Von A wie Ampla bis W wie Wonderware – Digitalisierungstrends im Maschinenbau

Die Digitalisierung der deutschen Wirtschaft ist bereits im vollen Gange und wird in der nahen Zukunft immer mehr Bereiche mit einer immer stärkeren Intensität erfassen. Damit deutsche Unternehmen wettbewerbsfähig bleiben, ist es schon heute wichtig, Trends nicht zu verschlafen. Dazu zählen beispielsweise Big Data, Cloud Computing oder Internet of Things. Implisense entwickelt derzeit im Rahmen des Projekts ECEP ein Monitoring-Tool zur Erkennung von Trends in beliebig definierbaren Unternehmenssegmenten. Im Rahmen dieser Entwicklung hat Implisense den Grad der Digitalisierung des Maschinenbaus, einer der deutschen Schlüsselindustrien, untersucht.

Große Unterschiede zwischen Branchen

Um die Digitalisierung des deutschen Maschinenbaus in Kontext zu setzen, hat Implisense zunächst mithilfe seines Data-Mining-Ansatzes die Digitalisierung der gesamten deutschen Firmenlandschaft errechnet. Der Maschinenbaubranche (C28) nimmt dabei nur einen Platz im oberen Mittelfeld ein, mit einem Anteil Firmen von 53 Prozent, die hinreichende viele Hinweise auf die Digitalisierung ihrer Geschäftsmodelle haben. Digitalisierungsspitzenreiter sind – wenig überraschend – Firmen aus der IT Branche, speziell Informationsdienstleister (J63) und Erbringung von Dienstleistungen in der Informationstechnologie (J62). Die Versicherungsbranche (K65) ist digital ebenfalls gut aufgestellt, was dem zunehmenden Einsatz von Big Data Technologien zuzuschreiben ist. Führend in dem Bereich des produzierenden Gewerbes ist die Branche der Hersteller von Druckerzeugnissen, Ton-, Bild- und Datenträgern (C18), sowie Unternehmen der Elektroindustrie (C26 und C27).  Überraschender ist, dass auch die Pharmabranche (C21) ein höheres Maß an Digitalisierung aufweist als der Maschinenbau.

branchen_schnecke

Wie erkennt man Digitalisierung im Maschinenbau eigentlich?

Digitalisierung ist ein sehr abstraktes Konzept. Zunächst stellt sich also die Frage, wie sich Digitalisierung im Maschinenbau anhand von unserem Datamining Verfahren definieren, erkennen und bemessen lässt.

Implisense arbeitet in solchen Fällen mit statistischen Modellen von Termen, die besonders stark mit einem Überthema korrelieren. Die Berechnung dieser Modelle erfolgt implizit, indem unser Algorithmus die signifikanten Terme anhand einer Gruppe von Unternehmen berechnet, die z.B. eine Leittechnologie der Digitalisierung benutzen. Anhand eines iterativen Vorgehens können so immer weitere Digitalisierungsmerkmale erkannt und in das Modell aufgenommen werden.  Auf diese Weise kann unser System abstrakte Themen wie die Digitalisierung ohne Vorwissen und ohne aufwändige manuelle Vorarbeit definieren und erkennen. Das finale Modell zur Erkennung von Digitalisierung im Maschinenbau (siehe Dendogram) erfasst unter anderem:

  • Merkmale, die Hinweise auf Begleitprozesse der Digitalisierung von Maschinenbauern liefern, v.a. Automatisierung und Robotization
  • Merkmale oder Indikatoren für Software und Dateninfrastruktur, wie der Fokus auf Big Data Analytik, die Nennung von Data Warehousing, die wahrscheinliche Verwendung von APIs
  • Leittechnologien und führende Marken der Digitalisierung wie etwa Supervisory control and data acquisition (SCADA), eine Technologie zur digitalen Überwachung und Steuerung von technischen Prozessen, oder Eplan, ein Softwaredienstleister im Bereich Ingenieurwesen, Wonderware, eine Firma, die SCADA und MES (Manufacturing Execution System) Software anbietet, und PCS7, ein Distributed Control System (DCS) von Siemens zur “durchgängigen Automatisierung”.  
  • die Digitalisierung wichtiger Unternehmensfunktionen. Dabei scheinen die Digitalisierung von Vertriebswegen (Indikatoren: E-Commerce, Social Media, Community, Chat), die Optimierung des Nutzererlebnisses (Themenindikatoren: Apps und Embedded) sowie allgemein eine daten-getrieben Unternehmenssteuerung (Indikatoren für Business Intelligence und Web Analytics) eine besonders wichtige Rolle zu spielen.

iot

Pumpenbauer als Digitalisierungsführer?

Mit diesem Modell konnten wir von 16.300 uns bekannten Maschinenebauern 8.673 Firmen  identifizieren, bei denen eine hinreichende Anzahl dieser Indikatoren anschlägt. (Firmen mit weniger als 500.000 Umsatz Euro im Jahr wurden nicht berücksichtigt.)

Bei einer differenzieren Betrachtung der Digitalisierung von Unterbranchen des Maschinenbaus stechen Herstellung von Pumpen und Kompressoren (C28.13) und die Herstellung von Büromaschinen (C28.23) besonders hervor. Während die starke Nähe von Computer- und Druckerherstellern zur Digitalisierung wenig überrascht, lässt dieses Ergebnis im Fall von Pumpenbauern aufhorchen. Tatsächlich aber ist die Pumpenindustrie besonders gekennzeichnet durch eine zunehmende computergestützte Vernetzung durch eingebettete Hardware/Software Systeme. Nicht nur integrierte Systeme machen diese Branche innovativ, sondern auch die Entwicklung und der Vertrieb von Apps zur Verbesserung des Kundenservices. Ein Paradebeispiel ist die Jung Pumpen GmbH, die gleich vier Apps anbietet, unter anderem für die Unterstützung beim Produktkauf, sowie als Wartungstool für die erworbenen Pumpen.

digitaliserung_maschinenbau

Ruhrgebiet als digitales Entwicklungsland

Auffällig ist der hohe Anteil an digitalisierenden Firmen im Raum Dresden. Dies könnte an dem dortigen Fokus auf Mikroelektronik liegen, sowie an dem Innovationsschub aus der dort florierenden Startup-Szene. Es ist eine kleine Niederlage für Berlin als die etablierte IT-Startup Hauptstadt Deutschlands, die bei dieser Analyse eher schlecht abschneidet. Auch der restliche Osten Deutschlands erscheint im Bereich Maschinenbau erwartungsgemäß wenig digitalisiert.

Die Unternehmen aus Bayern, Baden-Württemberg und Hessen, den Maschinenbau-Hochburgen unserer Republik, sind im Schnitt gut auf zukünftigen Entwicklung im digitalen Bereich vorbereitet.

 

verteilung_digitalisierung_maschinenbau

Bemerkenswert ist die geringe Bedeutung des Themas im Ruhrgebiet, besonders als Region mit einem traditionell stark ausgeprägten Bezug zum Maschinenbau. Hier könnte für die Zukunft noch deutlicher Handlungsbedarf und ein großes Verbesserungspotential für die Digitalisierung bestehen.

 

Implisense Smart Properties

Wir entwickeln kontinuierlich unsere Algorithmen weiter, um unseren Kunden beim Aufbau und der Pflege ihrer Geschäftsbeziehungen zu helfen. Im Juni 2014 haben wir einen neuen Meilenstein erreicht und freuen uns, die Implisense Smart Properties zu präsentieren.

Die Implisense Smart Properties helfen Ihnen dabei, Bestandskunden und potenzielle Neukunden genauer zu segmentieren. Bislang war es üblich, vor allem Merkmale wie Größe, Branche und Region zur Segmentierung von B2B Kunden zu nutzen. Für viele Fragestellungen sind diese Merkmale jedoch nicht fein genug und führen zu Streuverlusten.

Dazu ein Praxis-Beispiel:

Eine Marketingleiterin für Business-Schulungen und Seminare möchte Leads für das neue Seminarangebot im Bereich Qualitätsmanagement finden. Es stellt sich ihr die Frage, wie sie aus vielen potenziellen Firmen einer bestimmten Größe und Branche diejeinigen selektieren soll, die eine Affinität zum Thema Weiterbildung und Qualitätsmanagement aufweisen. Mit Hilfe klassischer Suchen in Datenbanken sind diese Merkmale i.d.R. nicht auffindbar oder veraltet. Ein Absuchen der Webseiten scheidet aus Zeitgründen aus.

 

Implisense Smart Properties
Beispiel einer Firma mit Eigenschaften für die Segmentierung

 

In der Implisense Sales Intelligence kann die Marketingleiterin nun Vorschläge für Leads erhalten, die eine Ähnlichkeit zu bisherigen Bestandskunden aufweisen. Das hilft z.B. dabei, auch Treffer aus benachbarten Branchen zu erhalten. Mit Hilfe der Implisense Smart Properties lässt sich nun zu jeder vorgeschlagenen Firma ein so genannter Radar-Chart anzeigen, der bei einer gewählten Firma anzeigt, wie ausgeprägt die jeweilige Firma auf das Thema Qualität, Kosten oder Innovation setzt. Nun können insbesondere diejenigen Firmen als besonders relevant markiert werden, die hohe Ausschläge in den Bereichen Qualitätsführerschaft sowie in der Dimension “Lernen” aufweisen. Diese Firmen teilen in der Öffentlichkeit mit, dass sie bei ihren Produkten und Leistungen auf Qualität und Lernen setzen. Diese Leads wählt die Marketingleiterin aus, um sie jeweils zielgerichtet für das neue Angebot zu begeistern.

Und damit die individuelle Ansprache noch einfacher wird, berechnet die Sales Intelligence automatisch das durchschnittliche Radar-Chart der Firmen aus der übrigen Trefferliste mit und zeigt dieses grau unterlegt unter dem blau gefärbten aktuellen Radar-Chart an. Damit lässt sich sofort erkennen, welche Besonderheiten die gewählte Firma in Relation zur Vergleichsgruppe aufweist, also ob sie bestimmte Aspekte stärker betont, als die übrigen Anbieter. Das wird in der folgenden Abbildung aus der Sales Intelligence Anwendung deutlich. Hier weicht die gewählte Firma im Bereich Lernen und Zuverlässigkeit stark vom Rest der Treffermenge ab.

 

Implisense Smart Properties in der Sales Intelligence
Implisense Smart Properties in der Sales Intelligence

 

Wie so etwas erstellt wird? Die Implisense Smart Properties werden mittels Big Data Analytics aus Online-Content erzeugt. Dafür werden vorab trainierte Topic-Modelle (Wikipedia-Link) für alle Zieleigenschaften genutzt, die vom Implisense System automatisch weiter gepflegt werden und so verhindern, dass neue Wörter für bestimmte Themen nicht erkannt werden. Mit Topic-Modellen lassen sich nun mathematische Distanzen zu ausgewählten Online-Inhalten einer Firma berechnen und für neue Segmentierungen sowie Einsichten in die Kundenbasis nutzen.

Direkt ausprobieren: Die Implisense Smart Properties sind für Testuser als beta-Feature freigeschaltet und können direkt ausprobiert werden.

Linkanalyse zwischen Firmen

Implisense analysiert ab sofort alle eingehenden und ausgehenden Links zwischen den aktuell rund 250.000 Firmenwebpräsenzen, um Beziehungen zwischen Firmen in den Firmenprofilen darstellen zu können. Mit Hilfe der Linkanalyse im Firmenprofil lassen sich einfacher Partner bzw. Endkunden einer Firma erkennen, ohne mühsam die Webseite studieren zu müssen. Dieses Feature wurde bereits mehrfach von unseren Nutzern nachgefragt und wird in den nächsten Monaten durch eine Freitextanalyse weiter ausgebaut. Mehr Informationen unter: https://implisense.com/portfolio/linkanalyse bzw. direkt in der Web-App zum Ausprobieren:https://implisense.com/sales-intelligence/anmelden

250.000 Firmenprofile und ein Rückblick

Wir haben eine Suchmaschine entwickelt, die sämtliche Daten zu den Firmen selbstständig erhebt, pflegt und miteinander vernetzt. Letzte Woche wurde der wichtige Meilenstein von 250.000 Firmenprofilen überschritten, die die Suchmaschine eigenständig profiliert. Eine Grafik und kurzer Rückblick, um diesen Zwischenstand einzuordnen:

Datenbestand

Im März 2013 ging der erste Server von Implisense in den Dauerbetrieb, um eigenständig aus einer Liste von mehreren tausend URLs zu entdecken, welche davon von wirtschaftsaktiven Firmen aus Deutschland betrieben werden. Diese Firmen profiliert anschließend das Analyse-Backend von Implisense bei jedem wiederkehrenden Prüfvorgang.

Im Sommer 2013 wurden erstmals ein Cluster mit vier Multikern-Servern installiert, um das Crawling und die Analyse zu verteilen und den Datenbestand auf ca. 65.000 Firmenprofile auszubauen.

Im September 2013 begann der weitere Ausbau des Clusters und die Erhöhung der Arbeitslast der Suchmaschine. Wenig später wurden 160.000 Firmenprofile automatisch erzeugt und gepflegt.

Im Januar 2014 wurden weitere Server dem Cluster hinzugefügt und mit einer Rate von anfänglich 1.000, später 5.000 neuen Firmen pro Tag erweitert. Anfang Februar 2014 kannte die Suchmaschine ca. 220.000 Firmen.

Mitte Februar wurden erstmals 250.000 Firmenprofile im Index erreicht und die Rate der Erkennung neuer Firmen daraufhin reduziert. Jetzt liegt der Fokus auf der Optimierung der Such-Performance sowie der Analyse der unstrukturierten Textdaten. Ein besonderer Schwerpunkt liegt dabei auf der Erkennung von Firmennetzwerken, also der Frage, wer mit wem in welcher Rolle zusammen arbeitet. Dieses Feature wird erstmals auf der CeBIT 2014 präsentiert.

Drei neue Beispiele für das Wissen, was den Markt bewegt

In unregelmäßigen Abständen führen wir explorative Analysen auf unseren Datenbeständen durch. Wir wollen dadurch besser verstehen, was die Firmenlandschaft in Deutschland bewegt und Ihnen einen Eindruck vermitteln, welche Art von neuen Analysen auf Basis öffentlich verfügbarer Datenbestände mit Big Data Analytics möglich sind. Hier die letzten drei Beispiele für das Wissen, was den Markt bewegt:

Wie viele Ereignisse mit Stichtag gab es zu den rund 2 Mio. Firmen aus dem Handelsregister in 2012?

Wie verteilen sich 3,8 Millionen Betriebe auf Deutschlands Kreise und kreisfreie Städte?

Welche statistisch signifikanten Begriffe sind in einer Branche vertreten?

Möchten Sie auch besser verstehen, was die deutsche Firmenlandschaft bewegt? Wüssten Sie gerne genauer, was in Ihrer Branche passiert? Möglicherweise können wir das schnell für Sie herausfinden. Schreiben Sie uns, wir lesen gerne von Ihnen.