Smart Services und Internet der Dinge: Geschäftsmodelle, Umsetzung und Best Practices E-Book

Arndt Borgmeier

• Herausgeber: Carl Hanser Verlag GmbH & Co. KG
• Kategorie: Fachliteratur
• Sprache: Deutsch
• Veröffentlichungsjahr: 2021

Seitenzahl: 391

Beschreibung

Digitalisierung als Wettbewerbsvorteil nutzen, profitable Geschäftsmodelle und Smart Services entwickeln.

Das vorliegende Werk liefert Ihnen konkrete Lösungen und Handlungsanleitungen, mit denen es gelingt, die Chancen des digitalen Wandels zu nutzen, neue Geschäftsmodelle zu entwickeln und gewinnbringende Services und Leistungen zu etablieren. Systematische Vorgehensweisen und Checklisten geben Ihnen wertvolle Hilfestellungen bei der Umsetzung.

Highlights!
- Liefert einen umfassenden »State-of-the-Art-Überblick« über die Bereiche Digitalisierung, Industrie 4.0, Internet der Dinge, Big Data, Machine Learning, Blockchain, kollaborative Ökosysteme und Human Centricity
- Zeigt, wie profitable Geschäftsmodelle und Smart Services entwickelt und umgesetzt werden
- Enthält konkrete Anleitungen in Form von Best Practices
- Berücksichtigt sowohl den B2B- als auch den B2C-Bereich
- Kombiniert hohe Praxisorientierung und wissenschaftlicher Fundierung
- Gibt einen Ausblick auf kommende Entwicklungen im Rahmen der Digitalisierung

»Das vorliegende Werk liefert einen hervorragenden State-of-the-Art-Überblick über die Schlüsselthemen Digitalisierung, Industrie 4.0, M2M und IoT. Wer wissen möchte, wie es in Zukunft gelingt, profitable Geschäftsmodelle und Smart Services zu entwickeln, findet hier eine Vielzahl konkreter Lösungs- und Handlungsanleitungen.«
Prof. Wilhelm Bauer, Technologiebeauftragter des Landes Baden-Württemberg und Institutsleiter des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation IAO in Stuttgart

»Smart Services und Internet der Dinge verbindet auf außergewöhnliche Weise wissenschaftliche Fundierung mit hoher Praxisorientierung und beachtet dabei auch die Rolle des Menschen im Gesamtprozess. Ein wertvoller Ratgeber für jeden Verantwortlichen und zudem auch aus Sicht der Forschung und Lehre ein höchst empfehlenswertes Kompendium.«
Prof. Dr. rer. nat. Gerhard Schneider, Rektor der Hochschule Aalen

Leseprobe

Arndt BorgmeierAlexander GrohmannStefan F. Gross

Smart Services und Internet der Dinge: Geschäftsmodelle, Umsetzung und Best Practices

Industry 4.0, Big Data, Machine Learning, Blockchain, kollaborative Ökosysteme, Human Centricity

2., vollständig überarbeitete Auflage

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über <http://dnb.d-nb.de/> abrufbar.

Print-ISBN   978-3-446-46925-9E-Book-ISBN   978-3-446-47140-5ePub-ISBN   978-3-446-47305-8

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutzgesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.

Alle in diesem Buch enthaltenen Verfahren bzw. Daten wurden nach bestem Wissen dargestellt. Dennoch sind Fehler nicht ganz auszuschließen.

Aus diesem Grund sind die in diesem Buch enthaltenen Darstellungen und Daten mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Autoren und Verlag übernehmen infolgedessen keine Verantwortung und werden keine daraus folgende oder sonstige Haftung übernehmen, die auf irgendeine Art aus der Benutzung dieser Darstellungen oder Daten oder Teilen davon entsteht.

Dieses Werk ist urheberrechtlich geschützt.

Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung des Buches oder Teilen daraus, vorbehalten. Kein Teil des Werkes darf ohne schriftliche Einwilligung des Verlages in irgendeiner Form (Fotokopie, Mikrofilm oder einem anderen Verfahren), auch nicht für Zwecke der Unterrichtsgestaltung – mit Ausnahme der in den §§ 53, 54 URG genannten Sonderfälle –, reproduziert oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbreitet werden.

Die Rechte aller Grafiken und Bilder liegen bei den Autoren.

© 2022 Carl Hanser Verlag GmbH & Co. KG, Münchenwww.hanser-fachbuch.deLektorat: Lisa Hoffmann-BäumlHerstellung: Carolin BenedixCoverrealisation: Max Kostopoulos

Inhalt

Titelei

Impressum

Inhalt

Vorwort

TEIL A: Smart Services und Internet der Dinge: State of the art

1 Digitale Transformation, Digitalisierung, das Internet der Dinge und Geschäftsmodelle

Alexander Grohmann, Arndt Borgmeier, Stefan Hable

1.1 Digitalisierung und digitale Transformation

1.1.1 Digitalisierung

1.1.2 Digitale Transformation

1.1.3 Modelle und Elemente der digitalen Transformation

1.1.4 Status Quo

1.2 Technologische Konzepte

1.2.1 Das Internet der Dinge

1.2.2 Die Industrie 4.0

1.2.3 Big Data

1.2.4 Machine Learning

1.2.5 Blockchain

1.3 Smart Services

1.3.1 Daten als Basis neuer Services

1.3.2 Transformation von Geschäftsmodellen durch Data Driven Services

1.4 Kooperationsökosysteme

1.4.1 Definition und Funktionsweise

1.4.2 Wirtschaftlicher Nutzen der Plattformökonomie

1.5 Fazit

1.6 Literatur

2 Smart Products und Smart Services entwickeln – Herausforderungen und Erfolgsfaktoren

Alexander Grohmann, Michael Jungmann, Roman Wambacher

2.1 Herausforderungen und Erfolgsfaktoren

2.1.1 Paradigmenwechsel beim Leistungsangebot

2.1.2 Paradigmenwechsel bei der Wertschöpfung

2.1.3 Umsetzungsstrategie

2.1.4 Neue Kompetenzen und digitale Kultur

2.1.5 Lebenszyklen von Technologien und Produkten

2.1.6 Unternehmensorganisation und -prozesse

2.1.6.1 Vertriebsorganisation

2.1.6.2 After Sales oder Kundendienst

2.1.6.3 Verwaltung

2.1.6.4 Wandel der Organisation

2.1.7 Amortisation der Investition

2.2 Methodik zur Entwicklung von Smart Services

2.2.1 Gestaltung von Products und Smart Services

2.2.2 Organisationsentwicklung

2.2.3 Vertriebsentwicklung

2.2.4 Lösungsumsetzung

2.2.5 Markteintritt und Feedback

2.3 Zusammenfassung

2.3.1 Beeinflussbare und nicht-beeinflussbare Erfolgsfaktoren bei der Digitalisierung

2.3.2 Der Produktlebenszyklus als weitere Einflussgröße auf den Erfolg der Digitalisierung

2.4 Fazit

2.5 Literatur

3 Kollaborative Ökosysteme – Grundlagen, Governance kollaborativer Wertschöpfung und Best Practice

Sebastian Pforr

3.1 Digitalisierung, Value Proposition und kollaborative Wertschöpfung

3.2 Ökosysteme: Governance innovativer Wertschöpfungsräume

3.3 Wertschöpfung neu gedacht – ganz praktisch

3.4 Die Zukunft ist dezentral

3.5 Fazit

3.6 Literatur

TEIL B: Systeme, Methoden und Prinzipien

4 Sechs Prinzipien für datenbasierte Dienstleistungen der Industrie

Tobias Harland, Marco Husmann, Philipp Jussen, Achim Kampker, Volker Stich

4.1 Einleitung

4.1.1 Problemstellung aus Theorie und Praxis

4.1.2 Vorgehensweise und Methodik

4.2 Sechs Prinzipien erfolgreicher Dienstleistungsentwicklung

4.2.1 Prinzip 1: Kunden beteiligen, um eine kundenzentrierte Value Proposition zu entwickeln

4.2.2 Prinzip 2: Nutzung vielfältiger Quellen, um neue Ideen zu generieren

4.2.3 Prinzip 3: Risikominimierung durch kollektiven Bewertungsprozess

4.2.4 Prinzip 4: Validierung von Konzepten im Markt mit Minimum Viable Services

4.2.5 Prinzip 5: Systematisches Lernen, basierend auf Erfahrungen am Markt

4.2.6 Prinzip 6: Formalisierter iterativer Innovationsprozess

4.3 FIR-Service-Innovation-Zyklus zur Entwicklung industrieller, datenbasierter Dienstleistungen

4.4 Fazit

4.5 Literatur

5 Smart Service Lifecycle Management in der Luftfahrtindustrie

Mike Freitag, Oliver Hämmerle, Carl Hans

5.1 Einleitung

5.2 Smart Services als neue Herausforderung

5.3 Smart Service Lifecycle Management

5.3.1 Smart Services

5.3.2 Prozessmodell

5.4 Service Lifecycle Management im Unternehmen FTI

5.4.1 Entwicklung eines Smart Services

5.4.2 Auswahl von Prozessmodulen bei FTI

5.5 Fazit

5.6 Literatur

TEIL C: Die menschliche Komponente im digitalen Kontext

6 Leadership 4.0: Erfolgreiche Führung in Zeiten des digitalen Wandels

Stefan F. Gross

6.1 Die Welt ändert sich, Führung auch: der Bedarf an Leadership 4.0

6.2 Eine Welt permanenten Wandels: Disruption als Normalität

6.2.1 Zentrale Treiber des technologischen Wandels

6.2.2 Zentrale Treiber des gesellschaftlichen Wandels

6.2.3 Die Tiefenwirkung der Transformation: Der digitale Wandel ist ein kultureller Wandel

6.3 Fünf zentrale Herausforderungen für Unternehmen

6.3.1 Verstehen und Integrieren digitaler Technologien

6.3.2 Gestalten zukunftsfähiger Geschäftsmodelle

6.3.3 Gestalten zukunftsfähiger Kundenbeziehungen

6.3.4 Steigern der Transformationskompetenz und Transformationsgeschwindigkeit

6.3.5 Anpassung von Strukturen und Prozessen

6.4 Fünf zentrale Herausforderungen für Führung

6.4.1 Initiieren und Leiten der digitalen Transformation des Unternehmens

6.4.2 Umgehen mit Diversität

6.4.3 Umgehen mit der Veränderung von Machtverhältnissen

6.4.4 Aufbauen und Führen von Teams und Netzwerken

6.4.5 Gesteigerte Bedeutung der Persönlichkeit des Führenden

6.5 Die Merkmale und Prinzipien von Leadership 4.0: Eine Handlungsanleitung

6.5.1 Digitaler Mindset

6.5.2 Digitale Kompetenz

6.5.3 Erwartungen der Digital Natives

6.5.4 Sinnstiftung

6.5.5 Freiheit

6.5.6 Die Bausteine von Vertrauen

6.5.7 Teams und Netzwerke

6.5.8 Mutual Mentoring

6.5.9 Emotionen: Der Mensch im Mittelpunkt

6.6 Fazit

6.7 Literatur

7 Smart Services im Customer Service Management

Claus W. Gerberich

7.1 Megatrends in Gesellschaft, Technologie und Wirtschaft

7.1.1 Die Nutzenkategorien für den Kunden

7.1.2 Die Digitalisierung der Werkzeuge – Service Management in der Zerspanung

7.1.3 Der Wandel im Customer Service

7.1.4 Der Einfluss des Internet of Things auf Unternehmen

7.1.5 Der Wandel vom Produktanbieter zum Lösungsanbieter

7.2 Aktives Service Management

7.2.1 Die Etablierung einer Servicekultur

7.2.2 Vier Grundsätze im Service Management

7.2.3 Wertschöpfungsketten

7.2.4 Internet of Things

7.3 Umsätze und Monetarisierung

7.3.1 Subscription-Modelle

7.3.2 Predictive Maintenance – Der neue individuelle Service in Echtzeit

7.3.3 Innovatives Pricing – Pay per Use

7.3.4 Die Customer Journey

7.4 Customer Service Management

7.4.1 Robotic Process Automation

7.4.2 Kundenkontakte konsolidieren

7.4.3 Chatbots

7.4.4 Technologie und Service Mindset

7.5 Fazit

7.6 Literatur

8 Potenziale von Messenger Bots für Social Media

Ralf-Christian Härting, Philipp Weller und Jörg Büechl

8.1 Einführung

8.2 Künstliche Intelligenz

8.3 Messenger Bots auf Facebook

8.4 Messenger Marketing

8.5 Anwender und Anbieter

8.6 Fallstudie

8.7 Fazit

8.8 Literatur

TEIL D: Best Practices

9 Digitale Servicelösungen und intelligente Instandhaltung am Beispiel „Rittal Smart Service“

Judith Kötzsch

9.1 Einleitung

9.2 Vernetzung als Basis für intelligente Instandhaltung

9.2.1 Von Big Data zu Smart Data

9.2.2 Kunden-Use-Cases und Nutzen

9.2.3 Vorteile und Nutzen von Smart Service aus Herstellersicht

9.3 Technische Voraussetzungen und Architektur

9.3.1 Zentrale Elemente der Digitalisierung

9.3.2 Hybrid Cloud – individuelle Abwägungen sind erforderlich

9.3.3 Vorteile einer Edge-Lösung

9.4 Vorgehensweise bei der Umsetzung

9.4.1 Ermittlung der Kundenbedürfnisse

9.4.2 Pilotkunden für Proof of Concept-Phase gewinnen

9.4.3 Geschäftsmodellentwicklung und Monetarisierung

9.5 Handlungsempfehlungen und Lessons Learned

9.5.1 Schaffung organisatorischer Voraussetzungen und Berücksichtigung der Digitalisierungsstrategie bei der Produktentwicklung

9.5.2 Aufbau von Kernkompetenz

9.5.3 Schaffen der Vertriebsstrukturen für den Verkauf von digitalen Lösungen

9.6 Fazit

9.7 Literatur

10 Digitalisierung und Komplexitätsmanagement im B2B-Einkauf – Vorstellung der Methode „Variance Cube of Purchasing“

Christian Uhl

10.1 Problemstellung aus Theorie und Praxis

10.2 Vorgehensweise und Methodik

10.3 Der B2B-Einkauf als Kontrollzentrum für Varianz innerhalb des Unternehmens

10.4 Variance Cube of Purchasing (VCP)

10.4.1 Funktion des VCP

10.4.2 VCP – Produktdimension

10.4.3 Kosten- und Varianztreiberanalyse

10.5 Fazit

10.6 Literatur

11 IoT @ Kärcher – vom klassischen Maschinenbau zu Industry as a Service

Friedrich Völker

11.1 Einleitung

11.2 Die Vernetzung der Reinigung am Beispiel von „Kärcher Fleet“

11.2.1 Nutzen für Kunden

11.2.2 Nutzen für das Unternehmen

11.2.3 Technische Infrastruktur

11.3 Herausforderungen bei der Einführung von IoT-Lösungen

11.3.1 Kundenfokussierte Produktdefinition

11.3.2 Projektmanagement

11.3.3 Hard- und Softwareentwicklung

11.3.4 Geschäftsmodell und Return on Investment

11.3.5 Organisation, Prozesse und Unternehmenskultur

11.4 Fazit und Ausblick

12 Modell zur Entscheidungsfindung zum Schutz von geistigem Eigentum digitaler Produkte und Smart Services

Edda Celine Müller, Anja Mergheim, Boris Alexander Feige, Jörg Niemann

12.1 Einleitung

12.1.1 Schutzrechte für die Software digitaler Produkte und Smart Services

12.1.2 Methodik

12.2 Entscheidungsmodell im Patentmanagement

12.2.1 Strategie

12.2.2 Entwicklung

12.2.3 Validierung

12.2.4 Ausführung

12.3 Fazit und praktische Implikation

12.4 Literatur

TEIL E: Lessons Learned: Die erfolgreiche Umsetzung

13 Digitale Transformation erfolgreich meistern: Ein Werkzeug zur systematischen Vorbereitung

Gerhard Gudergan, Boris A. Feige, Ruben Conrad und Alexander Kwiatkowski

13.1 Einleitung

13.2 Grundlagen und Konzepte

13.2.1 Unternehmerische Handlungsdimension

13.2.2 Handlungsdimensionen und -felder für die digitale Transformation

13.3 Umsetzung eines Werkzeugs zur systematischen Vorbereitung

13.4 Praktische Anwendung des Werkzeugs

13.5 Fazit

13.6 Literatur

14 Leitfaden zur Entwicklung von innovativen digitalen Services für die Industrie

Stephan Verclas

14.1 Thesen und Prognosen zur Digitalisierung und zur digitalen Transformation

14.1.1 Digitalisierung und digitale Transformation

14.1.2 Die Digitalisierung im Alltag ist heute allgegenwärtig

14.1.3 Prognosen zur Zukunft

14.1.4 Thesen zur Digitalisierung

14.2 Innovationsmethoden für die Entwicklung von digitalen Services

14.3 Ideen generieren – Ideation

14.3.1 Pain Points identifizieren

14.3.2 Kundenanforderungen erfassen

14.3.3 Geschäftsmodell analysieren

14.3.4 Status der Digitalisierung analysieren

14.3.5 Analyse des digitalen Reifegrades

14.3.6 Digitale Vision entwickeln

14.4 Ideen evaluieren

14.4.1 Greenfield-Ansatz

14.4.2 Ideen entwickeln

14.4.3 Digitale Potenziale ermitteln

14.4.4 Best Practices analysieren

14.4.5 Draft des neuen, idealen Soll-Prozesses

14.5 Ideen validieren und Lösungsideen beschreiben

14.5.1 Brownfield-Reflektion

14.5.2 Ideen bewerten anhand klarer Kriterien

14.5.3 Business Model

14.5.4 Kosten-Nutzen-Analyse

14.5.5 Ideen priorisieren

14.5.6 Strategischer Fit

14.5.7 Lösungsideen beschreiben

14.6 Fazit

14.7 Literatur

15 Erfolgreicher Vertrieb digitaler Dienstleistungen

Arndt Borgmeier, Christina Buchholz, Alexander Grohmann, Manuel Nagel und Tim Schöllkopf

15.1 Dienstleistungen und seine anspruchsvollen Konsequenzen aus Vertriebssicht

15.2 Vielfältige Herausforderungen für den Vertrieb

15.3 Abgeleitete Lösungsansätze für den Vertrieb von Smart Services

15.4 Fazit und Ausblick

15.5 Literatur

Anhang

Abkürzungsverzeichnis

Community

Die Herausgeber

Die Autoren

Vorwort

Sehr geehrte Leserin, sehr geehrter Leser,

Sie halten die vollständig überarbeite 2. Auflage unseres Werkes in Händen. Seit dem Erscheinen der 1. Auflage in 2017 hat sich die digitale Transformation weiter beschleunigt und alle Industrien und Branchen erfasst. Erweiterte oder neue Technologiefelder und Anwendungsmöglichkeiten bieten Unternehmen zusätzliche Chancen, verschärfen gleichzeitig aber auch den Wettbewerb und Innovationsdruck.

Der vorliegende, entsprechend aktualisierte Sammelband soll Ihnen vor diesem Hintergrund weiterhin ein fundierter und umfassender Ratgeber sein. Er liefert Ihnen einen „State of the art“-Überblick über die Bereiche Industrie 4.0, Big Data, Machine Learning, Blockchain, kollaborative Ökosysteme und Human Centricity und zeigt Ihnen, wie es im digitalen Zeitalter gelingt, profitable Geschäftsmodelle und Smart Services zu entwickeln und umzusetzen. Erfasst werden der B2B- und der B2C-Bereich.

Dabei wird im Buch der Tatsache Rechnung getragen, dass sich, dem typischen Entwicklungsmuster von Innovationen folgend, die praktischen Aufgaben für Unternehmen in vielen Fällen verschieben. Die Herausforderungen liegen nicht mehr allein oder hauptsächlich im Bereich der eigenen technischen Befähigung, sondern zunehmend auf Feldern wie dem Aufbau erfolgreicher Serviceorganisationen, der Verknüpfung unterschiedlicher Systemelemente, der Interaktion beteiligter Partner oder der erfolgreichen Vermarktung und Kundeneinbindung. Entsprechend werden verstärkt auch Aspekte wie Leadership, interaktionsspezifisches Verhalten oder Governance betrachtet.

Großen Wert haben wir dabei auf die Verbindung wissenschaftlicher Fundierung und hoher Praxisorientierung gelegt, was in der Einbeziehung einer Vielzahl an Best Practices und konkreter Lösungs- und Handlungsanleitungen zum Ausdruck kommt.

Besonderer Dank gilt dabei den an diesem Werk beteiligen Autoren und Experten. So umfasst das Werk 15 Beiträge, an denen 33 Autorinnen und Autoren mitgewirkt haben, die Herausgeber eingeschlossen. Die Autorinnen und Autoren vertreten eine große Vielfalt unterschiedlicher Organisationen, darunter fünf namhafte Forschungsinstitute und Transfereinrichtungen, sieben Lehrstühle als Professoren sowie Bestsellerautoren, erfahrene Coaches und viele Unternehmen. Die Bandbreite und Positionierung der Autoren-Community belegt die in diesem Buch gebündelte Wissenschafts- und Praxiskompetenz auf dem Feld der digitalen Transformation und der Smart Services (einen Überblick über unsere Community finden Sie am Ende des Buches).

Beim Studium des vorliegenden Werkes wünschen wir Ihnen eine inspirierende Lektüre und wertvolle Einsichten und Erkenntnisse!

Prof. Dr. Arndt Borgmeier, Prof. Dr. Alexander Grohmann, Dipl.-Kfm. Stefan F. Gross

TEIL A:

Smart Services und Internet der Dinge: State of the art

1Digitale Transformation, Digitalisierung, das Internet der Dinge und Geschäftsmodelle

Alexander Grohmann, Arndt Borgmeier, Stefan Hable

Abstract

Obwohl wir erst am Anfang stehen, ist eines schon jetzt klar: Die vierte industrielle Revolution, auch digitale Transformation genannt, ist der größte Wandel, den die menschliche Zivilisation je erlebt hat [Wel 18]. Doch wir fangen gerade erst an zu begreifen, welche Potenziale und Möglichkeiten sich daraus ergeben. Um diese entfesseln, nutzen und gestalten zu können, ist es wichtig, sich mit allen Aspekten dieser vierten industriellen Revolution auseinanderzusetzen.

In diesem Kapitel wird aus techno-kommerzieller Sicht zunächst geklärt, welche technologischen Entwicklungen wegbereitend dazu beigetragen haben, dass digitale Transformation überhaupt entstehen konnte. Dann wird auf die Frage eingegangen, was damit genau gemeint ist und was sie bedeutet. Es wird untersucht, wie sie sich genau zusammensetzt, welche Potenziale und Möglichkeiten sich besonders aus wirtschaftlicher Sicht daraus ergeben und wie die digitale Transformation umgesetzt werden kann. Anschließend werden einige der technologischen Konzepte beleuchtet, die maßgeblich zu ihrer Leistungsfähigkeit beitragen. Dass die digitale Transformation neue Möglichkeiten bereithält, Werte zu schaffen und neue Produkte sowie Dienstleistungen entstehen zu lassen, zeigen die Smart Services. Sie ändert aber nicht nur, wie Werte heute und zukünftig generiert werden, sondern auch, wie diese Werte durch neue Formen der Kollaboration entstehen können.

1.1Digitalisierung und digitale Transformation

Über 20 Jahre vor der Entwicklung des World Wide Web, also Anfang der 1960er-Jahre, entstanden die ersten Vernetzungen zwischen Rechnern. Dies sind die Geburtsjahre des Internets, das bisher nicht, wie von Robert Metcalfe 1996 prognostiziert, wie eine spektakuläre Supernova in einem katastrophalen Kollaps unterging, sondern präsent ist wie nie. Heute gibt es in Deutschland 62,4 Millionen Internetnutzer [Sta 21]. Dies entspricht 81,7 % der Bevölkerung [Sta 21a]. Im Jahr 1997 waren es gerade einmal 4,1 Millionen Menschen, also 6,5 % der damaligen Bevölkerung in Deutschland [ARD 14]. Wir sind in der „digitalen Realität“ [Sch 17] angekommen. Dies zeigt auch der folgende Blick: Monatlich erscheinen im deutschsprachigen Raum rund 15 neue Bücher zu sämtlichen Facetten der Digitalisierung, Konferenzen finden dazu statt, und renommierte Wissenschaftsjournale rufen überproportional oft zu Forschungsbeiträgen ausgewählter Fragestellungen im Kontext der Digitalisierung auf. Eine weitere Feststellung darf gemacht werden: Die Einschränkungen durch COVID-19 auf unser gesellschaftliches Leben und unser Sein wirkt auf die Digitalisierung wie ein Katalysator [Bit 1]: extrem beschleunigend, ohne dass sie dabei selbst verpufft. Ob das gut oder schlecht ist, lässt sich aktuell schwer einordnen. Zieht man auch hier einige renommierte Publikationen heran, finden wir Reflektierendes, teils Kritisches zum Thema: Harari beispielsweise schreibt in seiner umfassenden „Geschichte von Morgen“ vom Homo Deus, von Datenreligion und in diesem Zusammenhang davon, dass der Homo sapiens die Kontrolle verliert [Hom 16]. Auffallend oft wird derzeit unsere wirtschaftliche Entwicklung im digitalen Wandel diskutiert und die Sinnfrage gestellt. Wie sieht der Weg zu einer neuen Wirtschaft aus [Maz 12]? Wie werden und sollen wir uns im Kontext der Digitalisierung als Gesellschaft entwickeln [Nas 12]? Welche ethischen Folgen hat unser wirtschaftliches Denken im Kontext zunehmender Ungleichheit in der Welt, befeuert durch Automatisierung und Künstliche Intelligenz [Ald 19], bis hin zu Ratgebern über die Kunst des digitalen Lebens und wie wir die Informationsflut als Folge der Digitalisierung meistern [Dob 13]?

Dieses Buch wirft nun in seiner zweiten, vollständig überarbeiteten Auflage mit vielen neuen wissenschaftlichen Beiträgen und Best Practices den techno-kommerziellen Blick auf die Digitalisierung und den digitalen Wandel.

1.1.1Digitalisierung

Digitalisierung wird zumeist mit der Überführung von analogen Daten und Zuständen in ein digitales, also elektronisches Format beschrieben, wie beispielsweise der Wechsel von einer analogen Kundenkartei zu einer digitalen Datenbank [Heu 18]. Eine weitere Darstellung beschreibt sie als wertefreie Wandlung bestehender Prozesse respektive das Schaffen neuer Prozesse, Produkte und Technologien durch den Einsatz von Informationstechnologie [Sch 16, S. 38]. Dabei lässt sich sofort feststellen, dass der deutsche Begriff der Digitalisierung gleich zwei angloamerikanische Pendants bedient; die „Digitization“ und die „Digitalization“. „Digitization“ steht in diesem Fall nun für die bereits erwähnte Umwandlung analoger Daten in digitale Zustände. Diese digitalisierten Daten sind in den meisten Fällen leichter und schneller aufzubewahren, zu teilen und zu verarbeiten als ihre analogen Vorgänger. Dadurch wird der Prozess per se digitalisiert, was der „Digitalization“ entspricht, also dem Überführen von Prozessen in eine digitale Version ihrer selbst. So kann optimiert und effizienter gearbeitet werden. Diese Möglichkeit allein schafft jedoch neben Effizienzgewinnen und Ressourceneinsparungen keine weiteren wirtschaftlichen Vorteile und steht fernab der sogenannten „digitalen Transformation“.

Die Digitalisierung ist also ein technologiegetriebener, systematischer und stetig voranschreitender Prozess. Das bedeutet, dass die Möglichkeiten, welche Daten wie, in welcher Geschwindigkeit für welchen Zweck umgewandelt und verwertet werden können, von den zur Verfügung stehenden Technologien abhängen. Solche Technologien gibt es viele, in unterschiedlichsten Stadien der Entwicklung, und es kommen stetig neue hinzu. In diesem Buch wird den folgenden „Technologien“ stellvertretend besondere Aufmerksamkeit geschenkt: dem Internet der Dinge, der Industry 4.0, der Big Data, dem Machine Learning und der Blockchain.

1.1.2Digitale Transformation

Die digitale Transformation beschreibt einen Veränderungsprozess, welcher durch die Digitalisierung per se, deren digitale Technologien und den daraus resultierenden Möglichkeiten, neue Werte zu schaffen, angetrieben wird.

Die digitale Transformation einer Organisation ist ebenso komplex und vielschichtig wie sie selbst. Veränderungsprozesse müssen deshalb auf vielen Ebenen zumeist parallel ablaufen. Dies resultiert in der digitalen Transformation von Daten, Prozessen, Produkten, Geschäftsmodellen und der Organisation mit all seinen Mitarbeiterinnen und Mitarbeitern selbst.

In einer vom BDI beauftragten Studie stellen Roland Berger Strategy Consultants das in Bild 1.1 dargestellte Modell vor, welches die verschiedenen Ebenen der Transformation in einen anschaulichen Zusammenhang stellt und zeigt, wie sich die digitale Transformation zusammensetzen kann [Blo 15]. Nach Roland Berger wirkt die digitale Transformation aus den vier „Kernhebeln“ digitale Daten, Automatisierung, Vernetzung und digitaler Kundenzugang (innerer Kreis) heraus bis hin zu marktseitig nutzbaren Anwendungen und Applikationen (äußerer Kreis). Der erste dieser Kernhebel, die digitalen Daten, stellt die digitale Transformation eben dieser dar. Dabei werden digitale Daten erfasst, verarbeitet, ausgewertet und so aufbereitet, dass sie möglichst immer und von überall verfügbar sind. Daraus ergeben sich große Mengen an nützlichen Informationen über alle Unternehmensbereiche hinweg. Die daraus nutzbaren Erkenntnisse können Entscheidungsprozesse beeinflussen oder dazu dienen, Prognosen aufzustellen. Der nächste Kernhebel in diesem Modell heißt Automatisierung. Er bezieht sich auf die digitale Transformation von Prozessen. Durch die Verbindung klassischer mit moderneren Technologien wie etwa der künstlichen Intelligenz (KI) entstehen autonome und äußerst effiziente Systeme und Prozesse mit deutlich weniger Ausfallzeiten, Fehlerquoten und Betriebskosten. Zusätzlich zur digitalen Transformation der Daten und der Prozesse nennt das Modell von Roland Berger noch die Vernetzung als weiteren Kernhebel. Erst durch die Vernetzung, ob mobile oder kabelgebunden, entsteht die Kommunikation, mit welcher Daten und Informationen übertragen und genutzt werden können. Als vierten Kernhebel nennt die Studie den digitalen Kundenzugang. Dieser ermöglicht neue Arten der Interaktion und Leistungsbereitstellung mit und für Kunden wie etwa in den Bereichen E-Commerce oder Infotainment. Die digitale Transformation baut auf jedem dieser Kernelemente auf, keines dieser vier Kernelemente funktioniert ohne ein anderes. Ohne die digitale Transformation von Daten ist weder die digitale Transformation von Prozessen noch die Vernetzung oder der digitale Kundenzugang möglich und vice versa [Blo 15].

Eine schöne Erkenntnis des Modells liegt noch darin, dass jedem dieser vier Kernelemente bestimmte Enabler-Technologien zugrunde liegen, welche die digitale Transformation sowohl im Einzelnen als auch im Ganzen ermöglichen. Es existieren viele solcher Technologien in unterschiedlichen Stadien der Entwicklung und mit unterschiedlichen Reifegraden. Eine Auswahl dieser Technologien ist in Abschnitt 1.2 ausführlich beschrieben. Einen Sonderfall dieser Enabler-Technologien stellt das Internet der Dinge dar, welches durch die Digitalisierung von Produkten entsteht und auf den Kernelementen der Vernetzung und der digitalen Daten beruht. Dieses Internet der Dinge besteht aus Produkten beziehungsweise Dingen, die in der Lage sind, Daten zu sammeln, zu verarbeiten und zu teilen (siehe Abschnitt 1.2.1) [Blo 15].

Bild 1.1Elemente, technische Lösungen und Leistungsangebote in der digitalen Transformation [Sch 21]

Die dritte und letzte Ebene ist die der digitalen Transformation der Geschäftsmodelle, der Anwendungen und Applikationen. Dabei werden die Kernhebel des Modells mit den dazugehörenden Technologien und technologischen Konzepten genutzt, um bestehende Formen der Wertschöpfung weiterzuentwickeln und um gänzlich neue Wege der Wertschöpfung zu entwickeln und umzusetzen.

Beispiel eines Geschäftsmodells

Die sogenannte Predictive Maintenance basiert auf den beiden Kernelementen digitale Daten und Vernetzung und damit verbundenen technologischen Konzepten wie Big Data und dem Internet der Dinge und je nach Art der Umsetzung auch dem Machine Learning, der künstlichen Intelligenz und weiteren.

Was auffällt, ist das Fehlen der Organisation und der Menschen selbst im Modell von Roland Berger. Dabei geht es um Veränderungsprozesse, die vom Management getragen und angestoßen werden müssen, um die digitale Transformation zu ermöglichen, erfolgreich umzusetzen und langfristig im Unternehmen und bei den Mitarbeiterinnen und Mitarbeitern im Unternehmen zu verankern. Dazu muss eine digitale Kultur durch die gezielte Förderung von Innovationen, die Digitalisierung der Arbeit, Weiterbildungsmöglichkeiten und datengetriebener Entscheidungen geschaffen werden (siehe Abschnitt 1.1.3).

1.1.3Modelle und Elemente der digitalen Transformation

Pierre Nanterme, der frühere CEO der Unternehmensberatung Accenture, soll einmal gesagt haben: „Digital ist the main reason just over half of the companies on the Fortune 500 have disappeared since the year 2000“ [Wel 16a]. Bezugnehmend auf die digitale Transformation wird dabei auch vom digitalen Darwinismus gesprochen [Kre 15]. Doch wie sollte dieses „survival of the fittest“, die „digitale Transformation“ eines Unternehmens aussehen? Dazu existieren einige Modelle wie die von Deloitte, des Marktforschungsunternehmens Forrester oder der Digitalisierungsagentur AGILERO [Del 18, Gil 16, Agi 19].

Vergleicht man die gängigsten Modelle der digitalen Transformation, so fällt auf, dass sich gewisse Redundanzen ergeben. Jene Redundanzen scheinen, logisch betrachtet, also eine gewisse Relevanz zu haben. Gehen wir also auf die Unternehmenselemente ein, denen im Rahmen der digitalen Transformation in der Organisation jeweils besonders Beachtung geschenkt werden sollte. Das Modell von Smarter Service vereint die meisten dieser Elemente (auch aus anderen Modellen) und nennt die Folgenden:

       Strategy: Hierbei geht es um die Entwicklung von Vision, Mission und einer Roadmap für die digitale Transformation.

       Leadership: In dieser Ebene wird das Management adressiert. Die digitale Transformation ist wie schon beschrieben ein Prozess, der von sogenannten „Leadern“ (eine Definition zur Führungspersönlichkeit der Zukunft und was Führung zukünftig bedeutet, bleiben wir hier schuldig) angestoßen, gestützt und auch gelebt werden muss.

       Products and Services: Wie aus dem vorherigen Abschnitt hervorgeht, ist die digitale Transformation der Produkte und der Services ein wichtiger Teilbereich der digitalen Transformation. Deshalb muss dies auch während der Transformation eines Unternehmens berücksichtigt und umgesetzt werden.

       Operations: Die Prozesse und Vorgänge sowie die Organisationsstruktur sind vergleichbar mit einer Straße für die Digitalstrategie, ohne diese gibt es kein Vorankommen und Umsetzen der festgelegten Ziele. Sie bilden das Fundament für agiles und kundenorientiertes Wertschöpfen, sie dienen als Grundlage für zielorientiertes Handeln im digitalen Zeitalter.

       Culture: Die Kultur einer Organisation ist wohl jenes Element, welches dem „digital clash“ die meiste Angriffsfläche bietet. So treffen doch zwei Komponenten gegenläufiger Dynamik aufeinander. Ist Kultur etwas „Stabiles“, etwas, das sich mit der Zeit anpasst und Funktionierendes „konserviert“, etwas das sich entwickelt, so prescht hingegen die Digitalisierung mit ihren Technologien stoßwellenartig vor. Organisationen verändern sich im transformatorischen Wandel dahingehend, dass sie agiler und netzwerkorientierter arbeiten. Unternehmensgrenzen verblassen, und wo einst Mitbewerber gesehen wurden, entwickeln sich heute Kooperationen und Partnerschaften. All dies muss die Organisationskultur tragen und verankern.

       People: Die Mitarbeiter sind wohl das wichtigste Element der digitalen Transformation in Organisationen. Sie entscheiden, ob etwas angenommen wird und nicht. Mit zunehmender Digitalisierung verändert sich das Arbeitsumfeld immer weiter; in der vierten industriellen Revolution stellt sich die Frage, wo der Mensch langfristig in der Arbeitswelt seinen Platz einnimmt. Im Fortschritt des Prozesses ist der Erfolg eines Unternehmens abhängig von der Kommunikation zwischen Menschen. Denn sie führen aus, was in Strategieworkshops besprochen wurde. Deswegen sind Empowerment, Schulungen und Freistellung von Ressourcen erforderlich, um die Akzeptanz der Veränderungen als Antrieb für die Umsetzung der Ziele zu nutzen.

       Governance: Die Definition von Regeln und Verfahren in Unternehmen sind durch digitale Veränderungen und deren Veränderungsgeschwindigkeit einer besonderen Herausforderung ausgesetzt. Die Governance muss heute beispielsweise definieren, was noch nicht real, aber mit dem Marker „Potenzial“ versehen ist. Sie entgegnet der zuvor beschriebenen Agilität, auf die der Erfolg im digitalen Wandel aufbaut, mit Klarheit und Struktur und bedarf einer konsequenten Neuausrichtung.

       Technology: Digitalisierung ist immer verbunden mit dem Einsatz neuer oder der Kollaboration bestehender Technologien. Ausschlaggebend für den Erfolg einer digitalen Strategie ist somit auch der Einsatz digitaler Technologien, deren Nutzung als auch der darauf aufbauenden Datenintelligenz.

Zur Messbarmachung dieser dargestellte Elemente, quasi zur Ermittlung des Status Quo, bieten Modelle (beispielsweise Deloitte oder Forrester) eine sogenannte „Digital Maturity“-Komponente an, welche die Ist-Situation des Unternehmens bezüglich seiner digitalen Reife, also dem Grad der bisherigen Umsetzung der digitalen Transformation beschreibt [Del 18, Gil 16]. Nach der Feststellung des Ist-Zustandes wird der angestrebte Soll-Zustand für jede Ebene möglichst detailliert beschrieben. Dazu werden die angestrebten Teil- und Gesamtziele definiert, um den Fortgang der digitalen Transformation in Umsetzung, Durchsetzung und einer abschließenden Kontrolle einzugliedern. Während die Umsetzung eine reine sachbezogene Aufgabe darstellt, geht es bei der Durchsetzung darum, die tiefgreifenden Lern- und Veränderungsprozesse in das Unternehmen zu tragen und dort nachhaltig zu verankern. Ein abschließender Soll-Ist-Vergleich zeigt auf, inwiefern die Umsetzung der einzelnen Aufgaben erfolgreich war [Hab 21]. Wichtig zu erwähnen ist hierbei, dass die Definition des Soll-Zustandes kein Selbstläufer ist. Wie etwas im Kontext der digitalen Transformation in einem Unternehmen zukünftig sein soll, wird durch vielerlei Kriterien und Strategien definiert. So lässt sich konstatieren, dass die Definition wie das „Soll“ sein kann und wie man als Unternehmen dorthin gelangt, in der aktuellen Forschungsdiskussion stark unterrepräsentiert ist.

In einer Sonderausgabe des MIT Sloan Management Review, die im Frühjahr 2021 erschien, beschreiben Bonnet und Westerman, dass in Sachen Transformation bereits fortgeschrittene Unternehmen nun an der Schwelle zu einer zweiten Phase stehen. Technologien und technologische Konzepte, die zumeist das technologische Fundament der Digitalisierung bilden, entwickeln sich stetig weiter und werden durch neue Technologien ergänzt. Somit ergeben sich nun auch im selben schnellen Rhythmus stetig neue Möglichkeiten für Unternehmen, ihre Prozesse und internen Strukturen zu optimieren, um sich selbst und ihre Methoden zur Wertschöpfung ständig neu zu erfinden. Dazu müssen die Potenziale eines Unternehmens unter dem Licht der neu entstandenen Möglichkeiten und Technologien fortlaufend evaluiert und bestmöglich eingesetzt werden. Im oben genannten Artikel beschreiben die Autoren fünf Bereiche der digitalen Transformation, die sich durch den stetigen technologischen Fortschritt in der zweiten Phase erneut digital transformieren lassen. Diese sind die Customer Experience, die digitalen Prozesse, die Employee Experience, die Geschäftsmodelle und die digitalen Plattformen [Bon 21].

Dies zeigt deutlich – und wiederholt, was schon in Abschnitt 1.1.1 beschrieben wurde –, dass es in Zukunft nicht nur unumgänglich sein wird, vorhandene Technologien zu nutzen, sondern selbst aktiv durch die richtige Kombination der technologischen Konzepte neue Möglichkeiten zu schaffen und somit Potenziale zu eröffnen. Diese Kombinationsfähigkeit scheint ein wesentlicher Wettbewerbsvorteil zu werden.

1.1.4Status Quo

Wie steht es um die digitale Transformation in der deutschen Wirtschaft? Genau diese Frage soll der Digitalisierungsindex des Ministeriums für Wirtschaft und Energie klären (Bild 1.2). Das Ziel ist, ein Lagebild zur Digitalisierung (digitale Transformation) der deutschen Unternehmen zu erstellen. Dieser Digitalisierungsindex wurde Ende des Jahres 2020 zum ersten Mal veröffentlicht und soll von nun an jährlich erscheinen, um Fortschritte und Entwicklungen aufzuzeigen. Er misst dabei anhand von 37 einzelnen unternehmensinternen und externen Indikatoren, ähnlich wie die in Abschnitt 1.1.3 angesprochenen Modelle, den Grad der digitalen Transformation (digital maturity) eines Unternehmens auf Basis eines Punktesystems. Kategorisiert ist er nach Branchen, Unternehmensgröße, Bundesländern und Regionen, um innerhalb dieser Gruppen Unterschiede feststellen zu können. Diese können dann dazu genutzt werden, Ursachenforschung zu betreiben und Handlungsempfehlungen abzuleiten. Aufgrund der regelmäßigen Erhebung kann der Digitalisierungsindex in Zukunft auch Entwicklungen innerhalb der oben genannten Kategorien aufzeigen und so weitere Informationen zu Handlungsfeldern, Hürden, Vorreitern und Best Practices liefern [BMWi 20, BMWi 20a].

Bild 1.2Der Digitalisierungsindex 2020 des BMWi nach Branchen [BMWi 20]

Betrachtet man die Ergebnisse des Branchenvergleichs, fällt auf, dass die Informations- und Kommunikationsbranche (IKT), der Fahrzeugbau sowie die Branchen Elektrotechnik und Maschinenbau die höchsten Werte aufweisen, also in ihrer digitalen Transformation weiter fortgeschritten sind. Das könnte unter anderem daran liegen, dass diese Branchen, aus ihrer Natur heraus, früher mit neuen Technologien in Verbindung treten als beispielsweise der Tourismus. Außerdem ist zu erkennen, dass auch der Grad der digitalen Transformation mit der Größe (Anzahl der Mitarbeiter) der Unternehmen steigt. So liegen die Großunternehmen vor dem Mittelstand und den kleinen Unternehmen. Im regionalen Vergleich steht Süddeutschland mit Abstand an der Spitze. Zudem geht aus dem Digitalisierungsindex 2020 hervor, dass Unternehmen in Ballungsräumen die Möglichkeiten zur digitalen Transformation häufiger genutzt haben als Unternehmen aus geringer besiedelten Gegenden [BMWi 20, BMWi 20a].

Die COVID-19-Pandemie sorgt auf humanitärer und sozialer Seite für viel Leid und für erhebliche finanzielle Einbusen auf wirtschaftlicher Ebene. Doch sie hat trotz allem die Vorteile der digitalen Transformation aufgezeigt, die nicht nur dabei helfen, gut mit den neuen Gegebenheiten umzugehen, sondern auch langfristig zur Steigerung von Produktivität, Effektivität und Erfolg beitragen. So gaben in einer Umfrage des Bundesverbandes Bitkom 94 % der befragten Unternehmensvertreter an, dass sie die Industrie 4.0 als eine Voraussetzung zum Erhalt der Wettbewerbsfähigkeit der deutschen Industrie sehen [Bit 20]. Während also (Groß-)Unternehmen aus den traditionell starken Branchen wie beispielsweise dem Fahrzeugbau, die in wirtschaftlich dynamischeren Regionen angesiedelt sind, die Spitzengruppe bilden, zählen kleinere Unternehmen in wirtschaftlich schwächeren Regionen – zumindest heute – zu den Nachzüglern. Die digitale Transformation muss man sich also auch leisten können. Das haben auch Bund und Länder verstanden und schaffen mittels Förderprogrammen Anreize und finanzielle Unterstützungsmöglichkeiten im Rahmen der digitalen Transformation [Gem 21]. Eine neue Regierungskoalition wird in Deutschland weitere Impulse setzen müssen.

1.2Technologische Konzepte

Basierend auf dem Gesetz von Moore (Moore’s Law) und dem von Ray Kurzweil aufgestellten „Law of Accelerating Returns“ entwickeln sich digitale Technologien in exponentieller Geschwindigkeit, weil immer mehr immer leistungsstärkere Rechner dazu eingesetzt werden, noch leistungsstärkere zu entwickeln, die dann dazu genutzt werden, neue Technologien zu entwickeln. So entstanden seit den 1960er-Jahren eine Vielzahl an Technologien und Innovationen, welche die Digitalisierung in unterschiedlich starkem Maße vorantreiben und die digitale Transformation möglich machen. Der jährlich erscheinende „Gartner Hype Cycle For Emerging Technologies“ zeigt auf, welche neuen Technologien entstanden sind und wie sich sowohl diese als auch bestehende relevante Technologien bezüglich der an sie gestellten Erwartungen über die Zeit entwickeln werden [Hau 16].

Häufig sind die Enabler-Technologien, welche die digitale Transformation antreiben, jedoch viel mehr technologische Konzepte, die sich aus mehreren Technologien zusammensetzen. Ein Beispiel dafür ist das Internet der Dinge (engl. Internet of Things, kurz IoT), das sich aus den drei Technologiebereichen Software, Hardware und Connectivity, also Verbindungs- und Übertragungstechnologien, zusammensetzt (Storage, wie bspw. Cloud Based Services oder IaaS [Infrastructure as a Service] ist hier bewusst ausgeklammert). Eine Übersicht über die in 2019 existierenden Technologien dafür liefert IOT ANALYTICS in dem in Bild 1.3 dargestellten Modell [IOT 19]. In ihrem Buch „The Future Is Faster Than You Think“ schreiben Diamandis und Kotler, dass in Zukunft jene Unternehmen am erfolgreichsten sein werden, welche es verstehen, die richtigen Technologien zu kombinieren, um neue technologischen Konzepte und Formen der Wertschöpfung zu entwickeln [Dia 20].

Bild 1.32019 Emerging Technologies Radar for IoT projects [Iot 19]

1.2.1Das Internet der Dinge

Das Internet der Dinge (engl. Internet of Things, kurz IoT) ist ein dynamisches Netzwerk, bestehend aus eindeutig identifizierbaren physischen und virtuellen Objekten oder „Dingen“, die über eine integrierte Technologie zur Kommunikation, Wahrnehmung oder Interaktion ihrer internen Zustände oder dem externen Umfeld in der Lage sind [Sch 21]. Der Zweck dahinter besteht darin, ein Netzwerk aus weitestgehend autonomen Objekten zu schaffen, die dazu in der Lage sind, ein gemeinsames Ziel zu erreichen [Atz 10]. Der wissenschaftliche Dienst des deutschen Bundestages spricht in diesem Zusammenhang auch vom „Allesnetz“ [Wis 16]. Eine erstmalige Erwähnung des Begriffs geht vermutlich auf Kevin Ashton zurück, der 1999 im Zusammenhang mit einer Studie zu RFID bei Procter & Gamble vom Internet of Things sprach [Ash 09]. Wie zuvor schon erwähnt stellt das Internet der Dinge eine Besonderheit unter den Enabler-Technologien dar.

Die Architektur des IoT besteht je nach Modell aus mindestens vier verschiedenen Schichten mit unterschiedlichen, aufeinander aufbauenden Funktionen und Aufgaben. Die erste dieser Ebenen ist die Hardwareebene. Dazu zählt das eigentliche, in das IoT einzubindende Objekt, welches durch Elemente wie RFID-Tags, Kameras, GPS, Barcode-Etiketten, Sensoren oder ähnliches „Werkzeuge“ erhält, welche es ihm ermöglichen, Informationen aus der Umgebung zu empfangen bzw. wahrzunehmen [Mei 21]. Die zweite Ebene ist die Softwareebene. Sie erst sorgt durch die Verarbeitung der Daten aus der vorherigen Ebene dafür, dass das Objekt „smart“ werden kann. Die Software interpretiert sowohl die eigens erzeugten Daten als auch Daten, die von außen kommen, und ermöglicht so die Interaktion mit der Umwelt. Diese Software kann zum einen auf dem Objekt selbst implementiert sein oder auch in Verbindung mit der dritten Ebene außerhalb des Objektes liegen. Zusätzlich zur Gerätehardware und -software gibt es eine weitere Schicht, welche den intelligenten Objekten Mittel und Wege bietet, Informationen mit dem Rest der IoT-Welt auszutauschen. Die Kommunikationsmechanismen sind stark von der Gerätehard- und -software abhängig, aber es ist wichtig, sie als separate Schicht zu betrachten. Denn diese Kommunikationsschicht umfasst sowohl physische Kommunikationsmöglichkeiten als auch bestimmte Kommunikationsprotokolle, die in Abhängigkeit der IoT-Umgebungen verwendet werden. Die Auswahl der Kommunikationslösung ist einer der wichtigsten Bestandteile beim Aufbau jeder IoT-Technologiearchitektur. Die gewählte Technologie bestimmt nicht nur die Art und Weise, wie Daten an den Empfänger (bspw. die cloudbasierte Plattform) gesendet bzw. von ihr empfangen werden, sondern auch, wie die Geräte verwaltet werden und wie sie mit Geräten von Drittanbietern kommunizieren. Die letzte Ebene ist die Plattform oder Cloud-Ebene. Wie bereits erwähnt, ist das Objekt dank der „intelligenten“ Hardware und der installierten Software in der Lage zu „spüren“, was um es herum vor sich geht, und dies über einen bestimmten Kommunikationskanal an den Benutzer zu kommunizieren. Eine IoT-Plattform ist der Ort, an dem all diese Daten gesammelt, verwaltet, verarbeitet, analysiert und in einer benutzerfreundlichen Weise präsentiert werden. Was eine solche Lösung also besonders wertvoll macht, ist nicht nur ihre Fähigkeit, Daten zu sammeln und IoT-Geräte zu verwalten, sondern vielmehr ihre Fähigkeit, die von den Geräten über die Kommunikationsschicht bereitgestellten Daten zu analysieren und nützliche Erkenntnisse zu gewinnen und in Form von Handlungsanweisungen an das Gerät oder Objekt zurückzusenden.

1.2.2Die Industrie 4.0

Der Begriff Industrie 4.0 wurde auf der Hannover Messe 2011 erstmals in der Öffentlichkeit verwendet [Bmbf 16]. „Industrie 4.0 bezeichnet die intelligente Vernetzung von Maschinen und Abläufen in der Industrie mithilfe von Informations- und Kommunikationstechnologie.“ Sie beschreibt die digitale Transformation der Produktion [Fra 20], getrieben von Informations- und Kommunikationstechnologien (IKT) und dem IoT. Mit ihrem Fokus auf die Industrie ist sie damit als industrieller Teilbereich des Internets der Dinge zu verstehen, in welchem moderne Technologien und Trends aus dem Internet der Dinge zielführend für industrielle Zwecke eingesetzt werden. Sie reiht sich in die industriellen Revolutionen seit dem 18. Jahrhundert ein. Dort löste die Erfindung der Dampfmaschine die erste industrielle Revolution aus, welche zur Mechanisierung der Landwirtschaft und zur industriellen Produktion führte. Der flächendeckende Zugang zur Elektrizität prägte Ende des 19. Jahrhunderts die zweite industrielle Revolution und ermöglichte somit die Massenproduktion. Fortan wurden Verbrennungsmotoren eingesetzt. Auch die Entwicklung von Telegrafen und Telefonen fand zu dieser Zeit statt. Der Impulsgeber der dritten industriellen Revolution war die Erfindung des Computers und die daraus resultierende Automatisierung der Produktion [Bit 14].

International versteht man unter Industrie 4.0 die Digitalisierung der Industrie, mit dem Ziel einer horizontalen und vertikalen Integration der Wertschöpfungsketten, innerhalb derer sowohl die Wertschöpfungskette mit Zulieferern und Kunden als auch die Kommunikation zwischen Mensch, Maschine und Ressourcen vollkommen automatisiert stattfinden soll. Die Idee von sich selbstständig steuernden und optimierenden Produktionssystemen sowie intelligenten Werkstücken sind wesentlicher Bestandteil der sogenannten Smart Factory. Die technologischen Voraussetzungen hierfür sind die sogenannten cyber-physischen Systeme (CPS) [BMWi 15a].

1.2.3Big Data

Digitalisierte Daten bilden einen wichtigen Baustein im Kontext der Digitalisierung und der digitalen Transformation. Das Consulting Unternehmen IDC gibt an, dass in 2020 weltweit etwa 59 Zettabyte an digitalen Daten generiert wurden und in den nächsten drei Jahren mehr digitale Daten generiert werden als in den 30 Jahren zuvor [IDC 20]. Angesichts dieser Dimensionen wird schnell deutlich, dass auch wenn die Datenflut im Einzelnen nicht ganz so ungeheuer ist, diese Mengen nicht mehr mit herkömmlichen Datenbanksystemen bewältigt werden können.

Big Data beschreibt zum einen das Vorhandensein und Sammeln sehr großer Datenmengen, die sowohl strukturiert (also bereits in einer Datenbank abgelegt) als auch unstrukturiert (wie sie beispielsweise während der Produktion eines Gutes entstehen) vorliegen können. Und zum anderen, unter dem Begriff Big Data Analytics, die Verarbeitung und das Speichern eben dieser Daten mittels Softwarelösungen. Diese sind in der Lage, aus den Daten Informationen zu gewinnen, die zur Entscheidungsfindung oder der weiteren Wertschöpfung (Abschnitt 1.3) eingesetzt werden können. Die Themenbereiche, die zu Big Data bzw. Big Data Analytics gehören, werden oftmals die V’s genannt. Dabei bezieht sich das V auf die Anfangsbuchstaben der englischen Wörter, welche die Dimensionen von Big Data beschreiben können. Diese sind Volume (das Datenvolumen), Velocity (die Geschwindigkeit der Datengenerierung und -verarbeitung), Variety (das Spektrum der Arten der Daten und ihrer Herkunft), Value (die Qualität der Daten und der Mehrwert den diese bergen) sowie Veracity (die Aussagekraft der Daten). Auch hier handelt es sich nicht um eine einzelne Technologie, sondern um ein technologisches Konzept, das verschiedene Technologien in sich vereint, welche das Sammeln, Aus- bzw. Verwerten und Speichern ermöglichen. Dazu gehören zum Beispiel das Data Mining, In-Memory oder auch Machine Learning [Hau 18, Don 21].

1.2.4Machine Learning

Laut Huber ist Machine Learning eine der wichtigsten Universaltechnologien im Kontext von Industrie 4.0. Machine Learning (maschinelles Lernen) soll Maschinen in die Lage versetzen, eigene Kompetenzen aufzubauen. Das Ziel ist die Erkennung von Mustern und kausalen Zusammenhängen in Datensätzen, um Vorhersagen zu treffen, Optimierungen vorzunehmen oder Aufgaben zu lösen. Daten bilden also auch hier die Grundlage der Technologie. Es geht im Wesentlichen darum, Systemen das mehr oder weniger selbständige Lösen von Problemen beizubringen (unterschiedliche Grade des maschinellen Lernens, vom überwachten zum unüberwachten Lernen). Den Grad der „Intelligenz“, der einem System dabei zukommt, ist abhängig vom Grad der Selbständigkeit, der Komplexität der Probleme, welche es zu lösen vermag, und dem der Effizienz des eingesetzten Lösungsverfahrens. Die ersten Ansätze im Bereich des Machine Learning wurden bereits in den 1950er-Jahren im Zusammenhang mit den ersten Forschungen auf dem Gebiet der künstlichen Intelligenz entwickelt. Die Umsetzung und Weiterentwicklung scheiterte jedoch an den technologischen Grenzen ihrer Zeit. Die Fortschritte hinsichtlich Rechenleistung und Datenverfügbarkeit (wir erinnern uns an das Gesetz von Moore) ermöglichte der Technologie in den letzten Jahren einen Entwicklungssprung [Hau 18].

Nach Choo et al. existieren zwar viele Ansätze zum maschinellen Lernen, jedoch sei das Maschinelle Lernen auf der Basis von neuronalen Netzen der derzeitige Treiber der Technologie [Cho 20]. Diese neuronalen Netze sind inspiriert von der Funktionsweise des menschlichen Gehirns. Dort sind die Neuronen, Nervenzellen die durch elektrische Signale aktiviert werden, durch sogenannte Synapsen verbunden. Erreicht ein Signal, das über einem bestimmten Wert liegt, ein Neuron, wird es aktiviert und leitet das Signal über die Synapsen weiter. Bei künstlichen Neuronen wird versucht, dieses Verhalten nachzubilden. Dabei handelt es sich um einen empirischen und datengetriebenen Ansatz. Dies hat zur Folge, dass für das „Training“ eines neuronalen Netzwerks große Mengen von Daten benötigt werden. Je leistungsfähiger ein solches Netzwerk sein soll, desto mehr Neuronen muss es enthalten. Um damit sowohl strukturierte als auch unstrukturierte Daten verarbeiten zu können, kommen mehrdimensionale Netze zum Einsatz. „In einem tieferen neuronalen Netz gibt es ungefähr 100 000 anpassbare Parameter, also 1 Million Datenpunkte“ [Spi 17]. Dies resultiert in einem enorm hohen Bedarf an digitalen Daten, die für die Umsetzung eines solchen Netzwerks vorhanden sein müssen. Auch hier zeigt sich wieder, wie eng verknüpft die einzelnen Technologien doch sind, denn dieser „Datendurst“ lässt sich nur mittels Big Data stillen [Cho 20, Spi 17].

Dem maschinellen Lernen auf der Basis von neuronalen Netzen liegen zwei Ansätze zugrunde, die beide auf dem Einsatz von Algorithmen, also klaren Handlungsvorschriften, basieren: zum einen das überwachte Lernen, bei dem Ein- und Ausgabepaare bestehen, welche dem Netzwerk das korrekte Ergebnis zu einer bestimmten Eingabe aufzeigen. Das System lernt dabei nach einigen Rechenvorgängen, welche Lösung zu welcher Aufgabe gehört. Der zweite Ansatz ist das unüberwachte Lernen, das zum Einsatz kommt, wenn man aus einer Datenmenge Informationen oder Ergebnisse extrahieren will, zu denen keine vorgegebene Lösung existiert. Dabei erzeugt der Algorithmus ein statistisches Modell, in dem jeder Eingabevektor entweder in einen anderen Vektor oder in einen Wert umwandelt wird, der zur Lösung des Problems verwendet werden kann [Cho 20, Bur 19].

Die derzeit am verbreitetsten Anwendungsfälle für das Machine Learning sind die Predicted Maintenance und die Predicted Quality, bei denen das maschinelle Lernen dazu eingesetzt wird, Stand- und Ausfallzeiten von Maschinen und Anlagen möglichst gering bzw. die Produktqualität auf einem bestimmten Niveau zu halten [Hau 18]. Dass bei dem Einsatz solcher Systeme auch einiges schief gehen kann, zeigt ein Fall von Amazon aus dem Jahr 2015. Dort hatte ein Machine-Learning-Netzwerk, das aus der großen Anzahl an Bewerbungen die besten Kandidaten herausfiltern sollte, Frauen systematisch benachteiligt. Der Grund dafür war, dass während der Trainingsphase des Systems hauptsächlich die Lebensläufe von Männern verwendet wurden und das System sich so selbstständig beibrachte, dass diese wohl bessere Kandidaten darstellen [Das 18].

1.2.5Blockchain

Auch wenn die Grundlagenforschung, die zur Blockchain-Technologie geführt hat, nun schon über 30 Jahre alt ist, trat das Konzept der heute bekannten Blockchain erstmals 2008 mit Satoshi Nakamotos Whitepaper „Bitcoin: A Peer-to-Peer Electronic Cash System“ in den Fokus der Öffentlichkeit [Nak 08]. Viele verbinden das Wort Blockchain auch heute noch überwiegend mit Kryptowährungen. Doch mittlerweile hat sich die Technologie dahinter so weiterentwickelt, dass sie auch in anderen Bereichen wie beispielsweise der digitalen Transformation einen wertvollen Beitrag leisten kann.

Eine Blockchain kann als eine Aneinanderreihung unveränderlicher Informationsblöcke verstanden werden, die nicht von einem einzelnen, sondern von allen am System beteiligten Teilnehmer kontrolliert, überwacht und verwaltet werden. Abgespeichert wird die Blockchain in einer dezentralen Datenbank (Distributed Ledger). Das bedeutet, jeder Teilnehmer im System besitzt eine Kopie dieser Kette aus Vorgängen, die in regelmäßigen Abständen auf den gleichen Stand gebracht wird. Soll ein neuer Block, also eine neue Transaktion, in die Kette eingefügt werden, einigen sich die Teilnehmer über einen Konsensmechanismus darauf, was in dem neuen Block festgehalten werden soll, und hängen ihn an die Blockchain an. Die beiden bekanntesten dieser Konsensmechanismen sind Proof of Work und Proof of Stake. Bei der Proof of Work-Methode müssen die Teilnehmer eine bestimmte Rechenleistung, meist die Validierung der Hashs (Mining), erbringen, um einer Transaktion zuzustimmen. Die Methode des Proof of Stake dagegen basiert auf dem Nachweis von Anteilen und spricht den Teilnehmern mit den meisten Anteilen (Stakes) mehr Einfluss zu. Dieses Prinzip der Dezentralisierung macht die Blockchain enorm fälschungssicher. Denn wenn eine Kopie der Blockchain nicht mit den Versionen der anderen Teilnehmer übereinstimmt, verliert sie ihre Gültigkeit. Ein weiterer Sicherungsmechanismus ist der sogenannte Hash, ein Code aus Zahlen und Buchstaben, der in jedem Block als Metainformation an die Transaktionsinformationen angebunden ist und auch im Nachfolgeblock festgehalten wird. Werden nun die Hauptinformationen in einem Block verändert, ändert sich auch der Hash, der dann nicht mehr mit dem des Nachfolgeblocks übereinstimmt. Dadurch wird der kompromittierte Block automatisch ungültig [Mie 20].

Auf dem technologischen Konzept der Blockchain bauen auch die Smart Contracts auf, die im industriellen Kontext ein enormes Potenzial zur Optimierung von Geschäftsprozessen bergen. Smart Contracts sind digitale Vereinbarungen zwischen Parteien, die sie sich selbst ausführen, wenn bestimmte Bedingungen erfüllt sind. Dies trägt zur Einhaltung von vertraglich vereinbarten Bedingungen bei, in dem Folgeprozesse erst dann angestoßen werden, wenn die Bedingungen erfüllt sind. Davon könnte unteranderem das Supply Chain Management profitieren, da die Komplexität in einer Lieferkette durch die automatische Überprüfung und Ausführung der zahlreichen aufeinander abgestimmten Prozesse durch diese Automatisierung beherrschbarer wird [Jak 18, Law 10].

1.3Smart Services

Mit der digitalen Transformation und den damit einhergehenden Bemühungen, Produkte und Dienstleistungen digital zu transformieren, ergeben sich neue Geschäftsmodelle, die bisherige Modelle grundlegend verändern. Grundlegend ist dafür der Begriff „Data Driven Services“, der für eine Erweiterung der Smart Services [Nóv 20] steht. Letzterer hat das Ziel, produktbasierte Dienstleistungen anzubieten, welche vor allem dann erforderlich sind, wenn es sich um komplexere Güter handelt und somit eine höhere Beratungsdienstleistung des Unternehmens erforderlich wird [Bor 19].

Mit Smart Services entsteht nicht nur ein Nutzen bzw. Wert für den Kunden, sondern es entstehen auch Daten für das dienstleistungserbringende Unternehmen.

Bei Data Driven Services werden innovative Dienstleistungen [Rei 18], basierend auf gesammelten Daten, die analysiert wurden, hervorgebracht. Dabei sind Daten elementar für die Erweiterung und Entstehung zum Teil innovativer Dienstleistungen.

1.3.1Daten als Basis neuer Services

Das Vernetzen von Maschinen und Systemen führt zu großen Datenmengen, welche grundlegend für die Entstehung und Verwendung neuer Dienstleistungen mit innovativem Charakter sind [Rei 18]. Diese sogenannten Data Driven Services können wie folgt beschrieben werden: „Data-driven services use data and analytics to support the decision-making process of the customer through data and analytics-based features and experiences in the form of a stand-alone offering or bundled with an existing product or service“ [Nóv 20]. Durch die Analyse und Feststellung neuer potenzieller Servicemöglichkeiten ergeben sich zusammen mit neuen Technologien, insbesondere mit der Cloud-Technologie, viel versprechende Erfolgspotenziale, welche ubiquitär zur Verfügung stehen [Cre 17]. Basierend auf solchen Technologien wird die Servicebereitstellungsmöglichkeit positiv beeinflusst, welche auch den Trend der steigenden Nutzung von mobilen Endgeräten fördert, aufgrund ökonomischer und effizienzsteigernder Gründe [Sol 21]. Neben Daten, die der neue Rohstoff für Optimierung und Entstehung neuer Services sind, ist die nötige IT-Infrastruktur relevant. Dabei zeigt sich seit einigen Jahren, dass Cloud Computing als deutliche Technologie in den Vordergrund rückt, die ein nutzenabhängiges Berechnen der Dienstleistung und Effizienzsteigerungspotenzial für das Unternehmen ermöglicht [Kol 20].

Cloud Computing ist auch ein Treiber von sogenannten „Flexible Consumption Models“, die auch als XaaS-Modelle bekannt sind [Aro 18]. Everything-as-a-Service (XaaS) ist die Bezeichnung für das Bereitstellen von Cloud-basierten IT-Infrastrukturen, Daten oder Anwendungen. Dabei wird nach dem US-amerikanischen NIST (National Institute of Standards and Technology) in Infrastructure-as-a-Service, Software-as-a-Service und Platform-as-a-Service unterschieden [Kol 20, S. 989]. Dabei wird XaaS als „Enabler“ von einem Geschäftsmodell gesehen, das ein neues Geschäftspotenzial generieren kann [Nör 19].

1.3.2Transformation von Geschäftsmodellen durch Data Driven Services

Durch XaaS-Modelle werden neue Dienstleistungsmodelle angeboten, die einen größeren Mehrwert für den Kunden darstellen und auch ökonomische Vorteile bieten können. Dabei werden vermehrt plattformbasierte Geschäftsmodelle entwickelt und genutzt [Bgt 19], was auch eine Studie des Digitalverbands Bitkom aus 2019 bestätigt [Pau 19]. Entwicklungspotenziale wurden hier vor allem in der Versicherungsindustrie entdeckt. So wurden mittels der Vernetzung von Sensorik und Objekten, basierend auf Echtzeitdaten, neue Geschäftsmodelle entwickelt. So wird die Versicherungsprämie von Kraftfahrzeugen mittels einer Risikoanalyse durch das Analysieren von Fahrverhalten berechnet [Bru 17]. Mittels der Telematiklösung herrscht das Potenzial, dass gesammelte Daten weiterverwendet werden, um weitere Dienstleistungen wie das Wartungs- und Instandhaltungsbedarf des Fahrzeugs zu analysieren und dem Nutzer mitzuteilen, wann und wo diese erledigt werden könnten [Kap 19]. Mithilfe der bereits erhobenen Daten, die dann an weitere Partner und Unternehmen weitergegeben werden, wird dem Nutzer nicht nur eine auf ihn zugeschnittene Dienstleistung angeboten, sondern es wird eine Plattform geschaffen, in der sich Unternehmen, Lieferanten und Kunden ergänzen und neue Dienstleistungen entstehen [Fid 20]. Dabei wandelt sich das Unternehmensbild eines „Ego-Systems“, welches seine Vermarktung von Produkten und Dienstleistung in den Vordergrund stellt, zu einem Öko-System, basierend auf einem systematischen Denken. Dabei ist das Ziel, den Nutzern einen Mehrwert zu generieren, und zusammen neue Möglichkeiten dazu zu entwickeln [Bru 17].