Wertschöpfung durch digitale Aftersales-Konzepte steigern

Für die Mehrzahl der Maschinenbauer liegt der Fokus immer noch auf dem Produkt an sich: Sobald die Maschine beim Kunden steht, gilt das Geschäft im Wesentlichen als abgeschlossen. Aftersales ist traditionell ein oft ungeliebtes Thema, das Ersatzteilmanagement wird eher als Herausforderung denn als Chance gesehen. Mit aktuellen Technologien auf Basis von Sensorik, IIoT (Industrielles Internet of Things), Machine Learning und der Cloud lassen sich Geschäftsmodelle jedoch ganz anders denken: Der Prozess ist nicht damit abgeschlossen, dass die Maschine beim Kunden steht. Stattdessen beginnt ab hier der Kampf um den nächsten Auftrag, um die nächste Maschine, die der Kunde bestellt.

Die Grundlage dafür ist oft bereits vorhanden: Die Hersteller wissen sehr viel über ihre Produkte und haben das Potenzial, ihren Kunden daraus Mehrwerte anzubieten. Das Ziel sollte sein, die Effektivität und Effizienz der gelieferten Maschine oder Anlage dauerhaft auf dem gleichen hohen Level zu halten wie nach der Erstinstallation. Ein Blick in die Praxis zeigt: Viele Anbieter haben ihre Produkte bereits mit weitgehender Sensorik ausgerüstet und wissen genau, wann eine Maschine schlechter läuft. Manchmal ist sogar bereits schon ein Lösungspaket im Einsatz, mit dem sich Sensorsignale weiterleiten, aufbereiten und Probleme detektieren lassen, teils über externe Cloud Services.

Kunden können dann in Portalen anhand von Kennzahlen (KPI) und Diagrammen sehen, wie es um die Performance ihrer Maschine bestellt ist. Allerdings fehlt es fast immer an einer Verbindung zur aktiven Hilfe sobald Probleme auftreten. Sobald sich die Parameter der Maschine verschlechtern, beispielsweise ungewohnte Geräusche auftreten, bieten selbst die Portale vieler großer Anbieter keine Möglichkeit, direkt von hier aus Hilfe oder eine Wartung anzufragen. Gerade in der Durchgängigkeit von Prozessen liegt jedoch ein wichtiges Potenzial im Aftersales-Bereich: Es gehen Umsätze verloren, wenn der Kunde zwar den (manchmal schwierigen) Zustand seiner Maschine sieht, dann aber bestenfalls nur eine Telefonnummer angezeigt bekommt – anstelle an diesem Punkt nach dem "Fire-and-Forget"-Prinzip sofort und final die Behebung des Problems einleiten zu können.

Aus Kundensicht ist es im Alltag manchmal recht komplex, viele unterschiedliche Plattformen und Portale der Maschinenanbieter im Auge zu behalten: Oft sind sehr verschiedene Maschinen und Anlagen in der Fabrik im Einsatz, von denen jede einzelne potenziell zum Produktionsstillstand führen kann. Hier könnte ein Anbieter nun selbst im Problemfall auf den Betreiber zugehen, um einen Termin zu koordinieren.

Wir sprechen hier also von neuen, proaktiven Maßnahmen: Hilfe oder Service zu bieten, bevor der Kunde merkt, dass die Maschine ein Problem hat. Verfolgen Maschinen- und Anlagenbauer den Zustand ihrer Produkte beim Kunden, sollten sie auch automatisch reagieren, ihre Kunden auf Probleme aufmerksam machen und ihnen gleich den nächstmöglichen Wartungstermin anbieten oder die weitere Wartungsplanung entsprechend anpassen. Die Überwachung solcher IoT-Daten ist heute ein Standard-Service in der IT. Entsprechend nachgelagerte Systeme können daraus automatisch Abschätzungen der Dringlichkeit, des Wartungs- und Ersatzteilbedarfes sowie des nächstmöglichen Servicetermins generieren und gegebenenfalls gleich mitschicken.

Die größte Hürde liegt immer noch im Aufbau eines digitalen Service-Ansatzes, wobei der Trend zur Cloud hier mittlerweile für eine hohe Bereitschaft sorgt. Immer mehr Unternehmen vernetzen ihre Produktion und ihre Produkte mit Sensorik. Cloud-Strategien haben sich dabei mittlerweile als sichere Alternative durchgesetzt, vor allem mit Anbietern, die Daten DSGVO-konform und nur in Deutschland verarbeiten.

Das Angebot der Maschinenhersteller muss so klar konzipiert sein, dass es einen Instandhalter oder Werksleiter innerhalb von wenigen Minuten überzeugt. Als besonders erfolgreich haben sich in der Praxis Angebote bewährt, bei denen der Kunde sieht, dass er keine eigene Zeit und Energie mehr in die Lösung von Problemen investieren muss.

Auf Seiten der Maschinenhersteller haben die Service-Abteilungen damit zu kämpfen, dass ihre Leistungen ad hoc angefordert werden. Sie müssen deshalb oft hohe Ersatzteillagerbestände vorhalten und die Personalkapazitäten werden regelmäßig überlastet. Mit dem oben beschriebenen Szenario fällt es nun leicht, Jahresplanungen zu erstellen und Leerphasen mit vorgezogenen Wartungen zu füllen. Nach einer gewissen Einarbeitungszeit lassen sich hier sogar Wartungskampagnen organisieren, in denen beispielsweise alle Kunden eines Gebietes (wie Süddeutschland) in einem bestimmten Zeitraum "eingetaktet" und bedient werden können.

Die nächste Stufe ist dann das "Enhancement" von Produkten: Wie lässt sich ein Standardprodukt für das spezifische Einsatzszenario noch optimaler parametrieren? Gibt es neue, Software-basierte Funktionen? Sollte der Kunde zum Beispiel Komponenten seiner Maschine wechseln, um Wartungsaufwände zu verringern? Für Maschinen- und Anlagenhersteller wird es immer wichtiger, den Kunden sowie dessen Wertschöpfung besser zu verstehen und noch stärker in den Vordergrund zu stellen – und den Service nach diesem Prinzip auszurichten. Ein auf Datenanalytik basierendes Wartungspaket bringt alle Seiten voran: Der Maschinenbetreiber hat mit Servicepaketen weniger eigenen Aufwand und reduziert Downtimes, der Hersteller hingegen kann sein Service-Geschäft ausbalancieren, die Fremdwartungen reduzieren und insgesamt die Kundenzufriedenheit erhöhen – damit der Kunde die nächste Maschine wieder bei ihm bestellt.