Blogautor: Nico Pfändler
Um die Möglichkeiten und die Rentabilität von Pay-per-Use (PPU)-Geschäftsmodellen für Industriegüterhersteller zu untersuchen, führte das Center for International Industrial Solutions (CIIS) im Rahmen eines Projekts Benchmark-Interviews mit führenden schweizerischen und deutschen B2B Unternehmen zum aktuellen Stand von PPU-Geschäftsmodellen durch, um Herausforderungen, Hürden, Treiber, Trends und Best Practices zu identifizieren. Darüber hinaus wurden separate Interviews mit Finanzierungsspezialisten geführt, um Erkenntnisse aus der Literatur zu ergänzen. Die Interviews, ergänzt durch Leitfäden aus der deutschen und US-amerikanischen Rüstungsindustrie, führten zur Identifizierung von fünf Geschäftsmodelltypen und drei massgebenden Faktoren, welche die Entwicklung von PPU-Geschäftsmodellen wesentlich bestimmen.
Eine interessante Erkenntnis war, dass IoT und Monitoring kein Must-Have für ein PPU-Geschäftsmodell sind. Mehrere Unternehmen mit einem etablierten PPU-Geschäftsmodell, kommen problemlos ohne IoT-Verbindung oder Überwachungsaktivitäten aus. Sie gehen entweder persönlich zum Kunden und überprüfen die verbrauchten Stunden oder die Anzahl der produzierten Einheiten, oder sie vertrauen auf die Ehrlichkeit ihrer Kunden und führen eine Überprüfung durch, wenn die historischen Daten nicht mit der kommunizierten Nutzung übereinstimmen.
Eine IoT-Anbindung und -Überwachung bieten jedoch einen Mehrwert, da sie als zusätzliche Dienstleistungen angeboten werden können (z. B. Monitoring-Dashboards) und Kosten- und Aktivitätstransparenz über alle Kostentreiber und die erbrachten Leistungen (z. B. Konfigurationen, Installation usw.) ermöglichen. Sie erlauben zudem schnellere Reaktionszeiten und sind somit Basis für Predictive Maintenance.
In Bezug auf den aktuellen Stand der Predictive Maintenance haben ein Grossteil der Unternehmen jedoch nicht ausreichend oder aber falsche Daten, um tatsächlich eine Predictive Maintenance durchführen zu können (Kausalität versus Korrelation). Ein weiteres Problem ist, dass der Datenerfassungsprozess zu Beginn nicht richtig strukturiert wurde und das System so angelegt worden ist, dass es einfach alle verfügbaren Daten sammelt. Obwohl die meisten Maschinen über die erforderlichen Sensoren verfügen, gibt es bisher (mit wenigen Ausnahmen) keine großen Datenerkenntnisse, die eine vorausschauende Wartung ermöglichen würden.
In einem interaktiven Prozess mit dem Kunden bildeten die Benchmark-Interviews, Marktstudien und internen Dokumente die Grundlage für die Entwicklung verschiedener detaillierter Geschäftsmodelle, die mit detaillierten Gewinn- & Verlust-, Bilanz- und Cashflow-Berechnungen verknüpft und validiert wurden.