it s OWL MarktLab Arbeitspapier Nr. 01 Auswahl geeigneter Pilotprojekte Klaus Backhaus Jonas Jasper

Transkript

1 it s OWL MarktLab Arbeitspapier Nr. 01 Auswahl geeigneter Pilotprojekte Klaus Backhaus Jonas Jasper Münster, 2012

2 Inhaltsverzeichnis Inhaltsverzeichnis... II Abbildungsverzeichnis... III Tabellenverzeichnis... III 1 Einführung it s OWL MarktLab Problemstellung und Ziel des vorliegenden Arbeitspapiers Stufenmodell zur Auswahl geeigneter Innovationsprojekte Stufe eins: Projektbeginn Stufe zwei: Innovationsgrad Stufe drei: Buying Center Stufe vier: Schwierigkeit der Nutzenargumentation Stufe fünf: Form der Stimuli Zusammenfassung der Ergebnisse des Stufenmodells Beschreibung der ausgewählten Innovationsprojekte Pilotprojekt 1: Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen Pilotprojekt 2: Intelligenter Scheinwerfer Pilotprojekt 3: Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen Ausblick Literaturverzeichnis II

3 Abbildungsverzeichnis Abbildung 1: Herausforderungen bei Produktentwicklungen... 4 Abbildung 2: Konzeption des Stufenmodells... 7 Abbildung 3: Anzahl verbleibender Innovationsprojekte Tabellenverzeichnis Tabelle 1: Bewertung des Projektbeginns... 9 Tabelle 2: Bewertung des Innovationsgrades Tabelle 3: Bewertung der Buying Center Strukturen Tabelle 4: Bewertung der Nutzenargumentation Tabelle 5: Bewertung der Stimuli Präsentation III

4 1 Einführung it s OWL MarktLab Das Projekt Marktorientierung Marktorientierung Technische Leistungsvorteile in Nutzenvorteile transformieren ist eine Nachhaltigkeitsmaßnahme des Spitzenclusters Intelligente Technische Systeme OstWestfalenLippe (it s OWL). Schwerpunkt des Spitzenclusters sind technische Systeme mit inhärenter Teilintelligenz, die auf veränderte Umweltbedingungen reagieren, ihr Verhalten selbstständig sowie situationsgerecht anpassen und mit anderen technischen Systemen weltweit im Cyber Space kommunizieren, verhandeln und kooperieren. Es ist dabei jedoch nicht selbstverständlich, dass der Nutzen überlegener Technologieleistungen immer auch beim Nachfrager wahrgenommen wird (siehe Quadrant unten rechts in Abbildung 1). Abbildung 1: Herausforderungen bei Produktentwicklungen Quelle: Eigene Darstellung Wenn ein Technologievorteil gegeben ist, der Markt bzw. Kundenvorteil jedoch nicht wahrgenommen wird, so ist der nachhaltige Erfolg von Innovationsprojekten akut gefährdet. Unternehmen versuchen daher verstärkt, ihre knappen Mittel vor allem auf Erfolg versprechenden Innovationsprojekte zu verwenden, haben jedoch 4

5 Schwierigkeiten diese frühzeitig zu identifizieren. Insbesondere für kleine und mittelständische Unternehmen, die in der Regel eine geringere Kapitalausstattung aufweisen als Großunternehmen, ist es überlebenswichtig und für Wachstumsprozesse unumgänglich, neben der Invention auch die erfolgreiche Markteinführung (Innovation) sicher zu stellen. Zur Effektivitäts und Effizienzsteigerung der Produktentwicklungen im Rahmen der Projekte des Spitzenclusters Intelligente Technische Systeme Ost WestfalenLippe (it s OWL) wird daher ein tool unterstütztes Verfahren zur frühzeitigen Akzeptanzmessungen entwickelt. Dieses komplexe Tool wird methodisch auf der mehrstufigen Limit Conjoint Analyse fußen und als Marktlabor oder kurz MarktLab bezeichnet. 1 Das MarktLab wird auf eine der drei folgenden Lösungen basieren: I. Adaptive Marktlösung (z.b. basierend auf der Sawtooth Software) II. Entwicklung eines eigenen Softwaretools III. Entwicklung eines elektronischen Leitfadens für eine adäquate Vorgehensweise im MarktLab Eine der zentralen Herausforderungen ist hierbei, dass eine Vielzahl der durch den Kunden zu bewertenden Produkte noch nicht real existiert. Um dennoch stabile Präferenzen zu erheben, wird das IAS in Zusammenarbeit mit dem Heinz Nixdorf Institut (HNI) eine realitätsnahe Stimulibeschreibung mit Hilfe virtueller Realitäten entwickeln und in das MarktLab integrieren. Es wird derzeit geprüft, inwieweit sich die virtuelle Realität in die Sawtooth Software integrieren lässt. Da die Entscheidung über den Kauf von technischen Systemen häufig von mehreren Personen gemeinsam getroffen wird, können mit dem Tool zudem multipersonelle Kaufentscheidungen simuliert werden. Bislang existiert keine Softwarelösung, die diese beiden Herausforderungen adressiert. Ziel der Nachhaltigkeitsmaßnahme Marktorientierung ist es daher, ein solches MarktLab zu entwickeln und dadurch die Technologiekomponente des Clusters um eine ökonomische Erfolgsprognose zu ergänzen. Das MarktLab wird dabei mit Hilfe von Case Studies über den gesamten Projektverlauf von fünf ausgewählten Innovationsprojekten (sog. Pilotprojekten) 1 Vgl. Backhaus und Voeth 2010, S

6 entwickelt und eine modulare Struktur aufweisen, wobei der Fokus in der ersten Projektphase bis Ende 2014 auf drei dieser Pilotprojekte gelegt wird. Dadurch sollen Effizienz und Effektivität bei der Produktentwicklung innerhalb der drei Pilotprojekte nachweislich gesteigert werden. Insbesondere soll bei den Pilotprojekten durch die vom IAS betreute Einführung des MarktLab die Misserfolgsquote der Innovationsprojekte im Vergleich zum Branchendurchschnitt gesenkt werden. Zudem sollen Kosteneinsparungen der durch die Unternehmen zu tätigenden Aufwendungen für die Mitarbeit (Opportunitäts und Personalkosten für involvierte Mitarbeiter) für jedes an den Pilotprojekten beteiligten Unternehmen erzielt werden. 2 Problemstellung und Ziel des vorliegenden Arbeitspapiers Bei der Auswahl geeigneter Innovationsprojekte ist es von entscheidender Bedeutung, dass die Pilotprojekte ein repräsentatives Sample einer Vielzahl von Unternehmen abbilden. Ansonsten ist nicht gewährleistet, dass das MarktLab auch zukünftig für eine breite Masse von Unternehmen aus diversen Branchen und Bereichen Relevanz hat. Da das MarktLab in enger Zusammenarbeit mit den Pilotprojekten entwickelt wird, ist der Erfolg des gesamten MarktLabs maßgeblich von der Auswahl dieser Pilotprojekte abhängig. Somit stellt die Auswahl geeigneter Pilotprojekte ein Kernproblem dar. Aus diesem Grund ist das Ziel des vorliegenden Arbeitspapiers die Auswahl dreier geeigneter Pilotprojekte und somit die Erreichung des ersten Meilensteins. Dieser umfasst eine ausführliche Beschreibung aller Innovationsprojekte, die Definition und Gewichtung geeigneter Auswahlkriterien, die Auswahl der Pilotprojekte sowie die Erstellung eines spezifischen Lastenhefts je Pilotprojekt. Um dieses Ziel zu verfolgen, ist der Vorgang zur Erreichung des ersten Meilensteins dreistufig gegliedert: Im ersten Teil wird ein Stufenmodell entwickelt, um die geeigneten Pilotprojekte anhand diverser Kriterien zu identifizieren. Im zweiten Schritt werden die herausgearbeiteten Pilotprojekte tiefgreifend beschrieben und erläutert, warum sich diese 6

7 gut für die Zusammenarbeit eignen. Im letzten Teil werden Handlungsempfehlungen für die nächsten Arbeitspakete abgeleitet und eine Zusammenfassung der Ergebnisse gegeben. 3 Stufenmodell zur Auswahl geeigneter Innovationsprojekte Das Spitzencluster Intelligente Technische Systeme OstWestfalenLippe (it s OWL) umfasst insgesamt 34 Innovationsprojekte, fünf Querschnittsprojekte und acht Nachhaltigkeitsprojekte. Da das MarktLab den Nachhaltigkeitsprojekten zuzuordnen ist, kommen für die Auswahl der Pilotprojekte die 34 Innovationsprojekte in Frage, deren Projektumfänge sich zwischen 4,7 Mio. und 580 Tsd. bewegen. Wie bereits erwähnt, wurde zur Auswahl ein Stufenmodell entwickelt (siehe Abbildung 2). Abbildung 2: Konzeption des Stufenmodells Alle 34 Innovationsprojekte 1 2 Nutzenargumentation Projektbeginn Innovationsgrad 3 Buying Center 4 5 Stimuli Drei Pilotprojekte Quelle: Eigene Darstellung 7

8 Ziel der fünf Stufen ist es, sukzessive anhand der definierten Kriterien die drei möglichen Pilotprojekte für die erste Förderphase einzugrenzen, wie im Folgenden gezeigt werden soll. 3.1 Stufe eins: Projektbeginn In der ersten Stufe wurde das Kriterium Projektbeginn herangezogen, da für das MarktLab in der ersten Förderphase nur Pilotprojekte in Frage kommen, die im ersten Jahr der Förderphase (d.h. 2012) beginnen. Dieses Ausschlusskriterium ist von entscheidender Bedeutung, da das MarktLab innerhalb der ersten Förderphase (d.h ) die ersten Ergebnisse liefern und somit bereits früh Zugriff auf die Daten der Pilotprojekte benötigt wird. Werden nur die Projekte betrachtet, die innerhalb des ersten Projektjahres starten, so reduziert sich die Anzahl der möglichen Projekte auf die in Tabelle 1 hellblau hinterlegten 22 Innovationsprojekte. 8

9 Tabelle 1: Bewertung des Projektbeginns Konsortialführung Innovationsprojekt Projektstart AEG Power Solutions GmbH Solid State Transformatoren für intelligente Leistungssteller 2012 AEG Power Solutions GmbH Implementierung intelligenter Leistungssteller in KMU Netzen 2014 Beckhoff Automation Scientific Automation Integration von ingenieurwissenschaftlichen Erkenntnissen in die 2012 Standardautomatisierung Beckhoff Automation GmbH extreme Fast Control Effizienzsteigerung von Standardbearbeitungsmaschinen 2012 Benteler Automobiltechnik GmbH Adaptive Bauteile 2014 Claas KGaA mbh Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen 2012 Claas KGaA mbh Elektronische Umfelderkennung bei Erntemaschinen 2014 Delta Energy Systems GmbH Effiziente selbsteinstellende Lader für Elektrofahrzeuge 2012 Delta Energy Systems GmbH Hocheffiziente Wandler für Elektrofahrzeuge 2014 Denios AG Intelligentes Gefahrstofflager mit automatisierter Abfülltechnologie 2012 Emil Kemper GmbH, Rietberg (Dr. Ing. H. J. Wessel) Intelligenter und optimierter Knetprozess 2012 Gildemeister AG Intelligente Werkzeugmaschine 2014 Gildemeister AG Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen 2012 Goldbeck GmbH Intelligente Verarbeitung von Großbauteilen mit großen Toleranzen 2013 Harting KGaA Flexibles Montagekonzept durch Fertigungsinseln 2012 Harting KGaA Interaktive Robotik im Fertigungsprozess 2015 Haver & Boecker OHG, Oelde (Dr. S. Intelligente und selbstoptimierende Hüwel) Packmaschine (ISP) 2012 Hella KGaA Hueck & Co. Intelligenter Scheinwerfer 2012 Hella KGaA Hueck & Co. Reichweitenerweiterung elektrisch angetriebener Fahrzeuge 2012 Hesse & Knipps GmbH Intelligente Herstellung zuverlässiger Kupferbondverbindungen 2012 Kannegiesser Ressourceneffiziente Selbstoptimierende Wäscherei 2012 Karl E. Brinkmann GmbH Integrierte Steuerungstechnik für Windenergieanlagen 2014 Lenze SE Intelligente Antriebs und Steuerungstechnik für die energieeffiziente Intralogistik (IASI) 2012 Miele & Cie. KG Energiemanagement in Smart Grid Netzen am Beispiel eines Wärmepumpentrockners 2013 Phoenix Contact GmbH & Co. KG Automation für wandlungsfähige Produktionstechnik 2012 Wago Kontakttechnik GmbH & Co. KG Software Defined Industrial Ethernet 2012 Weidmüller Holding AG & Co. KG Innovative Automatisierungsgeräte durch Industrial IT 2012 Weidmüller Interface GmbH & Co. KG Weidmüller Holding AG & Co. KG Selbstkonfigurierende Hardware Software Architektur Weidmüller Interface GmbH & Co. KG für flexible und verlässliche Feldgeräte 2014 Weidmüller Holding AG & Co. KG Weidmüller Interface GmbH & Co. KG Self X Fertigungsprozesse 2012 Weidmüller Holding AG & Co. KG Selbstkorrigierende Fertigung von Komponenten Weidmüller Interface GmbH & Co. KG der elektrischen Verbindungstechnik 2015 Wincor Nixdorf AG Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 2012 Wincor Nixdorf AG Bedienschnittstelle am Selbstbedienungssystem 2012 Wittenstein motion control GmbH Intelligenter mechatronischer Systembaukasten für die CNC Bearbeitung 2012 Wittenstein motion control GmbH Selbstoptimierung und anwenderorientierte Bedienung einer CNC Bearbeitung 2014 Quelle: Eigene Darstellung 9

10 3.2 Stufe zwei: Innovationsgrad Als zweites Kriterium wurde der Innovationsgrad der Projekte bewertet. Nicht alle Innovationen unterliegen einem gleich hohen Risiko. 2 Der Neuigkeitsgrad von Innovationen lässt sich prinzipiell in eine ordinale Reihenfolge bringen, welche sich zwischen einem hohen und einem geringen Innovationsgrad aufspannt. 3 Ein hoher Innovationsgrad spiegelt sich gerade bei neuen Produkten in einer sehr ungewissen Produktakzeptanz durch die Nachfrager wider, da das neue Produkt die Vorstellungskraft der Interessenten oftmals weit übersteigt. Somit spielt ein frühzeitiger Akzeptanztest mit zunehmenden Innovationsgrad eine wichtige Rolle, um die Misserfolgsquote bei technischen Innovationen zu verringern. 4 Das Kernziel des Markt Labs ist die Reduzierung der Misserfolgsquote von technischen Innovationen im Vergleich zum Branchendurchschnitt. Somit ist bei der Auswahl der Innovationsprojekte darauf zu achten, dass diese einen möglichst hohen Innovationsgrad aufweisen. Zur Bestimmung des Innovationsgrades können wir allerdings nicht auf eine Auskunft der Projektleiter setzten. 5 Eine Befragung der Projektleiter jeden einzelnen Projektes würde keine repräsentative Antwort auf das Problem liefern, da sie dem overconfidence bias unterliegen würden. 6 Um das Problem zu beheben, wurde ein unabhängiges fünf köpfiges Expertenpanel gebildet, das sowohl aus Wirtschafswissenschaftlern als auch Ingenieuren verschiedener Fachrichtungen besteht. Jedes Mitglied des Expertenpanels hatte die Aufgabe, jedes der verbliebenen 22 Innovationsprojekte hinsichtlich des Innovationsgrades zu bewerten. Ziel war es, die in Absatz 3.1 identifizierten 22 Innovationsprojekte in eine dichotome Ordnung (d.h. hoch oder gering ) zu bringen. 7 Dabei sollten Projekte gefunden werden, die einen hohen Innovationsgrad aufweisen. Die Auswertung der Bewertungen des Expertenpanels ist in Tabelle 2 dargestellt, wobei die Spalten Hoch und Gering die Anzahl der Experten wiedergibt, die das Projekt entsprechend eingeordnet haben. 2 Vgl. Schmidt 2001, S Vgl. Olschowy 1990, S. 4 Vgl. Schmidt 2001, S Vgl. Fichter und Hintemann 2011, S. 16f. 6 Der overconfidence bias ist eine Form der Fehleinschätzung bzw. Verzerrung eigenen Könnens und Wissens. Vgl. Fellner und Krügel 2012, S. 143f. 7 Vgl. Backhaus 2011, S

11 Tabelle 2: Bewertung des Innovationsgrades Konsortialführung Innovationsprojekt Hoch Gering AEG Power Solutions GmbH Beckhoff Automation Solid State Transformatoren für intelligente Leistungssteller Scientific Automation Integration von ingenieurwissenschaftlichen Erkenntnissen in die Standardautomatisierung Gesamtbewertung 4 1 Hoch 1 2 Gering Beckhoff Automation GmbH Claas KGaA mbh extreme Fast Control Effizienzsteigerung von Standardbearbeitungsmaschinen Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen 2 3 Gering 3 2 Hoch Delta Energy Systems GmbH Effiziente selbsteinstellende Lader für Elektrofahrzeuge 4 1 Hoch Denios AG Intelligentes Gefahrstofflager mit automatisierter Abfülltechnologie 3 2 Hoch Emil Kemper GmbH, Rietberg (Dr. Ing. H. J. Wessel) Intelligenter und optimierter Knetprozess 1 4 Gering Gildemeister AG Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen 4 0 Hoch Harting KGaA Flexibles Montagekonzept durch Fertigungsinseln 0 4 Gering Haver & Boecker OHG, Oelde (Dr. S. Intelligente und selbstoptimierende Hüwel) Packmaschine (ISP) 0 3 Gering Hella KGaA Hueck & Co. Intelligenter Scheinwerfer 3 2 Hoch Hella KGaA Hueck & Co. Reichweitenerweiterung elektrisch angetriebener Fahrzeuge 5 0 Hoch Hesse & Knipps GmbH Intelligente Herstellung zuverlässiger Kupferbondverbindungen 3 2 Hoch Kannegiesser Ressourceneffiziente Selbstoptimierende Wäscherei 0 3 Gering Lenze SE Intelligente Antriebs und Steuerungstechnik für die energieeffiziente 1 4 Gering Intralogistik (IASI) Phoenix Contact GmbH & Co. KG Automation für wandlungsfähige Produktionstechnik 1 3 Gering Wago Kontakttechnik GmbH & Co. KG Software Defined Industrial Ethernet 0 3 Gering Weidmüller Holding AG & Co. KG Innovative Automatisierungsgeräte durch Weidmüller Interface GmbH & Co. Industrial IT KG 0 4 Gering Weidmüller Holding AG & Co. KG Weidmüller Interface GmbH & Co. Self X Fertigungsprozesse 0 3 Gering KG Wincor Nixdorf AG Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 3 1 Hoch Wincor Nixdorf AG Bedienschnittstelle am Selbstbedienungssystem 0 4 Gering Wittenstein motion control GmbH Quelle: Eigene Darstellung Intelligenter mechatronischer Systembaukasten für die CNC Bearbeitung 1 4 Gering 11

12 Als Ergebnis konnte die Anzahl möglicher Pilotprojekte auf neun reduziert werden (siehe hellblau markierte Projekte in Tabelle 2). 3.3 Stufe drei: Buying Center Analysemethoden zur Messung von Kundenpräferenzen und Zahlungsbereitschaften für innovative Lösungen im Industriegüterbereich sind mit folgendem Problemfeld konfrontiert: Investitionsentscheidungen sind Gruppenentscheidungen mit heterogenen Präferenzen, da die Entscheidung über den Kauf in der Regel von mehreren Personen gemeinsam getroffen wird. Die gedankliche Zusammenfassung aller am Kaufprozess beteiligten Personen bezeichnet man als Buying Center, Decision Making Unit (DMU) oder Gruppe einkaufsentscheidender Fachleute. 8 Diese Gruppen können informell entstehen und sind in der Regel auch nicht institutionell verankert. 9 Des Weiteren ist es möglich, dass sich Mitglieder verschiedener Unternehmensbereiche zu einem formellen Komitee zusammenschließen, um über eine bestimmte Investition zu entscheiden. 10 Unabhängig davon, ob ein Buying Center institutionalisiert ist oder nicht, ist es für den Industriegüteranbieter von entscheidender Bedeutung herauszufinden, wer einem solchen Buying Center angehört, wie die in Nutzendimensionen übersetzten Technologievorteile durch die einzelnen Mitglieder wahrgenommen werden und welchen Einfluss die einzelnen Mitglieder auf die Entscheidung haben. Aus diesem Grund sollen für die Entwicklung des MarktLabs ausschließlich Pilotprojekte integriert werden, deren Kunden eine solche Buying Center Struktur aufweisen. Durch dieses Auswahlkriterium konnte die Liste auf acht potenzielle Pilotprojekte reduziert werden (siehe hellblau markierte Projekte in Tabelle 3. 8 Vgl. Backhaus und Voeth 2010, S. 37 und Hutt und Speh Vgl. Mattson 1988, S Vgl. Thompson et al. 1998, S

13 Tabelle 3: Bewertung der Buying Center Strukturen Konsortialführung AEG Power Solutions GmbH Claas KGaA mbh Innovationsprojekt Solid State Transformatoren für intelligente Leistungssteller Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen Buying Center / Einstufige Entscheider Buying Center Buying Center / Einstufig Delta Energy Systems GmbH Effiziente selbsteinstellende Lader für Elektrofahrzeuge Buying Center Denios AG Intelligentes Gefahrstofflager mit automatisierter Abfülltechnologie Einstufig Gildemeister AG Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen Buying Center Hella KGaA Hueck & Co. Intelligenter Scheinwerfer Buying Center Hella KGaA Hueck & Co. Reichweitenerweiterung elektrisch angetriebener Fahrzeuge Buying Center Hesse & Knipps GmbH Intelligente Herstellung zuverlässiger Kupferbondverbindungen Buying Center Wincor Nixdorf AG Intelligente vernetzte Systeme für automatisierte Geldkreisläufe Buying Center Quelle: Eigene Darstellung 3.4 Stufe vier: Schwierigkeit der Nutzenargumentation Das MarktLab verfolgt das Ziel, Unternehmen bereits im sehr frühen Produktentwicklungsprozess mit Marktinformationen zu versorgen. In Absatz 3.2 wurden dafür bereits Projekte identifiziert, die einen hohen Innovationsgrad aufweisen. Hier sollen jedoch diejenigen Projekte identifiziert werden, bei denen der Nutzen des technologischen Vorteils nicht evident vom Nutzer wahrgenommen wird. Somit fokussiert sich die Auswahl auf Projekte, bei denen eine schwierige Nutzenargumentation vorliegt. Einerseits sind die Produkte noch so früh in der Entwicklungsphase, dass es nur wenige (wenn überhaupt) vorzeigbare Resultate gibt und andererseits entwickeln die Unternehmen ein Produkt oder eine Dienstleistung, welche/s die derzeitige Vorstellungskraft vieler Nutzer überschreitet, da es/sie einen hohen Innovationsgrad aufweist. Dadurch kann die Marktakzeptanz der Innovation in dem frühen Stadium bisher nicht ermittelt werden. 11 Für derartige Innovationen bietet die Conjoint Analyse in Kombination mit verschiedenen Stimuli Formen wie 11 Vgl. Homburg 2012, S

14 der virtuellen Realität die Möglichkeit, in einem früheren Entwicklungsstadion die Marktakzeptanz zu testen, als es beispielsweise mit Beta Tests möglich ist. 12 Aus diesem Grund soll bei der Entwicklung des MarktLabs auf Unternehmen zurückgegriffen werden, bei denen es einerseits schwer ist, den Nutzen der Innovation an den Markt zu kommunizieren und andererseits möglich ist, auf die Stimuli Formen der virtuellen Realität zurückzugreifen (siehe Abschnitt 3.5). Somit wurden Projekte ausgewählt, bei denen eine schwierige Nutzenargumentation vorlag, wodurch sie sich die Liste der verbleibenden möglicher Pilote auf die in Tabelle 4 dargestellten vier reduzierte. Tabelle 4: Bewertung der Nutzenargumentation Konsortialführung Innovationsprojekt Schwierigkeit der Nutzenargumentation AEG Power Solutions GmbH Solid State Transformatoren für intelligente Leistungssteller Gering Claas KGaA mbh Hybride Wertschöpfung bei teilautonomen und mobilen Hoch Landmaschinen Delta Energy Systems GmbH Effiziente selbsteinstellende Lader für Elektrofahrzeuge Gering Gildemeister AG Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen Hoch Hella KGaA Hueck & Co. Intelligenter Scheinwerfer Hoch Hella KGaA Hueck & Co. Reichweitenerweiterung elektrisch angetriebener Fahrzeuge Gering Hesse & Knipps GmbH Intelligente Herstellung zuverlässiger Kupferbondverbindungen Gering Wincor Nixdorf AG Intelligente vernetzte Systeme für automatisierte Geldkreisläufe Hoch Quelle: Eigene Darstellung 3.5 Stufe fünf: Form der Stimuli Bei der Präferenzermittlung für nicht real existierende technische Lösungen gilt grundsätzlich: Je ähnlicher der Befragungsaufbau einem realen Kaufentscheidungs 12 Vgl. Dolan und Matthews 1993, S. 318f. 14

15 prozess für innovative Lösungen ist, desto besser bilden auch die ermittelten Präferenzen die wahren kaufentscheidungsbezogenen psychischen Prozesse des Kunden ab. 13 Die klassische Akzeptanzforschung konzentriert sich daher auf den Zeitraum kurz vor und während der Einführung des Produktes, da hier bereits ein Prototyp vorliegt, mit dem Markttests realitätsnah durchgeführt werden können. 14 Die Kosten eines Fehlerausgleichs sind allerdings umso geringer, je früher die Fehlerquellen erkannt und behoben werden. 15 Vorteilhaft sind daher hypothetische Stimuli, die Nachfragern möglichst frühzeitig eine realitätsnahe Einschätzung ermöglichen. In Abhängigkeit vom Innovationsgrad und der Komplexität der zu bewertenden technischen Lösung können hierzu Texte, Bilder, Videos und interaktive 3D Modelle (Virtuelle Realität) zur Präsentation der Stimuli verwendet werden. Dabei wird der Einsatz multimedialer Stimuli als bestmögliche Alternative zur Präsentation der Produkte gesehen. 16 Somit werden nur Innovationsprojekte in Betracht gezogen, bei denen die Anwendung der virtuellen Realität möglich ist. Durch Anwendung dieses letzten Kriteriums konnten die drei finalen Pilotprojekte identifiziert werden (siehe Tabelle 5). Tabelle 5: Bewertung der Stimuli Präsentation Konsortialführung Innovationsprojekt VR möglich? Claas KGaA mbh Hybride Wertschöpfung bei teilautonomen und mobilen Ja Landmaschinen Gildemeister AG Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen Ja Hella KGaA Hueck & Co. Intelligenter Scheinwerfer Ja Wincor Nixdorf AG Intelligente vernetzte Systeme für automatisierte Geldkreisläufe Nein Quelle: Eigene Darstellung 13 Vgl. Schweikl Vgl. Möhrle Vgl. Weiber et al Vgl. Schmidt 2001, S. 4 und Urban 1996, S. 143ff. 15

16 3.6 Zusammenfassung der Ergebnisse des Stufenmodells Nachdem die Innovationsprojekte des Spitzenclusters it s OWL die fünf Stufen des Modells durchlaufen haben, wurden die drei Projekte identifiziert, mit deren Hilfe das MarktLab entwickelt werden kann. Die Ergebnisse des Stufenmodells sind in Abbildung 3 zusammengefasst. Abbildung 3: Anzahl verbleibender Innovationsprojekte Solid State Transformatoren 2. extreme Fast Control 3. Hybride Wertschöpfung 4. Effiziente selbsteinstellende Lader 5. Intelligentes Gefahrstofflager 6. Flexibles Montagekonzept 7. Intelligente und selbstoptimierende Packmaschine (ISP) 8. Intelligenter Scheinwerfer 9. Reichweitenerweiterung 10. Intelligente Herstellung zuverlässiger Kupferbondverbindungen 11. Intelligenter und optimierter Knetprozess 12. Intelligente Antriebs und Steuerungstechnik 13. Automation für wandlungsfähige Produktionstechnik 14. Software Defined Industrial Ethernet 15. Innovative Automatisierungsgeräte durch Industrial IT 16. Self X Fertigungsprozesse 17. Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 18. Bedienschnittstelle am Selbstbedienungssystem 19. Intelligenter mechatronischer Systembaukasten für die CNC Bearbeitung 20. Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen 9 1. Solid State Transformatoren 2. Hybride 3. Effiziente selbsteinstellende Lader 4. Intelligentes Gefahrstofflager 5. Intelligenter Scheinwerfer 6. Reichweitenerweiterung 7. Intelligente Herstellung zuverlässiger Kupferbondverbindu ngen 8. Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 9. Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen 1. Solid State Transformatoren 2. Hybride Wertschöpfung 3. Intelligentes Gefahrstofflager 4. Intelligenter Scheinwerfer 5. Reichweitenerweiterung 6. Intelligente Herstellung zuverlässiger Kupferbondverbindun gen 7. Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 8. Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen 1. Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen 2. Intelligenter Scheinwerfer 3. Intelligente vernetzte Systeme für automatisierte Geldkreisläufe 4. Intelligente Arbeitsvorbereit ung auf Basis virtueller Werkzeugmaschi nen 1. Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen 2. Intelligenter Scheinwerfer 3. Intelligente Arbeitsvorbereitu ng auf Basis virtueller Werkzeugmaschi nen Projektbeginn Innovationsgrad Buying Center Nutzenargumentation Stimuli Quelle: Eigene Darstellung 16

17 4 Beschreibung der ausgewählten Innovationsprojekte 4.1 Pilotprojekt 1: Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen Als erstes Pilotprojekt wurde das von der Firma CLAAS KGaA mbh durchgeführte Projekt Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen identifiziert, das einem Projektumfang von 1,26 Mio. hat. Ziel des Projektes ist die Schaffung einer universell nutzbaren Umgebung, um Landmaschinen miteinander zu vernetzten. CLAAS deckt zwar die gesamte Wertschöpfungskette von Landmaschinen ab (Mähdrescher, Traktoren, etc.), diese agieren bisher jedoch als autonome Teileinheiten. Der Kunde erwartet jedoch eine optimale, an die jeweilige Situation angepasste Nutzung der Landmaschine. Aus Sicht des Herstellers ist somit eine dienstleistungsorientierte Plattform zu schaffen, die eine flexible Einbindung von Maschinen und personengebundenen Geräten in informationstechnische Prozesse ermöglicht, um damit Automatisierungsmöglichkeiten zu schaffen. Im Gegensatz dazu ist das traditionelle CLAAS Geschäftsmodell derzeit noch stark maschinenfokussiert. Neben der Tatsache, dass Kunden eine Realisierung eines solchen vernetzten Systems forcieren, ermöglichen neue Technologien darüber hinaus auch neue Leistungsversprechen. Obwohl in anderen Branchen internetbasierte Produktangebote bereits die Regel sind, halten die notwendigen Technologien gerade erst Einzug in die Landwirtschaft. Dies ermöglicht es der Firma CLAAS, Vorreiter dieser neuen intelligenten Technologien zu sein und die Rahmenbedingungen, die bis dato noch nicht hinreichend bekannt sind, am Markt international maßgeblich mitzuprägen. Konkret wurde bei zwei gemeinsamen Treffen mit Vertretern der Firma CLAAS eine Applikation identifiziert, die mit Hilfe des conjoint analytischen Ansatzes untersucht werden soll: Dabei handelt es sich um die Eichfähige Ertragskalibrierung. Ziel ist es, die Ertragsmessung mittels Gegenwiegen automatisch zu kalibrieren. Dadurch soll die Effizienz gesteigert werden, indem das Wiegen jeder einzelnen Ladung vermieden wird, da sich das System in regelmäßigen Abständen selbst kalibriert. Ein Vorteil der besseren Ertragsmessung ist die höhere Transparenz für den Kunden. Des Weiteren soll die Ernteherkunft bei dem Prozess dokumentiert werden, was weitre 17

18 chende Kostenersparnisse der Dokumentation und Rechnungsstellung zur Folge hat. Eine solche automatisierte Kalibrierung ist bisher von keinem Mitanbieter am Markt verfügbar, wodurch es sich um eine Innovation mit hohem Innovationsgrad (Vgl. Abschnitt 3.2) handelt. Zusammenfassend lässt sich festhalten, dass sich das Projekt Hybride Wertschöpfung bei teilautonomen und mobilen Landmaschinen aufgrund der folgenden drei Punkte sehr gut für die Entwicklung des MarktLabs eignet: Erstens wird mit Hilfe der Conjoint Analyse die Möglichkeit geboten, die Aussagekraft hinsichtlich der Preisbereitschaft und des wahrgenommenen Nutzens der Anwendungen wissenschaftlich fundiert und unter Einbeziehung von Kunden zu steigern. Zweitens befindet sich das Projekt noch in einem sehr frühen Entwicklungsstadium, so dass es notwendig ist, bereits frühzeitig kaufentscheidende Merkmale zu identifizieren, die den weiteren Entwicklungsprozess der Dienstleistung steuern. Drittens wurde bei den gemeinsamen Gesprächen mit Unternehmensvertretern von CLAAS besprochen, dass die Einbindung von virtueller Realität generell möglich sei, die Stimuli Form Bild/Video jedoch als geeigneter erscheint. 18

19 4.2 Pilotprojekt 2: Intelligenter Scheinwerfer Als zweites Pilotprojekt wurde das von der Firma HELLA KGaA Hueck & Co. durchgeführte Projekt Intelligente Scheinwerfer identifiziert, das ein Volumen von 960 Tsd. hat. Ziel des Projektes ist die Entwicklung eines selbstjustierenden Scheinwerfersystems ohne mechanische Einstellelemente im zyklisch deterministischen oder kontinuierlichen Zustand zur optimalen Steuerung der Lichtverteilungen. Somit geht es um die Erarbeitung eines ganzheitlichen Scheinwerferkonzepts, das die LED verwendet und dabei funktional bisherige Systeme mit konventionellen Lichtquellen übertrifft. 17 Durch die Einbindung eines Kamerasystems und der LED Lichtquelle soll dabei die Gesamtkomplexität des Scheinwerfers reduziert werden. Des Weiteren soll das Scheinwerferkonzept so konzipiert sein, dass die ordnungsgemäße Einstellung des Scheinwerfers ohne manuelle Eingriffe über die gesamte Lebensdauer des Systems gewährleistet ist. Mit Hilfe des Kamerasystems und/oder weiterer Sensorik soll es dem System gelingen, automatisch die Umgebung zu erkennen und das Scheinwerferlicht situationsgerecht zu optimieren. Dabei ist sicherzustellen, dass das Scheinwerfersystem einer korrekten Justage unterliegt. Diese sollte bestenfalls kontinuierlich korrigiert werden und auf die Solllage eingestellt sein, da ein hochentwickeltes Beleuchtungssystem einen geringen Nutzen hat, wenn der Scheinwerfer an sich nicht richtig eingestellt ist. Somit erhöht dieses intelligente System nicht nur die Sicherheit sondern auch die Ressourceneffizienz, da die Anzahl der mechanisch notwendigen Elemente im Vergleich zu herkömmlichen Systemen reduziert wird. 18 Bei der Entwicklung des Projektes fokussiert sich die Firma HELLA dabei auf die folgenden vier Eigenschaften: Neue Materialien: innovative Polymere, Materialkomposition, etc. Sensorik und Datenverarbeitung: Sensorkonzepte, Sensorfusion, Datenaufbereitung & Ansteuerung, etc. 17 Vgl. OstWestfalenLippe Marketing GmbH 2012, S Vgl. HELLA KGaA Hueck & Co. 2012b, S

20 Systemperipherie: Kalibrierabläufe, Peripheriegeräte für Werkstatt, Rückfallszenarien, etc. Aktorik & Konstruktion: Innovative Konstruktionskonzepte, Aktorikkonzepte, Materialanpassung, etc. 19 Aufgrund dieser klaren Aufteilung in Eigenschaften und bereits vorhandenen Eigenschaftsausprägungen eignet sich das Projekt sehr gut für die Bearbeitung mit dem conjoint analytischen Verfahren. 20 Des Weiteren handelt es sich um ein sehr differenziertes Projekt, im Vergleich zu dem im Absatz 4.1 vorgestellten Innovationsprojekt. Das Projekt hat einen weiteren großen Vorteil für die Entwicklung des MarktLab: es ist besonders gut dafür geeignet, die Stimuli Form der virtuellen Realität zu verwenden. Die Wahrnehmung von Lichtveränderungen ist sehr komplex, sodass sich die Darstellung mit Hilfe der virtuellen Realität dabei anbieten. Werden Kundenpräferenzen abgefragt, dann übersteigt es die kognitive Fähigkeit der Probanden, sich beispielsweise eine verbesserte Lichtqualität von 10% vorzustellen. Besteht hingegen die Möglichkeit, diese Lichtverbesserung zu erleben, so können diese verschiedenen Erfahrungswerte von den Probanden bewertet werden. 21 Des Weiteren müssen die Probanden nur das Ergebnis der veränderten Lichtverhältnisse bewerten, jedoch nicht die einzelnen dahinterstehenden technischen Anpassungen verstehen. Mit anderen Worten bewerten Probanden ausschließlich die ganzheitlichen Ergebnisse (CONsidered JOINTly), obwohl die dabei betrachteten Objekte sich aus bestimmten Merkmalen und Eigenschaften zusammensetzten, wodurch sich die Befragung per Definition für die Conjoint Analyse eignet Vgl. HELLA KGaA Hueck & Co. 2012a, F Vgl. Backhaus 2011, S. 462ff. und Orme 2010, S. 51ff. 21 Vgl. Petersen und Bente 2001, S Vgl. Backhaus 2011, S

21 4.3 Pilotprojekt 3: Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen Als drittes Pilotprojekt wurde das von der Gildemeister AG zu realisierende Projekt Intelligente Arbeitsvorbereitung auf Basis Virtueller Werkzeugmaschinen identifiziert. Ziel des Projektes ist die Erarbeitung von Effizienzpotenzialen in der Fertigung. Dabei sollen unter anderem unterschiedliche Aufspannlagen, Werkzeugmagazinkonfigurationen oder Bearbeitungsreihenfolgen für Werkstücke automatisch optimiert werden. Darüber hinaus sollen bestehende Ressourcen durch die Simulation optimal genutzt werden können. Bis dato wurde die optimale Maschinenkonfiguration anhand von Testläufen eingestellt und durch den Werker verifiziert. Diese Konfiguration soll in Zukunft automatisch erfolgen. Ein weiteres Projektziel ist die ressourceneffiziente Auftragsverteilung der Maschinen, bei denen anstehende Aufträge bestmöglich auf die verfügbaren Werkzeugmaschinen verteilt werden. Bei diesem vielversprechenden Projekt werden derzeit noch die Kooperationsmöglichkeiten im Rahmen des MarktLabs in Zusammenarbeit mit den Projektverantwortlichen seitens Gildemeister abgesteckt. Dennoch wurde bereits beidseitiges Interesse einer Zusammenarbeit bekundet. Das Projekt würde sich sehr gut dafür eignen, Buying Center Strukturen (siehe Abschnitt 3.3) abzufragen, da der Kauf einer Werkzeugmaschine erhebliche Investitionen erfordert, die in der Regel nicht von Einzelpersonen getroffen werden. 23 Somit würde die Integration des Innovationsprojektes der Anforderung gerecht werden Informationen darüber zu generieren, wie aus den verschiedenen Präferenzen der Buying Center Mitglieder eine Entscheidung für ein neues technisches System fällt Vgl. Backhaus und Voeth 2010, S Backhaus 2012, S

22 5 Ausblick Im nächsten Arbeitsschritt werden mit jedem der drei Pilotprojekte geeignete Produktmerkmale identifiziert und in einem Merkmalskatalog zusammengefasst. Auch werden die konkreten Input Faktoren gemeinsam mit den Projektleitern für die Conjoint Analyse erstellt. Des Weiteren sollen die Buying Center Strukturen untersucht werden und eine Datenbank der einzelnen Buying Center Mitglieder vorliegen. Zudem soll im nächsten Arbeitspaket das Untersuchungsdesign und somit ein spezifisches Lastenheft je Pilotinnovationsprojekt vorliegen. 22

23 Literaturverzeichnis Backhaus, Klaus (2011): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. 13. Aufl. Berlin: Springer. Backhaus, Klaus (2012): Rahmenplan zum Projekt itsowl MarktLab. Marktorientierung Technische Leistungsvorteile in Nutzenvorteile transformieren. Backhaus, Klaus; Voeth, Markus (2010): Industriegütermarketing. 9., überarb. München: Vahlen. Dolan, Robert J.; Matthews, John M. (1993): Maximizing the utility of customer product testing: Beta test design and management. In: Journal of Product Innovation Management 10 (4), S Fellner, Gerlinde; Krügel, Sebastian (2012): Judgmental overconfidence: Three measures, one bias? In: Journal of Economic Psychology 33 (1), S Fichter, Klaus; Hintemann, Ralph (2011): Grundlagen des Innovationsmanagements: Carl von Ossietzky Universität Oldenburg. HELLA KGaA Hueck & Co. (2012a): Projektpräsentation: ASSIST Aktorbasierte Systeme für eine selbst justierende intelligente Scheinwerfertechnologie. HELLA KGaA Hueck & Co. (2012b): Rahmenplan zum Verbundprojekt itsowl ASSIST. Aktorbasierte Systeme für eine selbstjustierende intelligente Scheinwerfertechnologie (2.15). Homburg, Christian (2012): Marketingmanagement. Strategie Instrumente Umsetzung Unternehmensführung. 4. Aufl. Wiesbaden: Betriebswirtschaftlicher Verlag Gabler. Hutt, Michael D.; Speh, Thomas W. (2010): Business marketing management. B2B. 10. Aufl. United States ; United Kingdom: South Western/Cengage Learning. Mattson, Melvin R. (1988): How to determine the composition and influence of a buying center. In: Industrial Marketing Management 17 (3), S Möhrle, Martin (1995): Prämarketing. Zur Markteinführung neuer Produkte. Wiesbaden: Gabler. Olschowy, Wolfram (1990): Externe Einflussfaktoren im strategischen Innovationsmanagement. Auswirkungen externer Einflussgrössen auf den wirtschaftlichen Innovationserfolg sowie die unternehmerischen Anpassungsmassnahmen. Berlin: E. Schmidt. Orme, Bryan K. (2010): Getting started with conjoint analysis. Strategies for product design and pricing research. 2. Aufl. Madison, WI: Research Publishers. OstWestfalenLippe Marketing GmbH (2012): Intelligente Technische Systeme Ost WestfalenLippe. Für die Märkte der Zukunft. Kurzbeschreibungen der Projekte (Projektblätter) Anlage zur Strategie. Bielefeld. Petersen, Anita; Bente, Gary (2001): Situative und technologische Determinanten des Erlebens virtueller Realität. In: Zeitschrift für Medienpsychologie 13 (3), S

24 Schmidt, Thorsten (2001): Einsatzfelder für multimediale Akzeptanzmessungen bei technischen Innovationen. Theoretischer Erklärungsansatz und empirische Überprüfung. 1. Aufl.: LIT Verlag Münster. Schweikl, Herbert (1985): Computergestützte Präferenzanalyse mit individuell wichtigen Produktmerkmalen. Berlin: Duncker & Humblot. Thompson, Keith; Mitchell, Helen; Knox, Simon (1998): Organisational buying behaviour in changing times. In: European Management Journal 16 (6), S Urban, Glen L. (1996): Validation and lessons from the field. Applications of information acceleration. Cambridge, MA: International Center for Research on the Management of Technology, Sloan School of Management, Massachusetts Institute of Technology. Weiber, Rolf; Kollmann, Tobias; Pohl, Alexander (2006): Das Management technologischer Innovationen. In: Michael Kleinaltenkamp, Wulff Plinke, Frank Jacob und Albrecht Sö (Hg.): Markt und Produktmanagement. Wiesbaden: Gabler, S

25 IAS 2012 Zitierfähig nur mit Zustimmung der Autoren.