Leitfaden und Strategieentwicklung für die Einführung der In-MemoryTechnologie SAP HANA

Transkript

1 Leitfaden und Strategieentwicklung für die Einführung der In-MemoryTechnologie SAP HANA Tobias Hund MHP AK Instandhaltung & Servicemanagement: Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh

2 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 2

3 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 3

4 MHP Beratungsportfolio Mieschke Hofmann und Partner (MHP) A Porsche Company Der Unterschied Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden Die Leistung Consulting System Integration Application Business Solutions Business Solutions Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Operations Mgmt. Customer Relations Mgmt. After Sales Retail Mgmt. Human Resources Finance& Controlling Business Intelligence Technology Services Application Mgmt. Services 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 4

5 MHP Beratungsportfolio Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette. Unsere Kompetenzbereiche mit Themenfeldern. Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Operations Mgmt. Customer Relations Mgmt. After Sales Retail Mgmt. Human Resources Finance& Controlling Business Intelligence Technology Services Application Mgmt. Services PLM Strategy & Consulting Supply Chain & Demand Planning Strategic Production Consulting CRM Strategy& Consulting Spare Parts Retail Consulting Planning Template Development and Rollouts BI Strategy CIO Consulting Application Consulting Product Structure Procurement& Quality Production Planning Digital incl. Connected CRM & Social CRM Service Retail Service Sourcing Governance, Risk and Compliance BI Technology System Harmonization Application& Process Services Product Development Process (PDP) SAP PLM Consulting & Solution Implementation PTC Windchill Solution Integration Production Logistics Sales Logistics Service Lean Production Manufacturing Execution Maintenance Sales Force Automation incl. Mobile CRM Analyticsincl. Segmentation & Campaign Vertical Retail Integration Warranty Processes (Pro-active) Complaint Fleet MHP Dealer Performance Finance and Controlling for Automotive Retailers Affiliation Performance Development& Talent Business Process Development & Optimization Legaland Fiscal Requirements Accounts, Reportingand Consolidation Integrated Corporate Planning Analytical Business Processes Next Generation BI & BIG DATA Enterprise Content Standard Software Individual Software DS Enovia V6 Solution Integration SpareParts (Pro-active) Complaint Dealer Systems Transition & Change Mobile BI Scenarios CRM IT Consulting & Solution Implementation MHP Carbon Administrative Core Processes Innovations Industry 4.0 Connected Vehicle Real-time Business Sustainable Mobility Cloud Compute Social Business Mobile Business 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 5

6 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 7

7 In-Memory Datenmanagement (IMDM) Die Grundidee der In-Memory Technologie Core 1st Level Cache Grundidee der In-Memory Technologie Core 1st Level Cache Core 1st Level Cache Core 1st Level Cache Type of Memory Size Latency Register 1KB 0,3 ns L1 CPU-Cache 64KB 1 ns 2nd Level Cache 2nd Level Cache 2nd Level Cache 2nd Level Cache L2 CPU-Cache 256KB 5 ns Shared 3rd Level Cache L3 CPU-Cache 30 MB 20 ns Main Memory Main Memory 512GB uptotb ns Disk Disk TB schneller ns Legende Abkürzungen: Ns= Nanosekunden / KB = Kilobyte / MB = Megabyte / GB = Gigabyte / TB = Terabyte Quelle: vgl. Kittel (2013), S. 8-9; N.N. SAP (2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 8

8 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 33,33% Permanente Datenhaltung im Hauptspeicher Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 9

9 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 33,33% Permanente Datenhaltung im Hauptspeicher 25,64% Sehr hohe Performanceoptimierungen Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 10

10 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 33,33% Permanente Datenhaltung im Hauptspeicher 15,38% Sehr hohe Performanceoptimierungen 25,64% Einfluss auf die Anwendungsentwicklung Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 11

11 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 15,38% 33,33% Permanente Datenhaltung im Hauptspeicher 15,38% Sehr hohe Performanceoptimierungen 25,64% Einfluss auf die Anwendungsentwicklung Vermischte Arbeitslast (OLXP) Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 12

12 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 15,38% 7,69% 33,33% Permanente Datenhaltung im Hauptspeicher Sehr hohe Performanceoptimierungen 15,38% Einfluss auf die Anwendungsentwicklung 25,64% Vermischte Arbeitslast (OLXP) Spaltenorientierte Datenhaltung Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 13

13 In-Memory Datenmanagement (IMDM) Aspekte von In-Memory Datenmanagement (IMDM) und die Häufigkeit der Erwähnung 15,38% 15,38% 7,69% 2,56% Permanente Datenhaltung im Hauptspeicher 33,33% Sehr hohe Performanceoptimierungen Einfluss auf die Anwendungsentwicklung Vermischte Arbeitslast (OLXP) 25,64% Spaltenorientierte Datenhaltung Trend zu Insert-Only Quelle: vgl. Koleva(2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 14

14 In-Memory Datenmanagement (IMDM) Preisentwicklung der Speichermedien ( ) , , , , , , , , , , , , , , ,00001 US$ / MB Festplattenspeicher Flashspeicher Hauptspeicher Jahr Quelle: vgl. Plattner & Zeier(2012), S. 15; McCallum(2013), Zuletzt besucht: Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 15

15 In-Memory Datenmanagement (IMDM) CPU Taktrate, Geschwindigkeit FSB und Transistoren-Entwicklung 10000, Mhz & Transistoren in Mio. 1000, , , , , , Taktrate in Mhz Anzahl an Transistoren in Mio. FSB in Mhz 0, Quelle: vgl. Plattner & Zeier(2012), S. 11; Haare (2014), Zuletzt besucht ) 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 16 Jahr

16 In-Memory Datenmanagement (IMDM) Entwicklung der CPU-Kernanzahl Anzahl an CPU-Kernen Produkt 1000 Prototype Vorhersagen Jahr Quelle: vgl. Plattner & Zeier(2012), S. 13; (vgl. Intel II (2013), (Zuletzt besucht: Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 17

17 In-Memory Datenmanagement (IMDM) Zusammenfassung IMDM Empirische Gesetzmäßigkeiten Moore, Gilder, Huntley, Metcalfe(Keine kurzfristigen Phänomene sondern langfristige Entwicklung) Hardware-Trends Preise der Speichermedien, CPU-Taktraten (Transistoren), Multi-Core-Architekturen Speicherhierarchie Verschiebung der Speicherhierarchie, Fehlende Leistungszuwächse bei Festplatte & Flashspeicher Hauptspeicherdatenbanken (IMDB) Hauptspeicher wird sich in Zukunft mit hoher Wahrscheinlichkeit zum Standard entwickeln 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 18

18 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 19

19 Potenziale von In-Memory Datenmanagement (IMDM) Fragestellungen & wissenschaftliche Einschätzungen Einschätzung: Umsetzung der Vision von Real-Time BI mit IMDM? 13 wissenschaftliche Einschätzungen 9 Zustimmungen (Plattner, Zeier, Gartner etc.) 4 Neutral Einschätzung: IMDM als Lösung für Big Data 13 wissenschaftliche Einschätzungen 8 Zustimmungen 3 Neutral 1 Abl. Einschätzungen zur OLAP- und OLTP-Integration 15 wissenschaftliche Einschätzungen 8 Zustimmungen 6 Neutral 1 Abl. Quelle: vgl. Wessel, Köffer, Becker (2013), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 20

20 Potenziale von In-Memory Datenmanagement (IMDM) Realisierung der Nutzenpotenziale von IMDM Nutzenpotentiale von IMDM realisieren Potentialbausteine IMDM Integration & Harmonisierung Datenhaltung & Redundanz Komplexität & Vereinfachung von Systemarchitekturen Unterstützung von Big Data Anforderungen Real-Time Performance & Entscheidungsunterstützung Business & Process Wirtschaftsinformatik Arbeitsgebiete WI Business Intelligence Data-Mining, Stochastik, Simulation, Operation Research, Operational Business Intelligence Prozessmanagement (BPM) Process Performance, Business Activity Monitoring IT- IT-Strategie, Enterprise Architecture, IT- Governance, Wissensmanagement, Internetökonomie & SOA IuK-Systeme Anwendungssysteme, Entscheidungsunterstützungssysteme, Führungsinformationssysteme, Kommunikation & Collaboration Quelle: vgl. Hund (2014), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 21

21 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 22

22 Strategieentwicklung & Leitfaden Strategieentwicklung & Bausteine Strategieentwicklung & Leitfaden Baustein 01 Baustein 02 Baustein 03 Baustein 04 IT- IMDM Potenziale Interne Aspekte Externe Aspekte Bausteine Bausteine Bausteine Bausteine Baustein 05 Anwendungsmuster Piller & Hagedorn Koleva Schmalzried Business Scenario Recommendations Winter, Bischoff & Wortmann Erweitertes Referenzmuster Hund 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 23

23 In-Memory Technologie Idealtypisches Anwendungsmuster für den Einsatz von IMDM Dringlichkeit Komplexität Datenvolumen Flexibilität Aktualität Bandbreite Änderungsdynamik Schwankungsbreite Auswertungsoptionen Auswertungshäufigkeit Detailierungsgrad Operatives Reporting Explorative Analyse Komplexe Auswertungsverfahren Schnelle Konsolidierung Adaptive Planung Daten aus Endverbrauchergeräten Geschäftsprozesseigenschaften Nutzenpotentiale Quelle: vgl. Piller& Hagedorn(2011 / No1), S. 21. hoch mittel niedrig 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 24

24 In-Memory Technologie Anwendungsmuster & Ergebnismatrix SAP HANA Use-Case Community Performance Verbesserungen (A) Hohes Datenvolumen (B) Daten- Granularität (C) Quelle: vgl. Koleva(2013), S. 26. Enterprise Mobility (1) Komplexe Analysen (2) Simulationen (3) Operational Reporting (4) Geschäftsprozessoptimerung (5) 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 25

25 Strategieentwicklung & Leitfaden Anwendungsmuster von Piller & Hagedorn / Koleva Piller & Hagedorn Koleva Winter, Bischoff & Wortmann Schmalzried Business Scenario Recommendation 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 26

26 Strategieentwicklung & Leitfaden Transformationsprozess und vereinfachte Phasenplanung 3 Transformation One Store OLXP 2 Innovation Integriertes Szenario Next Generation ERP 1 Einführung Side-by-Side SAP Business Suite ERP CRM SCM SRM/PLM VDL BW & BI (Analyse) Client ERP CRM SCM SRM/PLM VDL BW Apps HANA DB SAP ERP / BW HANA DB AnyDB HANA DB Quelle: vgl. Hund (2014), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 27

27 Strategieentwicklung & Leitfaden Reifegrad und Adaptionslevel von IMDM Maturity Level of Adoption Adolescent 65 % Mature mainstream 35 % Early mainstream 7 % Quelle: vgl. Piller (2012), S Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 28

28 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 29

29 5. IMDM & Instandhaltung-& Servicemanagement Stellen Sie sich vor Sie hätten folgende Systemumgebung: ERP Transformation One Store OLXP CRM Next Generation ERP SCM SRM/PLM VDL IMDB / HANA DB BW & BI (Analyse) Keine Replikation erforderlich / Sub-Second Response Time Tausende Anfragen pro Stunde auf Datenmenge im TB-Bereich Analysemöglichkeiten stehen in Real-Time zur Verfügung Daten im Hauptspeicher verfügbar Direkter Zugang zu allen Daten inkl. Historie Analyse auf Einzelbelege ohne Aggregate Wie würden Geschäftsprozessinnovation im PM/CS Umfeld aussehen? Welche Entscheidungen können in Echtzeit bei PM/CS Prozessen unterstützt werden? Wie würde sich die Erwartungshaltung im Unternehmen (IT/Fachbereiche) ändern? 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 30

30 5. IMDM & Instandhaltung-& Servicemanagement Nutzenpotenziale IMDM & Anwendungsmuster anwenden Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung) Szenario 2: Analysemöglichkeiten von Assets (Operational Reporting) Szenario 3: Zustandsorientierte Instandhaltung / Condition-BasedMaintenance Szenario 4: Vorrausschauende Wartung / PredictiveMaintenance 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 31

31 5. IMDM & Instandhaltung-& Servicemanagement Szenario 1 Instandhaltungsplanung (Vorbeugende Wartung) Instandhaltungsplanung (Vorbeugende Wartung) Typischer Prozess Vorauswahl der Wartungspläne (Relevante Wartungspläne für die Planung auswählen) Aufteilen der Wartungspläne (Wartungspläne definieren für die Hintergrundverarbeitung (Jobs) Planungsparameter definieren (Planungsparameter für die jeweiligen Gruppen definieren) Instandhaltungsplanungsjob ausführen (Planungsjob wird im definierten Zyklus ausgeführt / Alle Gruppen) Zeitaufwand & Kosten Fehleranfällig (Wartungspläne vergessen / Zeitraum der Periode zu lang) Wartungsmeldungen/Wartungsaufträge erzeugen 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 32

32 5. IMDM & Instandhaltung-& Servicemanagement Szenario 1 Instandhaltungsplanung (Vorbeugende Wartung) Instandhaltungsplanung (Vorbeugende Wartung) mit IMDM / SAP HANA Vorauswahl der Wartungspläne (Relevante Wartungspläne für die Planung auswählen) Aufteilen der Wartungspläne (Wartungspläne definieren für die Hintergrundverarbeitung (Jobs) Planungsparameter definieren (Planungsparameter für die jeweiligen Gruppen definieren) Instandhaltungsplanungsjob ausführen (Wartungsplanung kann mehrmals täglich & gesamtheitlich ausgeführt werden) Geschwindigkeit (1000 Mal) Weniger Aufwand (Prozessschritte obsolet) Weniger Fehler (Prozessschritte nicht erforderlich) Wartungsmeldungen/Wartungsaufträge / Genauere Wartungsplanung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 33

33 5. IMDM & Instandhaltung-& Servicemanagement Szenario 2 Analysemöglichkeiten von Assets (Operational Reporting) SAP Business Suite OLTP & OLAP OLXP Next Generation ERP BW & BI (Analyse) VDL SRM/PLM SCM CRM ERP BW VDL SRM/PLM SCM CRM ERP DB (any DB) DB (any DB) IMDB (HANA) 1 Anforderungen aufnehmen 2 BW-System (Abgleich der Daten) Echtzeitanalysen (Agilität & Flexibilität) Operational Business Intelligence 3 ETL / InfoCubes aufbauen 4 Query aufbauen 5 Tests & Transporte ERP BI ERP KnowHow DataMining Stochastik SelfService BI Simulation Operation Research 6 Iterationsschleifen 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 34

34 5. IMDM & Instandhaltung-& Servicemanagement Szenario 2 Analysemöglichkeiten von Assets (Operational Reporting) Überwachen von KPI`s (Monitor) / Visualisierung von Assets (Kennzahlen wie: MTBF/ MTTR bzw. Performance des Assets Ursachenanalyse bei Assets Geführte Navigation oder Ad-Hoc-Analysen Bessere Entscheidungsfindung aufgrund (Analysen) Operational Reporting / Real-Time Business Intelligence Quelle: vgl. opensap Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 35

35 5. IMDM & Instandhaltung-& Servicemanagement Szenario 3 - Zustandsorientierte Instandhaltung Typische Prozesse & End-to-End betrachten! IH-Strategien Ausfall/Wartung Zustandsorientierte Strategie KVP/Optimierung Instandsetzung Wartung Inspektion Materialentnahme Zeitrückmeldung Ersatzteile Datenstrom Daten/Informationen für die jeweiligen Geschäftsprozesse nutzen Zustandsorientierte Instandhaltungsstrategie gewinnt zunehmend an Bedeutung! Große Datenmengen (BigData) zu einem einzigen Equipment (Sensordaten) Ziele: Asset Verfügbarkeit erhöhen-> Produktion mit weniger Ausfällen-> Verkauf& Umsatzziele optimieren 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 36

36 5. IMDM & Instandhaltung-& Servicemanagement Szenario 4 -Vorrausschauende Wartung / PredictiveMaintenance Echtzeitanalysen, BigData(Komprimierung), Muster identifizieren,(data Mining) Geschäftsprozesse & Aktionen Vorhersage über Maschinenausfälle ERP CRM Next Generation ERP Alerts& Informationen Analyse und Vorhersagemodelle Geschäftsprozessregeln SCM SRM/PLM VDL BW & BI (Analyse) Datenstrom & BigData IMDB (HANA) Unterschiedliche Architektur-& Integrationsmöglichkeiten & Erweiterte Fragestellungen 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 37

37 5. IMDM & Instandhaltung-& Servicemanagement Nutzenpotenziale IMDM & Anwendungsmuster anwenden Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung) Szenario 2: Analysemöglichkeiten von Assets (Operational Reporting) Szenario 3: Zustandsorientierte Instandhaltung / Condition-BasedMaintenance Szenario 4: Vorrausschauende Wartung / PredictiveMaintenance Baustein 05 Anwendungsmuster Piller & Hagedorn Koleva Schmalzried Business Scenario Recommendations Winter, Bischoff & Wortmann Erweitertes Referenzmuster Hund 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 38

38 Agenda 1 MHP Beratungsportfolio 2 In-Memory Datenmanagement (IMDM) 3 Potenziale von In-Memory Datenmanagement (IMDM) 4 Strategieentwicklung & Leitfaden 5 IMDM & Instandhaltung- und Servicemanagement 6 Zusammenfassung 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 39

39 Zusammenfassung Zusammenfassung Grundverständnis & Empirische Gesetzmäßigkeiten (Trends) Längerfristige Entwicklung und Verschiebung der Speicherhierarchie Nutzenpotenziale von In-Memory Datenmanagement (Exemplarisches Beispiel) IMDM liefert einen wesentlichen Beitrag zur Vereinigung der beiden Systemwelten OLTP und OLAP In-Memory Datenmanagement (Kontext Instandhaltung & Servicemanagement) Anwendungswissen und Systemarchitekturkomponenten vereinen (IMDM & BPM) 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 40

40 Zusammenfassung & Diskussion Mögliche Diskussionspunkte Szenarien Weitere Anwendungsgebiete & Szenarien: Stillstandszeiten etc. Innovation Geschäftsprozessinnovationen & Operational Business Intelligence Leitfaden Weitere Bausteine aus dem Leitfaden & Integration in IMDB-Strategie Projekte Aktuelle Implementierungsprojekte & Fallstudien 2015 Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 41

41 AK Instandhaltung & Servicemanagement: Ihr Ansprechpartner Tobias Hund Senior Consultant SU SCM Mobil: +49 (0) Mieschke Hofmann und Partner Gesellschaft für - und IT-Beratung mbh 42