Mit dem modularen Vorgehen zur datenbasierten Geschäftsstrategie
Goal
Entwicklung einer unternehmensweiten Datenstrategie und Datenplattform zur Prozessoptimierung, Stärkung der Kundenbindung, Entwicklung digitaler Innovationen und Optimierung der Produktionsprozesse.
Solution
Die Basis bildete eine von prodot entwickelte modulare Vorgehensweise, die individuell auf den aktuellen Digitalisierungs-Reifegrad des Unternehmens abgestimmt wurde. Die erarbeitete Datenstrategie und ihre Umsetzung bilden heute die Basis für nachhaltige Verbesserungen in zentralen Geschäftsbereichen, wie Produktentwicklung, Kundenservice und Vertrieb, durch Zugriff auf Kundenservicedaten und durch Analyse der Betriebsdaten im Support.
Schritt 1
Von der Idee zur Wirkung: Datenstrategie in fünf Modulen
Startpunkt Data Visioneering:
Zielsetzung – Potenziale ermitteln
Basierend auf den Zielvorstellungen wurden messbare und strategisch relevante Ziele konkretisiert:
- Kundenbindung: Vermeiden ungeplanter Anlagenausfälle durch zustandsbasierte Wartung und planbaren Austausch von Bauteilen sowie ein Portal, über das der Gesamtzustand der Anlagen von Kunden selbständig ausgewertet werden kann.
- Produktion: Optimierung der Planbarkeit von Lieferterminen von Anlagen durch Anbindung an Lieferantendaten und Monitoring der Lieferketten.
- Produktentwicklung: Auswertung des Nutzungsverhaltens und Erkennen von wiederkehrenden Mustern in der Bedienung der Mobility-Anlagen, Identifikation von bauart- und nutzungsbedingtem Höherverschleiß der Anlagen und die Verbesserung der Zusatzangebote.
- Serviceinnovation: Bereitstellung von Digital Twins zur Bereitstellung, Analyse und Abbildung von servicerelevanten Daten, Einsatz von Künstlicher Intelligenz zur Umsetzung von predictive Maintenance.
Schritt 2
Data Discovery: Bestandsaufnahme der Datenlandschaft – Strukturen analysieren
Im Data Discovery-Modul untersuchte prodot die Tragfähigkeit des vorhandenen Datenbestands.
Im Ergebnis waren die vorhandenen Daten der Maschinen nur unvollständig, unstrukturiert und fragmentiert in unterschiedlichen Systemen gespeichert, verwaltet und genutzt. Diese Silobildung bedingte eine mangelhafte und inkonsistente Datenintegrität. Die fehlende Datendurchgängigkeit verhinderte, dass alle relevanten Daten von den einzelnen Fachabteilungen übergreifend genutzt werden konnten.
Der Kunde erhielt nach Abschluss des Data Discovery-Moduls eine Dokumentation. Diese beinhaltete:
- detaillierte Aufstellung der verwendeten Technologien und deren Skalierungsmöglichkeiten
- transparente Darstellung der anfallenden Lizenz- und Betriebskosten
- Erfassung aller vorhandenen Daten mit ihren Quellen, der Datenmenge, des prognostizierten Datenwachstums und der aktuellen Datenqualität
- Verantwortlichkeiten für die Datenpflege und Datennutzung
- Identifikation und Klassifizierung unternehmenskritischer und personenbezogener Daten
Schritt 3
Data Strategy: Vernetzte Datennutzung im Unternehmen
Im Data Strategy Modul wurden u. a. die Technologie, Datenarchitektur, Zeit- und Budgetplanung sowie das Change Management definiert.
Mithilfe eines Proof of Concepts wurde die Vermeidung der identifizierten Risiken und Hürden sichergestellt. Alle diese Bestandteile flossen in die Definition einer Transformations-Roadmap mit passender Ressourcenplanung ein. Die darin festgelegten Maßnahmen waren:
- Aufbau einer unternehmensweiten Datenplattform
- Einführung eines strukturierten Data Governance Prozesses
- Systematische Erhebung und Bereitstellung vorhandener Daten
- Erschließung neuer Datenquellen
- Einführung eines IoT-Moduls zum Upgrade von Bestandsprodukten
- Implementierung von digitalen, automatisierten Nutzerbefragungen
- Bereitstellen einer datenbasierten Entscheidungsgrundlage zur Entwicklung digitaler Zusatzdienste
Schritt 4
Data Strategy Implementation: Umsetzung der Datenstrategie in Technik und Praxis
In Kooperation mit dem Projektteam des Mobility-Herstellers wurden die in der Transformations-Roadmap festgelegten Schritte iterativ validiert und realisiert. Es wurde eine neue Datenarchitektur etabliert, damit optimierte Echtzeitdaten für die operative Nutzung allen Beteiligten bereitstehen. Zudem wurde die geplante Plattform für die unternehmensweite konsolidierte Datensammlung und -nutzung entwickelt und implementiert.
Change Management Maßnahmen haben die Akzeptanz aller erhöht und damit die Wirksamkeit der Initiative gesichert.
Schritt 5
Data Value Creation: Strategischer Fahrplan für messbare Verbesserungen
Im letzten Schritt wurden weitere Mehrwertdienste entwickelt.
Ein Predictive Maintenance Tool ermöglicht es, die Wartung und den Service der Anlagen an die realen Betriebsbedingungen anzupassen. Dies führt zu weniger ungeplanten Ausfällen und Wartungsarbeiten können effizienter geplant werden.
Ein Kundenportal für verbesserten Support bereitgestellt, um Kundendaten zentral allen Beteiligten zur Verfügung zu stellen. Die Serviceeinsätze können gezielter geplant und durchgeführt werden, da sämtliche digitale Bauteile als Digital Twin in der Plattform hinterlegt sind und Fehlermeldungen bauteilspezifisch angezeigt werden.
Es stehen spezielle Dashboards für Kunden bereit, um Echtzeiterkenntnisse über Auslastungsspitzen oder Laufzeiten ihrer Anlagen zu liefern.
Zudem nutzt die R&D-Abteilung Echtzeit-Betriebsdaten für die Weiterentwicklung von bestehenden und die Entwicklung von neuen Produkten.
Mehrwert durch strategische Datennutzung
Konkrete Ergebnisse für den Kunden
- Bessere Termintreue durch mehr Datentransparenz in der Produktion und die Anbindung der ERP-Schnittstellen der Zulieferer
- Optimierung der Supply Chain ermöglicht es, On-Demand zu produzieren und die Lagerfläche zu reduzieren
- Verringerte Ausfallzeiten der Anlagen beim Endkunden
- Deutlich kürzere Reaktionszeiten bei Betriebsproblemen
- Durch Echtzeitdaten kann schneller bei Fehlfunktionen reagiert werden
- Optimierung des Personalbedarfs
- Verbesserung der Servicequalität
Bei der Produktentwicklung ermöglichen Echtzeitdaten von IoT-Sensoren und Digital Twins die Entwicklung neuer Maschinengenerationen basierend auf den Kundenbedürfnissen wie z. B. Häufigkeit, Dauer und Intensität sowie die Umgebungsparameter in denen die Maschinen betrieben werden, wie Temperatur, Luftfeuchtigkeit oder Vibrationen.
.jpg?width=1678&height=1374&name=064_L1140281_prodot_huv%20(1).jpg)
Data Driven Strategies
Daten nutzbar machen, um Potenziale zu entfalten
Mit prodot als Partner für Ihre individuelle Datenstrategie setzen Sie auf Erfahrung, Methodik und Praxisorientierung. Gemeinsam machen wir aus ungenutzten Datenquellen messbare Erfolge.
Erfahren Sie mehr darüber, wie wir auch Ihre Daten auf ein neues Level bringen können.
