Der Einsatz von Analytics in der Industrie ist inzwischen eine „Mainstream-Idee“, wie die MIT Sloan Management Review kürzlich vermerkte – aber eben noch keine „Mainstream-Praxis“. Zu dieser Einschätzung kam das Fachblatt nach einer Befragung von über 2.000 Industrieentscheidern. Deren Resultat: obwohl alle Teilnehmer die entscheidende Bedeutung von Analytics-Strategien betonen, verfügt nur ein Achtel der untersuchten Unternehmen über eine solche.

Die Zahl dürfte Praktiker kaum überraschen. Aber sie zeigt einmal mehr, was viele Firmen noch immer am Erreichen erster Analytics-Erfolgen hindert. Der volle Wertbeitrag von Daten, Auswertungen und Einsichten ist nur mit einer Analytics-Strategie zu haben. Vorausgesetzt, diese passt zur übergeordneten Geschäftsstrategie.

Wie also eine solche entwickeln? Im Grunde ebenso wie jede andere Strategie auch: entscheiden, was das eigene Unternehmen tun soll – und was nicht. Bei Analytics-Strategien stehen vor allem drei Entscheidungen im Vordergrund: Welche Wirkungsrichtung sollte verfolgt werden, welche Werttreiber genutzt, und welche Einzelvorhaben umgesetzt?

Effizienz, Wachstum – oder beides?

Die erste Entscheidung ist vergleichsweise einfach: grundsätzlich stehen nämlich nur zwei Wirkungsrichtungen von Analytics zur Wahl. Unternehmen können Datenauswertungen einerseits nutzen, um operative Abläufe besser zu verstehen und zu gestalten. Das Resultat ist dann ein Zugewinn an Effizienz.

Andererseits können Analytics auch neue Erkenntnisse über Märkte, Kunden und Produkte erschließen. Diese können Unternehmen dann nutzen, um Innovationen zu entwickeln und neues Wachstum zu erschließen. Diese nach „außen“ zeigende Wirkungsrichtung führt zu zusätzlichem Umsatz und Gewinn durch verbesserte oder neue Produkte, Dienstleistungen und Lösungen.

Der dänische Windturbinenhersteller Vestas ist ein gutes Beispiel für Zweiteres. Das Unternehmen wertet Wetterdaten aus, um Kunden die bestmögliche Ausrichtung ihrer Turbinen zu ermöglichen. Anders ausgedrückt: Vestas verkauft nicht mehr nur ein Produkt, sondern liefert auch einen Service mit, der den Produktnutzen erheblich steigert. Die Grundlage hierfür sind „Predictive Analytics“.

Firmen, die noch keine Analytics-Strategie haben, stehen demnach als erstes vor der Frage, welche Wirkungsrichtung verfolgt werden soll: die nach innnen, für mehr Effizienz? Die nach außen, für mehr Wachstum? Oder vielleicht sogar beide?

Eine gute Faustregel ist: „interne, auf Effizienz gerichtete Ansätze erreichen meist geringere Wertbeiträge als externe, die auf zusätzliche Umsätze zielen. Dafür sind sie aber einfacher umzusetzen: Der Aufwand fürs Einrichten eines Predictive-Maintenance-Dienstes für den eigenen Maschinenpark macht weniger Aufwand als das Entwickeln einer vergleichbaren Lösung für die eigenen Kunden. Daher spricht einiges dafür, erst nach innen gerichtete Ansätze zu verfolgen und zu „üben“ – und nach außen gerichtete auf später zu verschieben.

Fünf Werttreiber für Industrial Analytics

Wenn die einzuschlagende Richtung feststeht, können die Verantwortlichen die nächste Entscheidung treffen: welche Werttreiber – gerne auch: „Outcomes“ – sollte das Unternehmen durch den Einsatz von Analytics erreichen? Die Zahl der entsprechenden Möglichkeiten ist durchaus überschaubarer, als es zunächst den Anschein haben mag: meist kommen nur eine oder mehrere der nachfolgenden fünf in Frage:

1. Höhere Betriebseffizienz.
   Industrial Analytics eignen sich hervorragend dazu, die Effizienz in Industriebetrieben zu erhöhen: Das Verfahren unterstützt Einsparungen beim Verbrauch von Wasser, Strom oder Rohmaterialien. Und es ermöglicht das gezielte Steigern der Produktivität von Fertigungs- und Logistikabläufen. Zwei Beispiele für Letzteres: Firmen können Analytics nutzen, um die eigene Fertigungsplanung zu verschlanken, oder um die Wartungs- und Reparaturzeiten von Maschinen zu verkürzen.

2. Gezielterer Mitarbeiter-Einsatz
   Auch beim Management von Mitarbeitern erschließen Analytics Effizienzgewinn – erhöhen überdies die Betriebssicherheit. Sensor- und Standortdaten-Auswertungen erleichtern das Heranführen von Mitarbeiter an Eisatzorte, Aufträge oder reparaturbedürftige Maschinen – ein Gewinn vor allem etwa für Mienen- und Ölfeldbetreiber oder Firmen mit vielköpfigem Reparatur-Außendienst. Werden derartige Lösungen zudem noch mit Verfahren zur Anlagenüberwachung verknüpft, können Mitarbeitern zusätzlich vor Maschinen-Ausfällen, Lecks, Gefahrstoff-Austritten und ähnlichen Sicherheitsrisiken gewarnt werden.

Diezu erreichenden Effizienzgewinne sind meist erheblich: Bei Jabil, einem auf Elektronikausrüstung spezialisiertes US-Unternehmen, senkten Analytics rund um den Mitarbeiter-Einsatz die Schließzeiten im Betrieb um 50 und den Arbeitsaufwand für bestimmte händische Tätigkeiten um bis zu 70 Prozent.

3. Verbesserte Produkte
   Vernetzte, mit Software und Analytics-Diensten versehene Produkte bieten mehr Nutzwert als einfache Hardware. Deshalb bezahlen Kunden mehr dafür. „Smarte“ Energiemessgeräte erzielen höhere Preise, weil sie Strom sparen, vernetze Maschinen, weil sie höhere Leistungswerte und niedrige Standzeiten erreichen. Unternehmen, die ihre Produkte um Analytics-Features erweitern, können also höhere Umsätze erzielen. Zudem erreichen sie nicht selten eine stärkere Kundenbindung. Und sie erhalten Zugriff auf zusätzliche Daten und Erkenntnisse, die ihnen weitere Produktverbesserungen ermöglichen.

Zulieferer ZF Friedrichshafen liefert hierfür ein gutes Beispiel: das Unternehmen hat ein äußerst sparsames Transmissionssystem für Lkw entwickelt, das im Voraus „weiß“, wann ein Fahrer den Gang wechseln sollte – weil es fortlaufend Topographie- und GPS-Daten auswertet. Ein „smartes“ Produkt mit Mehrwert.

4. Optimierte Portfolios
   Analytics können natürlich auch dabei helfen, das gesamte Portfolio eines Unternehmens zu verbessern: Erkenntnisse über Kunden-Präferenzen und -verhalten sowie Nutzungsmuster erleichtern das Bewerten bereits vorhandener Produkte und Services und verweisen auf Lücken im bisherigen Angebot. Schon jetzt nutzen zahlreiche Industrieunternehmen Auswertungen von Betriebsdaten dazu, gezielt neue Wartungs- und Reparaturdienste zu entwickeln.

5. Verbesserte Customer Experience.
   Gerade das Auswerten von Betriebsdaten kann aber noch ganz andere Wertbeiträge erschließen: Als Grundlage für gezielte Verbesserungen von Kundenerlebnissen genutzt, können sie die Marktstellung eines Unternehmens ganz erheblich stärken. Beispiel „Over-the-Air-Updates“: Ein Hersteller, der per Datenauswertung erkennt, dass die Benutzeroberfläche einer Maschine den Alltags-Anforderungen beim Kunden nicht genügt, verändert dieses entsprechend, spielt über Nacht und das Netz eine neue Version auf die Maschine – und verbessert auf diese Weise Kundenerlebnis, Kundenbindung und die eigenen Chancen auf künftige Verkäufe.

Der Energie- und Automationsspezialist Schneider Electric arbeitet immer häufiger nach diesem Muster. Das französische Unternehmen setzt Analytics beispielsweise dafür ein, um die „Customer Experience“ von Industrieanlagen, Windturbinen und Gebäudetechnik-Geräten fortlaufend zu verbessern – etwa durch teils sogar kundenspezifische Services und Updates.

Analytics-Initiativen priorisieren

Nach Wahl der Werttreiber für die Analytics-Strategie können die Verantwortlichen in einem letzten Planungsschritt überlegen, welche konkreten Analytics-Initiativen das Unternehmen starten sollte – und mit welcher Priorität. Auch hier stehen wieder zahlreiche Möglichkeiten zur Wahl – die Zahl möglicher Use Cases ist groß, eine Priorisierung daher meist unumgänglich.

Der beste Weg zu Eingrenzung wirklich werthaltiger Initiativen führt meist über eine Betrachtung der Gegebenheiten: Die meisten Industrieunternehmen verfügen zumindest über einige vernetzte Maschinen, jede Betriebs- und andere Daten sowie über Software, die diese Daten zumindest teilweise zusammenführt (Manufacturing-Execution-Software, zum Beispiel, ERP-Lösungen oder CRM-Software). Wer einen Überblick über diese Startvoraussetzungen hat, kann fast immer Use Cases bestimmen, die schon kurzfristig hohe Wertbeiträge liefern würden und ohne allzu viel Aufwand realisierbar wären.

Der italienischen Maschinenhersteller Biesse hat vorgemacht, wie eine solche Priorisierung in der Praxis aussehen kann: Das Unternehmen hat zunächst Predicitve Analytics-Lösungen rund um bereits vorhandene Maschinendaten entwickelt – und erweitert diese jetzt Schrittweise um Dienste, die auch andere Daten nutzen. Dabei sorgt die eigens hierfür entwickelte Software-Plattform des Unternehmens dafür, dass Zeit- und Kostenaufwand der erforderlichen Integrationen im Rahmen bleiben.

Wichtig: Analytics- auf Geschäftsstrategie abstimmen!

Für alle drei hier beschriebenen Schritte und Entscheidungen gilt eine entscheidende Regel: Alle sind so zu vollziehen, dass sie zur Geschäftsstrategie der Firma passen. Das bedeutet auch, dass es mit einem einmaligen Entwerfen der Analytics-Strategie nicht getan ist. Vielmehr muss die „Passung“ der beiden Strategien regelmäßig überprüft werden, ganz wie andere Strategien und Pläne im Unternehmen auch.

Am besten fährt daher, wer außer einer Analytics-Strategie auch gleich einen Ablauf für regelmäßige strategische Analytics-Planungen entwickelt, und diesen fest im Unternehmen verankert. Wer beides leistet, hat dann aber wirklich allerbeste Aussichten darauf, mit Industrial Analytics wirklich erfolgreich zu sein.