Kongressvortrag von Frederick Birtel vom FIR an der RWTH Aachen. Kurze Vorstellung des FIR und des RWTH Aachen Cluster Smart Logistics. Konsortial-Benchmarking Smart Maintenance. Digital dokumentierten Anlagenstruktur. Mobile Assistenzsysteme, Predictive Maintenance, Instandhaltungskosten, Instandhaltungsorganisation, acatech Studie Smart Maintenance, Smart Maintenance Assessment, Center Smart Services

1. © FIR e. V. an der RWTH Aachen
©AndreasHorsky
Erfolgsprinzipien der Smart Maintenance - Was Unternehmen schon heute
erfolgreich umsetzen
Frederick Birtel
FIR an der RWTH Aachen

2. © FIR e. V. an der RWTH Aachen
Am RWTH Aachen Cluster Smart Logistics werden Lösungen für digital
vernetzte Unternehmen gemeinsam entwickelt und angeboten
2
• Mehr als 350 Forscher / Berater/ Data Scientisten & Entwickler
• Mehr als 70 immatrikulierte Mitglieder
• Mehr als 500 Kunden und Partner bei laufenden Projekten
• Mehr als 250 Projekte pro Jahr
• Mehr als 20 Spin-Offs
Mitglieder & Projektpartner
(Auszug)
Engineering Digital Business
Managing Digital Transformation
Next Level Information
Logistics
The next Generation
of Business Applications
Realize Digital Transformation
Innovation
Labs
Demofabrik

3. © FIR e. V. an der RWTH Aachen
Wir begleiten Unternehmen auf der Transformation zum Anbieter digitaler,
datenbasierter Lösungen
3
Anbieten von
Produkten;
Dienstleistung
nicht verrechnet
Anbieten einzelner
Dienstleistungen
zusätzlich zum Produkt
Anbieten einer
Dienstleistung als
integraler Bestandteil
des Angebots
Anbietern einer
Gesamtlösung; Produkt
nicht unbedingt
Kernbestandteil
Anbieten einer
Gesamtlösung als
Dienstleistung in einem
Betreibermodell (z.B.
Verfügbarkeits- oder
Funktionsgarantien)
Transformationslinie
Produkt
Digitale
Lösung
Anbieten und Entwickeln
datenbasierter Lösungen
(z.B. Service-Plattform )
Dienst-
leistung
Produkt
Lösung
Dienst-
leistung
Produkt
Produkt
+
Dienstleistung
Pay per hour
Business
Optimization
Implementation
Services
Digital Twin
Aviation
Analytics
Maintenance
and Repair

4. © FIR e. V. an der RWTH Aachen
Lessons Learned3
... auf strategischer Ebene2.4
... auf taktischer Ebene2.3
... auf Werkstattebene2.2
... auf dem Shopfloor2.1
Top-Performer und Follower der "Smart Maintenance"2
Der Blick über den Tellerrand1
Agenda
4

5. © FIR e. V. an der RWTH Aachen 5
Wie gehen wir bei der
Erfassung von Daten
an unseren Anlagen
vor?
Welchen nutzen stiften
digitale Assistenz-
systeme für unsere
Instandhaltung?
Wie nähern wir uns
dem Thema
`Datenanalyse´ in der
Instandhaltung?
Worauf müssen wir
bei der Qualifikation
unserer Mitarbeiter in
der Instandhaltung
achten?
Welche Partner
brauchen wir, um
unsere Instandhaltung
weiterzuentwickeln?
Wie können wir
Smart-Maintenance-
Projekte am besten
umsetzen?

6. © FIR e. V. an der RWTH Aachen
Mit Hilfe des Konsortial-Benchmarkings „Smart Maintenance“ wurden Top-Performer
identifiziert und genauer untersucht
6
Kick-off Meeting Besuch 5 ausgewählter Unternehmen
Screening Phase
Review Meeting
Abschlusskonferenz
Dez. Jan. Feb. März April MaiJuli Aug. Sep. Okt.
2018 2019
Nov.
Durchführung einer
Fragebogenstudie zum Thema
„Smart Maintenance“
Identifikation von Unternehmen
mit erfolgreichen Ansätzen zu
„Smart Maintenance“
Auswahl von vier
Successful-Practice
Unternehmen
Festlegung der relevanten
Fragestellungen mit
Konsortialpartnern

7. © FIR e. V. an der RWTH Aachen
Lessons Learned3
... auf strategischer Ebene2.4
... auf taktischer Ebene2.3
... auf Werkstattebene2.2
... auf dem Shopfloor2.1
Top-Performer und Follower der "Smart Maintenance"2
Der Blick über den Tellerrand1
Agenda
7

8. © FIR e. V. an der RWTH Aachen 8
Smart Maintenance auf dem Shopfloor

9. © FIR e. V. an der RWTH Aachen 9n=85; Bildquelle: https://www.i40-bw.de/de/100orte/robert-bosch-gmbh
Top-Performer
Follower
Eine hoher Detailgrad der digital dokumentierten Anlagenstruktur liefert die notwendige
Basis für Smart Maintenance
24%
0%
23%
8%
30%
36%
12%
28%
32%
7%
in Form von technischen Plätzen o. ä digital
hinterlegt
digital bis auf Anlagenebene
digital auf Ebene einzelner Maschinen oder
Module
digital auf Ebene von Baugruppen/-teilen
digital auf Ebene von Funktionen der einzelnen
Bauteile/-gruppen
Wie weit sind die instand zu haltenden Assets (Maschinen/Anlagen) strukturiert?
Eine Antwortmöglichkeit
Top-Performer
Follower
Beispiel Stammdatenpflege,
Top-Performer
First things first:
„Wir haben unser Augenmerk zunächst
bewusst auf die Pflege und Aufbereitung
unserer Stammdaten gelegt und damit
die notwendige Voraussetzung für die
erfolgreiche Anwendung weiterer
digitaler Technologien (z. B. Assistenz-
systeme, Datenanalyse) in der Instand-
haltung geschaffen.“
Fallbeispiel: Datenunterstütztes Shopfloor-Management bei Bosch am Standort Stuttgart Feuerbach
 Bis auf Baugruppen digital strukturierte
Anlagen
 Fortlaufende Dokumentation der
Anlagenhistorie über alle
Instandhaltungsmaßnahmen hinweg
 Anbindung des ERP und
Kennzahlensystems
 Bedarfsgerechter Drilldown pro Anlage
 Tägliche Besprechung der Produktions-
und Instandhaltungsperformance
 Retrospektive Bewertung durchgeführter
Instandhaltungsmaßnahmen
 Abstimmung kurzfristiger Maßnahmen und
Fortschreibung der mittelfristigen
Wartungs-/Instandsetzungsplanung
 Direkter Austausch zwischen Prod. & IH

10. © FIR e. V. an der RWTH Aachen
■ 31 % der Top-Performer und 40 % der Follower geben
an, keine mobilen Assistenzsysteme zu nutzen
■ Durch mobile Assistenzsysteme können zusätzliche
Daten in Echtzeit erfasst werden
■ Mobile Assistenzsysteme vereinfachen die richtige
Dokumentation von Instandhaltungsaufträgen
Mobile Assistenzsysteme dienen primär der Erweiterung und Verbesserung der
digitalen (Anlagen-)Dokumentation
10n=94
31
40
Keine Nutzung von mobilen
Assistenzsystemen
Einsatz mobiler Assistenzsysteme
Top Performer
Follower
62%
54%
13%
34%
18%
23%
32%
46%
Dokumentation des Arbeitsfortschritts der Arbeiten
Bereitstellung von Arbeitsanweisungen (statische
Inhalte, z. B. Wartungspläne, Checklisten)
Zur Identifikation technischer Plätze (z. B. mittels
RFID, Barcode, NFC)
Remote Service/Maintenance bei externen Kunden
Für welche Anwendungsfälle werden mobile Assistenzsysteme (z. B. Datenbrillen,
Tablets, Smartphones) in der Instandhaltung/im Service eingesetzt?
Mehrfachnennung
Beispiel Assistenzsysteme, Top-
Performer
Neue Wege beschreiten:
„Augmented Reality eröffnet uns einen
spannenden, kostengünstigen Weg direkt zum
Kunden.“
Top-Performer
Follower

11. © FIR e. V. an der RWTH Aachen 11
Smart Maintenance auf Werkstattebene

12. © FIR e. V. an der RWTH Aachen
Wie identifizieren Sie Anwendungsfälle für Datenanalysen in der Instandhaltung/im Service?
12n=72; n=75
-50 100500-100
Hypothesen zu Zusammenhängen und Anwendungsfällen
werden bei uns in interdisziplinären Teams diskutiert und
priorisiert.
Wir priorisieren Anwendungsfälle anhand der damit
verbundenen Nutzenpotenziale.
Wir führen Datenanalysen im Nachgang von schwerwiegenden
Störfällen durch.
Top-Performer
Follower
Produktivität und Qualität stechen als Anwendungsfälle für Datenanalysen in der
Instandhaltung gegenüber Predictive Maintenance deutlich hervor
Welche Erkenntnisse gewinnen Sie aus Ihren Instandhaltungsdaten?
Beispiel Datenanalyse,
Top-Performer
Den richtigen Hebel finden:
„Datenanalysen für die Instand-
haltung ergeben für uns gegenwärtig
wenig Sinn, da wir größere
Potenziale bei der Qualität und der
Prozessgestaltung für unsere
Anlagen sehen.“
 Lohnenswerte Use-Cases zu identifizieren ist nach wie vor
eine Herausforderung im Instandhaltungs-/Service-Kontext.
 Viele Unternehmen fokussieren sich daher beim Thema
Datenanalyse auf die Verbesserung der Qualität und
Produktivität ihrer Produktion.
 Top-Performer können häufiger Rückschlüsse auf die
Qualität und Produktivität ziehen.
75
35 31
84
29
9
x 2
x 3
x 3
Wir ziehen Rückschlüsse über
optimierte Betriebsparameter
hinsichtlich der Qualität der
Produktion.
Wir ziehen Rückschlüsse über
optimierte Betriebsparameter
hinsichtlich der Produktivität der
Produktion.
Wir können den Ausfall-
zeitpunkt von Komponenten mit
Prognosemodellen vorher-
sagen.
Top-Performer
Follower

13. © FIR e. V. an der RWTH Aachen 13
Top-Performer
Follower
Welche Methoden der Mitarbeiterentwicklung werden Ihrem Unternehmen in der
Instandhaltung/im Service angewendet?
Mehrfachnennung möglich
79%
38%
50%
81%
88%
33%
11%
73%
31%
17%
Präsenzveranstaltung
On-the-Job-Training
E-Learning
Blended Learning
Assistenzsysteme unterstütztes On-the-
Job-Training
Auch die Mitarbeiterqualifizierung passt sich technologisch und organisatorisch den
Rahmenbedingungen der Smart Maintenance an
 Top-Performer setzen dreimal häufiger einen
Schwerpunkt auf Datenanalyse bei ihren internen
Weiterbildungsangeboten
 Ebenso setzen Sie vermehrt auf digitale
Qualifizierungsmaßnahmen, wie E-Learning oder
Blended-Learning
Beispiel Mitarbeiterqualifizierung,
Top-Performer
Erfolgsfaktor – Qualifizierung in Data Science:
„Wir haben ein internes und unternehmens-
weites Schulungsprogramm für Data Science
und Machine Learning aufgebaut. Unsere Data
Scientisten können in virtuellen Kursen ihre
bisherigen Kenntnisse vertiefen und
erweiterten.“
32%
73%
54%
38%
25%
42%
8%
23%
27%
21%
Vertiefung vorhandenen Fachwissens
(Mechanik, Elektrik, Hydraulik etc.)
Automatisierung von Produktionsanlagen
Vermittlung von IT-Kenntnissen (z. B.
Programmierung)
Umgang und Verfahren für Datenanalyse
Vermittlung von Soft-Skills (z. B.
Mitarbeiterführung etc.)
Welche Schwerpunkte hatten die Schulungen für Instandhaltungs-/
Servicepersonal innerhalb der letzten 3 Jahre?
Zwei Antwortmöglichkeiten
n=89; n=89
Top-Performer
Follower

14. © FIR e. V. an der RWTH Aachen 14
Smart Maintenance auf taktischer Ebene

15. © FIR e. V. an der RWTH Aachen n=83; n=70
Partnerschaften helfen dabei, eigene Kompetenzbereiche zu ergänzen und Wissen zu
erweitern bzw. zu sichern
Mit welchen Partnern kooperieren Sie bei der Analyse von Betriebs-
und Zustandsdaten?
Mehrfachnennung möglich
50%
46%
58%
15%
38%
32%
18%
23%
7%
23%
Hersteller von Sensorik / Aktorik
Forschungseinrichtungen / Hochschulen
Hersteller von Maschinen / Anlagen
IT-Dienstleister mit Analysesoftware
Unternehmensberatungen
Top-Performer
Follower
32
Beispiel Wissensmanagement,
Top-Performer
Erfolgsfaktor – Wissen aus Berichten generieren:
„Wir erproben derzeit mit IBM Watson und Text
Mining Verfahren, wie wir Wissen aus
historischen Vertriebs- und Serviceberichten
extrahieren können. Hierfür können wir
unstrukturierte Daten bereits sinnvoll
strukturieren.
MethodenwissenSoftwareexpertise Technologie- und Engineeringexpertise
50%
Algorithmusexpertise (Produktions-) Prozessexpertise
38%
35%
30%
35%
18%
30%
16%
35%
39%
Welche Expertise ist für Sie besonders wichtig bei der Auswahl Ihrer Partner für die Analyse von Betriebs- und Zustandsdaten?
Mehrfachnennung möglich
Top-Performer
Follower

16. © FIR e. V. an der RWTH Aachen 16n=70; [1] https://www.ibm.com/watson
Auf welche Art erfolgt in Ihrem Unternehmen der Wissensaustausch in der Instandhaltung?
500-50-100 100
Mitarbeiter machen ihr Erfahrungswissen in technischen Systemen zugänglich (z.
B. Wissensdatenbanken, Wikis etc.).
Der direkte Erfahrungsaustausch wird durch technische Systeme unterstützt (z. B.
Social Software).
Es existieren Anreizprogramme, um die Wissensweitergabe zu motivieren (z. B.
monetär, sachbezogen).
Aus semi-/unstrukturierten Daten (z. B. Wartungsberichten, E-Mails, Chat) wird
automatisiert explizites Wissen generiert.
Die Beherrschbarkeit von Wissen stellt eine zentrale Fähigkeit von Smart Maintenance
Organisationen dar
Top-Performer
Follower
Fallbeispiel: Nutzung von IBM-Watson zur Auswertung von Serviceberichten bei Trumpf Werkzeugmaschinen
Serviceberichte
Manuelle Dokumentation der
Servicearbeiten
Text Mining1
Interpretation/Verschlag-
wortung der Berichte
Analyse
Bestimmung von Häufig-
keiten/Mustererkennung
Maßnahmen
Proaktiver Service und
Produktverbesserung

17. © FIR e. V. an der RWTH Aachen 17

18. © FIR e. V. an der RWTH Aachen 18
1 : 3
bis
1 : 5
78%
88%
72%
88%
72%
88%
Erst die Summe aus direkten und indirekten Instandhaltungskosten ermöglichen das
Fällen fundierter Entscheidungen für die Instandhaltungsorganisation
13%
19%
6%
27%
19%
2% 2%
19%
2%
15%
0%
12%
35%
7%
Top-Performer
Follower
n=80 [1] Konsortial-Benchmarking Smart Maintenance 2019, [2] Kuhn et al. 2006, [3] Blechschmidt et al. 2011
2,3
Materialkosten Personalkosten Fremddienst-
leistungskosten
Entgangene
Deckungsbei-
träge durch
Produktions-
ausfälle
Pönalen
Konventional-
strafen
Neu-/Umpla-
nung des
Produktions-
programms
Neu-/Umpla-
nung des Instand-
haltungspro-
gramms
Verkürzte
Lebenszeit
Sonderschichten
und Wochenend-
arbeiten
Entgangene
Deckungsbei-
träge durch
Qualitäts-
verluste
Welche Instandhaltungskosten / Ausfallfolgekosten werden bei Ihnen im Unternehmen erfasst?
Mehrfachnennung möglich
 Top-Performer können durch die
Folgekosten deutlich häufiger den
Wert der Instandhaltung/des
Services in ihren Organisationen
und ggü. Kunden darstellen.

19. © FIR e. V. an der RWTH Aachen
Wir setzen Smart-Maintenance-Projekte mit
iterativen Methoden (z. B. Scrum) um.
standortübergreifende Teams
umfassende und langfristige Roadmap für die
Umsetzung von Smart Maintenance
19n=65; n=55
Wie sind Sie bei der Umsetzung von Smart Maintenance bisher vorgegangen?
Smart Maintenance zeichnet sich durch einen standortübergreifenden Austausch
aus und wird bereits als eigenständiges Managementkonzept wahrgenommen
-100 -50 1000 50
Top-Performer
Follower
Beispiel Smart-Maintenance-Initiative,
Top-Performer
Fokus Smart Maintenance
„Unsere Smart-Maintenance-Initiative ist
zentraler Bestandteil einer werksüber-
greifenden Digitalisierungsinitiative, die
von unserer Geschäftsführung
vorangetrieben wird.“
Wie wird Smart Maintenance mit klassischen Managementkonzepten (z. B. TPM, RCM) in der Instandhaltung verbunden?
Eine Antwortmöglichkeit
Smart Maintenance hat sich als
eigenständiges Konzept etabliert und die
bis dato bestehenden Konzepte abgelöst.
Smart Maintenance wird unabhängig
von vorhandenen Konzepten eingeführt
bzw. umgesetzt (parallele Umsetzung).
5%
Smart Maintenance wird nicht als
Managementkonzept eingeführt.
Smart Maintenance dient als punktuelle
Erweiterung der bestehenden
Managementkonzepte, wobei die
Kernelemente der bestehenden
Konzepte weiterhin führend bleiben.
27%
39%
27%
24%
41%
30%
6%
x 4
Follower
Top-Performer

20. © FIR e. V. an der RWTH Aachen
Lessons Learned3
... auf strategischer Ebene2.4
... auf taktischer Ebene2.3
... auf Werkstattebene2.2
... auf dem Shopfloor2.1
Top-Performer und Follower der "Smart Maintenance"2
Der Blick über den Tellerrand1
Agenda
20

21. © FIR e. V. an der RWTH Aachen 21
7 Erfolgsprinzipien charakterisieren erfolgreiche
Unternehmen auf dem Weg zur Smart Maintenance
Prinzip 2:
Roadmap gestalten und
folgen!
Prinzip 4: Komplexität
beherrschbar machen!
Prinzip 3:
Hausaufgaben
erledigen!
Prinzip 7:
Beute machen!
Prinzip 5:
Domänenwissen
verfügbar machen!
Prinzip 1:
Die gleiche Sprachen
sprechen!
Prinzip 6: Durchstarten!

22. © FIR e. V. an der RWTH Aachen
Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart
Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet
22
Computerisierung Konnektivität Sichtbarkeit Transparenz Prognosefähigkeit Adaptierbarkeit
Digitalisierung Industrie 4.0
Gemeinsame
Planung
Verfügbarkeits-
orientierung
Flexibilität
Wissens-
management
Gemeinsame Planung in
Echtzeit mit Soll-Ist-
Abgleich
Prognosebasierte
Planung
Getrennte (manuelle)
Planung in Silos
Gemeinsame, statische
Planung über Silos
hinweg
Datenbasierte
Planungsoptimierung
Automatische,
dynamische Planung
Kennzahlen in Echtzeit
(z. B. OEE)
Szenarioprognose zu
Maßnahmen anhand
von Kennzahlen (z. B.
OEE)
Erfassung der
Ereignisse
Bestimmung relevanter
Kennzahlen (z. B. OEE)
Wirkbeziehung zwi-
schen Maßnahmen und
Kennzahlen (z. B. OEE)
Automatische Ent-
scheidung anhand
Kennzahlen (z. B. OEE)
Ressourcenverfüg-
barkeit und Allokation in
Echtzeit
Szenarioprognose der
Ressourcen Allokation
Statische Ressourcen
Optimierung in Silos
Statische Ressourcen
Optimierung
Bedarfsgerechte
Allokation von
Ressourcen
Automatische
Ressourcen
Optimierung
Digitaler Zwilling einer
Anlage mit Echt-
zeitdaten
Generierung autom.,
priorisierter
Lösungsvorschläge
Digitale Serviceberichte Globale Anlagenhistorie
Digitaler Lösungskatalog
und Verfahrens-
anweisungen
Automatische
Bereitstellung von notw.
Informationen
Ersatzteil-
management
Wertbeitrag
Ersatzteilbestände im
Netzwerk in Echtzeit
Optimierte Ersatz-
teilbedarfe im Netzwerk
(z. B. mit 3D-Druck)
Digitalisierte ET-
Informationen in Silos
Integriertes Ersatz-
teilwesen / Stamm-
daten-Management
Risiko-orientierte
Ersatzteil Bevorratung
Autonome, dynamische
Beschaffung
Digitaler Schatten des
Wertbeitrages über
Organisationgrenzen
Szenarioprognose
anhand des
Wertbeitrages
Erfassung der direkten
IH-Kosten
Output bezogene
Kostenerfassung
(Stückkosten)
Szenarioanalyse
anhand des
Wertbeitrages
Automatische Ent-
scheidung anhand
Wertbeitrag

23. © FIR e. V. an der RWTH Aachen
Im Rahmen der acatech Studie Smart Maintenance werden Gestaltungshinweise für Smart
Maintenance Organisation auf jeder Stufe des Maturity Index erarbeitet
23
Computerisierung Konnektivität Sichtbarkeit Transparenz Prognosefähigkeit Adaptierbarkeit
Digitalisierung Industrie 4.0
Gemeinsame
Planung
Verfügbarkeits-
orientierung
Flexibilität
Wissens-
management
Gemeinsame Planung in
Echtzeit mit Soll-Ist-
Abgleich
Prognosebasierte
Planung
Getrennte (manuelle)
Planung in Silos
Gemeinsame, statische
Planung über Silos
hinweg
Datenbasierte
Planungsoptimierung
Automatische,
dynamische Planung
Kennzahlen in Echtzeit
(z. B. OEE)
Szenarioprognose zu
Maßnahmen anhand
von Kennzahlen (z. B.
OEE)
Erfassung der
Ereignisse
Bestimmung relevanter
Kennzahlen (z. B. OEE)
Wirkbeziehung zwi-
schen Maßnahmen und
Kennzahlen (z. B. OEE)
Automatische Ent-
scheidung anhand
Kennzahlen (z. B. OEE)
Ressourcenverfüg-
barkeit und Allokation in
Echtzeit
Szenarioprognose der
Ressourcen Allokation
Statische Ressourcen
Optimierung in Silos
Statische Ressourcen
Optimierung
Bedarfsgerechte
Allokation von
Ressourcen
Automatische
Ressourcen
Optimierung
Digitaler Zwilling einer
Anlage mit Echt-
zeitdaten
Generierung autom.,
priorisierter
Lösungsvorschläge
Digitale Serviceberichte Globale Anlagenhistorie
Digitaler Lösungskatalog
und Verfahrens-
anweisungen
Automatische
Bereitstellung von notw.
Informationen
Ersatzteil-
management
Wertbeitrag
Ersatzteilbestände im
Netzwerk in Echtzeit
Optimierte Ersatz-
teilbedarfe im Netzwerk
(z. B. mit 3D-Druck)
Digitalisierte ET-
Informationen in Silos
Integriertes Ersatz-
teilwesen / Stamm-
daten-Management
Risiko-orientierte
Ersatzteil Bevorratung
Autonome, dynamische
Beschaffung
Digitaler Schatten des
Wertbeitrages über
Organisationgrenzen
Szenarioprognose
anhand des
Wertbeitrages
Erfassung der direkten
IH-Kosten
Output bezogene
Kostenerfassung
(Stückkosten)
Szenarioanalyse
anhand des
Wertbeitrages
Automatische Ent-
scheidung anhand
Wertbeitrag
Smart Maintenance Assessment
Gemeinsame Gestaltung einer individuellen Roadmap zur Umsetzung der Smart
Maintenance
>>Wo fange ich an, was ist zu tun – genau hierauf finden wir mit Ihnen eine Antwort!<<
Wir freuen uns auf Ihre Kontaktaufnahme!
Frederick Birtel
Frederick.Birtel@fir.rwth-aachen.de
+49 241 47705 204

24. © FIR e. V. an der RWTH Aachen
Wie es weiter geht – laufende und geplante Projekte des FIR an der RWTH Aachen und dem
Center Smart Services
24
2019
Konsortialprojekt „Smart Service Vertrieb“
Konsortial-Benchmarking „Smart Maintenance“
Marktstudie „Industrial Machine Learning“
Case Competition
Konsortialprojekt „Fähigkeiten für
digitale Geschäftsmodelle“
 Broschüre
Case Competition
Konsortial-Benchmarking „Subscription Business“
 Broschüre
Konsortial-Benchmarking „Customer Insights“
 Broschüre
Konsortialprojekt „Smart
Service Networks“
Konsortialprojekt „Smart Service
Engineering“
 Broschüre
Konsortialprojekt „Digital B2B
Customer Journey“

25. © FIR e. V. an der RWTH Aachen
Vielen Dank für Ihre Aufmerksamkeit!
25
Campus-Boulevard 55 · 52074 Aachen · Germany
www.fir.rwth-aachen.de
Frederick Birtel, M.Sc.
Leiter Competence-Center Instandhaltung
Telefon: +49 (0)241 477 05-204
Fax: +49 (0)241 477 05-199
E-Mail: Frederick.Birtel@fir.rwth-aachen.de

26. © FIR e. V. an der RWTH Aachen
Anhang
Ausgewählte Konsortialprojekte vom FIR an der RWTH und Center Smart Services
26
2019
Konsortialprojekt „Smart Service Vertrieb“
Konsortial-Benchmarking „Smart Maintenance“
Marktstudie „Industrial Machine Learning“
Case Competition
Konsortialprojekt „Fähigkeiten für
digitale Geschäftsmodelle“
 Broschüre: Link
Case Competition
Konsortial-Benchmarking „Subscription Business“
 Broschüre: Link
Konsortial-Benchmarking „Customer Insights“
 Broschüre: Link
Konsortialprojekt „Smart
Service Networks“
Konsortialprojekt „Smart Service
Engineering“
 Broschüre: Link
Konsortialprojekt „Digital B2B
Customer Journey“

27. © FIR e. V. an der RWTH Aachen
sb.konsortialbenchmarking.de
Mögliche zentrale Fragestellungen:
 Wie können geeignete Leistungspakte aus Produkt, Services und Digitalen Services für das Angebot von Subskription
Geschäftsmodellen gestaltet werden?
 Wie wird ein Preis für die einzelnen Leistungspakete kalkuliert?
 Wie halte ich den Nutzen für den Kunden konstant bzw. erhöhe diesen kontinuierlich?
… und was würden Sie gerne von den Besten lernen?
Fragebögen Auswahl Besuch
April Mai Jun. Jul. Aug. Sep. Okt. Nov. Dez.
2019
Kick-off Meeting:
April 2019
Screening Phase
Review Meeting:
November 2019
Abschlusskonferenz:
März 2020
Jan.
Jana Frank
Bereich Dienstleistungsmanagement
Telefon: +49 241 47705 228
E-Mail: Jana.Frank@fir.rwth-aachen.de
Kontakt
2020
Unternehmensbesuche
Feb. März
Subscription Business
Technische Möglichkeiten von Industrie 4.0
in neue Geschäftsmodelle überführen

28. © FIR e. V. an der RWTH Aachen 28
Kontakt
Felix Optehostert
+49 241 477 05 229
Felix.Optehostert@center-smart-services.com
Partner
Top Performer entwickeln Smart Services bis zu
achtmal schneller und haben ein 80% höheres
Gewinnwachstum.
Stellen Sie Ihren Entwicklungsansatz für Smart
Services auf den Prüfstand und tauschen Sie
sich mit führenden Industrieunternehmen zu
Best Practices in der Entwicklung von
datenbasierten Geschäftsmodellen aus!
Ihr Vorsprung als Konsortialpartner:
 Aufbau von Expertise zur Entwicklung
digitaler, datenbasierter Geschäftsmodelle
 Zugang zum Entwicklungsansatz „Smart
Service Engineering“
 Smart Service Engineering Audit zur
Überprüfung Ihres aktuellen
Innovationsprozesses auf Schwachstellen
und der Ableitung von Maßnahmen
Projektziel/ZentraleFragestellungenKonsortialprojekt
Smart Service Engineering
STRATEGIE
ENTWICKELN
PROTOTYPEN
REALISIEREN
MÄRKTE
ERSCHLIEßEN
Ökosystem
analysieren
User Story
entwickeln
Nutzenhypothesen
formulieren
Kernfunktionalitäten
bestimmen
Funktionalitäten
entwickeln
Funktionalitäten mit
dem Kunden testen
Business Case
entwickeln
Markteinführungs-
strategie entwickeln
Ressourcen
aufbauen

29. © FIR e. V. an der RWTH Aachen
Werden digitale Dienstleistungen über Händler / Monteure vertrieben oder
erbracht, spricht man von einem Smart Service Network. Die
unterschiedlichen digitalen Fähigkeiten und Infrastrukturen der Teilnehmer
am Netzwerk führt zu einem komplexen Vertriebsprozess und der
Notwendigkeit den Nutzen von digitalen Leistungen für jeden Teilnehmer
sichtbar zu machen. So sind bei 69% der Fälle Konflikte zwischen
Stakeholdern die Ursache, wenn die Implementierung eines Services
scheitert¹.
Gestalten Sie daher mit uns ihr Smart Service Network
und…
 Lernen Sie von Firmen aus anderen Branchen mit ähnlichen
Fragestellungen
 Erhalten Sie ein Konzept für Smart Service Networks, basierend auf
dem Smart Service Vertrieb und dem Service Engineering Zyklus des
Center Smart Services
Smart Service Networks
Gestaltung von Vertriebs- und Leistungsnetzwerken für Smart Services
Center Smart Services | RWTH Aachen Campus
Maximilian Schacht, M.Sc.
+49 241 47705 207
maximilian.schacht@center-smart-services.com
Kontakt Projektstart: 09/2019
1: https://www.service-design-network.org/community-knowledge/taming-organisational-challenges-in-service-design

30. © FIR e. V. an der RWTH Aachen
Konsortialprojekt:
Digital B2B Customer Journey
30
Awareness Consideration Purchase Service
Loyalty
Expansion
Explore
Evaluate
Select new solution
Gain interest Order
Get bill & pay Get support
ImproveOperate
Add & change
Customer Journey
 Wie kann eine durchgängige Customer Journey über verschiedene digitale und analoge Kanäle im B2B Umfeld gestaltet werden?
 Welche Auswirkungen haben digitale Geschäftsmodelle auf die Customer Journey?
 Welche Lösungen schaffen in den einzelnen Customer Journey Schritten ein positives Kundenerlebnis?
 Wie sehen Successful Practices für eine Customer Journey im Zeitalter von Industrie 4.0 aus?
Mögliche zentrale Fragestellungen
Tobias Leiting, M.Sc. M.Sc.
+49 241 477 05 232
Tobias.Leiting@center-smart-services.com
Kontakt
Geplante Laufzeit:
Juli 2019 bis Juli 2020
Bilden von Kunde -
Anbieter Paaren
Aufnahme der Partner
Anforderungen
Paarweise
Tiefeninterviews
Aufbau einer
Lösungsroadmap
Implementierung bei
Konsortialpartnern
Arbeitspakete im Projekt