Die Rolle von lernenden Fabriken für Industrie 4.0

Abstract

Die Elektromobilität entwickelt sich momentan zu einer ernst zunehmenden Alternative zur herkömmlichen Fortbewegung durch Verbrennungsmotoren. Die Megatrends in der Gesellschaft – wie bspw. Neo-Ökologie und Mobilität – führen dazu, dass die Mensch-heit ihre Art sich fortzubewegen überdenkt. Sinkende Emissionsgrenzwerte und steigende Treibstoffpreise sind Beispiele aus dem Alltag, welche den Stellenwert der Elektromo-bilität erhöhen. Der Durchbruch auf dem Massenmarkt wird jedoch erst dann gelingen, wenn das Dilemma aus hohen Anschaffungskosten bei niedrigen Reichweiten aufgelöst werden kann. Sie lässt sich in diesem Zusammenhang als disruptive Innovation deklarie-ren. Aktuell weißt die Elektromobilität Eigenschaften einer disruptiven Innovation auf. Gemäß Christensen unterscheidet sie sich gegenüber erhaltenden Technologien vor allem im Hinblick auf das Wertesystem. Erhaltende Entwicklungen von Technologien finden in den Grenzen des bestehenden Wertesystems statt, also entlang der Dimensionen, die von den Kunden des Massenmarktes historisch zur Bewertung des Produktes herangezogen werden. Disruptive Technologien jedoch kennzeichnen sich durch die langfristige Verän-derung des bestehenden Wertesystems. Während disruptive Technologien in der kurzen Frist zu einer Verschlechterung der Produkte verglichen mit den Produkten des Massen-marktes führen, sprechen sie durch spezielle Eigenschaften (neue Werte) Konsumenten in bestimmten Nischen an Christensen (1997). Sie können in den Nischenmärkten erfolgreich existieren, da deren Besetzung für die vorhandenen Marktmächte aufgrund des kleinen Vo-lumens nicht interessant ist. Durch die dortige Marktbeteiligung gewinnt die Elektromobi-lität an Bedeutung, darüber hinaus werden dort wertvolle Erfahrungen gesammelt. Diese Der Originaltext dieses Beitrags wurde überarbeitet. Das vollständige Korrekturverzeichnis finden Sie am Ende des Buchs und online unter http://dx. A. Kampker et al. müssen genutzt werden, um die Technologie weiter zu entwickeln und dadurch bestehende Hemmnisse abzubauen, um sich damit den aktuellen Anforderungen des breiten Marktes anzunähern und diesen dann nachhaltig zu verändern. Maximierung des Return on Engineering Die technologische Reife der Elektromobilität ist Stand heute noch als sehr gering einzu-stufen, was neben der erwähnten Nischenanwendung kaum einen weiteren Absatzmarkt zulässt. Der durch Leistungsmerkmale begrenzte Nischenmarkt zeichnet sich durch eine hohe Individualität bei gleichzeitig niedrigen Stückzahlen und damit einer enormen Ko-stenherausforderung aus. Abbildung 1 stellt dies in den Dimensionen Kosten über Stück-zahl exemplarisch dar. Die Marktlücke der kundenindividuellen und wirtschaftlichen Pro-duktion wird aktuell nur durch automobile Kleinserien in Nischenmärkten, wie zum Bei-spiel Flottengeschäfte, möglich sein. Doch auch dann müssen die Anfangsinvestitionen gering gehalten werden und die Entwicklungsaufwände (in Zeit und Geld) begrenzt sein. Es wird damit der Ansatz verfolgt, die Vorteile des erhöhten Kundenwertes der Differen-zierungsstrategie mit dem Vorteil der wirtschaftlichen Produktion der Kostenführerschaft zu vereinen. Zielgröße ist dabei der Return on Engineering (ROE), der den bereits er-wähnten Quotienten aus erzieltem Nutzen zu investiertem Aufwand in allen Aktivitäten der Entwicklung und Produktion darstellt. Insbesondere die kürzer werdenden Nachfragezyklen führen zu der Herausforderung, die Zeitspanne vom Startpunkt der Entwicklung bis zur Auslieferung des Fahrzeugs ent-sprechend zu minimieren. Hierfür sind entsprechende Kommunikationsinstrumente zu wählen und Prozesse zu definieren, durch welche Entwicklungsphasen parallel ablau-fen können. Darüber hinaus sind möglichst modulare Produktstrukturen anzustreben, um durch eine geringe interne Varianz eine breite externe Varianz darstellen zu können, ohne einen großen Mehraufwand für Neuentwicklungen. Darüber hinaus muss es möglich sein, innerhalb kürzester Zeit den Produktionsanlauf zu bewältigen, was nur durch eine hohe Abb. 1 Return on Engineering, Quelle: PEM der RWTH Aachen