mit neuen IT-basierten Zusatzfunktionen auszustatten und sie somit zu Smart Products zu machen, ist der Einsatz zusätzlicher und oftmals neuer Technologien nötig. Die Aufgaben einer systematischen Früherkennung, der Planung, der Steuerung 32 sowie der Kontrolle des Einsatzes von neuen Technologien müssen im Unternehmen organisatorisch verankert sein. Bisher geschieht dies oft getrennt für die Bereiche Produktentwicklung, Produktionstechnologie und IT. Im Zuge von Industrie 4.0 sind viele Innovationen in den Bereichen Produktentwicklung oder Produktionstechnologie allerdings IT-getrieben. Zur Gestaltung des optimalen Einsatzes neuer Informationstechnologien im Produkt- oder Produktionsumfeld ist es daher sinnvoll, die bereichsspezifischen Kompetenzen zusammenzuführen und für das Unternehmen ein bereichsübergreifendes, integriertes Technologie- und Innovationsmanagement aufzubauen. Die Befragung zeigt, dass immerhin drei von zehn Unternehmen ihr Technologie- und Innovationsmanagement bereits bereichsübergreifend durchführen. In lediglich knapp einem Viertel der Maschinen- und Anlagenbauunternehmen existiert kein systematisches Technologie- und Innovationsmanagement. Der Großteil der befragten Unternehmen führt diese Aufgabe für den Bereich der Produktentwicklung durch. (Abbildung 3-8). Abbildung 3-7: Nutzung eines Kennzahlensystems ab 500 MA 100-499 MA 11,5 20-99 MA 6,0 Gesamt 7,9 0% 75,0 11,9 7,1 6,0 78,8 4,8 10,7 77,4 6,0 8,9 77,7 5,6 4,8 20% 40% 60% 80% 100% Ja, wir haben ein Kennzahlensystem, das wir als gut geeignet einschätzen Ja, wir haben ein Kennzahlensystem, das uns etwas Orientierung gibt Nein, soweit konkretisiert sind unsere Vorhaben noch nicht Keine Angabe Angaben in Prozent; n= 272 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Abbildung 3-8: Technologie- und Innovationsmanagement Produktentwicklung 58,6 IT 43,2 Produktionstechnologie 42,6 integrierendes (bereichsübergreifendes) Management 30,9 Services 24,3 Haben wir eher nicht 23,9 Angaben in Prozent; n= 248 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 33 Bisher tätigen Unternehmen nur in geringem Umfang Investitionen in Industrie 4.0 Die in der Studie befragten Unternehmen haben in den Jahren 2013 und 2014 durchschnittlich 1,7 Prozent ihres Jahresumsatzes in die Umsetzung von Industrie 4.0-Projekten investiert. Dies entspricht fast 15 Prozent des gesamten Investitionsbudgets für Sach- und Personalausgaben. Ein Fünftel der Unternehmen sah bislang keine Notwendigkeit, in Industrie 4.0-Anwendungen zu investieren. Dabei hat rund die Hälfte der Befragten in den Jahren 2013 und 2014 Investitionen in allen Unternehmensbereichen getätigt. Investiert wurde überwiegend in Forschung und Entwicklung, IT und Produktion. Eigenen Aussagen zufolge wird bis zum Jahr 2020 der Anteil an Unternehmen wachsen, der Investitionen im Bereich Industrie 4.0 tätigt (Abbildung 3-9). Die Befragung verdeutlicht zudem, dass vor allem die großen Maschinen- und Anlagenbauer in hohem Maße in den Bereichen Service und Logistik investieren wollen. Abbildung 3-9: Getätigte und geplante Investitionen in Industrie 4.0 FuE 58,1 Produktion 51,0 Logistik Vertrieb Einkauf 72,5 20,6 71,6 in den letzten beiden Jahren IT Service 14,3 61,0 10,1 45,1 20,0 42,0 18,3 44,1 33,6 13,9 15,8 71,1 65,1 60,3 58,0 49,4 Angaben in Prozent; n= 223 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 34 in den kommenden 5 Jahren 3.3 Smart Factory Die Smart Factory beschreibt das Konzept der intelligenten, vernetzten Fabrik, in der die Produktionsanlagen sowohl mit den überlagerten IT-Systemen (bspw. MES-, ERP-, SCM-Systeme, siehe auch Dimension Smart Operations) als auch mit den Smart Products direkt kommunizieren. Durch die Vernetzung und Selbstregelung aller Prozesse, insbesondere in der Fertigung, wird die Digitalisierung der Wertschöpfungskette in diesem Konzept am weitesten umgesetzt. Eine zentrale Herausforderung auf dem Weg zur intelligenten Fabrik stellen die hohen Investitionen dar. Das Ziel der effizienten Informationsbereitstellung und Ressourcennutzung kann durch das synchronisierte Zusammenspiel von Produktionsanlagen, Informationssystemen und dem Menschen (also Mitarbeiter und Kunde) erreicht werden. Wesentlicher Bestandteil der Smart Factory ist eine umfangreiche Ausstattung der Fabrikhalle sowie der Maschinen und Anlagen mit Sensorik an strategisch günstigen Erfassungspunkten. Ziel ist die Erfassung aller relevanten Prozessund Bewegungsdaten in Echtzeit und eine zeitnahe Verarbeitung zur Abbildung der Auftragssituation. Die sich hieraus ergebenden großen Datenmengen, sogenannte Big Data, stellen hohe Anforderung an IT-System und IT-Infrastruktur. Die Analyse der gewonnen Big Data zur Informationsgewinnung wird mithilfe von Methoden aus dem Feld Data Analytics betrieben und setzt hohe Rechenkapazitäten voraus. Um zu ermitteln, wie weit die Unternehmen im deutschen Maschinen- und Anlagenbau in der Dimension Smart Factory sind, werden die folgenden vier Themenfelder untersucht: • • • • Digitales Abbild Maschinenpark Datennutzung IT-Systeme Mehr als die Hälfte der Unternehmen steht bei der Smart Factory noch am Anfang In der Kategorie Smart Factory liegen die Unternehmen des deutschen Maschinen- und Anlagenbaus auf einer Skala von 0 bis 5 bei einem Readiness-Wert von 0,7. Die Pioniere erreichen einen durchschnittlichen Wert von 2,2 (Tabelle 3-3). Mehr als die Hälfte der Unternehmen gehört in der Dimension Smart Factory zu den Außenstehenden (Stufe 0) und erfüllt somit noch nicht alle Anforderungen für die Stufe 1. Rund ein Fünftel der Unternehmen entspricht den Anforderungen der Stufe 1 und wird als Anfänger bezeichnet. Zwar erfüllen diese Unternehmen bereits teilweise die zukünftigen Anforderungen an den Maschinenpark, jedoch arbeiten sie nicht an einer ganzheitlichen technischen Lösung zur Umrüstung der Maschinen, was eine Voraussetzung für die Stufe 2 in der Dimension Smart Factory ist. In Stufe 2 finden sich 18,3 Prozent der Firmen. Demnach liegt mit knapp 95 Prozent das Gros der Unternehmen in den Stufen 0 bis 2. Tabelle 3-3: Durchschnittliche Readiness in der Dimension Smart Factory Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 0,7 0,4 1,5 2,2 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=268 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 35 Abbildung 3-10: Readiness-Stufen in der Dimension Smart Factory Exzellenz Stufe 5: 0,3 % • Maschinenpark erfüllt bereits die zukünftigen Funktionalitäten • Daten werden vollständig automatisch aufgenommen und genutzt • Vollumfängliche Systemunterstützung der Prozesse über IT Experte Smart Factory Stufe 4: 1,2 % • Aktueller Maschinenpark erfüllt die Anforderungen bzw. nachrüstbar • Daten werden weitreichend aufgenommen und teilweise genutzt • Umfangreiche Unterstützung der Prozesse über IT (systemintegriert) Erfahrener Stufe 3: 3,1 % • Die zukünftigen Funktionalitäten werden (teilweise) erfüllt bzw. sind vollständig nachrüstbar • In einzelnen Bereichen werden die relevanten Daten digital erfasst und genutzt • IT-Systeme unterstützen Prozesse und sind über Schnittstellen angebunden Fortgeschrittener Stufe 2: 18,3 % Stufe 1: 20,5 % Stufe 0: 56,5 % • Die zukünftigen Funktionalitäten werden (teilweise) erfüllt bzw. sind teilweise nachrüstbar • Daten werden aufgenommen (größtenteils jedoch manuell) und für einzelne Maßnahmen genutzt • Einzelne Unternehmensbereiche werden durch IT-Systeme unterstützt und sind vernetzt Anfänger • Derzeitiger Maschinenpark erfüllt teilweise die zukünftigen Anforderungen • Hauptgeschäftsprozess durch IT-Systeme unterstützt Außenstehender • Keine Anforderungen werden erfüllt n=268 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Gerade einmal 3,1 Prozent der Unternehmen im deutschen Maschinen- und Anlagenbau befinden sich in Stufe 3 und entsprechen damit den Anforderungen an den Maschinenpark etwa in puncto Datenerfassung und Einsatz von IT-Systemen. In der letzten Stufe befinden sich die Experten, die mit 0,3 Prozent den geringsten Anteil aller Unternehmen stellen. Demnach hat nur ein verschwindend geringer Teil der Unternehmen seinen Maschinenpark schon vollständig an Industrie 4.0-Anforderungen angepasst (Abbildung 3-10). Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Aus den Ergebnissen der Readiness-Messung für die Dimension Smart Factory lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-11). Abbildung 3-11: Haupthürden in der Dimension Smart Factory Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Haupthürden Keine Anbindung des Maschinen- und Anlagenparks an übergeordnete IT-Systeme Keine Erfassung von Maschinen- und Prozessdaten Einsteiger (Stufe 2) Keine vollständige Anbindung des Maschinenparks an IT-Systeme Eingeschränkte Nachrüstbarkeit des Maschinenparks n=268 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 36 Pioniere (Stufe 3+) Maschinen- und Anlagenpark erfüllt noch nicht alle zukünftigen Anforderungen Maschinen- und Prozessdaten werden nicht durchgängig digital erfasst Drei von zehn Unternehmen nutzen Echtzeitdaten für die automatische Produktionssteuerung Nachfolgend werden einzelne Befunde der Unternehmensbefragung für den Bereich Smart Factory dargestellt. Die Befragung zeigt, dass die erfassten Daten in allen Firmen am häufigsten für die Schaffung von Transparenz über den Produktionsprozess und das Qualitätsmanagement verwendet werden. Mit der Optimierung des Logistikprozesses bilden diese die Top drei der Weiterverwendungsrubriken für Maschinen-, Prozess- und Anlagendaten. Vollständige Erfassung von Maschinenund Prozessdaten findet bisher nur in wenigen Unternehmen statt Die Erfassung der Maschinen-, Prozess- und Artikeldaten ist eine Grundvoraussetzung zur vollständigen Erschließung des Potenzials von Industrie 4.0. Die Befragung zeigt, dass gut zwei Drittel der Unternehmen im Maschinen- und Anlagenbau in diesem Bereich den Grundstein für Industrie 4.0 legen. Dabei zeichnen 10,9 Prozent aller Firmen ihre Maschinen- und Prozessdaten vollständig auf, während weitere 59,9 Prozent dies teilweise tun. Nur bei einem Fünftel der Unternehmen werden die Daten gar nicht erfasst. Bei kleinen Unternehmen ist dieser Anteil am größten: Hier erfasst mehr als ein Fünftel der Firmen keinerlei Maschinen- und Prozessdaten – bei den großen Unternehmen trifft dies nur auf 3,6 Prozent zu (Abbildung 3-12). Immerhin nutzt etwa die Hälfte der Unternehmen die gewonnen Daten bereits für die Optimierung des Ressourcenverbrauchs und eine vorausschauende Instandhaltung. In drei von zehn Unternehmen werden Echtzeitdaten für die automatische Produktionssteuerung verwendet. Abbildung 3-12: Erfassung von Maschinen- und Prozessdaten 2,4 ab 500 MA 12,0 100-499 MA 13,3 20-99 MA 81,9 62,9 10,9 0% 22,6 59,9 10% 20% Ja, vollständig 30% 40% Ja, teilweise 4,8 19,0 56,0 9,5 Gesamt 3,6 11,9 8,9 20,2 50% 60% Nein 70% 80% 90% 100% Keine Angabe Angaben in Prozent; n= 272 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 37 Demnach bleiben noch viele Potenziale ungenutzt. Betriebliche Daten allein bringen noch keinen Nutzen. Diese müssen durch intelligente Transformation zu Mehrwert-Informationen qualifiziert werden. Das digitale Abbild der Fertigung lässt dann Rückschlüsse und Erkenntnisse zu, die die Entscheidungsfindung erleichtern. Mithilfe einer echtzeitfähigen Datenerfassung, -verarbeitung und -bereitstellung lässt sich eine vollständige Transparenz in der Prozesskette herstellen, die die Planungsgenauigkeit und vor allem Anpassungsfähigkeit in der Produktionsplanung und -steuerung steigert und die Qualität unternehmerischer Entscheidungen anhand von Simulationen erhöht. Durch eine intensivere und vielseitigere Nutzung der Daten können mithilfe von Prognosen Planungs-, Effizienz- und Kostenreduktionspotenziale im Maschinen- und Anlagenpark erzielt werden (Abbildung 3-13). M2M und Interoperabilität bei vier von zehn Unternehmen bereits vorhanden Neben cyber-physischen Systemen (CPS) als Basis der intelligenten Fabrik bilden „Intelligente Maschinen“, „Intelligente Produkte“ und nicht zuletzt der Mensch als „Entscheider“ die Elemente der Smart Factory. Betrachtet man die Zukunft der Produktionsmaschinen, zeichnen sich diese durch ihre Intelligenz aus. Dies bedeutet konkret, dass Maschinen über ihre Funktionalitäten, ihren Standort, verbrauchte Ressourcen, Betriebskosten oder die aktuelle Auslastung informiert sind. Durch die Vernetzung untereinander sowohl innerhalb des eigenen Unternehmens als auch über die Unternehmensgrenzen hinaus reagieren sie eigenständig auf Auftragsänderungen, Ausfälle von Komponenten oder Qualitätsverluste. Durch die Koppelung an andere Produkteinheiten können Maschinen autonom, in Echtzeit und flexibel auf Unregelmäßigkeiten reagieren und somit eine intelligente und optimierte Produktion sichern. Es zeigt sich, dass die Maschinenparkfunktionalität der Unternehmen in den verschiedenen Bereichen unterschiedlich stark ausgeprägt ist (Abbildung 3-14). Während sieben von zehn Unternehmen ihre Maschinen und Anlagen teilweise oder vollständig über IT ansteuern können, bestätigen dies nur etwa vier von zehn Unternehmen in Bezug auf die Interoperabilität und die Kommunikation zwischen den Maschinen (M2M). Eine vollständige Funktionalität in den Bereichen M2M, Interoperabilität und IT-Ansteuerbarkeit ist mit entsprechend 4,9 Prozent, 1,9 Prozent und 11,5 Prozent recht gering. Abbildung 3-13: Nutzungsfeld der Daten Schaffung von Transparenz über den Produktionsprozess 90,8 Qualitätsmanagement 88,0 Optimierung des Logistikprozesses 77,5 Optimierung des Ressourcenverbrauchs (Material, Energie) 52,9 Vorausschauende Instandhaltung Automatische Produktionssteuerung durch die Nutzung von Echtzeitdaten 47,2 29,8 Angaben in Prozent; n= 200 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 38 Abbildung 3-14: Maschinenparkfunktionalitäten Maschinen/Anlagen sind über IT ansteuerbar Interoperabilität: Möglichkeit der Integration und Kollaboration mit anderen Maschinen/Systemen 1,9 11,2 17,6 11,5 4,9 12,9 13,1 48,7 46,6 38,6 59,7 Nein, erfüllen wir nicht Ja, vollständig vorhanden Kommunikation zwischen den Maschinen 33,4 Ja, teilweise vorhanden Keine Angabe Angaben in Prozent; n= 270 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 3.4 Smart Operations Vernetzung spielt bei Industrie 4.0 eine zentrale Rolle Elementarer Bestandteil für die Realisierung von Industrie 4.0 ist die Vernetzung aller Komponenten und Systeme im Werk. Diese bildet die Grundlage für eine vertikale und horizontale Integration der Wertschöpfungskette. Grundgedanke der vernetzten horizontalen Wertschöpfungskette ist die Verbindung aller internen und externen Wertschöpfungspartner vom Lieferanten bis zum Kunden. Ausgerichtet auf die Erfüllung der Kundenbedürfnisse entsteht so ein Netzwerk zur unternehmensübergreifenden Planung und Steuerung des gesamten Produktlebenszyklus. Die vertikale Integration beschreibt die Vernetzung innerhalb eines Unternehmens vom Vertrieb über die Produktentwicklung und -planung bis hin zur Produktion, After-Sales und schlussendlich der Finanzabteilung. Diese Vernetzung der Produktionssysteme birgt eine Reihe von Potenzialen zur Steigerung der Produktivität, Qualität und Flexibilität (PwC, 2014). Entscheidungsgrundlage für die Priorisierung und Durchführung bei der Auftragsabwicklung innerhalb der Wertschöpfungskette wird die Auswertung möglichst hochauflösender Daten sein. Aus diesem Grund spielen die Erhebung, die Analyse und die Verwertung von Daten im Rahmen von Industrie 4.0 eine zentrale Rolle und zählen zu den Haupttreibern für die Entwicklungen in diesem Bereich (Accenture, 2014). In der Produktion installierte Sensorik erfasst die Bewegungs- und Prozessdaten, welche mithilfe vernetzter intelligenter Systeme verarbeitet und ausgewertet werden. Die so gewonnenen Informationen ermöglichen genauere Prognosen (beispielsweise über Betriebsstörungen), welche den Produktionsablauf verbessern. Je höher die Daten aufgelöst sind, desto mehr relevante Informationen sind in diesen enthalten. Die Bedeutung der Datensicherheit wird daher von zunehmender Bedeutung sein (MHP, 2014). Die Industrie 4.0-Readiness wird für die Dimension Smart Operations anhand der folgenden Kriterien ermittelt: • • • • Informationsaustausch Cloud-Nutzung IT-Sicherheit Autonome Prozesse 39 Abbildung 3-15: Readiness-Stufen in der Dimension Smart Operations Exzellenz Stufe 5: 0,9 % • Vollständiger systemintegrierter Informationsaustausch • Autonome Steuerung und reagierende Prozesse umgesetzt • Umfangreiche IT-Sicherheits- und Cloud-Lösungen implementiert Experte Smart Operations Stufe 4: 0,3 % • Weitreichender systemintegrierter Informationsaustausch • Erprobung von autonomer Steuerung und reagierenden Prozessen • Weitreichende IT-Sicherheits- und Cloud-Lösungen im Einsatz Erfahrener Stufe 3: 13,9 % • Teilweise systemintegrierter Informationsaustausch • IT-Sicherheitslösungen sind teilweise implementiert • Erste Lösungen für Bereiche Software aus der Cloud, Datenspeicherung und -auswertung Fortgeschrittener Stufe 2: 45,3 % Stufe 1: 1,5 % Stufe 0: 38,2 % • Betriebsinterner Informationsaustausch teilweise systemintegriert • Mehrere IT-Sicherheitslösungen sind geplant oder erste Lösungen in Arbeit Anfänger • Ansätze von betriebsinternem, systemintegriertem Informationsaustausch • Erste IT-Sicherheitslösungen sind geplant Außenstehender • Keine Anforderungen werden erfüllt n=234 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Bereits jedes vierte Unternehmen gehört in der Dimension Smart Operations zu den Fortgeschrittenen Die durchschnittliche Readiness deutscher Maschinen- und Anlagenbauunternehmen im Bereich Smart Operations liegt auf einer Skala von 0 bis 5 bei 1,4. Die Pioniere erreichen einen durchschnittlichen Readiness-Wert von 2,9 (Tabelle 3-4). Gut 45 Prozent der befragten Maschinen- und Anlagenbauer werden der Stufe 2 (Fortgeschrittener) zugeordnet. Die größte Hürde beim Versuch, sich im Readiness-Modell noch höher zu positionieren, ist für die meisten Unternehmen der fehlende betriebsexterne, systemintegrierte Informationsaustausch. Der notwendige betriebsinterne, systemintegrierte Informationsaustausch ist in Stufe 2 teilweise implementiert. Mehrere Lösungen für die IT-Sicherheit sind geplant und oder werden bereits erarbeitet. Knapp vier von zehn Unternehmen (38,2 Prozent) sind Außenstehende (Stufe 0). Auf der nur im geringen Umfang vertretenen Stufe 1 (Anfänger) beschäftigen sich die Unternehmen mit dem ersten betriebsexternen, systemintegrierten Informationsaustausch und IT-Sicherheitslösungen. Stufe 3 erreichen 13,9 Prozent der Unternehmen. Diese fortgeschrittenen Unternehmen haben einen systemintegrierten Informationsaustausch sowohl intern als auch mit Partnerunternehmen und IT-Sicherheitslösungen teilweise implementiert. Außerdem beschäftigen sie sich mit dem Einsatz von Cloud-Lösungen. Zur Stufe 4 fehlt ihnen hauptsächlich der Schritt zur Erprobung von selbststeuernden Werkstücken in der Produktion und autonom reagierenden Prozessen. Diese Schwelle haben nur sehr wenige Unternehmen überschritten. So sind auf Stufe 4 (Experte) 0,3 Prozent und auf Stufe 5 (Exzellenz) 0,9 Prozent der befragten Unternehmen verortet (Abbildung 3-15). Tabelle 3-4: Durchschnittliche Readiness in der Dimension Smart Operations Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 1,4 1,0 2,0 2,9 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 40 Abbildung 3-16: Haupthürden in der Dimension Smart Operations Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+) Noch kein Einsatz autonom steuernder Werkstücke Noch kein Einsatz selbstständig reagierender Prozesse Keine Ansätze eines systemintegrierten Informationsaustauschs mit externen Partnern Kein oder kaum betriebsinterner systemintegrierter Informationsaustausch Haupthürden n=234 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Geringe unternehmensexterne Vernetzung Unternehmen sind zwar unternehmensintern sehr stark vernetzt, unternehmensextern besteht allerdings noch viel Potenzial. Durch kurze Kommunikationswege und die automatische Einbindung des Einkaufs und Vertriebs in die verschiedenen Prozesse können Kosten gesenkt und Effizienzsteigerungen erreicht werden. Aus den Ergebnissen der Readiness-Messung für die Dimension Smart Operations lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-16). Die zentralen Kernbefunde im Bereich Smart Operations werden nachfolgend dargestellt. Abbildung 3-17: Systemintegrierter Informationsaustausch nach Bereichen 100 82,6 81,4 78,4 80 65,9 69,0 65,3 55,6 60 48,6 40 23,2 20 12,2 17,3 22,2 21,1 18,3 14,9 14,5 0 g n uf un ka ese rtig sw Ein e g F un n/ tio chn uk Re / d n o Pr ze an Fin ieb rtr Ve IT g ik ce ist lun rvi Se ick Log w t En nd gu n hu rsc Unternehmensintern Fo Unternehmensextern Angaben in Prozent; n= 234 (unternehmensintern), 221 (unternehmensextern) Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 41 Besonders die Bereiche Einkauf, Service sowie Forschung und Entwicklung (FuE)4 sind unternehmensextern nur schwach vernetzt (Abbildung 3-17). Mit zunehmender Unternehmensgröße nimmt sowohl der interne als auch der externe Vernetzungsgrad zu. Für die interne Vernetzung erklärt sich dies durch den verbreiteten Einsatz von Enterprise-Resource-Planning-Systemen zur Unterstützung der Geschäftsprozesse im Unternehmen. Autonome Steuerung bisher nur bei wenigen Unternehmen vorhanden Eine der großen Visionen von Industrie 4.0 ist die sich selbst regelnde Produktion: Die Werkstücke fahren von sich aus die nächste Bearbeitungsstation an, handeln Routen und Reihenfolgen aus und teilen den Maschinen die benötigten Fertigungsparameter mit. Vor diesem Hintergrund wurden die deutschen Maschinen- und Anlagenbauer zum Umsetzungsgrad dieser autonomen Steuerung in ihren Unternehmen befragt. Die Befragung zeigt, dass im Durchschnitt in 85,3 Prozent der befragten Unternehmen keine autonomen Steuerungssysteme vorhanden sind. Am fortschrittlichsten sind die Großunternehmen. Immerhin jedes vierte Unternehmen hat eine autonome Steuerung in Entwicklung oder bereits im Einsatz. Überraschenderweise setzen sich kleinere Unternehmen mit 12 Prozent intensiver mit dieser Technik auseinander als die mittelgroßen Betriebe (6,8 Prozent). Der Anteil der Unternehmen mit einer unternehmensübergreifenden autonomen Steuerung ist mit 0,4 Prozent verschwindend gering (Abbildung 3-18). Abbildung 3-18: Autonome Steuerung des Werkstücks in der Produktion 1,3 11,3 ab 500 MA 100-499 MA 71,3 13,8 1,0 2,92,9 2,5 85,4 7,8 0,0 8,4 20-99 MA 86,7 3,6 1,2 0,4 6,8 Gesamt 0% 85,3 4,0 20% 40% 3,4 60% Ja, unternehmensübergreifend Ja, aber nur in ausgewählten Teilbereichen Ja, aber nur in der Test- und Pilotphase Nein Keine Angabe Angaben in Prozent; n= 266 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 4 D ie unternehmensexterne Vernetzung im Bereich FuE umschreibt den systemintegrierten Informationsaustausch mit Entwicklungspartnern oder Forschungseinrichtungen. Ein Beispiel für solch eine Vernetzung ist ein Produktlebenszyklus-Managementsystem, das die Konstruktionsdaten eines Produktes mehreren Partnern zur Verfügung stellt und somit eine kollaborative Arbeit an dem Produkt ermöglicht. 42 80% 100% Abbildung 3-19: Lösungen zur IT-Sicherheit Sicherheit der internen Datenspeicherung 2,1 1,1 0,9 8,5 Sicherung von Daten über CloudDienstleistungen 10,2 17,5 12,5 47,6 87,5 12,2 Kommunikationssicherheit im betriebsinternen Datenaustausch Kommunikationssicherheit im Datenaustausch mit Partnerunternehmen 4,8 4,7 5,4 8,9 15,9 40,8 22,5 69,2 12,8 14,9 Lösung implementiert Lösung in Arbeit Lösung geplant Für uns nicht relevant Keine Angabe Angaben in Prozent; n= 260 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle IT-Sicherheitsmassnahmen überwiegend für interne Zwecke implementiert Der Durchdringungsgrad von Cloud-Lösungen ist bisher gering Wie zu Beginn erläutert, ist es nicht nur wichtig, dass eine hochauflösende Datenbasis und die entsprechenden Systeme zur Aus- und Verwertung dieser Daten vorhanden sind, sondern auch, dass die Sicherheit dieser Daten gewährleistet ist. Besonders deutsche Unternehmen pflegen einen vorsichtigen Umgang mit Daten und legen großen Wert auf deren Sicherheit und Schutz. Dies zeigt auch die Befragung: Bei betriebsinternen Daten und Kommunikationswegen haben die Unternehmen bereits Lösungen implementiert. Bei externen Sicherungen und Kommunikationswegen sind sie verhaltener. So hält fast die Hälfte der Unternehmen die Sicherung von Daten über Cloud-Dienstleistungen für nicht relevant (48,1 Prozent). Als letzter Aspekt der Umsetzung von Industrie 4.0 im Bereich Smart Operations wurde die Nutzung von Cloud-Lösungen untersucht. Unter den Begriff Cloud-Lösungen fallen das CloudStorage (Datenspeicherung), das Cloud-Computing (Datenauswertung) und Software aus der Cloud. Dabei interessiert vor allem, ob und zu welchem Zweck diese von Unternehmen genutzt werden. Cloud-Lösungen dienen den Unternehmen häufig zum Outsourcing von Rechen- und Speicherkapazitäten sowie der effizienteren Nutzung von Softwarelizenzen. Die Skalierbarkeit in Verbindung mit einer weiter wachsenden Zahl vernetzter Geräte und zunehmenden Datenmengen ist ein wichtiger IT-seitiger Lösungsansatz für den Erfolg von Industrie 4.0 (Abbildung 3-20). Das allgemeine Bild bestätigt sich auch hier: Große Unternehmen haben häufiger Lösungen in den einzelnen Kategorien implementiert als kleinere Firmen. Letztere sehen besonders bei Cloud-Dienstleistungen und in der Kommunikation mit externen Partnerunternehmen keine Relevanz für sich (Abbildung 3-19). Die Befragung zeigt, dass der Durchdringungsgrad von Cloud-Lösungen im Maschinen- und Anlagenbau bisher recht gering ist. Allerdings sind hiermit nicht unerhebliche IT-Transformationen notwendig. Gerade im Bereich des Cloud-Computings reagieren die Unternehmen eher verhalten. 43 Abbildung 3-20: Nutzung von Cloud-Dienstleistungen 30% 26,5 25,9 25% 20,7 20% 24,6 22,3 22,3 19,3 17,5 15% 12,6 10,1 10% 12,5 8,4 5% 0% Software aus der Cloud Gesamt Zur Datenauswertung 20-99 MA 100-499 MA Zur Datenspeicherung ab 500 MA Angaben in Prozent; n= 266 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Der sonst so häufig beobachtbare Trend, dass große Unternehmen mehr Industrie 4.0-Aktivitäten verfolgen als kleine, lässt sich in den Bereichen Software aus der Cloud und Nutzung der Cloud zur Datenauswertung zwar bestätigen, im Bereich der Cloud-Datenspeicherung jedoch nicht, hier sind kleine Unternehmen stärker aktiv. Insbesondere für sie scheint das Auslagern der Speicherkapazitäten und die damit verbundene Reduzierung des administrativen Aufwands und der Beschaffungskosten von Hardware attraktiv. Die Umstellung von internen Speicherlösungen auf Cloud-Storage entspricht einem klassischen Outsourcing-Prozess und erhöht die Flexibilität hinsichtlich Verfügbarkeit und Speicherkapazität. Die Bedienung lehnt sich jedoch stark an lokalen Konzepten an. Ebenso ist die Nutzung von Cloud-Software nicht viel mehr als eine Umstellung der Lizenzmodelle, auf Anwenderseite ergeben sich nur wenige neue Zusatzfunktionalitäten. Cloud-Computing zur Datenauswertung eröffnet den Unternehmen völlig neue Handlungsfelder, die zunächst erschlossen werden müssen. So erlauben die flexibel abrufbaren und sehr hohen Rechenkapazitäten komplexe Simulationsberechnungen ohne eine kostenintensive Aufrüstung der lokalen IT-Infrastruktur. 44 3.5 Smart Products Intelligente Produkte sind Grundlage für Smart Factory und Smart Operations Viele Funktionen der Smart Factory sowie Nutzenpotenziale von Data-driven Services bauen auf die Verfügbarkeit umfangreicher Informationen über ein jeweiliges Produkt auf. Die Smart Factory muss wissen, welches Produkt sich wo in der Fertigung befindet, um über den Auftragsstatus in Echtzeit berichten zu können. Der Hersteller benötigt umfangreiche Informationen über Einsatzdauer und -intensität einer Maschine, um Kunden einen auf der realen Nutzung basierenden Plan zur Predictive Maintenance, also einer rechtzeitigen Instandhaltung, anbieten zu können. Diese Szenarien erfordern den Einsatz von Smart Products, physischen Objekten, die mit IKT ausgestattet sind. Dadurch sind sie eindeutig identifizierbar und können mit ihrer Umwelt interagieren, erfassen diese und ihren Zustand über Sensorik und bieten unterschiedliche Zusatzfunktionen im betrieblichen Kontext an (Deindl, 2013). In der Vision von Industrie 4.0 teilt ein selbststeuerndes Werkstück in der Produktion der Maschine mit, welche Arbeitsschritte ausgeführt werden müssen. Das Produkt benötigt dafür Informationen über sich selbst und über geplante sowie bereits durchgeführte Arbeitsschritte. Diese Informationen können mithilfe der Funktionen Objektinformation, Überwachung und Produktgedächtnis gesammelt werden. Mit den Produktfunktionalitäten Vernetzung und Selbstauskunft kann das Produkt der Maschine Arbeitsschritte mitteilen. Die Überwachung des ganzen Auftragsfortschritts setzt eine automatische Identifizierbarkeit und Lokalisierbarkeit voraus. In der Nutzungsphase bilden die gleichen Funktionalitäten die Grundlage für Data-driven Services, beispielsweise Telemaintenance oder auch das Anbieten von Maschinenparametereinstellungen zur Verarbeitung bestimmter Materialien. Hinzu kommt für den Hersteller die Möglichkeit, die Produktentwicklung durch das Sammeln aller wichtigen Nutzungs- und Produktionsdaten zu unterstützen. Die Anwendungsbedingungen können deutlich detaillierter analysiert und das Produkt dementsprechend weiterentwickelt werden. Somit können die Unternehmen Produkte und Lösungsansätze erarbeiten, die genau auf potenzielle Nutzer oder Kunden ausgelegt sind. Zur Ermittlung der Readiness im Bereich Smart Products werden die IKT-Zusatzfunktionalitäten von Produkten sowie der Umfang der Datenanalyse aus der Nutzungsphase herangezogen. Jedes sechste Unternehmen verwendet Daten aus der Nutzungsphase Im Bereich Smart Products weisen die deutschen Maschinen- und Anlagenbauer einen durchschnittlichen Readiness-Wert von 1,1 auf. In der Gruppe der Pioniere ist die Readiness mit einem durchschnittlichen Wert von 4,6 deutlich höher (Tabelle 3-5). Über die Hälfte der Unternehmen besitzt keine Produkte mit IT-basierten Zusatzfunktionen und erhebt dementsprechend auch keine Daten in der Nutzungsphase, welche für die Produktentwicklung, Vertriebsunterstützung oder Telemaintenance genutzt werden könnten. Diese Unternehmen werden den Außenstehenden (Stufe 0) zugeordnet. Auf Stufe 1 befinden sich 13,4 Prozent der Unternehmen (Anfänger). Die Produkte dieser Unternehmen besitzen erste Ansätze einer Zusatzfunktion aus dem Bereich Produktgedächtnis, Selbstauskunft, Vernetzung, Lokalisierung, Assistenzsysteme5, Überwachung, Objektinformation oder Automatische Identifikation. Auf Stufe 2 (14,6 Prozent) statten die Unternehmen ihre Produkte mit ersten Funktionen aus. Zudem erheben die Unternehmen Daten, nutzen oder analysieren sie aber nicht. Bei den Unternehmen auf Stufe 3 (Erfahrener, 4,9 Prozent) besitzen die Produkte mehrere zusammenhängende Zusatzfunktionen und die Daten aus der Nutzungsphase werden anteilig für die oben beschriebenen Aufgaben genutzt. Auf Stufe 4 (5,5 Prozent) und Stufe 5 (6,4 Prozent) steigt die Datennutzung sowie die Anzahl der Zusatzfunktionen bis zu einem umfangreichen Funktionspaket aus verschiedenen Bereichen (Abbildung 3-21). Tabelle 3-5: Durchschnittliche Readiness in der Dimension Smart Products Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 1,1 0,4 2,2 4,6 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=243 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 5 Beispiel aus dem Konsumentenbereich: In der Amazon-App werden Kaufvorschläge auf Basis bisheriger Käufe gemacht, in der Spotify-App werden so Musikvorschläge generiert. Beispiel aus dem Maschinen- und Anlagenbau: Maschinen könnten Einstellungsparameter vorschlagen auf Basis bisheriger Bearbeitungsaufträge, Datenbrillen können in der Kommission unterstützen. 45 Abbildung 3-21: Readiness-Stufen in der Dimension Smart Products Exzellenz Stufe 5: 6,4 % • Die Produkte besitzen umfangreiche Zusatzfunktionen • Die aufgenommenen Daten werden umfangreich für verschiedene Funktionen genutzt Experte Smart Products Stufe 4: 5,5 % • Die Produkte besitzen Zusatzfunktionen aus verschiedenen Bereichen • Die aufgenommenen Daten werden gezielt für bestimmte Funktionen genutzt Erfahrener Stufe 3: 4,9 % • Die Produkte besitzen mehrere zusammenhängende Zusatzfunktionen • Die aufgenommenen Daten werden anteilig für die Auswertung genutzt Fortgeschrittener Stufe 2: 14,6 % Stufe 1: 13,4 % Stufe 0: 55,3 % • Die Produkte besitzen erste Zusatzfunktionen • Aufnahme von Daten, aber keine Analyse/Nutzung der Daten Anfänger • Die Produkte besitzen erste Ansätze von Zusatzfunktionen Außenstehender • Keine Anforderungen werden erfüllt Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Jedes vierte Unternehmen bietet vernetzte Produkte an Aus den Ergebnissen der Readiness-Messung für die Dimension Smart Products lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-22). Produktzusatzfunktionalitäten werden am häufigsten für Objektinformationen, Überwachung und Vernetzung eingesetzt. Auch hier setzt sich der bekannte Größenklassentrend fort, dass mit der Größe des Unternehmens auch der Anteil der Unternehmen, die Produkt-Zusatzfunktionalitäten implementiert haben, zunimmt. Wer die Vision der Smart Factory umsetzen möchte, wird um die Lokalisierung von Produkten nicht herumkommen. Bisher haben jedoch mit lediglich 7,4 Prozent die wenigsten Unternehmen diese Funktion in ihre Produkte integriert. Unternehmen, die ihren Kunden zusätzliche Dienstleistungen anbieten wollen, müssen die nötige Grundlage der Überwachung oder der Vernetzung schaffen. Hier herrscht vor allem bei den kleinen und mittelständischen Unternehmen Nachholbedarf (Abbildung 3-23). In der Unternehmensbefragung wurden die Firmen um eine Einschätzung bezüglich der Zusatzfunktionalitäten ihrer Produkte gebeten. Die Ergebnisse geben Aufschluss darüber, welche Zusatzfunktionalitäten die Produkte am häufigsten besitzen und werden nachfolgend dargestellt. 46 Abbildung 3-22: Haupthürden in der Dimension Smart Products Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Produkte besitzen keine oder nur erste Ansätze von IKTZusatzfunktionalitäten Haupthürden Einsteiger (Stufe 2) Pioniere (Stufe 3+) Produkte besitzen erst auf wenige Aspekte beschränkte IKT-Zusatzfunktionalitäten Keine Analyse und Nutzung der aufgenommen Daten zur Optimierung der Produkte oder Prozesse (Produktentwicklung, Vertriebsunterstützung, After-Sales) n=243 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Abbildung 3-23: IKT-Zusatzfunktionalitäten von Produkten Objektinformation 34,0 Überwachung 30,4 Vernetzung 25,0 Produktgedächtnis 24,0 Automatische Identifikation 19,6 Assistenzsysteme 17,5 Selbstauskunft Lokalisierung 13,5 7,4 Angaben in Prozent; n= 243 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 3.6 Data-driven Services Unternehmen im Wandel von reinen Produkt- zu Lösungsanbietern Industrie 4.0 zeichnet sich neben dem Einsatz von IKT durch eine grundlegende Neuausrichtung bestehender Geschäftsmodelle aus. Im Fokus steht dabei eine essenzielle Steigerung des Kundennutzens. Zum einen lassen sich traditionelle Geschäftsmodelle digitalisieren, zum anderen besteht die Chance zur Entwicklung neuer Geschäftsmodelle, deren Wertschöpfungsfokus auf der Datenerhebung und -analyse basiert. Disruptive, innovative Geschäftsmodelle gehen im Rahmen von Industrie 4.0 darüber hinaus und zielen insbesondere darauf ab, bestehende Wertschöpfungsketten aufzubrechen und neue Potenziale zu erschließen. Im Bereich des Maschinen- und Anlagenbaus entwickelten sich so in den letzten Jahren die Angebote der Hersteller vom einfachen Verkauf der Maschinen hin zu hybriden Leistungsbündeln, also dem Angebot von kombinierten Sach- und Dienstleistungen mit gesteigertem Mehrwert für den Kunden. Klassisches Beispiel hierfür sind Wartungsverträge mit der Zusage einer vertraglich festgelegten Anlagenverfügbarkeit beim Verkauf einer Maschine. Daran gekoppelt ist eine Auswertung zu erfassender Maschinendaten, welche eine vorrausschauende Instandhaltung ermöglicht (Abbildung 3-24). 47 Abbildung 3-24: Data-driven Services Produkt Produktbezogene Dienstleistungen S P S S S S Produkt P S P S Verkauf von Produkten S Hybrides Leistungsbündel Leistung S Verkauf einzelner DL zusätzlich zum Produkt Service Verkauf einer DL als integraler Bestandteil des Angebots Verkauf einer Gesamtlösung Verkauf einer Gesamtlösung als DL Quelle: in Anlehnung an Hildenbrand et al., 2006 Für die Ermittlung der Readiness im Bereich Data-driven Services werden die folgenden drei Kriterien untersucht: • Angebot datenbasierter Dienstleistungen • Umsatzanteil mit datenbasierten Dienstleistungen • Anteil der genutzten Daten Readiness im Bereich Data-driven Services am geringsten Die deutschen Maschinen- und Anlagenbauer haben bei den datenbasierten Dienstleistungsangeboten die geringste Readiness und erreichen auf einer Skala von 0 bis 5 nur einen Wert von 0,3. Auch die Pioniere schneiden hier mit einem durchschnittlichen Readiness-Wert von 2,1 am schlechtesten in allen untersuchten Dimensionen ab (Tabelle 3-6). Die Dimension Data-driven Services zielt auf die Ausrichtung zukünftiger Geschäftsmodelle zur Steigerung des Kundennutzens ab. Das AfterSales- und Servicegeschäft wird zunehmend auf der Auswertung und Analyse aufgenommener Daten basieren. Das Ergebnis der Befragung zeigt, dass der Großteil der Unternehmen (84,1 Prozent) sich bisher noch nicht mit dem Thema Industrie 4.0 im Bereich des Data-driven Services auseinandergesetzt hat. Entsprechend häufig liegen diese Unternehmen auf Stufe 0. Von allen betrachteten Dimensionen des Modells ist der Fortschritt in Richtung Industrie 4.0 im Bereich des datenbasierten Dienstleistungsangebots am geringsten. Lediglich 5,5 Prozent der Unternehmen erreichen in der Dimension Data-driven Services die Stufe 1 (Abbildung 3-25). Tabelle 3-6: Durchschnittliche Readiness in der Dimension Data-driven Services Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 0,3 0,1 0,7 2,1 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=259 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 48 Abbildung 3-25: Readiness-Stufen in der Dimension Data-driven Services Exzellenz Stufe 5: 0,6 % • Datenbasierte Dienstleistungen über Vernetzung mit den Kunden • Generierung von Umsätzen über die Dienstleistung (>10%) • Hohe Nutzung der Daten (>50% der aufgenommenen Daten) Experte Data-driven Services Stufe 4: 0,6 % • Datenbasierte Dienstleistungen über Vernetzung mit den Kunden • Generierung von Umsätzen über die Dienstleistung (<10%) • Nutzung der Daten (20%-50% der aufgenommenen Daten) Erfahrener Stufe 3: 3,9 % • Datenbasierte Dienstleistungen, jedoch ohne Vernetzung mit dem Kunden • Generierung von geringen Umsätzen über die Dienstleistung (<7,5%) • Nutzung der Daten (20%-50% der aufgenommenen Daten) Fortgeschrittener Stufe 2: 5,2 % Stufe 1: 5,5 % Stufe 0: 84,1 % • Datenbasierte Dienstleistungen, jedoch ohne Vernetzung mit dem Kunden • Generierung von geringen Umsätzen über die Dienstleistung (<2,5%) • Geringe Nutzung der Daten aus der Nutzungsphase (<20% der aufgenommenen Daten) Anfänger • Datenbasierte Dienstleistungen, jedoch ohne Vernetzung mit dem Kunden • Generierung von ersten Umsätzen über die Dienstleistung (<1%) Außenstehender • Keine Anforderungen werden erfüllt n=259 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Die Ermittlung der Readiness stützt sich auf die Befragungsergebnisse, die auf den Folgeseiten dargestellt werden. Aus den Ergebnissen der Readiness-Messung für die Dimension Data-driven Services lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-26). Abbildung 3-26: Haupthürden in der Dimension Data-driven Services Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Haupthürden Fokus auf klassische Produkte; datenbasierte Dienstleistungen werden nicht oder ohne Vernetzung mit dem Kunden angeboten Einsteiger (Stufe 2) Datennutzungsgrad von 20-50 % noch nicht erreicht Pioniere (Stufe 3+) Keine digitale Kundenvernetzung bei datenbasierten Dienstleistungen Datenbasierte Dienstleistungen haben noch keinen signifikanten Umsatzanteil (>7,5 %) erreicht n=259 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 49 Kaum datenbasierte Dienstleistungsangebote Es zeigt sich, dass rund zwei Drittel (64,6 Prozent) der Unternehmen die Potenziale der Data-driven Services für sich noch nicht entdeckt und über kein datenbasiertes Dienstleistungsangebot verfügen. sammeln, gibt die Hälfte an, dass bis zu 20 Prozent der Daten weiterverwertet werden. Bei einem Fünftel der Unternehmen werden sogar 20 bis 50 Prozent der Daten genutzt. Hierbei lässt sich kein signifikanter Größenklassenunterschied erkennen (Abbildung 3-28). Produktentwicklung ist Hauptanalysezweck Es zeigt sich zudem, dass rund ein Drittel der Unternehmen Data-driven Services anbietet, jedoch nur die Hälfte von ihnen dabei mit dem Kunden vernetzt ist. Der Mittelstand bleibt hinter den kleinen und großen Unternehmen zurück, was das Angebot solcher Dienstleistungen mit Kundenvernetzung angeht. Fast doppelt so viele kleine Unternehmen (19,3 Prozent) wie mittelständische (10,7 Prozent) bieten Data-driven Services an und sind dabei mit dem Kunden vernetzt (Abbildung 3-27). Von den Unternehmen, die in der Produktionsund Nutzungsphase Prozessdaten erheben, verwenden nur 14,7 Prozent diese Daten nicht weiter. Von den Unternehmen, die solche Daten Neben dem überproportional gestiegenen Einsatz von Sensorik bildet vor allem die Vernetzung die nötige Grundvoraussetzung für das Angebot neuer Dienstleistungen und die Gewinnung von Erkenntnissen aus der Nutzungsphase. Daten können direkt bei Verwendung des Produkts erfasst werden. So lässt sich beispielsweise das Benutzerverhalten erfassen und analysieren. Dies ermöglicht dem Hersteller Rückschlüsse auf eine potenzielle Fehlbenutzung des Produkts und damit Ansätze für dessen Optimierung. Weitere Einsatzgebiete sind die Unterstützung des Vertriebs, das Angebot von Aftersales-Dienstleistungen wie Telemaintenance oder weitere Dienstleistungen. Abbildung 3-27: Angebot von Data-driven-Services ab 500 MA 26,6 100-499 MA 10,7 20-99 MA 22,8 18,4 19,3 Gesamt 10% 4,9 66,3 15,6 20% 1,2 64,6 30% 40% 50% 60% 2,9 70% 80% 90% 100% Ja, wir sind dabei mit unseren Kunden vernetzt Ja, aber ohne Vernetzung mit den Kunden Nein Keine Angabe Angaben in Prozent; n= 265 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 50 8,9 66,0 13,3 16,9 0% 41,8 Abbildung 3-28: Anteil genutzter Daten im Unternehmen 13,9 14,7 21,1 50,3 0 Mehr als 0 bis 20 % Mehr als 20 bis 50 % Mehr als 50 % Angaben in Prozent; n= 92 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Die Befragung zeigt, dass knapp ein Drittel der Unternehmen (30 Prozent), die in der Nutzungsphase entstehenden Daten nicht aufnimmt. Ein weiteres Viertel der Unternehmen (25 Prozent) erfasst die Daten, wertet diese aber nicht aus. Die restlichen 45 Prozent der Unternehmen analysieren die Daten aus der Nutzungsphase. Dabei zeigt die Befragung, dass nahezu alle Unternehmen die erhobenen Daten in der Produktentwicklung und Telemaintenance verwenden (Abbildung 3-29). Abbildung 3-29: Analyse von Daten aus der Nutzungsphase Produktentwicklung Vertriebsunterstützung ab 500 MA 100-499 MA 96,4 82,6 20-99 MA 94,7 Gesamt 91,1 ab 500 MA 48,1 100-499 MA 79,2 20-99 MA 75,0 Gesamt 73,7 After-Sales (Telemaintenance) ab 500 MA 100-499 MA 89,3 76,0 20-99 MA 88,9 Gesamt 84,5 Angaben in Prozent, Anteile ja-Antworten ; n= 67 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 51 3.7 Mitarbeiter Nur bei einem Drittel der Unternehmen sind notwendige Kompetenzen nicht vorhanden Mitarbeiter tragen im Unternehmen die digitale Transformation mit Bei den Mitarbeiterkompetenzen erreicht der Durchschnitt der Maschinen- und Anlagenbauunternehmen den Wert 1,5. Eine mögliche Erklärung für die relativ hohe Readiness im Vergleich zu den anderen untersuchten Dimensionen ist, dass die Unternehmen bei der Mitarbeiterqualifizierung mehr Erfahrung haben und sich hier entsprechend sicherer fühlen als in den anderen Industrie 4.0-relevanten Themenbereichen wie beispielsweise Data-driven Services, Smart Factory oder der Implementierung einer Industrie 4.0-Strategie. Die Pioniere erreichen hier einen durchschnittlichen Readiness-Wert von 3,2 (Tabelle 3-7). Mitarbeiter sind von den Veränderungen der digitalen Arbeitswelt maßgeblich betroffen. Für sie ändert sich das direkte Umfeld am Arbeitsplatz, was neue Kompetenzen und Qualifikationen erfordert. Für Unternehmen wird es daher zunehmend wichtiger, die Mitarbeiter auf diese Veränderungen durch geeignete Schulungs- und Weiterbildungsmaßnahmen vorzubereiten. Die zentrale Rolle der Mitarbeiter in den Veränderungsprozessen wurde auch in mehreren Studien untersucht (Spath et al., 2013; PwC, 2014; DIHK, 2015). Der Fokus der Studien liegt häufig auf Veränderungen der Qualifikationen und inwieweit Unternehmen diese erforderlichen Qualifikationen vermitteln können. Die Studie des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation widmet sich den erwarteten Auswirkungen für die Arbeitsgestaltung und -organisation. Auf der Grundlage einer Befragung von 518 Produktionsverantwortlichen zeichnet die Studie ein Bild des Umsetzungsstandes des Themas Industrie 4.0 in deutschen Industrieunternehmen. Demnach werden sich im Zuge der Digitalisierung die Anforderungen an Produktionsarbeiter verändern. Im Mittelpunkt der Veränderungen wird vorrangig die Bereitschaft zum lebenslangen Lernen gesehen. Dabei liegt die höhere IT-Kompetenz in der Bedeutung der abgefragten Kompetenzen noch hinter dem starken interdisziplinären Denken und Handeln auf Platz drei (Spath et al., 2013). Dabei wird von rund einem Drittel der Unternehmen die Readiness-Stufe 1 (Anfänger) erreicht. Das heißt, die Mitarbeiter des Unternehmens besitzen in einem relevanten Bereich die nötigen Kompetenzen (IT-Infrastruktur, Automatisierungstechnik, Datenanalyse, Datensicherheit/ Kommunikationssicherheit, Entwicklung oder Anwendung von Assistenzsystemen, Kollaborationssoftware, nicht-technische Kompetenzen wie Systemdenken oder Prozessverständnis), jedoch nicht im ausreichenden Maße. Ein weiteres Drittel der befragten Unternehmen scheitert allerdings bereits an dieser Hürde und kann keine der abgefragten Kompetenzen (Stufe 0) vorweisen. Der Anteil der Firmen auf den höheren Stufen nimmt kontinuierlich ab. Immerhin 5,3 Prozent der Befragten erreichen in dieser Dimension die Stufe des Experten (Stufe 4) und können somit in mehreren relevanten Bereichen ausreichende Kompetenzen vorweisen (Abbildung 3-30). Für die Ermittlung der Readiness in der Dimension Mitarbeiter wurden die Mitarbeiterkompetenzen in unterschiedlichen Bereichen sowie Anstrengungen der Unternehmen zum Kompetenzaufbau ausgewertet. Tabelle 3-7: Durchschnittliche Readiness in der Dimension Mitarbeiter Readiness-Wert Gesamt Neulinge Einsteiger Pioniere 1,5 1,0 2,8 3,2 Skala 0 (Außenstehender) bis 5 (Exzellenz); n=250 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 52 Abbildung 3-30: Readiness-Stufen in der Dimension Mitarbeiter Exzellenz Stufe 5: 5,3 % • Kompetenzen in mehreren relevanten Bereichen voll vorhanden Experte Mitarbeiter Stufe 4: 8,8 % • Mitarbeiter verfügen in mehreren relevanten Bereichen über ausreichend Kompetenzen Erfahrener Stufe 3: 10,3 % • Mitarbeiter verfügen in einigen relevanten Bereichen über ausreichend Kompetenzen Fortgeschrittener Stufe 2: 12,2 % Stufe 1: 33,5 % Stufe 0: 29,8 % • Die Mitarbeiter verfügen in wenigen relevanten Bereichen über geringe Kompetenzen Anfänger • Die Mitarbeiter verfügen in einem relevanten Bereich über geringe Kompetenzen Außenstehnder • Keine Anforderungen werden erfüllt n=250 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle Haupthürden auf dem Weg zur Erreichung einer höheren Readiness-Stufe Pioniere) die Haupthemmnisse zur Erreichung einer höheren Readiness-Stufe wie folgt zusammenfassen (Abbildung 3-31). Aus den Ergebnissen der Readiness-Messung für die Dimension Mitarbeiter lassen sich für die drei Unternehmenstypen (Neulinge, Einsteiger, Abbildung 3-31: Haupthürden in der Dimension Mitarbeiter Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe Neulinge (Stufen 0 und 1) Keine oder nur geringe Industrie 4.0-spezifische Mitarbeiterkompetenzen vorhanden Einsteiger (Stufe 2) In einigen relevanten Bereichen sind die Kompetenzen noch nicht ausreichend vorhanden Pioniere (Stufe 3+) Industrie 4.0-spezifische Kompetenzen noch nicht in allen Bereichen vollumfänglich vorhanden Haupthürden n=250 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 53 als ausreichend ein; in 31,5 Prozent beziehungsweise 41,1 Prozent der Unternehmen sind diese Kompetenzen gar nicht vorhanden (Abbildung 3-32). Die Ergebnisse dieser Readiness-Messung basieren auf den folgenden Befunden: Fachkenntnisse in vielen Bereichen nicht ausreichend vorhanden Der Großteil der Unternehmen hat sich des Kompetenzmangels bezüglich des Themas Industrie 4.0 bereits angenommen und Qualifizierungsmaßnahmen gestartet. So bieten knapp zwei Drittel der befragten Maschinen- und Anlagenbauer spezielle Schulungen, Wissenstransfersysteme und Coachings an, um ihre Mitarbeiter für Industrie 4.0 zu qualifizieren. Dabei erlernen die Mitarbeiter Fertigkeiten, die sie in Zusammenhang mit der Entwicklung hin zu einer digital vernetzten Produktion benötigen. Neben grundlegendem Wissen zu IT- und Steuerungsprozessen wird den Mitarbeitern die Fähigkeit zum Austausch mit Maschinen und vernetzten Systemen vermittelt. Bei den Mitarbeitern der Maschinen- und Anlagenbauunternehmen sind zwar vielfältige Kompetenzen vorhanden, aber oft nicht in dem für die detaillierte Umsetzung von Industrie 4.0Konzepten erforderlichen Ausmaß. Je nach Kompetenzbereich schätzt lediglich ein Zehntel bis ein Drittel der Unternehmen die Fachkräftekompetenz in Bezug auf Industrie 4.0 als ausreichend vorhanden ein. Die größten Probleme bestehen bei der Entwicklung und Anwendung von Assistenzsystemen und der Kollaborationssoftware. Hier schätzen nur 9,3 Prozent oder 8,1 Prozent der Unternehmen die Mitarbeiterkompetenzen Abbildung 3-32: Mitarbeiterkompetenzen für Industrie 4.0 Datensicherheit/Kommunikationssicherheit 3,0 11,8 45,4 IT-Infrastruktur 3,7 7,3 Automatisierungstechnik 9,0 Nicht technische Kompetenzen, wie Systemdenken, und Prozessverständnis 7,9 Entwicklung/Anwendung von Assistenzsystemen Kollaborationssoftware Nicht relevant Nicht vorhanden 54,4 15,9 15,8 18,0 Vorhanden, aber nicht ausreichend 54 9,3 23,7 Ausreichend vorhanden Angaben in Prozent; n= 250 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten. Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 6,2 18,4 36,3 41,1 7,3 21,2 53,3 31,5 6,9 22,4 52,0 17,7 5,1 27,7 45,4 12,7 Datenanalyse 5,5 34,7 8,1 5,1 7,0 9,2 Keine Angabe 4 Handlungsfelder für Industrie 4.0 Die Einordnung der befragten Unternehmen in das Readiness-Modell, zeigt, dass der Großteil der Unternehmen im deutschen Maschinen- und Anlagenbau bei der Realisierung von Industrie 4.0 noch am Anfang steht. Mehr als drei Viertel der Firmen sind Neulinge in den Readiness-Stufen 0 oder 1. Dieser Grundbefund ist in allen sechs Dimensionen des Readiness-Modells erkennbar (Abbildung 4-1). Allerdings ist der Maschinenbau bei der Umsetzung von Industrie 4.0-Konzepten deutlich weiter als das Verarbeitende Gewerbe insgesamt. Immerhin erreicht fast ein Viertel der Unternehmen mindestens die Readiness-Stufe 2. Im gesamten Verarbeitenden Gewerbe liegt dieser Anteil erst bei elf Prozent. Das zeigt deutlich die Aufgeschlossenheit des Maschinen- und Anlagenbaus für das Thema Industrie 4.0. Analyse zeigt, dass auch sie noch weit von der Erfüllung der Vision Industrie 4.0 (Stufe 5 des Readiness-Modells) entfernt sind. Für eine zügige Weiterentwicklung im Themenfeld Industrie 4.0 ist es vor allem für die Neulinge und Einsteiger wichtig, von den Erfahrungen der Pionierunternehmen – rund 6 Prozent aller deutschen Maschinen- und Anlagenbauer – zu lernen. Doch auch für die jetzigen Pioniere ergeben sich noch zahlreiche Handlungsfelder. Die • Die Faktoren, die die Unternehmen auf dem Weg zu Industrie 4.0 nach ihrer Selbsteinschätzung hemmen. Für die Handlungsempfehlungen leiten sich daraus zwei zentrale Fragen ab: • Wie können Unternehmen, die zu den Neulingen und Einsteigern zählen, bei Industrie 4.0 im deutschen Maschinen- und Anlagenbau zu Pionieren aufsteigen? • Welche Handlungsfelder bestehen für die heutigen Pioniere? Zur Beantwortung dieser Fragen werden zwei zentrale Ergebnisse der empirischen Erhebung herangezogen: • Die Gründe für das Nichterreichen der nächsten Readiness-Stufe. Abbildung 4-1: Verteilung der Unternehmenstypen nach Dimensionen Gesamt Strategie und Organisation Smart Factory 8,6 0,0% 77,0 18,3 39,6 15,1 Smart Products Mitarbeiter 76,6 14,8 4,7 Smart Operations Data-driven Services 76,5 17,9 5,6 Neulinge 45,3 Einsteiger Pioniere 68,7 14,6 16,7 89,6 5,2 5,2 12,2 63,3 24,5 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% 90,0% 100,0% Angaben in Prozent, n = 234 Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle 55 Die Unternehmen wurden in der Umfrage gebeten, eine Selbsteinschätzung zu den größten Hemmnissen bei der Umsetzung von Industrie 4.0 abzugeben. Abbildung 4-2 zeigt diese Hemmnisse differenziert nach Unternehmenstypen (Neulinge, Einsteiger und Pioniere). Es wird sichtbar, dass die Hemmnisse abhängig vom Unternehmenstyp unterschiedlich stark bewertet werden. Unter Berücksichtigung der genannten Hemmnisse und der anhand des Readiness-Models ermittelten Hürden werden typspezifische Handlungsfelder abgeleitet. • Für jeden Unternehmenstyp wurden die wesentlichen Haupthürden identifiziert, welche verhindern, die nächste Readiness-Stufe zu erreichen. • Bei der Bewertung der Hemmnisse wurden zwei Faktoren berücksichtigt. Zunächst wurden die Hemmnisse ausgemacht, welche die höchste Ausprägung für den jeweiligen Unternehmenstyp haben. Danach wurde für die einzelnen Ausprägungen der Hemmnisse bei den Unternehmenstypen „Neulinge“ und „Einsteiger“ jeweils die Differenz zu den Ausprägungen der Hemmnisse bei den Pionieren bestimmt; anschließend wurden diese Ergebnisse nach der Höhe der Differenz für die Typen Neulinge und Einsteiger geordnet. Auf diese Weise kann abgelesen werden, bei welchen Hemmnissen der Abstand der Neulinge bzw. der Einsteiger zu den Pionieren besonders groß ist. • In einem dritten Schritt wurden darauf aufbauend für jeden Unternehmenstyp gesondert die dringlichsten Handlungsfelder identifiziert, die zu einer höheren Readiness-Stufe führen. 56 Die wesentlichen Befunde dieser Analyse sind in Abbildung 4-3 bis Abbildung 4-5 zusammengefasst. Für die einzelnen Abschnitte der Handlungsfelder nach Unternehmenstyp werden in der nachfolgenden Abbildung 4-2 die wesentlichen Hemmnisse zusammengefasst dargestellt: • Die Unternehmen des deutschen Maschinenund Anlagenbaus sollten ihre Zurückhaltung gegenüber Industrie 4.0 aufgeben und sich aktiv mit diesem Thema befassen, um die Potenziale erkennen zu können. • Durch die Beschäftigung mit Industrie 4.0 offenbart sich der damit einhergehende wirtschaftliche Nutzen sowie die Markterfordernis. • Industrie 4.0 ist ein Thema von hoher Komplexität. Für die Unternehmen gibt es keine Einheitslösung. Gerade die Pioniere, die auf diesem Weg schon weiter fortgeschritten sind, stehen vor der Herausforderung der Finanzierung von Industrie 4.0-Projekten. Abbildung 4-2: Hemmnisse nach Unternehmenstypen Unklarheit über wirtschaftlichen Nutzen fehlendes Fachwissen bzw. fehlende Fachkräfte 41,1 40,2 41,3 41,1 ungeklärte Rechtsfragen keine Kultur im Unternehmen für I4.0-Konzepte unzulängliche Breitbandinfrastruktur 26,4 1,8 5,1 10,0% Pioniere 32,8 31,5 27,9 35,2 14,2 29,9 1,8 0,0% Einsteiger 63,4 19,2 10,5 Neulinge 47,4 22,8 14,5 unternehmensinterne Bürokratien und Regularien 49,3 37,9 15,7 fehlende Finanzkraft für die Durchführung der Investitionen 56,0 38,3 23,2 17,6 1,8 59,5 48,5 8,6 fehlendes Vertrauen in die Datensicherheit Belegschaft nicht offen für Digitalisierung 58,5 42,4 allgemeine Unklarheit, zögerliches Verhalten Sorge vor der Marktmacht großer Unternehmen 72,2 47,8 45,7 fehlende Normen und Standards keine Markterfordernis 76,8 63,6 8,6 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% Angaben in Prozent, n = 167 Quelle: VDMA-Mitgliederbefragung, 2015 4.1 H andlungsfelder für Neulinge Die Neulinge im Bereich Industrie 4.0, die sich im Readiness-Modell in den Stufen 0 und 1 befinden, müssen erste Schritte wagen. Sie sollten sich dabei nicht am Soll-Profil, verkörpert durch die Vision von Industrie 4.0 in der Stufe 5 des vorliegenden Readiness-Modells orientieren, sondern am Benchmark-Profil der Pionier-Unternehmen. Um auf das Niveau der Pioniere von Industrie 4.0 zu gelangen, müssen die Neulinge folgende, für sie gravierende, Hemmnisse überwinden: • Unklarheit über wirtschaftlichen Nutzen von Industrie 4.0-Konzepten • allgemeine Unklarheit über Industrie 4.0 und zögerliches Verhalten • keine Markterfordernis für Industrie 4.0Konzepte • fehlendes Fachwissen über und fehlende Fachkräfte für Industrie 4.0 • keine Kultur im Unternehmen für Industrie 4.0-Konzepte Die gravierendsten Hemmnisse bei den Neulingen bestehen darin, dass es neben einer grundsätzlichen Unklarheit über das Thema Industrie 4.0 (56 Prozent) vor allem keine Klarheit über den wirtschaftlichen Nutzen von Industrie 4.0-Konzepten (77 Prozent) gibt. Insoweit sehen die Firmen auch keine Markterfordernis zur Beschäftigung mit diesem Thema (38 Prozent). Dies liegt offenbar auch daran, dass das Thema Industrie 4.0 noch nicht fest in der Unternehmenskultur verankert ist (38 Prozent). Zudem sind sich mehr als 72 Prozent der Unternehmen darüber bewusst, dass es ihnen in diesem Bereich an Fachwissen und Fachkräften fehlt. Bei allen genannten Hemmnissen weichen die Ergebnisse zu den Neulingen besonders stark von denen der Pioniere ab. Damit sind zugleich die wichtigsten Themen genannt, an denen die Neulinge zur Verkürzung ihres Abstandes zu den BenchmarkUnternehmen (Pioniere) arbeiten sollten. Die 57 geringe Intensität, mit denen die schwerwiegendsten Hemmnisse der Neulinge bei den Pionieren wahrgenommen werden, zeigt, dass die Neulinge wirklich gute Chancen haben, diese Probleme in den Griff zu bekommen. Allerdings werden von den Neulingen auch externe Hemmnisse genannt, wo vor allem Staat und Politik gefordert sind, die Rahmenbedingungen für das Gelingen der digitalen Transformation im Bereich Industrie 4.0 zu verbessern. So beklagen knapp 59 Prozent der Neulinge fehlende Normen und Standards, 49 Prozent eine unzureichende Datensicherheit und 41 Prozent ungeklärte Rechtsfragen. Aus unternehmensinterner Sicht erreichen die Neulinge keine höhere Readiness-Stufe, weil sie verschiedene Hürden noch nicht überwunden haben (Abbildung 4-3). Bewusstsein für Industrie 4.0 im Unternehmen schaffen Industrie 4.0 ist ein Innovationsthema, bei welchem sich gerade Neulinge über die Bedeutung, die Potenziale und den Nutzen in ihrem Unternehmen Klarheit verschaffen müssen. Nur wenn die Unternehmen sich der Bedeutung dieses Themas bewusst werden, können sie strategische Ableitungen ziehen und weitere geeignete Maßnahmen einleiten. Dazu zählt auch, dass die Belegschaft über die allgemeine Bedeutung von Industrie 4.0 für die Zukunft und erste Umsetzungsideen des Unternehmens aufgeklärt werden sollte. Aber auch Politik und Verbände können wichtige Impulse liefern und die Unternehmen dabei unterstützen, ein eigenes Begriffsverständnis von Industrie 4.0 aufzubauen. Aus diesen Befunden lassen sich mehrere Handlungsfelder zur Erreichung einer höheren Readiness-Stufe ableiten: Abbildung 4-3: Handlungsfelder für Neulinge (Readiness-Stufe 0 und 1) Strategie & Organisation I4.0-Dimensionen Gegenwärtige Haupthürden (aus ReadinessModell) Hemmnisse Industrie 4.0 findet noch keine oder nur geringe Beachtung in der strategischen Ausrichtung Kein oder kaum betriebsinterner, systemintegrierter Informationsaustausch Data-driven Services Smart Products Produkte besitzen keine oder nur erste Ansätze von IKTZusatzfunktionalitäten Fokus auf klassische Produkte; datenbasierte Dienstleistungen werden nicht oder ohne Vernetzung mit dem Kunden angeboten Unklarheit über wirtschaftlichen Nutzen Keine Markterfordernis Allgemeine Ungewissheit über I4.0 Fehlende Kompetenzen Strategien formulieren Eigene Darstellung 58 Keine Anbindung des Maschinenund Anlagenparks an übergeordnete ITSysteme Smart Operations Maschinen- und Prozessdaten werden nicht erfasst Bewusstsein für I4.0 schaffen Handlungsfelder Smart Factory Schrittweise Implementierung des Maschinenparks in die übergeordneten IT-Systeme Ansätze von internen und externen systemintegriertem Informationsaustausch planen Potenzialanalyse möglicher IKTZusatzfunktionalitäten Neuausrichtung des Produktportfolios Definition von datenbasierten Dienstleistungen Mitarbeiter Keine oder nur geringe Industrie 4.0-spezifische Mitarbeiterkompetenzen vorhanden Systematische Bedarfsanalyse Anpassung der Ausbildungs- und Qualifizierungsmaßnahmen Industrie 4.0-Konzepte in der Unternehmensstrategie und -kultur etablieren Technische Grundlagen zum Aufbau einer Smart Factory schaffen Trotz Kenntnis über die Potenziale von Industrie 4.0 existiert bei den Neulingen meist noch keine konkrete Strategie zur Entwicklung und Umsetzung von Industrie 4.0-Konzepten. Zur vollumfänglichen Ausschöpfung des Potenzials von Industrie 4.0 bedarf es einer hieran angepassten Unternehmensstrategie und -organisation, die von den Führungskräften im Unternehmen aufgesetzt und etabliert wird. Im Rahmen von Pilotversuchen können Neulinge erste Erfahrungen mit innovativen Anwendungsformen von Sensorik und hochgradig vernetzten IT-Systemen sammeln. Parallel dazu sollte die Erweiterbarkeit des Maschinenparks auf Anbindung an übergeordnete IT-Systeme geprüft werden. Im nächsten Schritt wird die Transparenz über die gegenwärtigen Produktionsabläufe gesteigert. Kulturveränderung ist langwierig und stark beeinflusst von den Menschen, die sie treiben und vorleben. Studien weisen darauf hin, dass derart innovative Themen fest und konkret in allen Bereichen des Unternehmens, der Führungs- und Organisationsstruktur sowie vor allem auch im Wertesystem des Unternehmens verankert werden müssen. Nur so wird eine flächendeckende Mobilisierung für das Thema erreicht und das gesamte vorhandene Potenzial der Mitarbeiter und der Organisation ausgeschöpft. Insbesondere Mittelständler schaffen es durch persönliches Vorleben der Bedeutung von innovativen Themen wie Industrie 4.0 und von innovativem Handeln, die Mitarbeiter für dieses Thema zu begeistern und sie dauerhafter zu motivieren (IW Consult/Santiago, 2015). In der Unternehmenskultur sollte bereits gelebt werden, was in der Strategie verankert werden soll. Das heißt: Die Bedeutung des Kulturwandels durch Industrie 4.0 sollte von der Unternehmensleitung hervorgehoben werden – etwa durch Schaffung von Identifikationsfiguren und Vorbildern, aber auch durch die Besetzung der Schlüsselposition des Industrie 4.0-Hauptverantwortlichen. Diese Dinge sind nur mit einer starken und innovationsfördernden Führungsleistung erfolgreich umzusetzen. Es sind die Führungskräfte im Innovationsumfeld von Industrie 4.0, die den Kulturwandel vorleben, die Zusammenarbeit von Teams strukturieren und individuelle Freiräume für Mitarbeiter organisieren müssen. Vernetzung der Komponenten und Systeme starten In den Unternehmensprozessen sollte zuerst der Informationsaustausch zwischen den einzelnen Systemen sukzessive ausgeweitet werden. In Betracht kommen hierbei sowohl standardisierte Schnittstellen als auch der Einsatz geeigneter Middleware6. Diese sind auch Grundvoraussetzung für die Initiierung von datenbasierten Dienstleistungsangeboten. Erweiterung des Produktportfolios Das Produktportfolio sollte im Rahmen einer Potenzialanalyse auf die Erweiterung mit IKTZusatzfunktionalitäten zur Steigerung des Kundennutzens geprüft werden. Auf Basis der identifizierten Zusatzfunktionalitäten können die ersten datenbasierten Dienstleistungen getestet werden. Basiskompetenzen aufbauen Um mit dem Thema Industrie 4.0 zu beginnen, ist der Aufbau von betriebsinternen Basiskompetenzen zu den Themen IT-Infrastruktur, Automatisierungstechnik und Datenanalyse von zentraler Bedeutung. 6 M iddleware stellt eine Ebene in einem komplexen Softwaresystem dar, die als „Dienstleister“ anderen, ansonsten entkoppelten, Softwarekomponenten den Datenaustausch ermöglicht. 59 Welche Kompetenzen im Einzelfall benötigt werden, ergibt sich oft erst aus dem unternehmensspezifischen Vorgehen. Hier sollten Unternehmen vorab eine systematische Bedarfsanalyse im Bereich der Beschäftigten durchführen und ihre Qualifizierungs- und Ausbildungsmaßnahmen entsprechend dieser Bedürfnisse anpassen. 4.2 Handlungsfelder für Einsteiger Die Einsteiger in Industrie 4.0, die sich im Readiness-Modell auf der Stufe 2 befinden, müssen ähnliche Hemmnisse überwinden wie die Neulinge: • Unklarheit über wirtschaftlichen Nutzen von Industrie 4.0-Konzepten • allgemeine Unklarheit über Industrie 4.0 und zögerliches Verhalten Auch hier bestehen die gravierendsten Hemmnisse darin, dass es neben einer grundsätzlichen Unklarheit über das Thema Industrie 4.0 (49 Prozent) ebenfalls keine Klarheit über den wirtschaftlichen Nutzen von Industrie 4.0-Konzepten (64 Prozent) gibt. Zudem beklagen fast 48 Prozent der Firmen fehlendes Fachwissen über und fehlende Fachkräfte für Industrie 4.0. 30 Prozent der Unternehmen befürchten, dass ihre Belegschaft nicht offen genug für Digitalisierungsthemen ist. 14 Prozent der Einsteiger haben zudem Sorge vor der Marktmacht großer Unternehmen. Bei den aufgeführten Hemmnissen weichen die Ergebnisse besonders stark von denen der Pioniere ab, welche die Einsteiger zuvorderst angehen sollten, um möglichst schnell zu den Benchmark-Unternehmen aufschließen zu können. Im Rahmen der externen Hemmnisse monieren von den Einsteigern 42 Prozent fehlende Normen und Standards, 41 Prozent eine unzureichende Datensicherheit sowie ungeklärte Rechtsfragen; knapp ein Drittel bemängelt die Breitbandinfrastruktur. • fehlendes Fachwissen über und fehlende Fachkräfte für Industrie 4.0 • Belegschaft nicht offen für die Digitalisierung • Sorge vor der Marktmacht großer Unternehmen Abbildung 4-4: Handlungsfelder für Einsteiger (Readiness-Stufe 2) Strategie & Organisation I4.0-Dimensionen Gegenwärtige Haupthürden (aus ReadinessModell) Hemmnisse Handlungsfelder Industrie 4.0 findet Beachtung im Strategieprozess, eine konkrete Strategie ist aber noch nicht formuliert Eingeschränkte Nachrüstbarkeit des Maschinenparks Smart Operations Keine Ansätze eines systemintegrierten Informationsaustauschs mit externen Partnern Data-driven Services Smart Products Keine Analyse und Nutzung der aufgenommenen Daten zur Optimierung der Produkte oder Prozesse (Produktentwicklung, Vertriebsunterstützung, After-Sales) Datennutzungsgrad von 20-50 % noch nicht erreicht Unklarheit über wirtschaftlichen Nutzen Keine Markterfordernis Allgemeine Ungewissheit über I4.0 Fehlende Kompetenzen Strategie formulieren und umsetzen Eigene Darstellung 60 Smart Factory Keine vollständige Anbindung des Maschinenparks an IT-Systeme IT-vernetzte Maschinenparks planen und aufbauen Systemintegrierten Informationsaustausch betriebsintern und extern ausweiten Systematische Analyse potenzieller Nutzungsmöglichkeiten der aufgenommenen Daten Mitarbeiter In einigen relevanten Bereichen sind Industrie 4.0spezifische Kompetenzen noch nicht ausreichend vorhanden Datennutzungsgrad erhöhen Systematische Bedarfsanalyse Mehr datenbasierte Dienstleistungen kreieren Anpassung der Ausbildungs- und Qualifizierungsmaßnahmen Aus unternehmensinterner Sicht erreichen die Einsteiger keine höhere Readiness-Stufe, weil sie den Status quo aus Abbildung 4-4 noch nicht überwunden haben. Möglichkeit, Produkte digitaler zu gestalten und Kundendaten intensiver in die internen Prozesse einzubinden. Für Einsteiger lassen sich ähnliche Handlungsfelder ableiten wie für Neulinge mit Ausnahme der folgenden Ergänzungen: Basiskompetenzen ausbauen Überwachung der Strategieumsetzung durch Kennzahlen Für das Controlling der Strategieformulierung und -umsetzung muss ein geeignetes Kennzahlencockpit erarbeitet werden. Dieses enthält zielspezifische Kennzahlen z. B. für den Fortschrittsoder Erfüllungsgrad der Industrie 4.0-Strategie und dient der Überwachung der Umsetzung. Dabei können klassische Methoden wie die Balanced Scorecard – ein Instrument, mit welchem die Entwicklung der Geschäftsvision verfolgt werden kann – eingesetzt werden. Technische Grundlagen erweitern Bei der Erstellung von Lastenheften für die Beschaffung neuer Maschinen und Anlagen sind Industrie 4.0-spezifische Anforderungen insbesondere hinsichtlich der Integration in IT-Systeme und M2M-Kommunikation zu berücksichtigen. Darüber hinaus ist der betriebsinterne, systemintegrierte Informationsaustausch durch eine Vereinheitlichung der Systemlandschaft auszubauen. Zur Herstellung der Kollaboration und horizontalen Integration sollten die Unternehmen erste Schritte hin zu einem systemintegrierten Informationsaustausch mit externen Kunden und Lieferanten unternehmen. Datenanalysefähigkeit erhöhen Unternehmen auf dieser Stufe sollten die zahlreichen gesammelten Informationen hinsichtlich weiterer Nutzungspotenziale durch tiefergehende Analysen untersuchen. Die Erhöhung des Datennutzungsgrades und zusammenhängender IKT-Zusatzfunktionalitäten bietet die Um das Thema Industrie 4.0 voranzutreiben, muss weiter am Aufbau von betriebsinternen Basiskompetenzen zu den Themen IT-Infrastruktur, Automatisierungstechnik und Datenanalyse gearbeitet werden. Die systematische Bedarfsanalyse im Bereich der Beschäftigten sowie die zugehörigen Qualifizierungs- und Ausbildungsmaßnahmen sind eine Daueraufgabe. 4.3 Handlungsfelder für Pioniere Die Pioniere im Bereich Industrie 4.0, die sich im Readiness-Modell auf den Stufen 3 bis 5 wiederfinden, haben weitestgehend mit anderen Hemmnissen zu kämpfen als die Neulinge und Einsteiger (vgl. Abbildung 4-2). Die Pioniere orientieren sich am Soll-Profil von Industrie 4.0 (Stufe 5 des Readiness-Modells). Gegenwärtig befinden sich knapp 6 Prozent der deutschen Maschinen- und Anlagenbauer in dieser Benchmark-Gruppe. Um auf dem Weg von Industrie 4.0 weiter voranzukommen, müssen die Pioniere vor allem folgende Hemmnisse überwinden: • fehlende Finanzkraft für die Durchführung der Investitionen im Bereich Industrie 4.0 • fehlende Normen und Standards • ungeklärte Rechtsfragen • fehlendes Fachwissen über und fehlende Fachkräfte für Industrie 4.0 • fehlendes Vertrauen in die Datensicherheit • unternehmensinterne Bürokratien und Regularien 61 Für 63 Prozent der Pioniere bestehen die größten Hemmnisse in der fehlenden Finanzkraft zur Durchführung der Investitionen im Bereich Industrie 4.0. Fast 60 Prozent stehen vor dem Problem fehlender Normen und Standards. Aber auch ungeklärte Rechtsfragen im Zusammenhang mit Industrie 4.0 (47 Prozent) sowie das Fachkräftethema (46 Prozent) stellen die Pioniere vor erhebliche Herausforderungen. Außerdem haben 40 Prozent der Unternehmen wenig Vertrauen in die Datensicherheit und 35 Prozent müssen sich intensiver mit unternehmensinternen Bürokratien und Regularien im Zusammenhang mit der Implementierung von Industrie 4.0Konzepten auseinandersetzen. Die aufgeführten Hemmnisse zeigen, dass bei den Pionieren im Vergleich zu den Neulingen und Einsteigern die externen Rahmenbedingungen wesentlich stärker in den Fokus rücken. Um diese Hemmnisse zu überwinden, ist auch die Politik mit der Ausarbeitung von entsprechenden Lösungsansätzen gefordert; die Unternehmen stoßen bei der Bewältigung der Hemmnisse in den Themen Normen und Standards, ungelöste Rechtsfragen und fehlende Datensicherheit an ihre Grenzen. Aus unternehmensinterner Sicht erreichen die Pioniere keine höhere Readiness-Stufe, weil sie den in Abbildung 4-5 beschriebenen Status quo noch nicht überwunden haben. Die Pioniere können in den Handlungsfeldern nur bedingt autonom agieren, weil zum einen für das Gelingen von Industrie 4.0 erforderliche Rahmenbedingungen fehlen, zum anderen zu wenige potenzielle Netzwerkpartner auf einer ähnlichen Readiness-Stufe stehen. Gerade diese letztgenannten Netzwerkeffekte sind ein elementarer Punkt für die Umsetzung von Industrie 4.0-Konzepten. Für die Pionierunternehmen ergeben sich damit folgende Handlungsfelder: Finanzierung von Industrie 4.0-Projekten sichern Mit fortschreitendem Kenntnisstand bei der Implementierung von Maßnahmen zu Industrie 4.0 steigt die Komplexität der Vernetzung und infolgedessen die Investitionshöhe für Industrie 4.0-Projekte. Gegenwärtig sind diese Kosten für die Unternehmen schwer Abbildung 4-5: Handlungsfelder für heutige Pioniere (Readiness-Stufen 3+) Strategie & Organisation I4.0-Dimensionen Gegenwärtige Haupthürden (aus ReadinessModell) Hemmnisse Eine bereits formulierte Industrie 4.0Strategie ist noch nicht umgesetzt Maschinen- und Anlagenpark erfüllt noch nicht alle zukünftigen Anforderungen Kennzahlensystem wird noch nicht in den Strategieprozess miteinbezogen Maschinen- und Prozessdaten werden nicht durchgängig digital erfasst Noch kein Einsatz autonom steuernder Werkstücke und selbstständig reagierender Prozesse Data-driven Services Smart Products Produkte besitzen erst auf wenige Aspekte beschränkte IKTZusatzfunktionalitäten Keine digitale Kundenvernetzung bei datenbasierten Dienstleistungen Datenbasierte Dienstleistungen erreichen keinen signifikanten Umsatzanteil (>7,5 %) Fehlende Kompetenzen Fehlende Normen und Standards Fehlender Rechtsrahmen Strategieumsetzung regelmäßig überprüfen Eigene Darstellung 62 Smart Operations Fehlende Finanzkraft Strategie vollständig umsetzen Handlungsfelder Smart Factory Maschinenpark auf künftige Anforderungen ausrichten Ausbau digitaler Datenerfassung Einsatz autonom steuernder Werkstücke und selbstständig reagierender Prozesse Umfang der IKTZusatzfunktionen ausweiten Erweiterung des Dienstleistungsportfolios um digital mit dem Kunden vernetzte Angebote Mitarbeiter Industrie 4.0spezifische Kompetenzen noch nicht in allen Bereichen vollumfänglich vorhanden Qualifizierung Ausbildung Rekrutierung abschätzbar. Industrie 4.0-Konzepte können daher nicht von Beginn an in vollem Umfang, sondern vielmehr nur bereichsweise umgesetzt werden. Zur Überwindung von Finanzierungshemmnissen sollten investitionsfreundliche Rahmenbedingungen gesetzt werden. Ein weiterer Anreiz wäre der Steuerabzug eines Teils der Forschungsund Entwicklungsausgaben im Bereich von Industrie 4.0-Konzepten. Die grundsätzliche steuerliche Förderung von Ausgaben für Forschung und Entwicklung ist in vielen Industriestaaten schon gängige Praxis. Seitens des Bunds und der Länder könnten gezielte Förderprogramme zu Industrie 4.0 aufgelegt werden. Allerdings sollten diese einfach in der Administration und mit einem geringen bürokratischen Aufwand versehen sein. Die häufige Beschränkung auf KMU ist in Anbetracht der Studienergebnisse zu hinterfragen. Im internationalen Vergleich gibt es in Deutschland verhältnismäßig wenig Wagniskapital. Wagniskapital ist eine vor allem bei Start-ups verbreitete Finanzierungsform, welche – trotz des hohen Risikos für den Investor – in Deutschland rechtlich und steuerlich nicht attraktiv genug gestaltet ist. Insbesondere für ausländische Wagniskapitalgeber scheint die Finanzierung deutscher Unternehmen daher wenig attraktiv. Digitale Durchdringung der Prozesse anstreben Mit Blick auf die Erweiterung des Konzepts der Smart Factory sind Pilotbereiche zu identifizieren, in denen autonom steuernde Werkstücke und selbstständig reagierende Prozesse erprobt und weiterentwickelt werden können. Darüber hinaus werden erste Cloud-Lösungen in den Bereichen Software, Datenspeicherung oder Datenauswertung eingesetzt. Datenbasierte Geschäftsmodelle auf Basis von Smart Products entwickeln Die Unternehmen sollten den Umfang der auf die Kundenbedürfnisse zugeschnittenen datenbasierten Dienstleistungen erhöhen und ihre Geschäftsmodelle dahingehend anpassen. Voraussetzung für diesen Wandel ist die Vernetzung mit dem Kunden. Nur so können kontinuierlich Daten aufgenommen und produktbegleitende Dienstleistungen sichergestellt werden. Hierdurch wird die Qualität des After-Sales- und Servicegeschäfts erheblich gesteigert. Durch dieses Vorgehen lässt sich ein Geschäftsmodell mit klaren Zielsetzungen, Zuständigkeiten und Prozessen erarbeiten. Vor allem mittelständische Unternehmen haben so die Möglichkeit, ihre Profitabilität zu steigern. Industrie 4.0-Kompetenzen weiter ausbauen Erweiterung der Smart Factory Die Interoperabilität von M2M-Kommunikation und eine firmenübergreifende Vernetzung erfordern eine möglichst eindeutige Semantik, welche den Datenaustausch ermöglicht und wesentlich ist, um ein gemeinsames Verständnis für die Daten zu schaffen, diese korrekt und einheitlich interpretieren und auswerten zu können. Zur Erhöhung der Auflösung der Datenerfassung ist der Einsatz von zusätzlicher Sensorik zu prüfen. Mitarbeiter tragen im Unternehmen die digitale Transformation mit. Es sind zwar vielfältige Fähigkeiten vorhanden, aber oft nicht in dem für die detaillierte Umsetzung von Industrie 4.0 erforderlichen Ausmaß. Je weiter das Unternehmen fortschreitet, desto umfangreichere und weiter gefächerte Kompetenzen werden benötigt. Vor allem im Bereich der Kollaborationssoftware und der Etablierung von Assistenzsystemen bestehen Wissenslücken, die nur durch Weiterbildungsmaßnahmen oder Neueinstellungen geschlossen werden können. 63 Für die Etablierung von Industrie 4.0-Konzepten werden gut ausgebildete Fachkräfte gebraucht. Der Fachkräftemangel trifft besonders die mittelständischen Unternehmen, für die es zunehmend schwieriger wird, Forscher und hoch qualifizierte Fachkräfte zu finden. Damit die Maschinen- und Anlagenbauer in Zukunft genügend Mitarbeiter für die Transformation von Industrie 4.0-Konzepten zur Verfügung haben, muss das deutsche Bildungssystem noch stärker auf mathematisch-naturwissenschaftliche Fächer ausgerichtet werden. Ziel sollte es daher sein, die Bildung in Mathematik, Informatik, Naturwissenschaften und Technik (MINT) zu stärken und die Bedeutung von Industrie 4.0relevanten Technologien dabei in durchgängigen Bildungsketten von den Kitas bis zu den Universitäten zu etablieren. Als bildungspolitische Maßnahmen könnte der Staat die verbindliche Einführung von naturwissenschaftlich-technisch-orientiertem Sachunterricht an den Grundschulen vorsehen. In den weiterführenden Schulen sollte durchgängig ein Drittel der Stundentafel für den Unterricht in MINT-Fächern reserviert sein. Auch die Zuwanderung von hoch qualifizierten Fachkräften muss erleichtert und gefördert werden. 64 Neuen Rechtsrahmen schaffen Der Übergang in eine vernetzte Industrie kann nur gelingen, wenn ein neuer Rechtsrahmen geschaffen wird, der die bisher offenen Rechtsfragen in Bezug auf personenbezogene und maschinengenerierte Daten klärt. Mit der Zunahme unternehmensübergreifender autonomer und quasi-autonomer Kommunikation von Maschinen untereinander (M2M-Kommunikation) ist die Frage von Haftung und Risikoverteilung für fehlerhafte Datenübermittlung sowie für Konnektivitätsausfälle zu klären. Etwaige Eigentumsrechte an Daten existieren in der gegenwärtigen Rechtsgrundlage nicht. Datensicherheit gewährleisten Für Unternehmen ist es wichtig, die Anfangshürden zu nehmen, um das Potenzial aus gegebenenfalls schon implementierten Lösungen zu schöpfen. Für eine systemweite Nutzung der erfassten Daten ist die Implementierung eines ganzheitlichen Sicherheitskonzeptes fundamental. Dieser Schritt muss sowohl betriebsintern als auch in Bezug auf die Kommunikation mit Partnerunternehmen erfolgen. 5 Literaturverzeichnis • Acatech – Deutsche Akademie der Technikwissenschaften, 2014, Smarte Service Welt, Umsetzungsempfehlungen für das Zukunftsprojekt Internetbasierte Dienste für die Wirtschaft, Berlin. • McKinsey, 2015, Industry 4.0 – How to navigate digitization of the manufacturing sector. • Accenture, 2014, Industrial Internet Insights Report for 2015. • MHP – Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH, 2014, Industrie 4.0 – Eine Standortbestimmung der Automobilund Fertigungsindustrie. • Bitkom/Fraunhofer IAO, 2014, Industrie 4.0 – Volkswirtschaftliches Potenzial für Deutschland, Berlin, Stuttgart. • Plattform Industrie 4.0, 2015, Umsetzungsstrategie Industrie 4.0, Ergebnisbericht der Plattform Industrie 4.0. • Deindl, Matthias, 2013, Gestaltung des Einsatzes von intelligenten Objekten in Produktion und Logistik, Aachen. • PwC – PriceWaterhouseCoopers, 2014, Industrie 4.0 – Chancen und Herausforderungen der vierten industriellen Revolution (strategy&). • DIHK – Deutscher Industrie- und Handelskammertag, 2015, Wirtschaft 4.0: Große Chancen, viel zu tun, Das IHK-Unternehmensbarometer zur Digitalisierung, Berlin. • Dumbill, Edd, 2012, What is big data? An introduction to the big data landscape. • Hildenbrand, Katharina/Gebauer, Heiko/ Fleisch, Elgar, 2006, Strategische Ausrichtung des Servicegeschäfts in produzierenden Unternehmen, in: Barkwai, Karim; Baader, Andreas; Montanus, Sven (Hrsg.), Erfolgreich mit After Sales Services, Geschäftsstrategien für Servicemanagement und Ersatzteillogistik, Berlin, Heidelberg, S. 73-94. • Spath, Dieter (Hrsg.)/Ganschar, Oliver/ Gerlach, Stefan/Hämmerle, Moritz/Krause, Tobias/Schlund/Sebastian, 2013, Produktionsarbeit der Zukunft, Industrie 4.0, Stuttgart. • Wischmann, Steffen/Wangler, Leo/Botthof, Alfons, 2015, Industrie 4.0, Volks- und betriebswirtschaftliche Faktoren für den Standort Deutschland, Studie im Rahmen der Begleitforschung zum Technologieprogramm AUTONOMIK für Industrie 4.0, Berlin. • IW Consult/Santiago, 2015, Innovationen den Weg ebnen, Studie für den Verband der Chemischen Industrie, Köln, Frankfurt a. M., Willich. 65 6 Glossar Big Data – „Massendaten (Big Data) sind Daten, die zu groß oder zu komplex sind, um sie mit herkömmlichen Prozessen oder Methoden der Datenverarbeitung auszuwerten und unterliegen rapider, kontinuierlicher Veränderung. Dies geht mit einer Inversion der Prioritäten der IT einher: da die Daten zu groß sind, muss nun das Programm flexibel und beweglich sein“ (Dumbill, 2012). können die Daten nur einen Mehrwert liefern, wenn sie in den Kontext eingeordnet sind und unter Oberthemen zusammengefasst werden. Cloud – Unter einer Cloud wird kein einzelner Rechner, sondern eine virtuelle „Rechenwolke“ verstanden, die aus zahlreichen miteinander vernetzten Rechnern besteht. Der Anwender muss dabei nicht vor Ort sein, um auf diese Rechner zuzugreifen. Data-driven Services/datenbasierte Dienstleistungen – Zu datenbasierten Dienstleistungen zählen hier unter anderem Telemaintenance, Optimierung des Ressourcenverbrauchs von Maschinen, Verfügbarkeits-, Performance- und Qualitätssteigerungen durch optimierte Parametereinstellung an der Maschine etc. Cloud-Computing – Cloud-Computing beschreibt die Bereitstellung von IT-Infrastruktur in Form einer Cloud sowie IT-Leistungen wie Datenspeicherung, Datenauswertung und Softwarenutzung. Dadurch muss der Nutzer keine eigenen kostenintensiven Serverlösungen in seinem Unternehmen einführen und installieren. Cyber-physische Systeme – CPS bilden die Verbindung zwischen der physischen und virtuellen Welt, indem sie über eine Dateninfrastruktur, das „Internet der Dinge“, kommunizieren. Sie sind das Grundgerüst, welches es ermöglicht, die reale Produktion virtuell abzubilden und alle Datenströme, die durch Sensoren und andere IT-Systeme entstehen, auszuwerten und im Zusammenhang darzustellen. Data Analytics – Data Analytics beschreibt den Prozess, die Datenmengen im Unternehmen zu analysieren und nützliche Zusammenhänge aus diesen Daten abzuleiten, die zur Unterstützung der Tätigkeiten im Betrieb dienen. Angesichts der Unmengen an Daten in heutigen Konzernen, 66 Digitales Abbild – Dieses Abbild setzt sich nicht nur aus den produktbezogenen Daten zusammen, sondern wird durch Bewegungs-, Geopositions- und weitere Daten ergänzt. Echtzeitanforderung – Die Echtzeitanforderung ist ein Leitbegriff bei Industrie 4.0, unter dem man die Entscheidungsunterstützung aus der Datenanalytik versteht, bei der Daten zu dem Zeitpunkt vorliegen müssen, zu dem sie noch gebraucht werden. Dies muss nicht zwangsläufig ohne jede Zeitverzögerung „jetzt“ sein. ERP-Systeme – ERP-Systeme bieten integrierte Softwarelösungen für Administration sowie Planung und Steuerung der betrieblichen Wertschöpfungsprozesse und bilden so die Grundlage für die Informationsverarbeitung im Unternehmen. Der Fokus aktueller ERP-Systeme liegt auf der Erweiterung der Funktionalitäten durch Integration verschiedener funktional spezialisierter Systeme. Dies geschieht unter dem Begriff APS (Advanced Planning and Scheduling). Horizontale Integration – Die horizontale Integration beschreibt in der Produktions- und Automatisierungstechnik die Zusammenführung verschiedener IT-Systeme zu einer durchgängigen Lösung. Sie betrifft die verschiedenen Prozessschritte der Produktion und Unternehmensplanung, zwischen denen ein Material-, Energieund Informationsfluss verläuft, und findet sowohl innerhalb eines Unternehmens als auch über mehrere Unternehmen hinweg statt. Industrie 4.0 – Der Begriff Industrie 4.0 steht für die vierte industrielle Revolution, einer neuen Stufe der Organisation und Steuerung der gesamten Wertschöpfungskette über den Lebenszyklus von Produkten. Dieser Zyklus orientiert sich an den zunehmend individualisierten Kundenwünschen und erstreckt sich von der Idee über Auftrag, Entwicklung, Fertigung und Auslieferung eines Produkts an den Endkunden bis hin zum Recycling, einschließlich der damit verbundenen Dienstleistungen. Informations- und Kommunikationstechnologien (IKT) – Unter Informations- und Kommunikationstechnologien werden all diejenigen technischen Geräte und Einrichtungen zusammengefasst, die Informationen aller Art digital umsetzen, verarbeiten, speichern und übertragen können. Kennzahlensystem – Darstellung verdichteter Informationen zur Unterstützung des Managements. M2M – Machine-2-Machine-Kommunikation – M2M steht für den automatisierten Informationsaustausch zwischen technischen Systemen untereinander oder mit einer zentralen Stelle. Typische Anwendungen sind die Fernüberwachung und -steuerung. M2M verknüpft Informations- und Kommunikationstechnik und bildet das sogenannte „Internet der Dinge“. MES – Ein MES (Manufacturing Execution System) bildet die prozessnah operierende Ebene eines mehrschichtigen Fertigungsmanagementsystems. Es ist direkt an die Systeme der Prozessautomatisierung angebunden. MES zeichnen sich im Gegensatz zu ERP-Systemen durch integrierte APS-Logiken aus, die eine präzisere und detailliertere Feinplanung und Steuerung erlauben, zudem durch eine bessere Echtzeitfähigkeit. Middleware – Middleware stellt eine Ebene in einem komplexen Softwaresystem dar, die als „Dienstleister“ anderem, ansonsten entkoppelten, Softwarekomponenten den Datenaustausch ermöglicht. Predictive Maintenance – Predictive Maintenance-Systeme sollen Maschinenfehler, wie etwa Maschinenausfälle oder Störungen, entdecken, bevor sie überhaupt auftreten. Fehler sollen durch Instandhaltung oder frühzeitige Reparaturen verhindert werden. RFID – Radio-frequency Identification kann unter anderem zur Überwachung, Qualitätskontrolle und automatischen Anpassung des Fertigungsvorgangs sowie zur Erkennung und zum Austausch von eigenen und Umgebungsinformationen verwendet werden. 67 SCM-System – Supply Chain Management Systeme schaffen eine unternehmensübergreifende Transparenz über Bedarfe, Kapazitäten und Bestände entlang der Wertschöpfungskette, sodass die einzelnen Unternehmen in ihrer Entscheidung bzgl. der betrieblichen Abläufe in Echtzeit unterstützt werden. Smart Factory – Smart Factory bezeichnet die intelligente, vernetzte Fabrik. Smart Operations – Smart Operations beschreibt die horizontale und vertikale Vernetzung des Unternehmens, auf deren Basis eine flexible Produktionsplanung und -steuerung möglich wird. Smart Products – Smart Products sind physische Objekte, die mit IKT ausgestattet sind. Dadurch sind sie eindeutig identifizierbar und können mit ihrer Umwelt interagieren. Sie erfassen ihre Umwelt und den eigenen Zustand über Sensorik und bieten unterschiedliche Zusatzfunktionen im betrieblichen Kontext an. 68 Smart Services – Unter Smart Services werden über das Internet individuell konfigurierte Pakete aus Produkten, Dienstleistungen und Diensten verstanden (acatech, 2014). Diese Services umfassen zum Beispiel prädiktive Dienstleistungen aus der Ferne oder auch neue Geschäftsmodelle wie den Handel mit Produktionskapazitäten oder -daten. Telemaintenance – Unter Telemaintenance versteht man die computergesteuerte Fernwartung von Maschinen und deren Parametern. Vertikale Integration – Die vertikale Integration beschreibt in der Produktions- und Automatisierungstechnik die Integration verschiedener IT-Systeme auf den unterschiedlichen Hierarchieebenen der Produktion und Unternehmensplanung zu einer durchgängigen Lösung. Beispiele für solche Hierarchieebenen sind die Aktor- und Sensorebene, die Steuerungsebene oder die Produktionsleitebene. 7 Anhang Studienautoren Ansprechpartner Martin Bleider, FIR an der RWTH Aachen VDMA e. V. Dietmar Goericke Geschäftsführer Forum Industrie 4.0 [email protected] 069 6603-1821 Matthias Blum, FIR an der RWTH Aachen Moritz Schröter, FIR an der RWTH Aachen Prof. Dr.-Ing. Volker Stich, FIR an der RWTH Aachen Dr. Roman Bertenrath, IW Consult Dr. Karl Lichtblau, IW Consult Agnes Millack, IW Consult Katharina Schmitt, IW Consult Dr. Christian Mosch Referent Forum Industrie 4.0 [email protected] 069 6603-1939 Institut der deutschen Wirtschaft Köln Consult GmbH Dr. Karl Lichtblau Geschäftsführer IW Consult [email protected] 0221 4981-758 FIR e. V. an der RWTH Aachen Prof. Dr.-Ing. Volker Stich Geschäftsführer des FIR e. V. an der RWTH Aachen [email protected] 0241 47705-100 Edgar Schmitz, IW Consult Lektorat Sylvia Rollmann 69 Abbildung 7-1 Innovationsmanagement Investitionen Ermittlung von Kennzahlen Umsetzungsstand Strategie Dimension Kennzahlen zur Ermittlung des Industrie 4.0Umsetzungsstandes liegen nicht vor Erste Investitionen im Kontext von Industrie 4.0 werden in einem Bereich getätigt Es existiert kein Innovationsmanagement Investitionen im Kontext von Industrie 4.0 werden nicht getätigt Es existiert kein Innovationsmanagement Industrie 4.0 findet Beachtung in Fachabteilungen, ohne Strategiebezug Stufe 1 Kennzahlen zur Ermittlung des Industrie 4.0Umsetzungsstandes liegen nicht vor Industrie 4.0 findet keine Beachtung im Strategieprozess Stufe 0 Investitionen im Kontext von Industrie 4.0 werden unternehmensweit getätigt Einheitliches, die Bereiche integrierendes, Management ist aufgebaut Ein Innovationsmanagement ist in mehreren Fachabteilungen installiert Vereinzelte Bereiche haben ein Innovationsmanagement Es existiert kein Innovationsmanagement Ein Kennzahlensystem liegt vor und wird in den Strategieprozess mit einbezogen Eine Industrie 4.0 Strategie ist über alle Unternehmensbereiche hinweg umgesetzt Stufe 5 Investitionen im Kontext von Industrie 4.0 werden in mehreren Bereichen getätigt Es liegt ein Kennzahlensystem vor, das Orientierung über den Umsetzungsstand gibt Eine Strategie im Kontext Industrie 4.0 befindet sich in Umsetzung Stufe 4 Investitionen im Kontext von Industrie 4.0 werden in wenigen Bereichen getätigt Es liegt ein Kennzahlensystem vor, das Orientierung über den Umsetzungsstand gibt Eine Industrie 4.0Strategie ist formuliert Stufe 3 Investitionen im Kontext von Industrie 4.0 werden in geringem Umfang getätigt Es liegt ein Kennzahlensystem vor, das Orientierung über den Umsetzungsstand gibt Industrie 4.0 wird im Strategieprozess beachtet und eine Strategie wird erarbeitet Stufe 2 Readiness-Modell für die Dimension Strategie und Organisation – Mindestanforderungen Strategie und Organisation 70 71 Abbildung 7-2 IT- Systeme Datennutzung Datenerfassung Digitales Abbild Maschinenpark (Soll) Maschinenpark (Ist) Dimension Hauptgeschäftsprozess durch ITSysteme unterstützt Es werden keine Daten erfasst Es werden keine Daten erfasst Keine Unterstützung durch IT-Systeme Digitales Abbild liegt nicht vor Digitales Abbild liegt nicht vor Es liegen keine Daten zur weiteren Nutzung vor Zukünftige Anforderungen an die Maschinen und Anlagen sind relevant Maschinen und Anlagen sind nicht nachrüstbar Es liegen keine Daten zur weiteren Nutzung vor Einzelne Maschinen sind über IT ansteuerbar, interoperabel oder beherrschen M2M Stufe 1 Maschinen- & Anlagenpark nicht über IT ansteuerbar, keine Vernetzung (M2M) Stufe 0 Einzelne Unternehmensbereiche werden durch IT-Systeme unterstützt und sind vernetzt Teilweise werden Unternehmensbereiche durch ITSysteme unterstützt und miteinander vernetzt Vollumfängliche ITUnterstützung der Prozesse und Vernetzung Daten werden in mehreren Bereichen zur Optimierung genutzt Umfangreiche digitale Datenaufnahme in mehreren Bereichen In einzelnen Bereichen werden die relevanten Daten digital erfasst Daten werden aufgenommen, größtenteils jedoch manuell Teilweise Nutzung der Daten zur Optimierung von Prozessen (z.B. Predictive Maintenance) Vollständiges digitales Abbild möglich Digitales Abbild liegt teilweise vor Digitales Abbild liegt teilweise vor Digitales Abbild liegt teilweise vor Daten werden für einzelne wenige Maßnahmen genutzt (z.B. Schaffung Transparenz) Maschinen und Anlagen erfüllen bereits alle zukünftigen Anforderungen Teilweise erfüllen die Maschinen die Anforderungen bereits oder sind nachrüstbar Maschinen und Anlagen sind vollständig nachrüstbar Maschinen und Anlagen sind teilweise nachrüstbar IT-Systeme unterstützen alle Unternehmensprozesse und sind integriert Daten werden zur umfangreichen Optimierung von Prozessen genutzt Die Daten werden umgreifend in allen Bereichen automatisiert digital erfasst Maschinen und Anlagen sind fast vollständig über IT ansteuerbar und voll vernetzt (M2M) Stufe 5 Maschinen vollständig über IT ansteuerbar, teilweise vernetzt (M2M) oder interoperabel Stufe 4 Der Maschinen- und Anlagenpark ist über IT ansteuerbar und teilweise vernetzt Stufe 3 Der Maschinen- und Anlagenpark ist teilweise über IT ansteuerbar, interoperabel oder vernetzt Stufe 2 Readiness-Modell für die Dimension Smart Factory – Mindestanforderungen Smart Factory Abbildung 7-3 Cloud-Nutzung IT-Sicherheit Selbstständig reagierende Prozesse Autonom steuerndes Werkstück Systemintegrierter Informationsaustausch Dimension Mehrere ITSicherheitslösungen sind geplant oder erste Lösungen in Arbeit Erste ITSicherheitslösungen sind geplant Keine Nutzung von Cloud-Lösungen Keine IT-Sicherheitslösungen in Arbeit oder implementiert Keine Nutzung von Cloud-Lösungen Keine Nutzung von Cloud-Lösungen Kein Einsatz selbstständig reagierender Prozesse Kein Einsatz autonom steuernder Werkstücke Kein Einsatz selbstständig reagierender Prozesse Kein Einsatz autonom steuernder Werkstücke Kein Einsatz autonom steuernder Werkstücke Betriebsinterner Informationsaustausch teilweise systemintegriert Stufe 2 Kein Einsatz selbstständig reagierender Prozesse Ansätze von betriebsinternem, systemintegrierten Informationsaustausch Stufe 1 Kein systemintegrierter Informationsaustausch Stufe 0 Erste Lösungen für Bereiche Software aus der Cloud, Datenspeicherung und -auswertung geplant IT-Sicherheitslösungen sind teilweise implementiert Kein Einsatz selbstständig reagierender Prozesse Kein Einsatz autonom steuernder Werkstücke Teilweise betriebsinterner und erste Ansätze von betriebsexternem, systemintegrierten Informationsaustausch Stufe 3 Erste Lösungen umgesetzt Umfangreiche ITSicherheitslösungen sind implementiert, bestehende Lücken werden geschlossen Erprobung in Test- und Pilotphasen Mehrere Lösungen umgesetzt IT-Sicherheitslösungen sind für alle relevanten Bereiche implementiert Einsatz in ausgewählten Teilbereichen oder sogar unternehmensübergreifend Einsatz in ausgewählten Teilbereichen oder sogar unternehmensübergreifend Umfangreicher betriebsinterner und teilweise betriebsexterner, systemintegrierter Informationsaustausch Mehrheitlicher betriebsinterner und teilweise betriebsexterner, systemintegrierter Informationsaustausch Erprobung in Testund Pilotphasen Stufe 5 Stufe 4 Readiness-Modell für die Dimension Smart Operations – Mindestanforderungen Smart Operations 72 73 Stufe 1 Produkte besitzen erste Ansätze von Zusatzfunktionen Keine Aufnahme von Daten Stufe 0 Keine Zusatzfunktionen Keine Aufnahme von Daten Aufnahme von Daten, aber keine Analyse/ Nutzung der Daten Produkte besitzen erste Zusatzfunktionen Stufe 2 Analyse/Nutzung der Daten Analyse/Nutzung der Daten Stufe 4 Produkte besitzen Zusatzfunktionen aus verschiedenen Bereichen Stufe 3 Produkt besitzen mehrere zusammenhängende Zusatzfunktionen Produktgedächtnis, Selbstauskunft, Vernetzung, Lokalisierung, Assistenzsysteme, Überwachung, Objektinformation oder Automatische Identifikation Nutzung der Daten für Produktentwicklung, Vertriebsunterstützung, After-Sales (bspw. Telemaintenance) Abbildung 7-4 2) 1) Nutzung der Daten 2) IKT Zusatzfunktionalitäten 1) Dimension Readiness-Modell für die Dimension Smart Products – Mindestanforderungen Smart Products Analyse/Nutzung der Daten Produkte besitzen umfangreiche Zusatzfunktionen Stufe 5 Es werden datenbasierte Dienstleistungen angeboten, jedoch ohne Vernetzung mit dem Kunden Ein erster Beitrag zum Umsatz erfolgt durch datenbasierte Dienstleistungen (< 1 %) Keine Nutzung der Daten Kein Anteil am Umsatz Keine Nutzung der Daten Stufe 1 Es werden keine datenbasierten Dienstleistungen angeboten Stufe 0 Mehr als 50 % der aufgenommenen Daten werden genutzt 20 %-50 % der aufgenommenen Daten werden genutzt 20 %-50 % der aufgenommenen Daten werden genutzt 0-20 % der aufgenommenen Daten werden genutzt Abbildung 7-6 Mitarbeiterkompetenzen Dimension Keine Kompetenzen vorhanden Stufe 0 Die Mitarbeiter verfügen in einem relevanten Bereich über geringe Kompetenzen Stufe 1 Die Mitarbeiter verfügen in wenigen relevanten Bereichen über geringe Kompetenzen Stufe 2 Mitarbeiter verfügen in einigen relevanten Bereichen über ausreichend Kompetenzen Stufe 3 Mitarbeiter verfügen in mehreren relevanten Bereichen über ausreichend Kompetenzen Kompetenzen in mehreren relevanten Bereichen voll vorhanden Stufe 5 Datenbasierte Dienstleistungen spielen eine wichtige Rolle am Umsatz (>10 %) Der Anteil am Umsatz ist signifikant (<10 %) Ein erster Beitrag zum Umsatz erfolgt durch datenbasierte Dienstleistungen (<7,5 %) Ein erster Beitrag zum Umsatz erfolgt durch datenbasierte Dienstleistungen (< 2,5 %) Stufe 4 Datenbasierte Dienstleistungen sind vollumfänglich in das Geschäftsmodell integriert (Vernetzung mit den Kunden) Stufe 5 Datenbasierte Dienstleistungen mit Vernetzung zu den Kunden werden angeboten Stufe 4 Es werden datenbasierte Dienstleistungen angeboten, jedoch ohne Vernetzung mit dem Kunden Stufe 3 Es werden datenbasierte Dienstleistungen angeboten, jedoch ohne Vernetzung mit dem Kunden Stufe 2 Readiness-Modell für die Dimension Mitarbeiter – Mindestanforderungen Abbildung 7-5 Nutzungsgrad Daten Anteil am Umsatz Datenbasierte Dienstleistungen Dimension Readiness-Modell für die Dimension Data-driven Services – Mindestanforderungen Data-driven Services Mitarbeiter 74 Danksagung Die vorliegende Studie wurde beauftragt von der IMPULS-Stiftung des VDMA und von dem Institut der deutschen Wirtschaft Köln Consult GmbH (IW Consult) und dem Forschungsinstitut für Rationalisierung (FIR) an der RWTH Aachen durchgeführt. Wir möchten uns hiermit vielmals bei den Unternehmen bedanken, die diese Studie erst ermöglicht haben. Zudem wurden im Rahmen von Experten-Workshops die Hypothesen und Ergebnisse diskutiert und validiert. Ein großer Dank gilt den Mitarbeitern des VDMA, der IW Consult und des FIR an der RWTH Aachen, die an der Analyse der Daten und inhaltlichen Ausarbeitung beteiligt waren. 75 Impu l s Stif tun g IMPULS-Stiftung für den Maschinenbau, den Anlagenbau und die Informationstechnik Lyoner Straße 18 60528 Frankfurt Telefon +49 69 6603 1332 Fax +49 69 6603 2332 Internet www.impuls-stiftung.de E-Mail [email protected]
© Copyright 2024 ExpyDoc