Wie Industrie 4.0 die Steuerung der Wertschöpfung verändert

Transkript

1 White Paper Wie Industrie 4.0 die Steuerung der Wertschöpfung verändert Dr. Ralf Sauter Dr. Maximilian Bode Daniel Kittelberger

2

3 1. Auswirkungen von Industrie 4.0 auf die Wertschöpfung und Steuerung produzierender Unternehmen Die zunehmende Digitalisierung und Vernetzung von Menschen und Produkten mit- und untereinander wird von vielen produzierenden Unternehmen als die vierte industrielle Revolution interpretiert und erwartet. Schlagworte wie Internet der Dinge, Industrie 4.0 oder Cyber-physische Systeme werden auf Vorstandsebene diskutiert. Die Bundesregierung bündelt alle Anstrengungen zu Industrie 4.0 ( I4.0 ) in ihrer Hightech- Strategie und deklariert die Integration der Digitalisierung in die Produktionsprozesse als Schlüsseltechnologie der deutschen Wirtschaft (vgl. BMBF 2014, S. 36). Unter dem Begriff Industrie 4.0 werden die intelligente digitale Vernetzung von verschiedenen Unternehmen entlang der Werkschöpfungsstufen sowie die autonome, regelbasierte Entscheidungsfindung und Steuerung einzelner Wertschöpfungsfunktionen innerhalb eines Unternehmens, basierend auf Massendatenanalysen, subsumiert (vgl. Kagermann et al., 2013, S. 17). Diese inhaltlich sehr treffende Definition zeigt, wie weitreichend und umfassend Industrie 4.0 ausgelegt und diskutiert wird. Gleichzeitig wird bereits eine Vielzahl von technischen Konzepten oder Anwendungen unter dem Begriff Industrie 4.0 vermarktet. Diese Innovationen adressieren unterschiedlichen Kundennutzen und werden sich in der Umsetzung teilweise stark auf die heutigen Wertschöpfungsketten auswirken. Damit geht einher, dass diese Konzepte bisweilen auch einen starken Einfluss auf die operative und strategische Steuerung von produktionsnahen Wertschöpfungsprozessen (produktionsnahe Steuerung), etwa von Arbeitsvorbereitungs-, Fertigungs-, Montage- und Fertigungslogistikprozessen haben. Eine wesentliche Veränderung ist dabei eine stärkere Dezentralisierung und Flexibilisierung der Fertigungssteuerung. Diese steht jedoch im Konflikt mit den weitverbreiteten deterministischen Steuerungsansätzen, wie sie z. B. bei gängigen ERP-Systemen üblich sind. Abb. 1 stellt die wesentlichen Technologietreiber und die darauf aufbauenden Konzepte und Anwendungen sowie die betroffenen Bereiche der Unternehmenssteuerung dar. Steuerung Konzepte Agile Fertigungssteuerung Anwendungen Technologien Strategische Steuerung Horizontale Vernetzung (Supply Chain) Digitale Prozessabb./ virtuelle Fabrik Cyber-physische Systeme Internet der Dinge & Services Auto-ID/Intelligente Sensorik Embedded Systems Operative Steuerung der Wertschöpfungsfunktionen Smart Human Machine Interaction Predictive/Prescriptive Analytics F&E AV P PL W L Vertikale Vernetzung Selbststeuernde Intralogistik Integrierte dispositive Prozesse M2M-Kommunikation Mensch-Maschine-Interaktion Vernetzung/Cloud Big Data Analytics Produktbezogene Dienstleistungen Skills, Prozesse und IT-Systeme Condition Monitoring (Qualitäts-) Selbstkontrolle Selbstoptimierung Dezentrale Ad-hoc-Organisation Modularisierung/Plug&Produce Künstliche, verteilte Intelligenz Flexible Fertigungsverf. (3D-Druck) Legende: F&E = Forschung und Entwicklung, AV = Arbeitsvorbereitung, P = Produktion, PL = Produktionslogistik, W = Wartung, L = Logistik Abb. 1: Technologien, Konzepte und Anwendungen der I4.0 sowie die betroffenen Steuerungsbereiche Das vorliegende Thesenpapier untersucht zunächst die Struktur der heutigen Industrie 4.0-Innovationen in Deutschland (Abschnitt 2). Im Anschluss wird anhand konkreter Anwendungsbeispiele aus der produzierenden Industrie aufgezeigt, welche Teile der Wertschöpfung durch die technologischen Neuerungen von I4.0 beeinflusst werden und welche Thesen sich daraus ableiten lassen (Abschnitt 3). Im Anschluss werden zudem die möglichen Auswirkungen auf die Steuerung der produktionsnahen Wertschöpfungsfunktionen (Abschnitt 4) diskutiert. 2. Struktur von Industrie 4.0-Innovationen in Deutschland Aktuell findet sich in Deutschland eine Vielzahl von Forschungsprojekten, Demonstratoren und ersten Anwendungen, die unter dem Begriff Industrie 4.0 publiziert und vermarktet werden. Horváth & Partners hat 116 dieser Fallbeispiele ( I4.0- Anwendungen ) aus unterschiedlichen Branchen ausgewertet. Die Mehrzahl der betrachteten Fallbeispiele befindet sich noch im Entwicklungsstadium, 49 Fallbeispiele sind im Anwendungsstadium und werden bereits vertrieben. Die Nutzenpotenziale für die Anwender, auf die die I4.0-Anwendungen abzielen, lassen sich in vier Dimensionen einteilen (vgl. Abb. 2): Kostensenkung, Flexibilität, Stabilität bzw. Qualitätssicherung und Umsatzsteigerung. Den Beispielen können teilweise mehrere Nutzendimensionen zugewiesen werden, da vielfach eine eindeutige Zuordnung nicht sinnvoll möglich ist. Kostensenkung Flexibilität Stabilität/QS Umsatzsteigerung 9 Abb. 2: Nutzenpotenziale der I4.0-Anwendungen (n=112, Mehrfachnennung möglich) Die wesentliche Triebkraft für I4.0-Anwendungen ist die Möglichkeit zur Kostensenkung. Drei Viertel der Anwendungen verfolgen direkt oder indirekt dieses Ziel, meist durch einen gesteigerten Automatisierungsgrad und/oder eine verbesserte Effizienz. Eine Steigerung der Flexibilität ist die zweithäufigste Zielgröße der untersuchten Anwendungen, zum Beispiel durch das Idealbild der resilienten Fabrik, mit der auf Auftrags- und Auslastungsschwankungen optimal reagieret werden kann. Flexible Produktionslayouts sind zudem eine unabdingbare Voraussetzung, um mit reduzierten Losgrößen der Kundenerwartung, von zunehmend individualisierten Produkten, begegnen zu können. Die I4.0-Anwendungen streben auch häufig an, durch intelligente Wartungskonzepte die Stabilität und Qualitätssiche Horváth & Partners

4 rung zu optimieren. Durch Fernwartung und -diagnose können die eingesetzten Geräte deutlich kostengünstiger und damit potenziell in einer höheren Frequenz gewartet werden. Durch eine konstante Überwachung und Auswertung der Gerätedaten wird zudem eine vorausschauende Wartung ermöglicht. Ebenso wie eine erhöhte Flexibilität führen auch Anwendungen zur Stabilitätssteigerung indirekt zu geringeren Kosten. Auffällig ist, dass nur sehr wenige Anwendungen auf eine Umsatzsteigerung abzielen, etwa durch die Eröffnung vollkommen neuer Märkte durch entsprechende Produkte und Services oder verbesserte Vertriebsprozesse. Dies mag wenig überraschen, da Industrie 4.0 in erster Linie durch eine Digitalisierung der Kernwertschöpfung der produzierenden Industrie auf die Effizienzgewinnung ausgerichtet ist. Wenn man über die Optimierung der bestehenden Strukturen hinausdenkt, bieten die Veränderungen im Rahmen von I4.0 gleichzeitig ein enormes, disruptives Umsatzpotenzial. Beispielsweise ist der Handel mit Produktionsdaten ein stark wachsendes Geschäft. Das Potenzial wird in den aktuellen Anwendungen bei Weitem noch nicht ausgeschöpft. Um die in Entwicklung befindlichen I4.0-Anwendungen zur Marktreife zu bringen bzw. die Nutzenpotenziale der bereits vertriebenen Fallbeispiele zu nutzen, bedarf es sogenannter Enabler. Dies sind neue Technologien oder Geschäftsmodelle, die zur Umsetzung und Durchsetzung der I4.0-Anwendungen notwendig sind. Diese Enabler sind zum überwiegenden Teil Software-Innovationen bzw. Kombinationen von Soft- und Hardware-Entwicklungen (vgl. Abb. 3). So ist etwa die Entwicklung intelligenter Algorithmen zur Auswertung von Echtzeitdaten aus der Produktion nötig. Um diese zu erheben, sind wiederum Innovationen im Hardwarebereich, insbesondere die Entwicklung von intelligenten, kommunikationsfähigen Sensoren notwendig. Mehrheitlich hardwaregetriebene I4.0-Anwendungen finden sich überwiegend im Bereich der Mensch-Maschine-Interaktion, die Neuerungen im Bereich der Robotik erfordern. Der geringe Anteil an geschäftsmodellbasierter Anwendungen ist konsistent mit dem geringen Anteil umsatzsteigernder Anwendungen (vgl. Abb. 2). Hardware 69 Software Geschäftsmodelle Abb. 3: Enabler der I4.0-Anwendungen (n=112, Mehrfachnennung möglich) 8 85 Auch bei Betrachtung der involvierten Funktionsbereiche wird deutlich, dass der Fokus von Industrie 4.0 zurzeit vor allem auf einer Verbesserung der industriellen Kernwertschöpfung liegt (vgl. Abb. 4). So berühren knapp 90 Prozent der Fallbeispiele direkt oder indirekt die Bereiche Produktion oder Arbeitsvorbereitung. Während die Integration der Bereiche Logistik und Wartung ebenfalls adressiert werden (z. B. durch Condition Monitoring), fällt der Einfluss auf die Forschung und Entwicklung noch gering aus. Doch gerade hier ist durch den zukünftig verbesserten Rückfluss von Informationen aus dem Feld ein großes Potenzial vorhanden. Forschung & Entwicklung Arbeitsvorbereitung Produktion Wartung Logistik Sonstige Abb. 4: Betroffene Funktionsbereiche der I4.0-Anwendungen (n=112, Mehrfachnennung möglich) 3. Veränderung der Wertschöpfung durch die technologischen Enabler Um den Einfluss der I4.0-Anwendungen auf die Wertschöpfung aufzuzeigen, werden in diesem Abschnitt die wertschöpfungsnahen Enabler-Technologien anhand geeigneter Fallbeispiele erläutert und in vier Cluster eingeteilt (vgl. auch Sauter et al. 2015). Im Folgenden werden die identifizierten Cluster (vgl. Abb. 5) vorgestellt und im Einzelnen erläutert. Cyber-physische Systeme (CPS) Cyber-physische Systeme sind, vereinfacht ausgedrückt, Systeme, die eine Schnittstelle zwischen der digitalen (cyber) und realen (physisch) Welt besitzen. Ein einfaches Beispiel sind Sensoren mit eigener IP-Adresse. Es handelt sich aber oft um verteilte, miteinander vernetzte ( intelligente ) Systemelemente mit eingebetteter Software, die mithilfe von Sensoren und Aktoren Daten erfassen, auswerten und speichern. Die CPS sind in drahtgebundene oder drahtlose Kommunikationsnetze eingebunden, wodurch die Kommunikation zwischen technischen Einrichtungen (bspw. Produktionsanlagen) und/oder deren Steuerungseinrichtungen erfolgt. Damit stellen CPS eine wesentliche Grundlage der Vernetzung bei I4.0 dar. Oftmals stellen CPS in einer vernetzten Produktionssystemumgebung mithilfe von Mensch-Maschinen-Schnittstellen die Kommunikation zwischen den Bedienern und den Produktionsanlagen sicher. So kann Condition Monitoring durch die Analyse von Maschinendaten als Anwendungsbeispiel für die Nutzung von CPS dienen. Unter Condition Monitoring werden Horváth & Partners

5 Methoden zur Überwachung von Maschinen, basierend auf aktuellen Zustands- und Metainformationen sowie der Ferndiagnose und -wartung, bspw. zur Bestimmung der optimalen Wartungsintervalle, verstanden (vgl. Bayer AG in Abb. 5). Die intelligente Steuerung der Produktionsabläufe durch vernetzte Anlagen und Automatisierungslösungen, basierend auf intelligenten Sensoren und deren Datenübermittlung, ist die Kerninnovation der I4.0. Die flexible Just-in-Time-Produktion bei optimaler Auslastung ist das Ziel der sogenannten resilienten Fabrik. Diese Initiative der Firma Festo AG & Co. KG zielt darauf ab, die Fabrik widerstandsfähig gegen saisonale und dem breiten Produktspektrum geschuldeter Auslastungsschwankungen zu machen (vgl. Abb. 5). Auch die Firma Weidmüller Interface GmbH & Co. KG arbeitet an einer Lösung für intelligente Automatisierung von Produktionsanlagen (vgl. Abb. 5). Zielsetzung ist die Flexibilisierung der Fertigungsprozesse durch die Entwicklung eines modellbasierten Entwurfsverfahrens dezentraler Automatisierungstechnik-Komponenten in den Produktionsanlagen. An der Technologieinitiative Smart- FactoryKL nehmen rund 35 Unternehmen und Forschungsinstitute unterschiedlicher Industrien und Wertschöpfungsfunktionen teil. Hierbei sollen herstellerunabhängig unterschiedliche I4.0-Konzepte im Bereich der Fabriksysteme untersucht und weiterentwickelt werden. Big Data Analytics Unter Big Data wird die Nutzung teilweise sensorgenerierter, vernetzter, jedoch unstrukturierter Daten aus unterschiedlichsten Quellen verstanden. Dies ist eine Basisvoraussetzung für die meisten Anwendungsfälle und Enabler-Technologien. Die Daten können bei I4.0-Anwendungsfällen u. a. durch intelligente Sensoren an Maschinen und Werkstück(-trägern), durch mobile oder stationäre CPS oder durch klassische Unternehmensdaten erzeugt werden (vgl. Mehanna/Rabe, 2014, S. 70). Die Herausforderung besteht darin, diese enormen Datenmengen intelligent zusammenzuführen und auszuwerten, um daraus z. B. Prognosen zu erstellen (Predictive bzw. Prescriptive Analytics). Dann ist etwa die Analyse von Produktionsdaten durch faktenbasierte Entscheidungsgrundlagen möglich (vgl. z. B. Siemens AG in Abb. 5). Digitale Prozessabbildung und Steuerung realer Produktionsabläufe Die Daten werden auch zur digitalen Abbildung und Steuerung realer Produktionsabläufe in Echtzeit genutzt. Hierbei werden bspw. die Fertigungsaufträge nicht mehr nur nach vollständiger Abarbeitung an die Produktions- und ERP- Systeme rückgemeldet, sondern der aktuelle Bearbeitungsstand. Die Firma Wittenstein AG nutzt diese Daten in dem Anwendungsbeispiel Mobiles Produktionsmanagement, damit Produktionsmitarbeiter standortunabhängig (auf einem mobilen Ausgabegerät) Feinplanungsinformationen zu Fertigungsaufträgen abrufen können (vgl. Abb. 5). Damit wird ein effektiver Informationszugriff und eine Beschleunigung des Eskalationsprozesses (bei Störfällen oder Kapazitätsengpässen) erreicht. Die DMG Mori Seiki AG unterstützt die Arbeitsplatzvorbereitung und NC-Programmierung ihrer Werkzeugmaschinen durch Simulation auf einem virtuellen Abbild der Maschine. Dadurch kann der Fertigungsprozess optimiert und die gewonnenen Erkenntnisse in einer zentralen Wissensbasis für vergleichbare Prozesse zur Verfügung gestellt werden (vgl. Abb. 5). Smart Human Machine Interaction Der Einsatz mobiler Informationssysteme für Mitarbeiter der Produktion, der Teilelagerung oder der Produktionslogistik ist ein Beispiel für die Nutzung vorhandener Technologien, die die Prozesse durch fortschrittliche Mensch-Maschine-Interaktion effizienter und sicherer gestalten. Der VW-Konzern experimentiert mit Datenbrillen in den Teilelagern, um die Handscanner abzulösen. ABB Ltd setzt auf den Einsatz von Tablets im Servicebereich, um per Augmented Reality Wartungsinformationen für defekte Geräte schnell und mobil zur Verfügung zu stellen. Die Trumpf GmbH & Co. KG nutzt Technologieplattformen und Onlinemarktplätze für die fertigungsrelevante Daten direkt am Maschinenarbeitsplatz, so dass dem Mitarbeiter immer die aktuellsten Informationen zur Verfügung stehen. Die Unternehmensbeispiele zeigen, dass sich sämtliche Teilbranchen und Forschungseinrichtungen mit dem Thema I4.0 beschäftigen. Die zu erwartenden Veränderungen der wertschöpfungsnahen Funktionen durch Industrie 4.0 wurden in einer Studie untersucht (vgl. Sauter et al., 2015). Die Kernergebnisse dieser Studie werden im Folgenden zusammenfassend wiedergegeben. Die Veränderungen durch I4.0 werden sich zuerst in den Wertschöpfungsfunktionen Produktion, Produktionslogistik und -planung bemerkbar machen. Abbildung 5 illustriert die Auswirkungen der dargestellten I4.0-Anwendungen auf die Wertschöpfungsfunktionen. Es zeigt sich, dass in nahezu allen Beispielen ein direkter oder indirekter Einfluss auf die heutigen Produktionsabläufe, die Arbeitsvorbereitung, die Produktionslogistik und im Weiteren auch auf die Produktions- und Werkssteuerung festgestellt werden kann. Horváth & Partners

6 Unternehmen Industrie 4.0-Initiative Enabler-Technologien und -Cluster Betr. Wertschöpfungsfunktionen F&E AV P PL W L S ABB Ltd Wartungsinformationen per Tablet als Augmented Reality mobil abrufbar Mobile-/Onlineverfügbarkeit relevanter Daten Augmented-Reality-Technologie Mobile Informationssysteme Bayer AG Fehlervorhersage und -diagnose per Social Media Umfassendes Systemabbild in Echtzeit Systemzustandsidentifikation (Condition Monitoring) durch vernetzte Sensoren BMW AG Vernetzung F&E und Produktion/Arbeitsvorbereitung Vernetzung der beteiligten Abteilungen Simulationsfähigkeit von Fertigungsprozessen Daimler AG Optimierung der Produktionslogistik durch Traceability/CPS Ad-hoc vernetzbare Sensoren Traceability und Echtzeitsystemabbild Schnittstelle zu vorhandenen CPS und Logistikkette DMG Mori Seiki AG Arbeitsplanung und NC-Programmierung per virtueller Werkzeugmaschine Virtuelle Abbildung der realen Arbeitsumgebung Simulationsfähigkeit von Fertigungsprozessen EUCHNER GmbH & Co. KG Vernetzte Produktion Traceability und Echtzeitabbildung (RFID und Ist-Rückmeldung (M2M)) Intercompany Vernetzung d. Wertschöpfungs-/Lieferkette Festo AG & Co. KG Smart Factory Flexible Just-in-Time- Produktion bei optimaler Auslastung Schnittstellenstandards für Fertigungsmodule Modulare/selbstkonfigurierende Software Simulation von Auftragslage und Produktionslayout Einbindung/Vernetzung des Kunden in die Wertschöpfungskette Big-Data-Analyse-/Handhabungsmethoden Echtzeitabbildung/Systemmodellierung im Planungssystem Massendatenauswertung Ermöglichung des Up-Cyclings durch gespeicherte Materialdaten Datenspeicherung am Produkt über gesamten Lebenszyklus Massendatenauswertung Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) Smart Factory Flexible Just-in-Time- Produktion bei optimaler Auslastung Dezentrale interdisziplinäre Systemintelligenz Big-Data-Analysefähigkeit Massendatenauswertung HARTING Technologiegruppe Maschinenfabrik Reinhausen GmbH Integrated Industry Next Step Manufacturing Execution System (MES) MR-CRM Traceability, Echtzeitrückmeldung und M2M/M2W mithilfe RFID-Technologie Vertikale Integration (von Feldebene mit RFID und Sensorik bis zum SAP-Backend-System) Cyber-physische Systeme (CPS) Schnittstellenneutrale Vernetzung von Menschen und Maschinen (vertikale Integration von ERP, NC-Programmen und Qualitätssicherung) Legende: Forschung & Entwicklung Arbeitsvorbereitung Produktion Produktionslogistik Wartung Logistik Sonstiges Direkter Einfluss Indirekter Einfluss Kein Einfluss Abb. 5.1: Überblick der I4.0-Anwendungen mitsamt der zugehörigen Enabler-Technologien und betroffenen Wertschöpfungsfunktionen Horváth & Partners

7 Unternehmen Industrie 4.0-Initiative Enabler-Technologien und -Cluster Betr. Wertschöpfungsfunktionen F&E AV P PL W L S Siemens AG Smart Data in der Produktion durch faktenbasierte Entscheidungsgrundlagen Software und Automatisierungslösungen für Smart Factory Vernetzung von verketteten Fertigungssystemen Umfassende Erfassung von Produktionsdaten Big-Data-Analysefähigkeit Massendatenauswertung Totally Integrated Automation PLM Software Digitale Abbildung der Fabrik Aut. Adaption Maschinen-/Technologiemodelle Technologiespezifische Ad-hoc-Materialsensorik/ M2W-Kommunikationsfähigkeit Trumpf GmbH & Co. KG Volkswagen AG Weidmüller Interface GmbH & Co. KG und Paul Hettich GmbH & Co. KG Weidmüller Interface GmbH & Co. KG Digitalisierung/Onlinemarktplatz von fertigungsrelevanten Informationen Onlinewartung (Condition Monitoring) Einsatz von Datenbrillen in Teilelagern Selbstoptimierung von Umformprozessen Intelligente Automatisierungslösungen für Produktionsanlagen Mobile-/Onlineverfügbarkeit relevanter Daten bzw. Möglichkeit diese zu beziehen Mobile Informationssysteme Umfassendes Systemabbild in Echtzeit Systemzustandsidentifikation (Condition Monitoring) durch vernetzbare Sensoren Mobile-/Onlineverfügbarkeit relevanter Daten Automatisierter visueller Abgleich mit Standardprozessen/Vorgaben Mobile Informationssysteme Algorithmen-basierte Steuerung Sensorik zur Zustandsbeurteilung Intelligente Komponenten, wie Sensor-Aktor- Schnittstellen oder Signalwandler M2M-/M2W-Kommunikationstechnologien Wittenstein AG Würth Gruppe Mobiles Produktionsmanagement Verteilte Anlagensteuerung in der SmartFactory KL Datenübertragung von Bestandsdaten und optisches Bestellsystem aus Basis des Kanban-Systems Echtzeitabfrage der Fertigungsaufträge/Traceability und Echtzeitmodellierung (DataMatrix-Codes) Semantische Technologie/intelligente Werkstücke Automatische Selektion der richtigen Bearbeitungsmaschine für das Werkstück Traceability und M2M-Kommunikation zur Übermittlung von Bestandsdaten Optische Bestellsysteme auf Basis des Kanban-Systems Mobile Informationssysteme Legende: Forschung & Entwicklung Arbeitsvorbereitung Produktion Produktionslogistik Wartung Logistik Sonstiges Direkter Einfluss Indirekter Einfluss Kein Einfluss Abb. 5.2: Überblick der I4.0-Anwendungen mitsamt der zugehörigen Enabler-Technologien und betroffenen Wertschöpfungsfunktionen Horváth & Partners

8 Auf Basis der Fallbeispiele können konkrete Hypothesen zur Veränderung der produktionsnahen Wertschöpfung hergeleitet werden (vgl. Sauter et al., 2015). Diese Thesen sind in Abbildung 6 zusammenfassend dargestellt und werden im folgenden Abschnitt aufgegriffen, um ihren Einfluss auf die Unternehmenssteuerung zu untersuchen. Hypothese 1: Selbstregelnde Fertigungssteuerung Eine hohe Individualisierung der Produkte wird bisher durch den hohen Rüstaufwand und die damit gesteigerten Kosten eingeschränkt. Durch eine weitgehende Flexibilisierung der Produktionsanlagen und systeme wird es möglich sein, mit einer hohen Auslastung der Maschinen sehr kleine Losgrößen herzustellen. Die Festo AG hat bereits begonnen, die Voraussetzungen für eine resiliente Fabrik umzusetzen. Dazu wurden autarke, austauschbare Prozessmodule mit standardisierten Schnittstellen in den Produktionslinien eingebaut (vgl. Berthel, 2013). Des Weiteren werden intelligente, ereignisgesteuerte, sich selbstregelnde Fertigungsmaschinen zu Prozessmodulen zusammengeführt. Dadurch können die Produkte abhängig von Parametern wie Priorität, Maschinenauslastung etc. den jeweiligen Maschinen zugeteilt und dort gefertigt werden. Hypothese 2: Agile Feinplanung und Disposition In den meisten Unternehmen erfolgt eine (werks-)zentrale Produktions- und Arbeitsplanung basierend auf dem aktuellen Auftragsbestand in definierten Perioden. Bei Unternehmen mit einem hohen Make-to-Order-Anteil in der Fertigung stößt diese deterministische Produktionsplanung an ihre Grenzen, da die Selbstregelnde Fertigungssteuerung: In der kundenindividuellen Fertigung sowie bei kleinen Losgrößen und hoher Varianz setzt sich zunehmend eine selbstregelnde, ereignisgesteuerte und agile Fertigung durch Integration der benötigten Daten sehr komplex ist. Durch eine dezentrale, ereignisgesteuerte Produktionsregelung und -disposition kann jedoch flexibel auf solche Vorfälle reagiert werden. Das Unternehmen EUCHNER GmbH & Co. KG zeigt, dass eine vernetzte Produktion (IT und Produktionstechnologien) Potenziale zur Optimierung und Bereitstellung der benötigten Daten erheben kann. Im Gegensatz zur Rückmeldung der gesamten Losgröße wird durch eine automatisierte Rückmeldung von produzierten Stückzahlen in Verbindung mit der Auftragsverfolgung flexibel auf neue Aufträge, Produktionsverzögerungen oder ähnliches reagiert. Hypothese 3: Dezentrale Arbeitsvorbereitung Wie bereits beschrieben, sind die aktuellen Zustandsdaten der Fertigungsmaschinen für die selbst regelnde Fertigungssteuerung essenziell (vgl. Siemens AG in Abb. 4). Zusätzlich zu den bereits beschriebenen Informationen über den aktuellen Auslastungsgrad sind dies insbesondere die Fertigungskompetenzen, Wartungsinformationen und eventuell sogar Fertigungskosten (im Sinne von Stundensätzen). Die Fertigungskompetenzen sind die möglichen, durch die Maschinen durchführbaren Fertigungsschritte. Unter der Voraussetzung einer M2M-Kommunikation können diese Informationen in einem zentralen Fertigungssteuerungssystem gesammelt und verarbeitet werden. Hypothese 4: Modulare Maschinen- und Arbeitsorganisation Viele Fertigungsmaschinen besitzen als multifunktionale Bearbeitungszentren bereits heute mehrere Fertigungskompetenzen. Da der Trend nach einer stärkeren Individualisierung Modulare Arbeits- und Maschinenorganisation: Sequenzielle Fertigungslinien werden zunehmend durch modulare und multifunktionale Bearbeitungsinseln ersetzt Agile Feinplanung und Disposition: Die zentrale, deterministische Produktionsplanung -/Produktionsdisposition und Disposition und der wird zunehmend durch eine regelbasierte, dezentrale Feinplanung ersetzt Hypothesen zur Veränderung der Produktion durch Industrie 4.0 Wandernde Werkzeuge und Formteile: Werkzeuge werden flexibler und häufiger disponiert, um auf verschiedenen Bearbeitungsinseln eingesetzt zu werden Dezentrale Arbeitsvorbereitung: Wesentliche Informationen der Arbeitsvorbereitung werden durch Werkstück und Maschine gespeichert und operativ bearbeitet (z. B. Auslastungssteuerung, Fertigungskompetenzen, Fertigungskosten) Exponentieller Nutzen durch Diffusion: Erst durch eine hohe Diffusion intelligenter Elemente im Fertigungssystem können die Vorteile der Industrie 4.0 voll zum Tragen kommen Abb. 6: Hypothesen zur Veränderung der Produktion sowie Produktionslogistik und -planung durch I4.0 Horváth & Partners

9 der Produkte anhält, wird auch die Nachfrage nach flexiblen Multipurpose-Fertigungsmaschinen anhalten. Durch die Veränderung hin zu agilen Fertigungssystemen ohne eine determinierte Festlegung der Maschinen pro Arbeitsschritt müssen die bisherigen Fertigungsorganisationen an die geänderten Anforderungen anpasst werden. Dazu gehört z. B. die Modularisierung der Produktarchitektur sowie der Arbeitspläne. Durch die Schaffung von modularen Architekturen und definierten Schnittstellen wird eine höhere Flexibilität in der Bearbeitung bzw. Montage ermöglicht (vgl. Trumpf in Abb. 4). Hypothese 5: Wandernde Werkzeuge und Formteile Formgebung bzw. Umformung mithilfe von investitionsintensiven Werkzeugen wird durch die Flexibilisierung der Fertigung vor neue Herausforderungen gestellt. Die hohen Investitionsausgaben für die Anschaffung oder Erstellung von Formen und Werkzeugen verhindert oder erschwert die Bevorratung mehrerer Ausführungen desselben Werkzeugs für unterschiedliche Maschinen und den gleichen Fertigungsschritt. Durch eine intelligente Werkzeugdisposition oder -logistik können die Werkzeuge hingegen an die jeweils benötigten Maschinen just in time geliefert und gerüstet werden. So teilen sich bspw. bei neueren Konzepten der Firma Trumpf mehrere Laserbearbeitungszentren eine Laserquelle, um die Auslastung zu maximieren und die Investitionskosten zu senken. Hypothese 6: Exponentieller Nutzen durch Diffusion Die Möglichkeiten, mit flexiblen Fertigungssystemen durch die entscheidungsbasierte Fertigungssteuerung adaptiv auf die Auslastungssituation einzelner Maschinen zu reagieren, sind im Optimalfall hoch. Durch eine höhere Diffusion vernetzter Elemente wächst dieser Vorteil exponentiell mit der Anzahl der eingebundenen Maschinen. Dies ist jedoch gleichbedeutend mit hohen Investitionskosten. Entscheidungen bezüglich der eigenen Digitalisierungs- und Investitionsstrategie in der eigenen Fertigung sollten daher erst nach einer eingehenden Bewertung des unternehmensindividuellen Nutzens durch die Flexibilisierung und einer Gegenüberstellung zu den Transformationskosten (Investitionen, Finanzplan etc.) erfolgen. 4. Veränderung der Unternehmenssteuerung durch Industrie 4.0 In der CFO-Studie 2014 (vgl. Horváth & Partners, 2015) wurden die Bedeutung von I4.0 im CFO-Bereich und einzelner Maßnahmen erfragt. Die kontinuierliche Messung der Wandlungsfähigkeit und Effizienz der eingesetzten Ressourcen wurde als die Maßnahme mit der höchsten Bedeutung in diesem Umfeld identifiziert und gilt als Topherausforderung mit dem größten Handlungsbedarf. Wie bereits angesprochen, haben die operativen Veränderungen durch I4.0 einen großen Einfluss auf die zukünftige operative und strategische Steuerung von Unternehmen. Auf Grundlage der im vorigen Abschnitt vorgestellten Thesen werden im Folgenden die Veränderungen der operativen Steuerung im Hinblick auf die Produktion und die produktionsnahen Wertschöpfungsfunktion bewertet (vgl. Sauter et al., 2015). H1 H2 H3 H4 H5 H6 Selbstregelnde Fertigungssteuerung Agile Feinplanung und Disposition Dezentrale Arbeitsvorbereitung Wandernde Werkzeuge und Formteile Exponentieller Nutzen durch Diffusion Kostenrechnung und Kalkulation Modulare Arbeitsund Maschinenorganisation Produktionscontrolling Operative Planung, Forecasting, Budgetierung Einfluss Direkt Indirekt Kein Reporting Projekt- und Investitionscontrolling Abb. 7: Einfluss der produktionsbezogenen Hypothesen auf die Weiterentwicklung der Unternehmenssteuerung im Hinblick auf I4.0 Insbesondere die Konzepte zur Standardkostenkalkulation und der Kosten- und Ergebnisrechnung müssen auf die sich verändernden Grundlagen (Stücklisten, Arbeitspläne, veränderte Fertigungsprozesse) angepasst werden. Die Ermittlung von (Standard-)Produktionskosten wird durch die nicht mehr in Gänze vorhandenen starren Arbeitspläne erschwert. Wenn sich das Werkstück seinen Weg durch die Fertigung selbst sucht ( Werkstück steuert die Fertigung ), entsteht eine Vielzahl unterschiedlicher Arbeitspläne, die in der Kalkulation nicht ohne Weiteres vollumfänglich abgebildet werden können. Die Steuerungsmodelle, die auf der Abweichungsermittlung (bspw. der Differenz der kalkulierten Standard- oder Sollkosten zu den tatsächlich rückgemeldeten Zeiten und Kosten) und deren Interpretation sowie den entsprechenden Maßnahmen beruhen, müssen ergänzt werden. Liegt nur ein theoretischer Standardoder Basisarbeitsplan wie etwa der Arbeitsplan mit den mittleren Produktionskosten der Kalkulation zugrunde, wird die Interpretation erschwert. Ohne Standardkostenkalkulation kann nur ein idealer Arbeitsplan als Vergleichsmaßstab herangezogen werden. Diese Änderungen haben auch massive Auswirkungen auf das Produktionscontrolling. Als zukünftige Steuerungs- und Vergleichsgröße kann eine neue Methodik der Sollkostenermittlung herangezogen werden, die andere Einflussgrößen der Fertigungssteuerung, wie aktuelle Auslastung der Fertigungsmaschinen, Priorität des Fertigungsauftrages etc., aufweist. Die Lagerhaltung wird verstärkt über stochastische Verfahren gesteuert und das einhergehende Controlling basiert stärker auf Horváth & Partners

10 Forecasting. Auch die Instandhaltungsstrategien und die daraus resultierenden Kosten sind prognosebasiert. Qualitätskosten werden direkt von der Maschine ermittelt und übertragen. Für ein solches Produktionscontrolling müssen die benötigten Daten jedoch automatisiert an die ERP-Systeme übermittelt werden und von diesen interpretierbar sein. Die zunehmende Flexibilisierung und Volatilität der Nachfrage kann dazu führen, dass Planungs- und Budgetierungsprozesse in ihrer Relevanz reduziert werden, während der Schwerpunkt stärker auf Prognose und Forecasting liegt. Die Anbindung neuer Datenquellen, die Fähigkeit der Massendatenauswertung sowie Predictive Analytics also die Ableitung von Strukturen und Zusammenhängen aus unstrukturierten Daten und der Vorhersage bestimmter Einflussfaktoren kann den hohen Aufwand der Erstellung von Informationen für den Planungs- und Forecastprozess durch Automatisierung teilweise reduzieren. Im Bereich des Reportings wird auch der schon vorgestellte Ansatz der Echtzeitabbildung der Fertigung und der aktuellen Zustände durch automatisierte Echtzeitrückmeldung mithilfe der M2M-Kommunikation ermöglicht. Die operative und finanzielle Steuerung kann durch neue Methoden und Verfahren direkter erfolgen, der Zeitverlust von der Datenerhebung zur Datenbereitstellung und der anschließenden Reaktion wird signifikant reduziert. Des Weiteren erfordert eine operative, horizontale Integration der Wertschöpfungsfunktion (Lieferanten/ Kunden) auch eine teilweise Integration der Controllingprozesse zu Controllingnetzwerken derselben Partner. Zudem muss das Projekt- und Investitionscontrolling auf die neuen Herausforderungen vorbereitet werden, um die anstehenden Investitionsentscheidungen hinsichtlich Digitalisierung der Fertigung, Bewertung modularer Konzepte oder Werkzeuginvestitionen angemessen unterstützen zu können. Anzumerken ist, dass die erwähnten Ansätze der Adaption und Weiterentwicklung der Unternehmenssteuerungskonzepte Vorüberlegungen sind. Zurzeit ist die Diskussion über I4.0 noch stark technisch geprägt. Die bereits existierenden I4.0- Anwendungen sind vornehmlich Lösungen für spezielle Anwendungsfälle und Teilbereiche der Wertschöpfung. Ganzheitliche I4.0-Konzepte existieren in der Praxis erst in wenigen Pilotanlagen (bspw. die SmartFactory KL ). Solange sich noch keine Standards etabliert haben, wird auch die Anpassung der Controllinginstrumente nur unternehmensindividuell und schrittweise erfolgen. Die Agenda der CFO- und CIO-Bereiche wird sich in der nahen Zukunft deshalb zunächst auf die Mitgestaltung der Digitalisierungsstrategie, die Bewertung strategischer Investitionsentscheidungen sowie die sukzessive Vorbereitung der operativen Steuerung auf die zukünftigen Anforderungen konzentrieren. 5. Fazit und Ausblick Die heutigen I4.0-Anwendungen fokussieren darauf, die Kernwertschöpfungsprozesse in produzierenden Unternehmen zu einer höheren Prozessintegration und -automatisierung und den dadurch resultierenden Effizienz- und Effektivitätsgewinnen zu optimieren. Die schrittweise Integration und Vernetzung weiterer Wertschöpfungsprozesse, wie zum Beispiel die Produktentwicklung, wird zukünftig noch stärker in den Mittelpunkt rücken. Anders als der Name es impliziert, verläuft die vierte industrielle Revolution noch als Evolution. Die bisher vorhandenen Anwendungen und (Pilot-)Projekte analysieren und fokussieren sich auf einzelne Aspekte der Produktionsabläufe und -arbeit. Die Entwicklung und Vermarktung innovativer Produkte durch neue Geschäftsmodelle bleibt aktuell noch hinter dem vielfach prognostizierten disruptiven Potenzial zurück. Die fortschreitende digitale Durchdringung der Wertschöpfung wird diese Entwicklung allerdings stark beschleunigen. Deshalb gilt es, heute den Einfluss auf das eigene Unternehmen zu analysieren, um die zukünftigen Handlungsfelder aufzuspannen. So ist bereits absehbar, dass die I4.0-Aktivitäten einen weitreichenden Einfluss auf die wertschöpfungsnahe Steuerung haben werden. Unternehmen sind gut beraten, den Anpassungsbedarf frühzeitig zu identifizieren und dem bevorstehenden Wandel aktiv zu begegnen. Erste Ansätze, die Wertschöpfungssteuerung an das neue Umfeld anzupassen, wurden in diesem Paper vorgestellt. Die postulierten Thesen geben hierfür einen ersten gedanklichen Rahmen. Horváth & Partners ist die führende Managementberatung für Unternehmenssteuerung und Performanceoptimierung. Gerne stehen wir Ihnen mit unserer Erfahrung in Konzeption und Umsetzung zur Verfügung. Horváth & Partners

11 Literatur Berthel, H.: Lernende und adaptive Produktionssysteme in der Fabrik der Zukunft, Vortragsunterlagen VDMA Baden- Württemberg, Stuttgart 25. Juli 2013, org/documents/106090/ /festo_vdma_korr%20 Osta.pdf/995f d f29b8566c8dd, Stand: ) Horváth & Partners (Hrsg.): CFO-Studie 2014: Organisation, Best Practices und Trends in Controlling und Finance, Ergebnisbericht, Februar Kagermann, H./Helbig, J./Hellinger, A./Wahlster, W. (Hrsg.): Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0: Deutschlands Zukunft als Produktionsstandort sichern; Abschlussbericht des Arbeitskreises Industrie 4.0: Forschungsunion, Mehanna, W./Rabe, C. M.: Big Data in der Konsumgüterindustrie: Kunden verstehen, Produkte entwickeln, Marketing steuern, erschienen in: Buttkus, M.,/Eberenz, R., Controlling in der Konsumgüterindustrie Innovative Ansätze und Praxisbeispiele, Berlin u.a Sauter, R./Bode, M./Kittelberger, D.: Auswirkungen von Industrie 4.0 auf die produktionsnahe Steuerung der Wertschöpfung, in: Controlling Zeitschrift für erfolgsorientierte Unternehmensteuerung, 27. Jg. (2015), H. 8/9., o. S Horváth & Partners

12 Impressum/Kontakt Herausgeber Horváth & Partner GmbH Phoenixbau Königstr Stuttgart Tel: info@horvath-partners.com Horváth & Partners Management Consultants Horváth & Partners ist eine international tätige, unabhängige Managementberatung mit Sitz in Stuttgart. Das Unternehmen beschäftigt mehr als 600 hochqualifizierte Mitarbeiter an Standorten in Deutschland, Österreich, Rumänien, der Schweiz, Ungarn, Saudi-Arabien und den Vereinigten Arabischen Emiraten. Die Mitgliedschaft in der internationalen Beratungsallianz Cordence Worldwide unterstützt die Fähigkeit, Beratungsprojekte in wichtigen Wirtschaftsregionen mit höchster fachlicher Expertise und genauer Kenntnis der lokalen Gegebenheiten durchzuführen. Die Kernkompetenzen von Horváth & Partners sind Unternehmenssteuerung und Performanceoptimierung für das Gesamtunternehmen wie für die Geschäfts- und Funktionsbereiche Strategie, Organisation, Vertrieb, Operations, Controlling, Finanzen und IT. Horváth & Partners steht für Projektergebnisse, die nachhaltigen Nutzen schaffen. Deshalb begleitet Horváth & Partners seine Kunden von der betriebswirtschaftlichen Konzeption bis zur Verankerung in Prozessen und Systemen. Dr. Ralf Sauter Competence Center Industrial Goods & High Tech RSauter@horvath-partners.com Daniel Kittelberger Competence Center Industrial Goods & High Tech DKittelberger@horvath-partners.com Dr. Maximilian Bode Competence Center Industrial Goods & High Tech MBode@horvath-partners.com