UdZPraxis 1-2016

9 UdZ Praxis 1 Bitkom (Hrsg.): [Studie] Potenziale und Einsatz von Big Data. Ereignisse einer repräsentiven Befragung von Unternehmen in Deutschland. Berlin, 5. Mai 2014. https://www.bitkom.org/Publikationen/2014/Studien/Studie-Big-Data-in-deutschen-Unternehmen/Studienbericht-Big-Data-in-deut- schen-Unternehmen.pdf (letzter Zugriff: 11.03.2016) 2 Bitkom Research GmbH: [Report] Mit Daten Werte schaffen. https://home.kpmg.com/de/de/home/themen/2015/04/mit-daten-werte-schaffen. html. (letzter Zugriff: 11.03.2016) 3 Blue Yonder (Hrsg.): [Whitepaper] Big Data und Predictive Analytics in Deutschland. http://info.blue-yonder.com/whitepaper/bigdata-und-predic- tive-analytics-in-deutschland (letzter Zugriff: 11.03.2016) 4 McAfee, A.; Brynjolfsson, E.: “Big data.” The management revolution. In: Harvard Business Review 90(2012)10, S. 61 – 67. 5 Porter, M. E.; Heppelmann, J. E.: How Smart, Connected Products Are Transforming Companies. In: Harvard Business Review 93(2015)10, S. 96 – 114. 6 Mathis, K.; Köbler, F.: Data Canvas und Data-Need Fit. Daten für neue Geschäftsmodelle nutzen. In: Mensch und Computer 2015 – Usability Professio- nals. Hrsg: H. Fischer; A. Endmann; M. Krökel. De Gruyter, Berlin 2015, S. 42 – 50. 7 Jussen, P.; Husmann, M.: [KVD-Studie] Fakten, Trends im Service 2015. Hrsg.: G. Schuh; V. Stich, G. Gudergan; M. Schröder. FIR e. V. an der RWTH Aachen, Aachen 2015. 8 Fabry, C.; Husmann, M.: [KVD-Studie] Smart Services: Neue Chancen für Services ‚Made in Europe‘. Hrsg.: G. Schuh; V. Stich, G. Gudergan; M. Schröder. FIR e. V. an der RWTH Aachen, Aachen 2014. 9 Bange, C.; Grosser, T.; Janoschek, N.: [Research Study] Big Data Use Cases – Getting real on data monetization. Würzburg 2015. http://www.com - petence-site.de/content/uploads/93/f9/BARC-Studie_BigData_UseCasesDE.pdf (letzter Zugriff: 11.03.2016) Weitere Informationen zum Thema finden Sie auf der Internetseite aachener-service-engineering.de Haben Sie Fragen zu datenbasierten Dienstleistungen? Wenden Sie sich dazu gern an unsere Experten am FIR, die Sie unter der Adresse Service.Engineering@fir.rwth-aachen.de erreichen können. Einfach den QR-Code scannen und direkt zum Webinar des Harvard-Busi- ness-Reviews von Prof. Thomas H. Davenport zum Thema „The Analytics of Things: Finding Value in the New World of IoT Data” gelangen. Neben den informationstechnischen Voraussetzungen müssen sich Unternehmen ferner um betriebswirtschaftliche Konzepte zur Entwicklung neuer Geschäftsmodelle beschäftigen. Die Steigerung des Umsatzes durch die Nutzung von Daten wird als primäres Ziel von Unternehmen angegeben, um in diesem Bereich aktiv zu werden. Mit Methoden wie dem Data-Canvas in Kombination mit den in der Praxis bewährten Instrumenten des Value-Proposition-Designs und des Business-Modells Canvas stehen den Unternehmen hilfreiche Tools zur Geschäftsmodellentwicklung zur Verfügung. 6 Aufstre- bende datenbasierte Geschäftsmodelle im industriellen Service werden oftmals in Form von Service-Level-Agreements an Kunden herangetragen, so beispielsweise auch bei Heidelberger Druckmaschinen. Rolls-Royce-Flugzeugturbinen sind ein weiteres Beispiel für die erfolgreiche Umwandlung eines Servicegeschäftsmodells mittels Datennutzung. Durch diese Daten- nutzung an den Turbinen sind „As-a-Service“-Konzepte wie die Fakturierung nach tatsächlichen Einsatzstunden anstelle eines Kaufs von Turbinen möglich geworden. Besonders die Hersteller von Maschinen und Anlagen haben durch den Zugang zu den Felddaten ihrer Produkte einen Vorsprung gegenüber unabhängigen Dienstleistern, da diese oftmals nicht über den Datenzu- gang von Maschinen verfügen. Welche Implikationen hat das für den industriellen Service? Zahlreiche Praxisbeispiele und Studien belegen das enorme Potenzial für klassische Dienstleister, welches bei der Verknüpfung von Daten aus mehreren Dimensionen entsteht. 2,3,7,8 Un- ternehmen sollten die strategische Ausrichtung von Seiten der Geschäftsführung anpassen und erste Piloten umsetzen, um Er- fahrungen im Umgang mit Daten zu sammeln. Dazu gehören in erster Instanz die Auswahl geeigneter Anwendungsfelder sowie die Ableitung von Zielen. Aufbauend auf der Definition von Strategien können folglich technologische Ansätze ausgewählt und letztendlich implementiert werden. 2 Für den Service werden die Analyse von Kunden- und Maschinendaten, die Datenbereit- stellung an Techniker im Feld sowie die vorausschauende Disposition als maßgebliche Einsatzfelder genannt. 9 hs