<?page no="0"?> Florian Schlüter / Irene E. Rath Zukunft des industriellen Dienstleistungsmanagements <?page no="1"?> Zukunft des industriellen Dienstleistungsmanagements <?page no="2"?> Dr.-Ing. Florian Schlüter ist Lehrbeauftragter an der Europäischen Fern‐ hochschule Hamburg. Er studierte Wirtschaftsingenieurwesen an der Tech‐ nischen Universität Dortmund und schloss sein Studium 2015 mit dem Master of Science ab. Bereits während dieser Zeit sammelte er Praxiserfah‐ rungen in der Automobilindustrie sowie in einer Unternehmensberatung. Er widmet sich freiberuflich der Hochschullehre und übernimmt Lehrver‐ anstaltungen in den Bereichen Logistikcontrolling, Global Sourcing sowie phasenspezifische Logistik an der Europäischen Fernhochschule Hamburg. - Prof. Dr. Irene E. Rath ist Studiengangsdekanin für die Studiengänge International Business Administration (B.A.) und Dienstleistungsmanage‐ ment (B.A.) sowie Professorin für Betriebswirtschaftslehre und Internatio‐ nales Management an der Euro-FH Hamburg. In der Lehre immer am Puls der Zeit zu sein, wird in unserer schnelllebigen Zeit immer mehr zur Herausforderung. Mit unserer neuen fachübergreifenden Reihe nuggets präsentieren wir Ihnen die aktuellen Trends, die Forschung, Lehre und Gesellschaft beschäftigen - wissenschaftlich fundiert und kompakt dargestellt. Ein besonderes Augenmerk legt die Reihe auf den didaktischen Anspruch, denn die Bände sind vor allem konzipiert als kleine Bausteine, die Sie für Ihre Lehrveranstaltung ganz unkompliziert einsetzen können. Mit unseren nuggets bekommen Sie prägnante und kompakt dar‐ gestellte Themen im handlichen Buchformat, verfasst von Expert: innen, die gezielte Information mit fundierter Analyse verbinden und damit aktuelles Wissen vermitteln, ohne den Fokus auf das Wesentliche zu verlieren. Damit sind sie für Lehre und Studium vor allem eines: Gold wert! So gezielt die Themen in den Bänden bearbeitet werden, so breit ist auch das Fachspektrum, das die nuggets abdecken: von den Wirtschaftswissenschaf‐ ten über die Geisteswissenschaften und die Naturwissenschaften bis hin zur Sozialwissenschaft - Leser: innen aller Fachbereiche können in dieser Reihe fündig werden. <?page no="3"?> Florian Schlüter / Irene E. Rath Zukunft des industriellen Dienstleistungsmanagements <?page no="4"?> DOI: https: / / doi.org/ 10.24053/ 9783381152124 © UVK Verlag 2026 ‒ Ein Unternehmen der Narr Francke Attempto Verlag GmbH + Co. KG Dischingerweg 5 · D-72070 Tübingen Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikro‐ verfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autor: innen oder Heraus‐ geber: innen übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Diese Publikation enthält gegebenenfalls Links zu externen Inhalten Dritter, auf die weder Verlag noch Autor: innen oder Herausgeber: innen Einfluss haben. Für die Inhalte der verlinkten Seiten sind stets die jeweiligen Anbieter oder Betreibenden der Seiten verantwortlich. Internet: www.narr.de eMail: info@narr.de Druck: Elanders Waiblingen GmbH ISSN 2941-2730 ISBN 978-3-381-15211-7 (Print) ISBN 978-3-381-15212-4 (ePDF) ISBN 978-3-381-15213-1 (ePub) Umschlagabbildung: © kynny iStockphoto Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http: / / dnb.dnb.de abrufbar. <?page no="5"?> 9 11 1 13 1.1 13 1.1.1 14 1.1.2 19 1.2 22 1.3 28 2 33 2.1 34 2.1.1 36 2.1.2 39 2.1.3 42 2.2 48 2.3 51 2.3.1 52 2.3.2 58 2.3.3 59 Inhalt Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Entwicklung zur Industrie 4.0 . . . . . . . . . . . . . . . . . . . . . . . . Begriffsdefinition und Herkunft . . . . . . . . . . . . . . . . . . . . . . Denkansätze und Paradigmen der Industrie 4.0 . . . . . . . . . Nutzenpotenziale von cyber-physischen Systemen im-industriellen Dienstleistungsgeschäft . . . . . . . . . . . . . . . Chancen und Risiken im Kontext der Industrie 4.0/ 5.0 . . . . Neue Geschäftsmodelle für industrielle Dienstleistungen . . . . . . Das hybride Leistungsbündel im Mittelpunkt eines modernen Dienstleistungsmanagements . . . . . . . . . . . . . . . Definition und Begriffsverständnis . . . . . . . . . . . . . . . . . . . . Der Lebenszyklus hybrider Leistungsbündel . . . . . . . . . . . . Klassifizierung von hybriden Leistungsbündeln . . . . . . . . . Geschäftsmodelltypen hybrider Leistungsbündel . . . . . . . . Geschäftsmodellentwicklung um industrielle Dienstleistungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Phasen der Geschäftsmodellanpassung und -entwicklung Dimensionen von dienstleistungsbezogenen Geschäftsmodellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Leistungsangebots- und Marktadressierungsmodell . . . . . . <?page no="6"?> 2.3.4 62 2.3.5 63 2.4 64 2.4.1 65 2.4.2 69 3 77 3.1 77 3.1.1 78 3.1.2 80 3.1.3 82 3.2 85 3.2.1 86 3.2.2 88 4 95 4.1 96 4.1.1 96 4.1.2 97 4.1.3 97 4.2 98 4.3 100 103 105 105 110 111 113 Leistungserstellungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . Ertragsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Digital Business Engineering als ganzheitlicher Entwicklungsansatz zukünftiger industrieller-Dienstleistungsgeschäfte . . . . . . . . . . . . . . . . . Bestandteile des Digital Business Engineerings . . . . . . . . . . Anwendung des Digital Business Engineerings . . . . . . . . . Customer Experience im Umfeld industrieller Dienstleistungen . Bestandteile der Customer Experience . . . . . . . . . . . . . . . . . Dimensionen der Customer Experience . . . . . . . . . . . . . . . . Determinanten von Customer Experience . . . . . . . . . . . . . . Wirkung von Customer Experience . . . . . . . . . . . . . . . . . . . Customer Experience Management bei industriellen Dienstleistungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einflussfaktoren auf Customer Experience im B2B-Kontext Erfolgsfaktoren bei B2B-Services . . . . . . . . . . . . . . . . . . . . . . Künstliche Intelligenz im industriellen Dienstleistungsmanagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anwendungsfelder von KI in industriellen Dienstleistungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Predictive Maintenance und Condition Monitoring . . . . . . Automatisierte Entscheidungsunterstützung und Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personalisierung und Customer Experience Management . Chancen, Risiken und Herausforderungen . . . . . . . . . . . . . . Erfolgsfaktoren und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anhang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lösungen zu den Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abkürzungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Glossar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Inhalt <?page no="7"?> 119 121 123 Register . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abbildungsverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabellenverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inhalt 7 <?page no="9"?> Vorwort „Diejenigen, die verrückt genug sind, um zu glauben, dass sie die Welt verändern können, sind diejenigen, die es tun.“ - Steve Jobs Das industrielle Dienstleistungsmanagement befindet sich in einer Phase tiefgreifender und multidimensionaler Transformation. Nach dem weitge‐ hend abgeschlossenen Übergang von der Industriezur Dienstleistungsge‐ sellschaft ist eine zunehmende Konvergenz industrieller Wertschöpfungs‐ ketten mit wissensintensiven, technologiegestützten Dienstleistungen zu verzeichnen. Getrieben wird dieser Strukturwandel insbesondere durch die fortschreitende Digitalisierung, den Einsatz Künstlicher Intelligenz, Automatisierungsprozesse sowie datengetriebene Geschäftsmodelle. Diese Entwicklungen eröffnen erhebliche Effizienz- und Innovationspotenziale, erfordern jedoch zugleich eine grundlegende Neuausrichtung strategischer, organisatorischer und operativer Strukturen. Ziel dieses Buches ist es, die maßgeblichen Einflussfaktoren, Heraus‐ forderungen und Gestaltungsoptionen einer zukunftsfähigen Ausrichtung des industriellen Dienstleistungsmanagements systematisch zu analysie‐ ren. Hierbei werden theoretische Konzepte mit empirischen Befunden verknüpft, um evidenzbasierte Handlungsempfehlungen für Wissenschaft und Praxis abzuleiten. Dieses Lehrbuch ist unserer Mikro- und Makrofamilie gewidmet. Wir wünschen Ihnen viel Spat bei der Lektüre dieses Buches Ihre Florian Schlüter und Irene Rath Hinweis Die Inhalte dieses Buchs basieren auf von den Autoren unter gleichem Titel erstellten Studienheften der Europäischen Fernhochschule Ham‐ burg GmbH, University of Applied Systems <?page no="11"?> Einleitung Über die letzten Jahrzehnte hat sich die europäische Wirtschaft so entwi‐ ckelt, dass heute über 75 Prozent der gesamten Bruttowertschöpfung auf den Dienstleistungssektor entfallen (Eurostat, 2024). Diese Entwicklung führt dazu, dass klassische Industriegüterhersteller ihre Produkte zunehmend als Plattform für zusätzliche Dienstleistungen verstehen. Produkte dienen damit nicht mehr allein der reinen Sachleistung, sondern werden gezielt als Anknüpfungspunkte für digitale und datenbasierte Services genutzt. Das Ergebnis ist eine wachsende Zahl an hybriden Leistungsbündeln, in denen Sach- und Dienstleistungen eng miteinander verzahnt sind. Industrieunternehmen vollziehen dadurch den Wandel vom reinen Her‐ steller hin zum ganzheitlichen Lösungsanbieter. Dieser Trend wird zu‐ sätzlich durch die fortschreitende Digitalisierung und Automatisierung beschleunigt. Ein zentrales Schlagwort der letzten Dekade war dabei Industrie 4.0. Heute wird dieser Begriff zunehmend erweitert um die Konzepte von Industrie 5.0, die nicht nur die technologische Weiterentwicklung, sondern auch die Menschzentrierung, Nachhaltigkeit und Resilienz industrie‐ ller Wertschöpfung in den Vordergrund stellt (Europäische Kommission, 2021). Besonders hervorzuheben ist die Rolle von künstlicher Intelligenz (KI). KI-Systeme ermöglichen es, große Datenmengen aus Maschinen, Sensoren und Serviceprozessen auszuwerten, um daraus vorausschauende Wartungs‐ konzepte (Predictive Maintenance), intelligente Serviceplattformen oder automatisierte Entscheidungsunterstützung abzuleiten. Inzwischen reicht das Spektrum von klassischen Machine-Learning-Ansätzen bis hin zu gene‐ rativer KI, die neue Formen der Wissensaufbereitung, Prozessautomatisie‐ rung und Kundeninteraktion eröffnet. Dieses Buch wird daher auch die wachsende Bedeutung von KI im industriellen Dienstleistungsmanagement gezielt beleuchten und anhand aktueller Beispiele verdeutlichen. Vor diesem Hintergrund verfolgt dieses Buch das Ziel, bereits erlerntes Wissen zum industriellen Dienstleistungsmanagement systematisch zu ver‐ tiefen und zukunftsorientiert auszubauen. Dazu erhalten Sie: <?page no="12"?> • eine Einführung in die Entwicklungen rund um Industrie 4.0 und 5.0 sowie deren Auswirkungen auf industrielle Dienstleistungen, • einen Überblick über hybride Leistungsbündel als Kern moderner Wertschöpfung, • einen Einblick in neue Geschäftsmodelle - von „As-a-Service“-Ange‐ boten über datengetriebene Modelle bis hin zu Plattformökosystemen und • eine Diskussion der Rolle der Customer Experience als Erfolgsfaktor im B2B-Dienstleistungsgeschäft. Ziel ist es, Ihnen ein praxisnahes und gleichzeitig forschungsbasiertes Rüstzeug an die Hand zu geben, mit dem Sie industrielle Dienstleistungen der Zukunft gestalten, bewerten und erfolgreich umsetzen können. Los geht’s! 12 Einleitung <?page no="13"?> 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung In diesem Kapitel erfahren Sie, wie sich in den letzten Jahren die industrielle Digitalisierung unter dem Begriff Industrie 4.0 und 5.0 entwickelt hat. Nach dem Lesen dieses Kapitels werden Sie die Paradigmen hinter Industrie 4.0 sowie den Nutzen von cyber-physischen Systemen in zukünftigen industriellen Dienstleistungen verstehen. 1.1 Entwicklung zur Industrie 4.0 Die zunehmende Digitalisierung hat in den vergangenen Jahren zu einer tiefgreifenden Veränderung industrieller Wertschöpfung geführt. Die Koor‐ dination lokal und global vernetzter Unternehmen wird durch moderne Informations- und Kommunikationstechnologien immer effizienter. Auf dieser Grundlage können Unternehmen schneller, flexibler und voraus‐ schauender auf Marktveränderungen reagieren und ihre Wertschöpfungs‐ ketten aktiv gestalten (Hertel et al., 2011). Im deutschsprachigen Raum wird diese Entwicklung unter dem Begriff Industrie 4.0 zusammengefasst, der als Synonym für die vierte industrielle Revolution gilt. Nach Mechanisierung, Elektrifizierung und Automatisie‐ rung beschreibt Industrie 4.0 die Vernetzung und Autonomisierung indust‐ rieller Systeme durch den Einsatz moderner Internettechnologien (Plattform Industrie 4.0, 2013; Roth, 2016). Mit dem Einsatz cyber-physischer Systeme (CPS) - also der Verbindung physischer Objekte mit Sensoren, Aktoren und eingebetteten Systemen - entsteht ein digitales Ökosystem, in dem Maschinen, Produkte und Services Daten austauschen und in Echtzeit interagieren. Dies eröffnet nicht nur neue Potenziale für die industrielle Produktion, sondern auch für die Entwicklung innovativer Dienstleistungen. Seit einigen Jahren wird der Begriff durch die Leitidee der Industrie 5.0 erweitert. Hierbei stehen neben technologischer Effizienz verstärkt Menschzentrierung, Nachhaltigkeit und Resilienz im Fokus (Europäische Kommission, 2021). Diese Erweiterung zeigt, dass die Digitalisierung nicht <?page no="14"?> allein als technisches Projekt, sondern als umfassende Transformation von Geschäftsmodellen, Prozessen und Services verstanden werden muss. 1.1.1 Begriffsdefinition und Herkunft Die industrielle Entwicklung ist seit mehr als 200 Jahren von tiefgreifenden Umbrüchen geprägt, die in der Forschung als industrielle Revolutionen bezeichnet werden. Jede dieser Revolutionen führte zu fundamentalen Veränderungen in Produktion, Gesellschaft und Wirtschaft. Der Begriff Industrie 4.0 steht in dieser Abfolge für die vierte industrielle Revolution und beschreibt den Übergang zu einer digital vernetzten, datengetriebenen und adaptiven Industrie. Historische Einordnung der industriellen Revolutionen • Erste industrielle Revolution (ca. 1780-1870): Einführung mecha‐ nischer Produktionsanlagen durch Wasser- und Dampfkraft. In dieser Phase wurden manuelle Tätigkeiten zunehmend durch Maschinen er‐ setzt und es entstanden erste Fabriken. • Zweite industrielle Revolution (ca. 1870-1970): Elektrifizierung, Fließbandarbeit und arbeitsteilige Massenproduktion prägten diese Phase. Insbesondere die Stahl- und Automobilindustrie waren Trieb‐ kräfte. • Dritte industrielle Revolution (ca. 1970-2010): Durch den Einsatz von Elektronik, IT-Systemen und Automatisierungstechnik hielten di‐ gitale Steuerungen (z. B. speicherprogrammierbare Steuerungen, SPS) Einzug in die Produktion. Produktionsprozesse wurden effizienter, fle‐ xibler und präziser. • Vierte industrielle Revolution (seit ca. 2010): Vernetzung von Maschinen, Anlagen, Produkten und Dienstleistungen über Informa‐ tions- und Kommunikationstechnologien. Zunehmende Autonomisie‐ rung durch Systeme, die miteinander kommunizieren und eigenständig Entscheidungen treffen können. 14 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="15"?> Ursprung und Definition von Industrie 4.0 Der Begriff Industrie 4.0 wurde erstmals 2011 auf der Hannover Messe vorgestellt und seitdem maßgeblich durch die deutsche Bundesregierung, wissenschaftliche Einrichtungen und Industrieverbände geprägt. Im Rah‐ men der Hightech-Strategie 2020 der Bundesregierung wurde Industrie 4.0 als eine der sechs zentralen Zukunftsaufgaben definiert (BMBF, 2014). Ziel war es, Deutschland als Innovations- und Produktionsstandort in einer zunehmend digitalisierten Weltwirtschaft langfristig wettbewerbsfähig zu halten. Eine häufig zitierte Definition der Plattform Industrie 4.0 lautet: Definition 1.1 „Industrie 4.0 bezeichnet die intelligente Vernetzung von Maschinen, Abläufen und Systemen mithilfe moderner Informations- und Kommu‐ nikationstechnologien.“ (Plattform Industrie 4.0, 2014, S.-1) Kennzeichnend ist damit die digitale Durchdringung der industrie‐ llen Wertschöpfung, bei der Daten in Echtzeit erhoben, verarbeitet und genutzt werden, um Prozesse dynamisch zu steuern. Industrie 4.0 ist nicht nur ein technologisches Konzept, sondern eine ökonomi‐ sche Vision, die neue Formen der Produktion, Dienstleistungen und Geschäftsmodelle hervorbringt (Siepmann, 2016a, S.-20). Technologische Grundlagen Die Umsetzung von Industrie 4.0 basiert auf einer Reihe von Schlüsseltech‐ nologien: • Cyber-physische Systeme (CPS): CPS sind Kombinationen aus phy‐ sischen Objekten (z. B. Maschinen, Anlagen, Produkte) und digitalen Komponenten (Sensoren, Aktoren, eingebettete Systeme). Sie erfassen kontinuierlich Daten aus der physischen Welt, verarbeiten diese und steuern Prozesse. Durch ihre Vernetzung können sie in Echtzeit Infor‐ mationen austauschen, autonom agieren und sich mit anderen Systemen koordinieren (Bischoff et al., 2015). • Internet der Dinge (IoT): Im industriellen Kontext, auch „Industrial In‐ ternet of Things (IIoT)“ genannt, ermöglicht es die weltweite Vernetzung technischer Geräte und Systeme. Jedes Objekt erhält eine eindeutige 1.1 Entwicklung zur Industrie 4.0 15 <?page no="16"?> digitale Identität (z. B. IP-Adresse, RFID-Tag) und kann so Daten senden und empfangen. • Datenplattformen und Cloud-Technologien: Die Verarbeitung gro‐ ßer Datenmengen erfordert leistungsfähige Infrastrukturen. Cloud- und zunehmend Edge-Computing-Lösungen stellen sicher, dass Daten sowohl lokal (zur Echtzeitsteuerung) als auch zentral (für Analysen und Optimierung) genutzt werden können. • Künstliche Intelligenz (KI): KI erweitert die Fähigkeiten von CPS und IoT erheblich, indem sie Muster in großen Datenmengen erkennt und daraus Prognosen oder Handlungsempfehlungen ableitet. Typische Anwendungen sind Predictive Maintenance, Qualitätskontrolle oder adaptive Produktionssteuerung. Industrie 4.0 als strategisches Leitbild Industrie 4.0 geht über technische Neuerungen hinaus. Sie beschreibt eine grundlegende Transformation von Geschäftsprozessen, Organisations‐ strukturen und Geschäftsmodellen. Unternehmen sind gefordert, nicht nur ihre Produktion, sondern auch ihre Dienstleistungen und ihr Geschäftsmo‐ dell auf die neuen Möglichkeiten auszurichten. So entstehen datengetrie‐ bene Services, Pay-per-Use-Modelle oder plattformbasierte Geschäftsöko‐ systeme. Diese Entwicklungen zeigen, dass Industrie 4.0 zugleich eine technologi‐ sche, wirtschaftliche und gesellschaftliche Dimension hat. Sie prägt, wie Wertschöpfung künftig organisiert wird, und schafft neue Chancen, erfor‐ dert aber auch Anpassungen in Qualifikation, Datenschutz, IT-Sicherheit und Unternehmensführung. Von Industrie 4.0 zu Industrie 5.0 Seit 2021 wird die Diskussion zunehmend durch den Begriff Industrie 5.0 ergänzt. Während Industrie 4.0 stark auf technologische Effizienz, Automatisierung und Datenorientierung fokussiert war, betont Industrie 5.0 zusätzliche normative Ziele. Die Europäische Kommission definiert wie folgt: 16 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="17"?> „Industry 5.0 recognises the power of industry to achieve societal goals beyond jobs and growth, to become a resilient provider of prosperity, by making produc‐ tion more sustainable, human-centric and resilient“ (2021, S.-3). Industrie 5.0 ist damit keine Ablösung von Industrie 4.0, sondern eine Erweiterung des Paradigmas: • Menschzentrierung: Technologien sollen den Menschen unterstützen, Arbeit erleichtern und neue Qualifikationen fördern, nicht aber Arbeits‐ kräfte ersetzen. • Nachhaltigkeit: Industrie muss aktiv zum Klimaschutz, zur Ressour‐ ceneffizienz und zur Kreislaufwirtschaft beitragen. • Resilienz: Globale Krisen wie die COVID-19-Pandemie, Lieferketten‐ unterbrechungen oder geopolitische Konflikte haben verdeutlicht, wie wichtig widerstandsfähige und flexible Produktionsnetzwerke sind. Industrie 5.0 zeigt, dass die digitale Transformation nicht nur unter Effi‐ zienzgesichtspunkten zu betrachten ist, sondern auch im Kontext von ge‐ sellschaftlicher Verantwortung, ökologischer Transformation und mensch‐ licher Arbeitsgestaltung. Beispiel-1.1 Siemens Electronics Works Amberg Das Werk in Amberg gilt seit Jahren als Vorzeigeprojekt für Industrie 4.0. Rund 75 Prozent der Produktionsschritte sind dort digitalisiert und vernetzt. Jede Maschine und jedes Produkt ist über Sensoren und Datenplattformen eingebunden. Produktionsdaten werden in Echtzeit analysiert und fließen direkt in Steuerungsentscheidungen ein. Dadurch konnte die Produktionsqualität auf über 99,9 Prozent gesteigert und die Flexibilität für kundenspezifische Aufträge erheblich erhöht werden (Siemens, 2025a). Bosch Rexroth - Smart Factory Bosch Rexroth setzt auf modulare, vernetzte Produktionssysteme. Ma‐ schinen sind über IoT-Technologien verbunden, sodass Produktionsli‐ nien flexibel angepasst werden können. Besonders innovativ ist das „Factory-as-a-Service“-Konzept: Kunden können Maschinenkapazitä‐ ten flexibel buchen, anstatt eigene Anlagen kaufen zu müssen. Damit wird ein datengetriebenes Dienstleistungsmodell realisiert, das die 1.1 Entwicklung zur Industrie 4.0 17 <?page no="18"?> klassischen Grenzen von Produktion und Service überwindet (Bosch Rexroth, 2025). TRUMPF - Pay-per-Part-Modell Der Maschinenbauer TRUMPF bietet Laserschneidmaschinen im „Pay-per-Part“-Modell an. Kunden zahlen nicht mehr für die Maschine selbst, sondern nur für die Anzahl der produzierten Bauteile. IoT-Sen‐ sorik und Cloud-Datenplattformen machen es möglich, die Maschinen‐ leistung exakt zu erfassen. Das Geschäftsmodell ist ein Beispiel für die durch Industrie 4.0 entstehenden hybriden Leistungsbündel aus Produkt und Dienstleistung (TRUMPF, 2022a). KUKA - Mensch-Roboter-Kollaboration (MRK) Industrie 5.0 betont die Menschzentrierung. Ein Beispiel hierfür sind kollaborative Roboter (Cobots), die nicht hinter Schutzzäunen arbei‐ ten, sondern direkt mit Menschen interagieren. KUKA hat mit dem „LBR iiwa“ einen Roboter entwickelt, der über taktile Sensoren und intelligente Steuerungen verfügt, um flexibel und sicher mit Menschen zusammenzuarbeiten. Dies zeigt, wie Mensch und Maschine gemeinsam Wertschöpfung betreiben (KUKA, 2020). Adidas und Zalando - Personalisierte Produktion und Nachhal‐ tigkeit Industrie 5.0 umfasst auch Nachhaltigkeit und Kundenzentrierung. Adi‐ das erprobte mit den sogenannten „Speedfactories“ in Deutschland und den USA hochgradig digitalisierte Fertigungsanlagen, die eine schnelle, kundenspezifische Produktion von Schuhen ermöglichten. Parallel ar‐ beitet Zalando mit KI-gestützten Plattformen an individualisierten Mo‐ deempfehlungen. Diese Beispiele verdeutlichen, wie Digitalisierung nicht nur Effizienz steigert, sondern auch auf personalisierte Services und nachhaltige Produktionsweisen ausgerichtet wird (Adidas, 2019; Zalando, 2025). Die Beispiele zeigen, dass Industrie 4.0 und 5.0 weit mehr als theoretische Konzepte sind. Unternehmen wie Siemens oder Bosch nutzen digitale Zwillinge, IoT und KI, um ihre Produktion effizienter und flexibler zu gestalten. Modelle wie Pay-per-Part von TRUMPF oder Factory-as-a-Ser‐ vice von Bosch demonstrieren, wie datenbasierte Geschäftsmodelle neue Einnahmequellen eröffnen. KUKA und Adidas verdeutlichen schließlich, 18 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="19"?> wie Industrie 5.0 die Leitprinzipien Menschzentrierung und Nachhaltigkeit praktisch umsetzt. 1.1.2 Denkansätze und Paradigmen der Industrie 4.0 Die industrielle Entwicklung im Kontext von Industrie 4.0 ist nicht allein durch neue Technologien geprägt, sondern durch tiefgreifende Paradigmen‐ wechsel in Organisation, Steuerung und Vernetzung von Wertschöpfungs‐ systemen. Nach Siepmann (2016b, S. 37) lassen sich fünf zentrale Paradigmen unterscheiden, die die Grundlogik von Industrie 4.0 beschreiben. Diese Ansätze werden im Folgenden dargestellt und durch aktuelle Entwicklungen hin zu Industrie 5.0 ergänzt. Paradigmen nach Siepmann (2016b) Im Folgenden sind die Kernparadigmen und die ergänzenden Paradigmen aufgeschlüsselt: Vertikale und horizontale Integration Die vertikale Integration beschreibt die Verbindung aller unternehmensin‐ ternen Systeme - von Sensoren und Maschinen über die Produktionssteue‐ rung (MES) bis zu ERP-Systemen. Ziel ist eine nahtlose Informationskette. Die horizontale Integration geht darüber hinaus: Externe Akteure wie Lieferanten, Kunden oder Logistikdienstleister werden in durchgängige, dynamische Wertschöpfungsnetzwerke eingebunden. Praxisbeispiele: Volkswagen setzt in seinen „Smart Factories“ auf die vertikale Integ‐ ration von Produktionssystemen. Fertigungsmaschinen liefern Daten direkt an übergeordnete Steuerungssysteme, die in Echtzeit Rückmel‐ dungen geben. So werden Qualitätsabweichungen sofort erkannt. DHL als Logistikpartner bindet sich über horizontale Integration direkt in Produktionsnetzwerke von Kunden ein. Durch eine IoT-basierte Sendungsverfolgung können Lieferungen in Echtzeit überwacht und in den Produktionsprozess eingesteuert werden. 1.1 Entwicklung zur Industrie 4.0 19 <?page no="20"?> Dezentrale Intelligenz Maschinen und Produkte werden mit Sensoren, Embedded Systems und IoT-Technologien ausgestattet. Dadurch entsteht eine dezentrale, verteilte Intelligenz, die unabhängig von zentralen Leitständen agiert. Praxisbeispiele: Bosch Rexroth nutzt intelligente Sensorik in Produktionslinien. Jede Maschine überwacht ihre eigene Leistung, meldet Abweichungen und passt Parameter selbstständig an. Das reduziert Ausfallzeiten und macht die Fertigung flexibler. Schaeffler setzt in der Lagerfertigung auf intelligente Bauteile, die selbstständig Informationen zu ihrem Bearbeitungsstatus weitergeben. Damit steuern die Produkte ihren Weg durch die Produktion. Dezentrale Steuerung Hierbei geht es um die Verlagerung der Steuerungslogik aus zentralen SPS-Systemen hin zu geografisch verteilten, Cloud-basierten Steuerungen. Produktionsressourcen werden ortsunabhängig koordiniert. Praxisbeispiele: TRUMPF hat mit seinem Geschäftsmodell „Pay-per-Part“ Maschinen vernetzt, die über Cloud-Anbindung von überall aus gesteuert und überwacht werden können. Die Abrechnung erfolgt auf Basis der tatsächlichen Nutzung, was ohne dezentrale Steuerung nicht möglich wäre. Festo experimentiert mit Cloud-basierten Steuerungen in der Automa‐ tisierungstechnik. Maschinenfunktionen können über dezentrale Apps gesteuert und flexibel in Produktionsprozesse integriert werden. Durchgängiges digitales Engineering Das gesamte Produkt- und Produktionssystem wird digital abgebildet und simuliert. Mit digitalen Zwillingen lassen sich Szenarien testen, bevor reale Investitionen erfolgen. 20 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="21"?> Praxisbeispiele: Siemens setzt den Digital Twin in der Automobilindustrie ein. Ganze Produktionsstraßen können virtuell simuliert werden, sodass Ände‐ rungen im Layout oder in Prozessparametern risikolos erprobt werden. Airbus nutzt digitale Zwillinge in der Flugzeugproduktion, um Ent‐ wicklungszeiten zu verkürzen und komplexe Montageprozesse virtuell zu testen. Damit lassen sich Effizienzsteigerungen im zweistelligen Prozentbereich erzielen. Cyber-physische Produktionssysteme (CPPS) Cyber-physische Systeme verbinden die physische Produktion mit der digitalen Welt. Sie ermöglichen die Echtzeitdatennutzung für Fertigung, Logistik und Dienstleistungen. Praxisbeispiele: KUKA integriert Roboter in cyber-physische Systeme, die eigenstän‐ dig Informationen austauschen. Der Cobot LBR iiwa reagiert sensibel auf menschliche Bewegungen und ermöglicht so neue Formen der Mensch-Maschine-Interaktion. Adidas nutzte in seinen Speedfactories cyber-physische Systeme, um individualisierte Sportschuhe innerhalb weniger Tage herzustellen. Kundenbestellungen wurden automatisch in Produktionsdaten über‐ setzt, die von vernetzten Maschinen in Echtzeit verarbeitet wurden. Ergänzende Paradigmen von Industrie 5.0 Mit Industrie 5.0 verschiebt sich der Fokus von rein technologisch-ökonomi‐ schen Zielen hin zu gesellschaftlichen Leitbildern wie Menschzentrierung, Nachhaltigkeit und Resilienz (Europäische Kommission, 2021). Menschzentrierung Technologien sollen den Menschen unterstützen. Cobots und Assistenzsys‐ teme verbessern Sicherheit, Ergonomie und Qualifizierungsmöglichkeiten. 1.1 Entwicklung zur Industrie 4.0 21 <?page no="22"?> Praxisbeispiel: BMW setzt in der Montage kollaborative Roboter ein, die schwere Bauteile heben und so die körperliche Belastung der Mitarbeitenden reduzieren. Nachhaltigkeit und Circular Economy Nachhaltigkeit wird zum Wettbewerbsfaktor. Ziel ist die Gestaltung ge‐ schlossener Wertstoffkreisläufe. Praxisbeispiele: Zalando nutzt KI-gestützte Plattformen, um Kunden nachhaltige Pro‐ dukte zu empfehlen. Siemens Gamesa entwickelt vollständig recyclebare Rotorblätter für Windkraftanlagen - ein Beispiel für Circular Economy in der Industrie. Resilienz Resilienz bedeutet, Produktions- und Liefernetzwerke widerstandsfähig gegenüber Störungen zu machen. Praxisbeispiele: Siemens verwendet den Digital Twin nicht nur für Effizienzsteigerung, sondern auch zur Krisensimulation. Produktionsnetze werden virtuell durchgespielt, um Engpässe bei Zulieferern frühzeitig zu erkennen. Infineon diversifiziert seine Halbleiterproduktion, indem Werke in Asien und Europa über digitale Plattformen eng miteinander vernetzt sind. Damit können Kapazitäten bei regionalen Störungen flexibel verlagert werden. 1.2 Nutzenpotenziale von cyber-physischen Systemen im-industriellen Dienstleistungsgeschäft Der Einsatz von cyber-physischen Systemen (CPS) und cyber-phy‐ sischen Produktionssystemen (CPPS) eröffnet Industrieunternehmen erhebliche Chancen, sowohl bestehende Dienstleistungen zu verbessern als auch gänzlich neue Geschäftsmodelle zu entwickeln. CPS sind die Grundlage für datenbasierte Services, die nicht nur die Effizienz und Zuver‐ 22 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="23"?> lässigkeit industrieller Anlagen steigern, sondern auch die Grundlage für innovative, kundenorientierte Dienstleistungen darstellen. In den folgenden Abschnitten werden zentrale Nutzenpotenziale konkretisiert und durch Praxisbeispiele illustriert. Produktoptimierung durch die Auswertung von Betriebsleistungsdaten Durch die Analyse unverfälschter Betriebsdaten, die direkt von Maschinen und Anlagen erfasst werden, können Hersteller Wartungsbedarfe, Schwach‐ stellen und Verschleißmuster frühzeitig identifizieren. Daraus resultiert die Möglichkeit, Produkte robuster und weniger störanfällig zu gestalten. Gleichzeitig lässt sich die notwendige Wartungsintensität erheblich reduzie‐ ren, was sowohl die Servicekosten als auch die Betriebsausfälle beim Kunden senkt. Es entsteht eine Win-win-Situation: Der Hersteller erhält wertvolle Entwicklungsdaten, während der Kunde von höherer Verfügbarkeit und Zuverlässigkeit profitiert (Herterich et al., 2016, S.-12-f.). Praxisbeispiel: Schaeffler setzt sensorintegrierte Wälzlager ein, die in Echtzeit Belas‐ tungsdaten an Cloud-Services übermitteln. Diese Daten ermöglichen eine kontinuierliche Optimierung des Produktdesigns und verlängern die Lebensdauer der Lagerkomponenten (VDMA, 2018). Betriebsoptimierung industrieller Maschinen und Anlagen CPS schaffen ein umfassendes Verständnis über die reale Nutzung von Maschinen. Hersteller können durch Software-Updates neue Funktionen be‐ reitstellen, bestehende Funktionen optimieren oder den Betreibern konkrete Handlungsempfehlungen geben. Dadurch lassen sich Energieverbrauch, Produktivität und Prozessqualität nachhaltig verbessern (Herterich et al., 2016, S.-13-f.). Praxisbeispiel: BOGE nutzt die intelligente Verzahnung von Kompressortechnik und Smart-Factory-Ansätzen. Das System „BOGE CIP“ passt Turbo-Kom‐ pressoren permanent an den realen Druckluftbedarf an, wodurch die Betriebskosten sinken und eine durchgängige Energieeffizienz gewähr‐ leistet wird (VDMA, 2018). 1.2 Nutzenpotenziale von cyber-physischen Systemen 23 <?page no="24"?> Management und Steuerung industrieller Maschinen und Anlagen Durch CPS können Maschinen über eingebaute Aktuatoren aus der Ferne gesteuert und gemanagt werden. Diese Funktionalität ermöglicht es, Ser‐ viceprozesse zu zentralisieren und produktbegleitende Mehrwertdienste wie Remote Management oder Pay-per-Use-Modelle anzubieten. Hersteller sind so in der Lage, auch ohne Vor-Ort-Präsenz eine kontinuierliche Unter‐ stützung sicherzustellen (Herterich et al., 2016, S.-14-f.). Praxisbeispiel: TRUMPF bietet mit „Pay-per-Part“ ein Geschäftsmodell an, bei dem Kunden nicht mehr die Maschine kaufen, sondern für jedes gefertigte Teil bezahlen. Grundlage hierfür ist die kontinuierliche Steuerung und Überwachung der Maschinen über eine Cloud-Plattform (TRUMPF, 2022a). Ferndiagnose und Ersetzen von Aktivitäten des technischen Kundendienstes CPS ermöglichen die Durchführung von Wartungs- und Diagnoseaktivitä‐ ten aus der Ferne. Servicetechniker müssen nicht mehr bei jeder Störung vor Ort sein, sondern können über Echtzeitdaten Diagnosen stellen und den Einsatz effizient vorbereiten. Dies erhöht die Servicequalität und reduziert Kosten (Herterich et al., 2016, S.-16-f.). Praxisbeispiel: Siemens betreibt Remote-Diagnosezentren im Energiesektor, in denen Turbinen und Generatoren weltweit überwacht werden. Auffälligkei‐ ten werden sofort erkannt, sodass Techniker vor einem Einsatz gezielt informiert werden und Störungen schneller beheben können (Siemens, 2025c). Zeitliche Vorhersage und Optimierung von Serviceeinsätzen (Predictive Maintenance) Ein besonders bedeutendes Potenzial liegt in der vorausschauenden War‐ tung (Predictive Maintenance). Mittels statistischer Analysen der kontinu‐ ierlich erhobenen Sensordaten lassen sich Ausfälle einzelner Komponenten 24 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="25"?> prognostizieren. Auf dieser Basis können Serviceeinsätze frühzeitig geplant und Stillstandszeiten minimiert werden (Herterich et al., 2016, S.-15-f.). Praxisbeispiel: AVENTICS hat mit dem „Smart Pneumatics Monitor“ eine Lösung geschaffen, die auf Sensordaten basiert und den Verschleiß pneumati‐ scher Systeme frühzeitig erkennt. So können Unternehmen Wartungs‐ einsätze rechtzeitig planen, Ausfälle vermeiden und die Verfügbarkeit ihrer Anlagen steigern (VDMA, 2017). Unterstützung und Effizienzsteigerung im technischen Kundendienst Durch den Zugriff auf CPS-Daten sind Servicetechniker bereits vor ih‐ rem Einsatz umfassend informiert. Mobile Assistenzsysteme oder Augmen‐ ted-Reality-Lösungen können sie bei Reparaturen unterstützen, wodurch auch weniger erfahrene Mitarbeiter in die Lage versetzt werden, komplexe Aufgaben zu bewältigen. Dies steigert die Produktivität und Qualität im Service (Herterich et al., 2016, S.-17-f.). Praxisbeispiel: DHL testet in Kooperation mit Maschinenbauern den Einsatz von AR-Brillen für Servicetechniker. Diese erhalten während der Arbeit Live-Daten und visuelle Anleitungen eingeblendet, was die Fehlerquote reduziert und die Reparaturgeschwindigkeit erhöht. Informations- und datengetriebene Dienstleistungen Neben der Optimierung bestehender Services entstehen durch CPS grund‐ legend neue, datengetriebene Geschäftsmodelle. Traditionelle Maschinen- und Anlagenbauer entwickeln sich zu Datenlieferanten und Serviceanbie‐ tern. Modelle wie „Equipment-as-a-Service“ oder datenbasierte Beratungs‐ services gewinnen zunehmend an Bedeutung (Herterich et al., 2016, S. 18 f.). Praxisbeispiel: General Electric (GE) betreibt mit der Plattform „Predix“ ein datenge‐ triebenes Ökosystem. Kunden erhalten nicht nur Maschinen, sondern auch laufende Analysen zur Performance und Empfehlungen zur Effi‐ zienzsteigerung - ein Geschäftsmodell, das sich in vielen Branchen etabliert. 1.2 Nutzenpotenziale von cyber-physischen Systemen 25 <?page no="26"?> Beispiel-1.2: Die folgenden Beispiele stammen aus zwei Veröffentlichungen vom Ver‐ band Deutscher Maschinen- und Anlagenbauer (VDMA, 2017; VDMA, 2018) und sollen die oben genannten Potenziale anhand von Praxisbei‐ spielen illustrieren. Aventics: Erhöhte Maschinenverfügbarkeit durch intelligente Pneumatik Die Historie des Pneumatikproduktherstellers AVENTICS reicht bis zur Erfindung der Druckluftbremse zurück. Mit dem Produkt „Smart Pneumatics Monitor“ bietet AVENTICS eine intelligente Vernetzung der Pneumatik und Sensorik an. Dabei werden die Betriebszustände dezentral erfasst, und der Anlagenzustand und Verschleiß können weit im Voraus erkannt werden. Der „Smart Pneumatics Monitor“ erfasst die Daten von seriell angesteuerten Ventilsystemen und angeschlossenen Sensoren über integrierte E/ A-Module. Anwender definieren auf einer grafischen Oberfläche per Drag & Drop, welche Komponenten des Pneumatiksystems sie bewerten wollen. Auf Basis von Erfahrungswer‐ ten hat AVENTICS Grenzwerte festgelegt. Werden diese erreicht, sendet die Elektronik automatisch Meldungen an ERP- und MES-Systeme. Außerdem werden Fachkräfte in der Instandhaltung und in anderen Arbeitsbereichen informiert. Damit ermöglicht der „Smart Pneumatics Monitor“ eine vorausschauende Wartung. Weil Verschleiß frühzeitig erkannt wird, können Ausfälle vermieden werden. Dadurch steigt die Anlagenverfügbarkeit, während die Wartungskosten sinken. Die Aus‐ wertung der über die E/ A-Module gesammelten Sensordaten eröffnet außerdem Möglichkeiten, die Energieeffizienz pneumatischer Systeme zu überwachen und zu optimieren. Dazu verarbeitet die Elektronik mit vorinstallierten Algorithmen beispielsweise die Daten für Druck und Durchfluss in den Wartungseinheiten. Daraus können für entsprechend überwachte Anlagen Energiereports erzeugt und regelmäßig versendet werden (VDMA, 2017, S.-15). BOGE: Digitale Druckluft Das Unternehmen BOGE ist Anbieter für Lösungen im Bereich der industriellen Druckluft. Durch die intelligente Verzahnung des Services BOGE CIP mit dem Turbo-Kompressor BOGE HST und der Smart Factory schafft BOGE die vorbeugende Wartung fast vollständig ab. Stattdessen konzentriert sich das Unternehmen darauf, die laufenden 26 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="27"?> Anlagen durch Datenanalyse, Simulation und daraus optimierter Hard- und Software immer wieder der aktuellen Anforderung anzupassen. An‐ wender profitieren von einer Druckluftversorgung über die gesamte Le‐ bensdauer und vermeiden ungeplante Unterbrechungen und reduzieren ggf. Betriebskosten. Ändert sich der Druckluftbedarf im Produktions‐ prozess, wird der Turbo-Kompressor individuell hierauf abgestimmt - die Produktion bleibt damit jederzeit energetisch hocheffizient (VDMA, 2018, S.-22-f.). Schaeffler: Prozessoptimierung und Produktivitätssteigerung mit Industrie-4.0-Lösungspaketen Mit anwendungsspezifischen Lösungspaketen aus sensorisierten Kom‐ ponenten, Zustandsüberwachungssystemen und cloudbasierten Ser‐ vices erhöht Schaeffler die Verfügbarkeit von Anlagen und ermöglicht es, Prozesse gezielt zu steuern. Mit Komponenten von Schaeffler können konventionelle mechanische Produkte mit der digitalen Welt verknüpft und integriert werden. Mechatronische Produkte mit sensorischen oder aktorischen Zusatzfunktionen erfassen Daten an den kritischen Punkten einer jeden Anlage. Auf dieser Basis lässt sich in Verbindung mit den Echtzeitdaten aus dem laufenden Betrieb ein digitales Abbild der Anlage erstellen. Dieses Modell ist Grundlage für weitere Analysen und digitale Services. Ziel der Analysen und Services ist es, Aussagen über den aktuellen und künftigen Maschinenzustand zu treffen. Der Service „ConditionAnal‐ yzer“ erkennt beispielsweise Veränderungen in den Schwingungsmus‐ tern von Aggregaten und hilft Betreibern, frühzeitig auf entstehende Schäden zu reagieren. Der „LifetimeAnalyzer“ ermöglicht die Berech‐ nung der nominellen Restlaufzeit von Wälzlagern und Linearführungen, abhängig von der realen Belastung im Betrieb. So schafft Schaeffler die Voraussetzung für eine frühzeitige Planung von Wartungsarbeiten. Sensoren und Mechatronikprodukte zur Datenerhebung sowie digitale Services zur Datenanalyse sind dabei gezielt auf die jeweilige Anwen‐ dung zugeschnitten (VDMA, 2018, S.-46-f.). 1.2 Nutzenpotenziale von cyber-physischen Systemen 27 <?page no="28"?> 1.3 Chancen und Risiken im Kontext der Industrie 4.0/ 5.0 Die bisherigen Ausführungen haben gezeigt, dass Industrie 4.0 weit über technologische Aspekte hinausgeht. Sie berührt organisatorische, wirt‐ schaftliche und gesellschaftliche Dimensionen und verändert nachhaltig die Art und Weise, wie Unternehmen Wertschöpfung betreiben. Die Einfüh‐ rung cyber-physischer Systeme, datengetriebener Services und künstlicher Intelligenz eröffnet enorme Chancen, stellt Unternehmen jedoch zugleich vor neue Herausforderungen. In diesem Unterkapitel werden zentrale Po‐ tenziale und Risiken beleuchtet und ein Ausblick auf die Perspektiven der Industrie 5.0 gegeben Chancen der Industrie 4.0 Die Implementierung von Industrie-4.0-Technologien bietet vielfältige Mög‐ lichkeiten zur Effizienzsteigerung, Individualisierung und Nachhaltigkeit. • Effizienz und Wettbewerbsfähigkeit: Durchgängige Datentranspa‐ renz ermöglicht eine Echtzeitüberwachung von Produktionsprozessen. Automatisierte Abläufe und KI-gestützte Prognosen reduzieren Fehler‐ quoten, verbessern Auslastungen und senken Kosten erheblich (Schuh et al., 2020). • Mass Customization: Digitale Plattformen und vernetzte Produktions‐ systeme erlauben die kundenindividuelle Fertigung von Produkten in Serienqualität. Unternehmen können ihre Wettbewerbsfähigkeit durch differenzierte Angebote steigern und neue Märkte erschließen. • Nachhaltigkeit und ESG-Ziele: Digitale Zwillinge und Echtzeitdaten ermöglichen eine präzisere Steuerung von Material- und Energieflüssen. Dadurch sinkt der Ressourcenverbrauch und CO2-Ausstoß, was zur Erreichung von Nachhaltigkeitszielen beiträgt. • Neue Geschäftsmodelle: Datenbasierte Services wie „Pay-per-Use“, „Equipment-as-a-Service“ oder vorausschauende Wartungspakete schaffen kontinuierliche Einnahmeströme und reduzieren die Abhän‐ gigkeit vom klassischen Produktverkauf. • Technologische Führerschaft: Unternehmen, die frühzeitig in Indust‐ rie-4.0-Technologien investieren, können sich als Innovationsführer po‐ sitionieren und nachhaltige Wettbewerbsvorteile sichern (Kagermann et al., 2013). 28 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="29"?> Praxisbeispiel: Adidas Speedfactory: Adidas testete mit den „Speedfactories“ in Deutschland und den USA eine hochautomatisierte, digital vernetzte Produktion. Ziel war es, maßgeschneiderte Sportschuhe kundennah und in kurzer Zeit herzustellen. Auch wenn die Speedfactories 2019 wieder geschlossen wurden, zeigte das Projekt, welches Potenzial in flexiblen und lokalisierten Fertigungsnetzwerken liegt. Die gewonne‐ nen Erfahrungen fließen bis heute in die globale Produktionsstrategie von Adidas ein (Adidas, 2019). Risiken und Herausforderungen Neben den Chancen bestehen erhebliche Herausforderungen bei der Um‐ setzung von Industrie 4.0. • Investitionsbedarf: Der Aufbau von IoT-Infrastrukturen, CPS und KI-Systemen erfordert erhebliche Investitionen, die insbesondere für mittelständische Unternehmen eine Hürde darstellen. • Technologische Komplexität: Die enge Verzahnung von IT und OT erhöht die Anforderungen an Schnittstellenkompetenz und Integrati‐ onsmanagement. Fehlende Standards erschweren oft die Interoperabili‐ tät. • Cybersicherheit: Mit zunehmender Vernetzung steigt die Angriffs‐ fläche für Cyberattacken. Produktionsstillstände oder Datenverluste können gravierende wirtschaftliche Folgen haben. • Lock-in-Effekte: Abhängigkeiten von proprietären Plattformen oder Cloud-Anbietern können die Innovationsfähigkeit einschränken und die Kosten langfristig erhöhen. • Kompetenzen und Kulturwandel: Neben technologischem Know-how sind organisatorische Veränderungen notwendig. Erfolg‐ reiche digitale Transformation erfordert neue Qualifikationen, agile Strukturen und eine Kultur der Offenheit. Praxisbeispiele: Cyberangriff auf Norsk Hydro 2019: Der norwegische Aluminium‐ hersteller Norsk Hydro wurde 2019 von der Schadsoftware LockerGoga getroffen. Teile der Produktion mussten über Wochen stillgelegt wer‐ den, der finanzielle Schaden ging in die Millionen. Das Beispiel zeigt 1.3 Chancen und Risiken im Kontext der Industrie 4.0/ 5.0 29 <?page no="30"?> eindrucksvoll, wie verwundbar hochvernetzte Produktionssysteme gegenüber Cyberattacken sind (Norsk Hydro, 2020). Ransomware-Angriffe 2021/ 22: Auch deutsche Industrieunterneh‐ men wie KraussMaffei und Pilz waren in den letzten Jahren Opfer schwerer Ransomware-Angriffe. Neben Produktionsausfällen litt auch das Vertrauen von Kunden und Partnern - ein Hinweis darauf, dass Cybersicherheit zur Kernkompetenz in der Industrie 4.0 werden muss (BSI, 2022). Ausblick - Industrie 5.0 Während Industrie 4.0 den Fokus stark auf Technologie und Automatisie‐ rung legt, verschiebt Industrie 5.0 die Perspektive hin zu Menschzentrierung, Nachhaltigkeit und Resilienz (Europäische Kommission, 2021). • Mensch-Roboter-Kollaboration: Kollaborative Roboter (Cobots) un‐ terstützen Menschen bei repetitiven und ergonomisch belastenden Tä‐ tigkeiten. Damit entstehen sichere und flexiblere Arbeitsplätze. • Nachhaltigkeit und Kreislaufwirtschaft: Industrie 5.0 integriert ökologische Ziele systematisch in Wertschöpfungsprozesse. CO2-neut‐ rale Fabriken, Kreislaufwirtschaft und Remanufacturing-Konzepte wer‐ den zentrale Bausteine. • Resiliente Produktionsnetzwerke: Globale Krisen wie die CO‐ VID-19-Pandemie oder Lieferkettenstörungen verdeutlichen die Not‐ wendigkeit robuster, anpassungsfähiger Wertschöpfungsnetzwerke. • Künstliche Intelligenz: KI wird nicht nur zur Prozessoptimierung, sondern zunehmend in strategische Entscheidungsprozesse integriert. Dabei gewinnt „Explainable AI“ an Bedeutung, um Transparenz und Vertrauen sicherzustellen. • Offene Datenräume und Standards: Europäische Initiativen wie GAIA-X oder der International Data Space (IDS) fördern die Entwick‐ lung souveräner und interoperabler Datenräume, die Unternehmen den sicheren Austausch von Daten ermöglichen. Praxisbeispiele: Mensch-Roboter-Kollaboration bei Universal Robots: Universal Robots gilt als Vorreiter in der Cobot-Entwicklung. In der Automobilin‐ dustrie kommen Cobots zum Einsatz, um Montagearbeiten gemeinsam 30 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="31"?> mit Menschen durchzuführen - ohne klassische Schutzkäfige. Dies ermöglicht eine flexible, sichere und menschzentrierte Produktion und zeigt exemplarisch, wie Industrie 5.0 den Menschen wieder stärker in den Mittelpunkt rückt (Universal Robots, 2025). Siemens Electronics Factory Amberg: Siemens nutzt in seiner Vorzeigefabrik in Amberg Elemente von Industrie 5.0: Mensch-Robo‐ ter-Teams, KI-gestützte Qualitätskontrolle und nachhaltige Ressour‐ cennutzung. Damit gilt die Fabrik als Modell für resiliente, nachhaltige und zugleich hochautomatisierte Wertschöpfung (Siemens, 2025c). Zusammenfassung Die in diesem Kapitel dargestellten Entwicklungen verdeutlichen, dass die industrielle Wertschöpfung in den vergangenen Jahren einen tiefgreifenden Wandel durchlaufen hat. Industrie 4.0 steht für die Digitalisierung und Vernetzung von Produktions- und Dienstleistungs‐ prozessen auf Basis cyber-physischer Systeme (vgl. Abschnitt 1.1.1). Daraus ergeben sich neue Paradigmen des Wirtschaftens, die nicht nur technologische, sondern auch organisatorische und kulturelle Veränderungen erfordern (vgl. Abschnitt 1.1.2). Die Analyse der Nutzenpotenziale von CPS zeigt, dass Unternehmen ihre Produkte und Dienstleistungen auf Basis von Daten kontinuierlich verbessern, Betriebsprozesse optimieren und neue digitale Services entwickeln können (vgl. Unterkapitel 1.2). Gleichzeitig wurde deutlich, dass die Chancen in Effizienz, Nachhaltigkeit, Mass Customization und neuen Geschäftsmodellen groß sind, aber auch erhebliche Risiken bestehen - insbesondere im Hinblick auf Investitionsaufwand, Kom‐ plexität, Cybersecurity und Kompetenzentwicklung (vgl. Unterkapitel 1.3). Mit dem Übergang zu Industrie 5.0 verschiebt sich der Fokus von einer rein technologischen Perspektive hin zu Menschzentrierung, Nachhaltigkeit und Resilienz. Dies unterstreicht, dass die Digitalisie‐ rung der Industrie nicht nur ein Effizienztreiber ist, sondern auch als gesellschaftliche Gestaltungsaufgabe verstanden werden muss. Die hier behandelten Konzepte bilden die Grundlage für die weitere Auseinandersetzung mit dem industriellen Dienstleistungsmanage‐ ment. Im nächsten Kapitel werden daher die Konsequenzen für hybride Leistungsbündel und Geschäftsmodelle untersucht. Hier zeigt sich, wie 1.3 Chancen und Risiken im Kontext der Industrie 4.0/ 5.0 31 <?page no="32"?> Unternehmen die Potenziale digitaler Technologien praktisch nutzen können, indem sie Produkte und Dienstleistungen intelligent kombi‐ nieren und auf dieser Basis innovative Geschäftsmodelle entwickeln. Aufgabe 1.1: a) Definieren Sie die Begriffe Industrie 4.0 und Industrie 5.0. b) Nennen Sie drei zentrale Paradigmen der Industrie 4.0 nach Siep‐ mann (2016b) und erläutern Sie diese kurz. c) Erklären Sie, welche zusätzlichen Paradigmen durch Industrie 5.0 ergänzt werden. Aufgabe 1.2: a) Beschreiben Sie zwei konkrete Nutzenpotenziale, die sich aus dem Einsatz -cyber-physischer Systeme im industriellen Dienst‐ leistungsgeschäft ergeben. b) Diskutieren Sie zwei Chancen und zwei Risiken, die für Unterneh‐ men im Zuge der Einführung von Industrie 4.0 entstehen. c) Leiten Sie daraus ab, warum die Überleitung zu hybriden Leistungs‐ bündeln und neuen Geschäftsmodellen (Kapitel 2) sinnvoll ist. 32 1 Das industrielle Dienstleistungsgeschäft in Zeiten der Digitalisierung <?page no="33"?> 2 Neue Geschäftsmodelle für industrielle Dienstleistungen In diesem Kapitel werden neue Geschäftsmodelle im Kontext industrieller Dienst‐ leistungen erläutert und sie lernen die Bedeutung dieser kennen. Die industrielle Wertschöpfung befindet sich im Zuge der Digitalisierung in einem grundlegenden Wandel. Während im klassischen Geschäftsmodell von Industrieunternehmen der Verkauf physischer Produkte im Mittelpunkt stand, rücken zunehmend dienstleistungsorientierte und datengetriebene Ansätze in den Vordergrund. Kunden erwarten heute nicht mehr nur hochwertige Maschinen oder Anlagen, sondern ganzheitliche Lösungen, die deren Betrieb unterstützen, optimieren und nachhaltig gestalten. Ein zentrales Konzept in diesem Zusammenhang sind hybride Leistungs‐ bündel (HLB). Sie verbinden ein materielles Kernprodukt mit komplemen‐ tären Dienstleistungen, sodass der Kunde nicht nur ein Produkt, sondern eine integrierte Problemlösung erhält. Solche Bündel können sowohl klas‐ sische Services (z. B. Wartung, Ersatzteile) als auch digitale Mehrwertdienste umfassen, die auf Echtzeitdaten, Predictive Analytics und künstlicher Intelli‐ genz basieren. Bekannte Beispiele sind „Power by the Hour“ von Rolls-Royce im Triebwerksbereich oder „Equipment-as-a-Service“-Modelle im Maschi‐ nenbau. Hybride Leistungsbündel bilden zugleich die Grundlage für neue Ge‐ schäftsmodelle, die stärker auf Nutzungsorientierung statt auf Besitz abzie‐ len. Kunden bezahlen nicht mehr unbedingt für den Erwerb des Produkts, sondern für die tatsächliche Nutzung oder die Verfügbarkeit einer Leistung („Pay per Use“, „Subscription Models“). Diese Transformation verändert nicht nur die Wertschöpfungslogik, sondern auch die Rollen von Anbietern und Kunden in industriellen Ökosystemen. Darüber hinaus gewinnen Nachhaltigkeit und Resilienz an Bedeutung: Unternehmen werden zunehmend aufgefordert, Lösungen anzubieten, die energie- und ressourceneffizient, kreislaufwirtschaftlich und anpassungsfä‐ hig gegenüber Krisen sind. Hybride Leistungsbündel können hier einen entscheidenden Beitrag leisten, da sie den Fokus von einmaligen Verkäufen hin zu lebenszyklusbegleitenden Lösungen verschieben. <?page no="34"?> Das Kapitel 2 widmet sich daher den theoretischen Grundlagen, Gestal‐ tungsformen und Praxisbeispielen hybrider Leistungsbündel sowie deren Verknüpfung mit innovativen Geschäftsmodellen. Es zeigt, wie Unterneh‐ men durch die Kombination von Produkten, Dienstleistungen und digitalen Technologien nicht nur Wettbewerbsvorteile erzielen, sondern auch die Grundlage für eine nachhaltige und kundenorientierte Industrie 5.0 schaffen können. 2.1 Das hybride Leistungsbündel im Mittelpunkt eines modernen Dienstleistungsmanagements In den vergangenen Jahrzehnten hat sich für viele Industrieunternehmen die wirtschaftliche Notwendigkeit ergeben, nicht wertschöpfungsrelevante Prozesse zu reduzieren oder auszulagern und die eigenen Ressourcen auf die Kernkompetenzen zu konzentrieren. Für einen klassischen Güterher‐ steller bedeutet dies beispielsweise, dass er sich primär auf Entwicklung und Produktion konzentriert, während Aufgaben wie Anlagenbetrieb oder Logistik zunehmend an externe Partner vergeben werden. Damit geht jedoch auch der Verlust von Know-how hinsichtlich des effizienten Betriebs von Anlagen oder der Gestaltung schlanker Transport- und Lagerprozesse einher. Der Bedarf von Kundenunternehmen nach produktbegleitenden Dienstleistungen und maßgeschneiderten Lösungen, die flexibel in ihre Wertschöpfungsprozesse integriert werden können, wächst folglich konti‐ nuierlich (Meier & Uhlmann, 2012; Wiesner et al., 2021a). Für Anbieter bedeutet dies, dass eine reine Fokussierung auf Produktver‐ besserungen und Sachleistungen nicht mehr ausreicht. Industriegüterher‐ steller sind zunehmend gefordert, ihr Portfolio um Dienstleistungen zu erweitern, die die Sachleistung ergänzen oder erweitern. Die langfristige Entwicklung geht dabei in Richtung integrierter Angebote, bei denen Sach- und Dienstleistungen gemeinsam geplant, entwickelt, erbracht und genutzt werden. Auf diese Weise können Unternehmen neue Märkte erschließen, ihre Abhängigkeit vom reinen Produktverkauf reduzieren und zusätzliche Ertragsquellen aufbauen (Baines & Lightfoot, 2013). Insbesondere im deutschen Maschinen- und Anlagenbau, der sich tradi‐ tionell über Hochtechnologieprodukte im globalen Wettbewerb behauptet, ist die Entwicklung hybrider Leistungsbündel (HLB) ein entscheidender Differenzierungsfaktor. Denn ohne ergänzende Dienstleistungen droht die 34 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="35"?> Gefahr, in eine „Technologiefalle“ zu geraten: Hochentwickelte Maschinen allein reichen nicht aus, wenn Kunden die Potenziale nicht voll ausschöp‐ fen können. Weniger ausgereifte, aber kostengünstigere Maschinen aus Niedriglohnländern erscheinen dann häufig attraktiver. Der entscheidende Mehrwert ergibt sich daher durch die Verknüpfung von Sach- und Dienst‐ leistungen zu HLBs, die den Nutzen der einzelnen Komponenten übersteigen und den Kunden befähigen, die Leistungsfähigkeit der Produkte voll zu entfalten (Porter & Heppelmann, 2014; Gebauer et al., 2020a). Darüber hinaus tragen hybride Leistungsbündel zu einer nachhaltige‐ ren Ressourcennutzung bei. Produktionsmittel können länger mit hoher Produktivität betrieben werden, und durch veränderte Eigentums- und Nut‐ zungsmodelle - beispielsweise „Pay-per-Use“ oder „Product-as-a-Service“ - lassen sich entwickelte Komponenten mehrfach nutzen oder in neuen Kontexten einsetzen. Damit unterstützen HLBs nicht nur die wirtschaftliche, sondern auch die ökologische Nachhaltigkeit, was im Lichte regulatorischer Anforderungen wie der EU-Taxonomie oder der Corporate Sustainability Reporting Directive (CSRD) von wachsender Bedeutung ist (Europäische Kommission, 2021). Die Entwicklung und das Angebot von kundenspezifischen HLBs erzeugt Nutzen auf beiden Seiten: • Für Kunden erhöhen sich Produktivität, Qualität, Flexibilität und Verfügbarkeit, während Transparenz über Kosten und Leistungen steigt. • Für Anbieter ergeben sich Wettbewerbsvorteile durch standardisierte und automatisierte Prozesse, reduzierte Entwicklungszeiten, die Er‐ schließung neuer Märkte, stärkere Kundenbindungen sowie die Mög‐ lichkeit, planbare Umsätze aus Dienstleistungen zu generieren. Im weiteren Verlauf von Kapitel 2 werden zunächst Definition und Kernele‐ mente hybrider Leistungsbündel vorgestellt (Abschnitt 2.1.1). Anschließend wird ein Überblick über deren Lebenszyklus gegeben (Abschnitt 2.1.2), bevor in den folgenden Abschnitten die Bedeutung für Geschäftsmodelle, Wertschöpfungsketten und die digitale Transformation analysiert wird. 2.1 Das hybride Leistungsbündel im Mittelpunkt 35 <?page no="36"?> 2.1.1 Definition und Begriffsverständnis Die Besonderheit eines hybriden Leistungsbündels (HLB) liegt in der integ‐ rierten Betrachtung von Sach- und Dienstleistungen, die gemeinsam ein kundenspezifisches Nutzenversprechen realisieren. Aufbauend auf Meier und Uhlmann (2012, S. 6) sowie Stark und Müller (2012, S. 43) kann ein HLB wie folgt definiert werden: Definition 2.1: Ein hybrides Leistungsbündel ist gekennzeichnet durch die integrierte, sich gegenseitig determinierende Planung, Entwicklung, Implementie‐ rung, Erbringung und Nutzung von Sach- und Dienstleistungsanteilen in den Wertschöpfungsprozessen aller beteiligten Partner (Anbieter, Kunde und Zulieferer), um so eine hybride Wertschöpfung zu ermög‐ lichen. Typischerweise wird dem Kunden ein zeitlich befristetes Nutzungs‐ recht an den Bestandteilen des HLB eingeräumt, während das Eigentum beim Anbieter verbleibt. Dadurch entstehen neue Geschäftsmodelle, die weniger auf den Verkauf von Produkten und stärker auf die ergebnis- oder nutzungsorientierte Bereitstellung von Lösungen setzen. Das heute etablierte integrative Begriffsverständnis von HLBs ist das Er‐ gebnis eines längeren Entwicklungsprozesses. Während früher Sach- und Dienstleistungen weitgehend getrennt betrachtet wurden, erfolgt mittler‐ weile eine enge Verzahnung. Viele Unternehmen sehen HLBs immer noch primär als Produkte mit begleitenden Dienstleistungen (z. B. Wartungs‐ pakete oder Schulungen). Zunehmend setzt sich jedoch ein modulares Verständnis durch, bei dem Sach- und Dienstleistungsanteile flexibel kombi‐ niert werden, um kundenindividuelle Problemlösungen zu schaffen. Damit entstehen hochgradig anpassbare Leistungsangebote, die auf dynamische Marktbedingungen reagieren können (vgl. Entwicklung des Begriffsvers‐ tändnisses hybrider Leistungsbündel Hybrides Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-4). 36 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="37"?> Abbildung 1: Entwicklung des Begriffsverständnisses hybrider Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-4 Die Kernelemente von HLBs lassen sich wie folgt zusammenfassen (Meier & Uhlmann, 2012; Stark & Müller 2012; Baines & Lightfoot 2013; Wiesner et al., 2021b): • Integrierte Wertschöpfung: Sachleistungen, Dienstleistungen und beteiligte Partner realisieren gemeinsam - vertraglich geregelt - eine hybride Wertschöpfung. • Kombination von Anteilen: Die Integration von Sach- und Dienst‐ leistungsanteilen führt zu unterschiedlichen Anforderungen in Planung, Entwicklung, Erbringung und Nutzung. • Hoher Individualisierungsgrad: Kunden erhalten maßgeschneiderte Problemlösungen, die entweder durch Neuentwicklung oder durch Konfiguration standardisierter Module entstehen. • Dynamische Anpassbarkeit: HLBs können flexibel an sich veränder‐ nde Kundenbedarfe und Anbieterfähigkeiten angepasst werden. • Substitutionsfähigkeit: Sach- und Dienstleistungsanteile können im Lebenszyklus des Angebots teilweise ausgetauscht oder ersetzt werden. • Modulare Struktur: Ein HLB kann aus hybriden Modulen sowie rei‐ nen Dienstleistungs- oder reinen Sachleistungsmodulen bestehen (vgl. Strukturierung hybrider Leistungsbündel Hybrides Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-7). 2.1 Das hybride Leistungsbündel im Mittelpunkt 37 <?page no="38"?> Abbildung 2: Strukturierung hybrider Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-7 Beispiel-2.1: Die folgenden Beispiele verdeutlichen, dass HLBs nicht nur die Erwei‐ terung eines Produkts durch Services darstellen, sondern eine neue Logik der Wertschöpfung begründen, die auf Integration, Modularität und Datenorientierung basiert: Rolls-Royce „Power by the Hour“: Das Unternehmen bietet Flug‐ zeugtriebwerke nicht mehr nur als Produkt, sondern als nutzungsba‐ sierten Service an. Kunden bezahlen nach Betriebsstunden; Wartung, Ersatzteile und Upgrades sind inkludiert. Dieses Geschäftsmodell ist ein typisches HLB, da es Hardware (Triebwerk) und Service (Instand‐ haltung, Monitoring) integriert (Baines & Lightfoot, 2013). TRUMPF „Pay per Part“: Der Maschinenbauer TRUMPF stellt Kunden Laserschneidanlagen zur Verfügung, die pro geschnittenem Teil abge‐ rechnet werden. Der Kunde erhält damit die Leistung „geschnittenes Werkstück“, ohne die Maschine selbst kaufen oder warten zu müssen (TRUMPF, 2022a). Schaeffler „Optime“: Schaeffler bietet mit Optime eine IoT-gestüt‐ zte Condition-Monitoring-Lösung an. Sensoren (Sachleistung) werden kombiniert mit einer Cloud-Software und einem Wartungsservice, so‐ 38 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="39"?> dass Kunden vorausschauende Instandhaltung betreiben können (Scha‐ effler, 2021a). Für dieses Buch sollen die dargelegten Ausführungen zu den Merkmalen und Eigenschaften eines HLBs für einen ersten Überblick genügen. Es muss allerdings angemerkt werden, dass sich je nach Quelle abweichende Vorstellungen bzgl. Eigenschaften von HLBs finden lassen. 2.1.2 Der Lebenszyklus hybrider Leistungsbündel Der Lebenszyklus hybrider Leistungsbündel (HLB) beschreibt die Abfolge von Phasen, die ein HLB von der ersten Planung über die Entwicklung und Implementierung bis hin zum Betrieb und zur Auflösung durchläuft. Dieses Konzept wurde u. a. von Meier und Uhlmann (2012) systematisch dargestellt und bildet bis heute eine Grundlage für Forschung und Praxis im industriellen Dienstleistungsmanagement. Der besondere Charakter des HLB-Lebenszyklus liegt in der integrierten Betrachtung sowohl des Produktlebenszyklus (Sachleistung) als auch des Dienstleistungslebenszyk‐ lus. Damit wird sichergestellt, dass beide Leistungsanteile von Beginn an aufeinander abgestimmt sind und der Kundennutzen während des gesamten Lebenszyklus im Mittelpunkt steht. Die wesentlichen Phasen des HLB-Lebenszyklus lassen sich wie folgt darstellen (vgl. Bestandteile des HLB-Lebenszyklus): HLB-Planung Die Planungsphase umfasst die systematische Analyse von Kundenbe‐ dürfnissen, deren Übersetzung in konkrete Anforderungen sowie die Ge‐ staltung geeigneter Vertragsmodelle. Im Unterschied zu klassischen Pro‐ duktentwicklungsprozessen sollen die Kundenanforderungen möglichst lösungsneutral erfasst werden, um Innovationen und alternative Lösungsp‐ fade offen zu halten. Am Ende dieser Phase steht ein kundenindividuelles HLB-Geschäftsmodell, das die strategische Grundlage für die weitere Ent‐ wicklung bildet. 2.1 Das hybride Leistungsbündel im Mittelpunkt 39 <?page no="40"?> Praxisbeispiel: Rolls-Royce etabliert mit seinem „Power-by-the- Hour“-Modell seit Jahrzehnten ein Geschäftsmodell, das nicht den Verkauf von Triebwerken, sondern deren Nutzung und Verfügbarkeit in den Mittelpunkt stellt. In der Planungsphase wird gemeinsam mit Airlines ein individueller Leistungsumfang (Wartung, Ersatzteile, Ga‐ rantien) festgelegt (Baines & Lightfoot, 2013). HLB-Entwicklung In der Entwicklungsphase werden auf Basis des Geschäftsmodells Konzepte für das HLB ausgearbeitet und sowohl die Sachleistungsals auch die Dienstleistungsanteile detailliert gestaltet. Ziel ist die Erstellung eines HLB-Produktmodells, das als Blaupause für die Umsetzung dient. Moderne digitale Tools wie Simulationen, digitale Zwillinge und KI-gestützte Design‐ methoden unterstützen zunehmend die Entwicklung von kombinierten Produkt-Service-Lösungen. Praxisbeispiel: TRUMPF bietet mit der Plattform „Pay-per-Part“ ein digitales Modell, bei dem Laserschneidmaschinen nicht mehr nur verkauft, sondern pro produziertem Teil abgerechnet werden. Die Entwicklung solcher Modelle erfordert eine enge Verzahnung von Ma‐ schinenbau, Software-Architektur und Servicekonzeption (TRUMPF, 2022a). HLB-Implementierung In dieser Phase werden die im Produktmodell spezifizierten Sachleistungs‐ anteile produziert, logistische Strukturen eingerichtet und die Vorausset‐ zungen für die Dienstleistungserbringung geschaffen. Dazu gehört z. B. die initiale Inbetriebnahme des HLB beim Kunden sowie der Aufbau von Monitoring- und Supportprozessen. Digitale Plattformen und IoT-Systeme spielen eine zentrale Rolle, um die für den späteren Betrieb relevanten Datenströme frühzeitig zu integrieren. Praxisbeispiel: Schaeffler koppelt bei Industrie-4.0-Projekten die Lie‐ ferung von Wälzlagern und mechatronischen Komponenten mit einem vorausschauenden Wartungsservice. Bereits bei der Implementierung 40 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="41"?> werden Sensorik und Cloud-Anbindung integriert, um die spätere Betriebsphase optimal zu unterstützen (Schaeffler, 2021b). HLB-Betrieb Im Betrieb erfolgt die eigentliche Wertgenerierung: Kunden nutzen das HLB, während der Anbieter die vereinbarten Serviceleistungen erbringt. Dabei können durch digitale Vernetzung dynamische Anpassungen vorgenommen werden - etwa die bedarfsorientierte Anpassung von Wartungsintervallen oder die Bereitstellung zusätzlicher Software-Features. Predictive Mainte‐ nance, nutzungsbasierte Abrechnungsmodelle oder KI-gestützte Optimie‐ rungen der Anlagenperformance gehören zu den zentralen Erfolgsfaktoren. Praxisbeispiel: General Electric (GE) bietet im Rahmen seiner „Digital Twin“-Strategie Services für Gasturbinen und Windkraftanlagen an. Während des Betriebs werden in Echtzeit Zustandsdaten gesammelt und mit digitalen Modellen abgeglichen, um Effizienzsteigerungen und Kostenreduzierungen zu erzielen (GE, 2025). HLB-Auflösung Am Ende des Lebenszyklus erfolgt die Beendigung der vertraglichen Bezie‐ hung sowie ggf. die Rückführung oder das Recycling der Sachleistungsan‐ teile. Nachhaltigkeitsaspekte gewinnen hierbei zunehmend an Bedeutung, insbesondere durch regulatorische Anforderungen wie die EU-Kreislauf‐ wirtschaftsstrategie. Unternehmen entwickeln daher Konzepte für Remanu‐ facturing, Wiederverwertung oder Second-Life-Nutzung, um Ressourcen zu schonen und die Kundenbindung über den eigentlichen Produktlebenszyk‐ lus hinaus zu stärken. Praxisbeispiel: Siemens bietet Rücknahme- und Wiederaufberei‐ tungskonzepte für bestimmte Automatisierungskomponenten an. Diese ermöglichen nicht nur eine Reduktion von Elektroschrott, son‐ dern eröffnen auch neue Servicegeschäfte im Bereich Refurbishment (Siemens, 2025b). 2.1 Das hybride Leistungsbündel im Mittelpunkt 41 <?page no="42"?> Abbildung 3: Bestandteile des HLB-Lebenszyklus Der HLB-Lebenszyklus stellt eine zentrale Methodik dar, um hybride Ge‐ schäftsmodelle strukturiert zu entwickeln und über die gesamte Wertschöp‐ fung hinweg umzusetzen. Mit der zunehmenden Digitalisierung und der Einbettung von KI-gestützten Analysetools erfährt der klassische Ansatz eine deutliche Erweiterung. Während Meier und Uhlmann (2012) noch primär die integrierte Betrachtung von Sach- und Dienstleistungen fokus‐ sierten, rücken heute Aspekte wie Datenintegration, Nachhaltigkeit und Plattformökonomie stärker in den Vordergrund. Unternehmen, die den HLB-Lebenszyklus konsequent nutzen, sind in der Lage, sowohl Effizienz‐ potenziale als auch neue Erlösquellen zu erschließen. 2.1.3 Klassifizierung von hybriden Leistungsbündeln Hybride Leistungsbündel (HLB) können in der Praxis sehr unterschiedlich ausgestaltet sein. Diese Vielfalt macht eine systematische Klassifizierung notwendig, um die Konzepte besser zu verstehen, vergleichen und gezielt einsetzen zu können. In der Literatur existieren verschiedene Ansätze, die insbesondere von Wipfler et al. (2014) aufgegriffen wurden. Im Folgenden werden zentrale Klassifizierungskategorien erläutert, ergänzt um aktuelle Entwicklungen und Praxisbeispiele. Bundling Beim Bundling werden mehrere Produkte oder Dienstleistungen zu einem Angebotsbündel zusammengefasst. Ursprünglich stammt dieses Konzept aus dem Marketing von Konsumgütern. Praxisbeispiel: Viele Softwareanbieter wie Microsoft oder Adobe verkaufen ihre Produkte im Rahmen von Bundles (z. B. Microsoft 365 oder Adobe Creative Cloud), wodurch der Kunde eine integrierte 42 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="43"?> Lösung erhält, anstatt einzelne Anwendungen separat erwerben zu müssen. Systems Selling Hierbei werden Produkte und Dienstleistungen als vorkonfiguriertes Paket angeboten, um eine passgenaue Anpassung an die Bedürfnisse der Kunden zu ermöglichen. Insbesondere im Investitionsgütermarkt ist dieses Modell verbreitet. Praxisbeispiel: Siemens bietet komplette Automatisierungs- und Energiepakete an, die Hardware, Software, Implementierungsservices und Wartung umfassen. Dadurch wird der Integrationsaufwand beim Kunden erheblich reduziert. Full Service Full Service geht über Bundling und Systems Selling hinaus und verfolgt einen ganzheitlichen Ansatz, bei dem Anbieter nicht nur Produkte und Dienstleistungen bereitstellen, sondern komplette Serviceverantwortung übernehmen. Praxisbeispiel: MAN Truck & Bus bietet Flottenkunden umfassende Full-Service-Verträge an, die von Finanzierung über Wartung bis hin zum digitalen Flottenmanagement reichen. Dadurch wird die Verfüg‐ barkeit der Fahrzeuge optimiert, während der Kunde planbare Kosten hat. Service Package Beim Service Package stehen Dienstleistungen im Vordergrund, während Produkte lediglich als unterstützende Komponenten dienen. Praxisbeispiel: Im Bereich Cloud Computing werden Softwarelösun‐ gen wie Salesforce oder SAP S/ 4HANA Cloud nicht als reines Produkt, sondern als Servicepaket bereitgestellt, das kontinuierliche Updates, Support und Skalierbarkeit umfasst. 2.1 Das hybride Leistungsbündel im Mittelpunkt 43 <?page no="44"?> Product Service Hierbei handelt es sich um dienstleistungsorientierte Zusatzleistungen, die eng mit einem Produkt verknüpft sind. Ziel ist die Differenzierung gegenüber Wettbewerbern. Praxisbeispiel: BMW bietet eine Mobilitätsgarantie inklusive Pannen‐ service an, die beim Kauf eines Neuwagens enthalten ist. Der Service stärkt die Kundenbindung und hebt das Angebot vom Wettbewerb ab. Installed Base Service Installed Base Services sind auf bestehende Anlagen zugeschnitten und unterstützen Endanwender während der gesamten Nutzungsdauer. Praxisbeispiel: TRUMPF bietet für seine Werkzeugmaschinen auto‐ matische Ersatzteilversorgung sowie zustandsbasierte Wartungssys‐ teme an. Diese Leistungen sichern eine hohe Maschinenverfügbarkeit über den gesamten Lebenszyklus. Solutions Solutions fokussieren sich auf die Problemlösung aus Kundensicht, unab‐ hängig davon, ob diese über Produkte, Dienstleistungen oder eine Kombi‐ nation erreicht wird. Praxisbeispiel: DHL Supply Chain entwickelt maßgeschneiderte Lo‐ gistiklösungen, die Transport, Lagerhaltung, IT-Systeme und Zusatz‐ services zu einer integrierten Gesamtlösung verbinden. Integrated Solutions Integrated Solutions sind speziell für Großkunden wie öffentliche Instituti‐ onen oder Infrastrukturbetreiber konzipiert. Praxisbeispiel: Alstom liefert Bahnsysteme als integrierte Lösungen, die Planung, Bau, Betrieb und Instandhaltung von Hochgeschwindig‐ keitsstrecken umfassen. 44 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="45"?> Eco-Efficient Product Services Hierbei wird der Kundennutzen mit einer nachhaltigen Ressourcennutzung kombiniert. Ziel ist die Reduktion ökologischer Belastungen. Praxisbeispiel: Schaeffler bietet energieeffiziente Wälzlagerlösungen mit Condition-Monitoring-Systemen an, die nicht nur Kosten senken, sondern auch die Lebensdauer der Produkte verlängern. Product-Service Systems (PSS) Das Konzept der Product-Service Systems stellt die Funktion bzw. den Nutzen beim Kunden in den Vordergrund. Dabei lassen sich drei Typen un‐ terscheiden: produktorientiert, nutzungsorientiert und ergebnisorientiert. Praxisbeispiele: Produktorientiert: Wartungs- und Schulungsangebote für Maschinen Nutzungsorientiert: Carsharing-Dienste wie Share Now Ergebnisorientiert: Xerox bietet Drucklösungen an, bei denen nicht der Drucker, sondern die Anzahl gedruckter Seiten abgerechnet wird. Functional Sales Functional Sales beschreibt den Verkauf einer Funktion statt eines Produkts. Der Anbieter übernimmt dabei oft auch Verantwortung für Betrieb und Ergebnisse. Praxisbeispiel: Rolls-Royce bietet mit „Power by the Hour“ Flugzeug‐ triebwerke nicht mehr als reines Produkt, sondern als garantierte Betriebszeit an. Die Airlines zahlen ausschließlich für die tatsächlich erbrachte Schubleistung. Die vorgestellten Klassifizierungskategorien zeigen, dass hybride Leistungs‐ bündel sehr unterschiedliche Ausprägungen annehmen können - vom einfachen Bündel bis hin zu komplexen, ergebnisorientierten Geschäftsmo‐ dellen. Besonders deutlich wird, dass mit zunehmender Integration der Serviceanteil wächst und sich Anbieter stärker in Richtung lösungsorien‐ tierter Geschäftsmodelle entwickeln. Für die Praxis ist es entscheidend, das 2.1 Das hybride Leistungsbündel im Mittelpunkt 45 <?page no="46"?> geeignete Modell auszuwählen, das sowohl die Bedürfnisse der Kunden als auch die strategische Positionierung des Unternehmens unterstützt. Beispiel-2.2: Das folgende Beispiel zu hybriden Leistungsbündeln stammt aus Meier und Uhlmann (2012, S.-16-ff.). „Die Mikroproduktion stellt einen verhältnismäßig jungen Industrie‐ zweig des Maschinenbaus dar. Das Anwendungs-Know-how ist dem‐ entsprechend nicht so umfassend vorhanden wie in der Makroproduk‐ tionstechnik, wodurch entsprechende Dienstleistungen einen Mehrwert für den Kunden bei der Überwindung von Problemstellungen schaf‐ fen. Weiterhin existieren in vielen Bereichen - beispielsweise beim Tooling, der Messtechnik, in der Handhabung der Werkstücke sowie der Prozessüberwachung - keine Standardlösungen. Darüber hinaus sind für die Integration von Mikroproduktionsprozessen in bestehende Fertigungsabläufe kundenseitig neben der Bereitstellung entsprechen‐ der Maschinen und Medienversorgungen qualifizierte Prozesse bzgl. Arbeitsvorbereitung, Betrieb, Instandhaltung und Optimierung erfor‐ derlich. Zusammenfassend erwachsen dem Kunden bei der Nutzung der Mikroproduktionstechnik hohe Eintrittsbarrieren in Form hoher Investitionen bei wenig abschätzbaren Risiken. Soll also die Mikropro‐ duktion für den Kunden eine erfolgreiche Markterschließung bedeuten, sind neue dienstleistungsintegrierte Geschäftsmodelle notwendig. Diese müssen dem Kunden eine Investitionssicherheit durch eine geeignete Integration von Sach- und Dienstleistungen über einen HLB-Lebenszyk‐ lus bieten. Durch die gezielte Auswahl von Netzwerkpartnern lässt sich ein Ange‐ bot eines hybriden Leistungsbündels realisieren, sodass der HLB-Anbie‐ ter neben seinen eigenen Kernkompetenzen weitere Leistungsanteile, welche von Zulieferern bereitgestellt werden, anbieten kann. Aufgrund der damit einhergehenden erforderlichen Verteilung der Kernkompe‐ tenzen sind meist mehrere Unternehmen, z. B. für eine Klimatisierung oder Schwingungsdämpfung, am Aufbau einer mikroproduktionstech‐ nischen Anlage beteiligt. Der HLB-Anbieter etabliert dadurch ein Kon‐ zept des ,one-face-to-the-customer‘ und kann damit zu einer höheren Kundenzufriedenheit beitragen. Hierdurch ist der organisatorische Auf‐ 46 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="47"?> wand für die Planung, Entwicklung, Implementierung und den Betrieb für den HLB-Anbieter entsprechend erhöht. Neben den Hürden bei der Integration von Mikroproduktionsprozes‐ sen in bestehende Fertigungsabläufe erfordert der Betrieb von Mikro‐ produktionsmaschinen ein hochspezifisches Anwendungs-Know-how. Aufgrund der technologischen Randbedingungen, z. B. bezüglich der eingesetzten Werkzeuge in der Mikrofräsbearbeitung, besteht im Ver‐ gleich zur Makroproduktionstechnik ein noch maßgeblicherer Zusam‐ menhang zwischen den vom Kunden geforderten Bauteilen und den einzusetzenden Fertigungsverfahren. Eine optimierte Kopplung zwi‐ schen der Bauteilgeometrie bzw. den erforderlichen Funktionsflächen und dem Prozess stellt eine wichtige Dienstleistung im Sinne einer Konstruktionsberatung dar. (…) Somit ergibt sich zusammenfassend ein Mehrwert für den Kunden, da das Know-how des Anbieters zu einem optimierten hybriden Leistungsbündel und damit zu einem erhöhten Kundennutzen beiträgt. Durch den Betrieb eines hybriden Leistungsbündels in der Mikropro‐ duktion baut der Kunde zunehmend Wissen in den unterschiedlichen Bereichen der Produktion auf und benötigt während des Lebenszyklus immer weniger Unterstützung durch den HLB-Anbieter. Der Bedarf an Dienstleistungsanteilen innerhalb eines hybriden Leistungsbündels wird dadurch mit der Zeit sinken. Die sich durch die hohe Innovati‐ onsgeschwindigkeit und das über den Lebenszyklus veränderliche An‐ wendungswissen des Kunden ergebende Know-how-Varianz erfordert adaptierbare HLB-Geschäftsmodelle. Diese können von der solitären Bereitstellung eines funktionsfähigen hybriden Leistungsbündels bis hin zu einem umfassenden Angebot eines Betreibermodells im Sinne von Pay-Per-Production reichen, in dem der HLB-Anbieter in Abhän‐ gigkeit des Fertigungsergebnisses vergütet wird. Der höchstmögliche Kundennutzen wird untrennbar durch die Kopp‐ lung von Sach- und Dienstleistungsanteilen erfüllt und muss demzu‐ folge auch über den gesamten Lebenszyklus als Integration aus Sach- und Dienstleistungsanteilen in Form hybrider Leistungsbündel betrach‐ tet werden.“ 2.1 Das hybride Leistungsbündel im Mittelpunkt 47 <?page no="48"?> 2.2 Geschäftsmodelltypen hybrider Leistungsbündel Die Entwicklung hybrider Leistungsbündel (HLB) eröffnet Unternehmen vielfältige Möglichkeiten, ihr Geschäftsmodell zu erweitern und Wertschöp‐ fung neu zu gestalten. Während klassische Industrieunternehmen traditio‐ nell auf den Verkauf von Produkten fokussiert waren, rückt zunehmend die Kombination aus Sachleistungen und begleitenden Dienstleistungen in den Mittelpunkt. Diese Bündelung schafft neue Erlösquellen, stärkt Kundenbindungen und differenziert im Wettbewerb. Geschäftsmodelltypen für HLB lassen sich in unterschiedliche Kategorien einteilen, die auf dem Umfang der Integration, der Verteilung von Verantwortung sowie der Art der Erlösmodelle basieren (vgl. Baines & Lightfoot, 2013; Wiesner et al., 2021a). Produktorientierte Geschäftsmodelle Bei produktorientierten Geschäftsmodellen steht nach wie vor das physi‐ sche Produkt im Zentrum. Dienstleistungen werden ergänzend angeboten, dienen jedoch primär der Unterstützung des Produktgebrauchs. Typische Beispiele sind Wartungs- und Reparaturservices oder Ersatzteilmanage‐ ment. Der wirtschaftliche Schwerpunkt liegt hier auf dem einmaligen Ver‐ kauf des Produkts, die Dienstleistungen tragen überwiegend zur Erhöhung der Kundenzufriedenheit bei. Praxisbeispiel: Maschinenbauer wie TRUMPF bieten neben Werk‐ zeugmaschinen umfangreiche Wartungspakete an, die Ausfallzeiten reduzieren und die Lebensdauer der Maschinen verlängern (TRUMPF, 2022b). Nutzungsgestützte Geschäftsmodelle In nutzungsgestützten Modellen erfolgt die Abrechnung auf Basis der tatsächlichen Nutzung der angebotenen Leistung. Der Kunde zahlt nicht für den Besitz des Produkts, sondern für dessen Einsatz. Dieses Modell gewinnt vor allem in kapitalintensiven Branchen an Bedeutung. 48 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="49"?> Praxisbeispiel: Rolls-Royce mit seinem bekannten „Power-by-the- Hour“-Ansatz: Kunden erwerben keine Triebwerke, sondern bezahlen für die tatsächlich geflogenen Stunden. Das Unternehmen übernimmt Wartung und Betriebssicherheit und profitiert von langfristig planba‐ ren Einnahmen (Neely, 2008). Ergebnisorientierte Geschäftsmodelle Ergebnisorientierte Modelle gehen noch einen Schritt weiter. Hier wird nicht die Nutzung, sondern ein definiertes Ergebnis oder ein garantierter Output verkauft. Der Anbieter trägt die Verantwortung für die Funktions‐ fähigkeit, Effizienz und Zielerreichung. Praxisbeispiel: Druckerhersteller wie Xerox bieten „Managed Print Services“ an. Kunden bezahlen nicht für Drucker oder Toner, sondern für eine definierte Anzahl an Ausdrucken pro Monat (Cusumano et al., 2015). Auch in der Industrie verbreiten sich solche Modelle zunehmend, etwa bei Druckluft-as-a-Service-Angeboten von BOGE Kompressoren (VDMA, 2018). Plattform- und datenbasierte Geschäftsmodelle Mit der zunehmenden Digitalisierung entstehen neue Geschäftsmodelle, die auf der Nutzung von Daten und Plattformen beruhen. Der Anbieter stellt nicht mehr nur das Produkt und die begleitenden Services bereit, sondern schafft digitale Ökosysteme, in denen zusätzliche Mehrwerte generiert werden. Praxisbeispiel: Siemens betreibt mit „MindSphere“ eine IoT-Platt‐ form, die es Kunden ermöglicht, Daten aus Maschinen und Produk‐ tionsanlagen zu sammeln, zu analysieren und in digitale Services zu übersetzen. Dadurch entstehen neue Geschäftsmodelle, etwa für vorausschauende Wartung, Energieoptimierung oder Produktionspla‐ nung (Siemens, 2020). 2.2 Geschäftsmodelltypen hybrider Leistungsbündel 49 <?page no="50"?> Systemintegrative Geschäftsmodelle Ein besonders weitgehender Typ sind systemintegrative Modelle, bei denen der Anbieter komplette Lösungen verantwortet und dem Kunden ein in‐ tegriertes Leistungsversprechen über den gesamten Lebenszyklus liefert. Hierbei übernimmt der Anbieter sowohl die technische als auch die organi‐ satorische Verantwortung. Praxisbeispiel: Airbus bietet für Airlines umfassende Servicepakete an, die vom Flottenmanagement über Schulungen bis hin zu Wartung und Ersatzteilversorgung reichen. Der Kunde erhält ein „Rundum-sorg‐ los-Paket“, während Airbus planbare, langfristige Einnahmen generiert (Airbus, 2025). Bedeutung für Unternehmen Die Wahl des Geschäftsmodelltyps hängt von zahlreichen Faktoren ab, etwa von der Branche, der Kundenstruktur, der Kapitalintensität und dem Digita‐ lisierungsgrad. Unternehmen stehen zunehmend vor der Herausforderung, zwischen klassischen produktorientierten Modellen und datengetriebenen Ökosystemen zu balancieren. Häufig entstehen hybride Mischformen, die sich dynamisch weiterentwickeln. Erfolgsentscheidend ist, dass das jewei‐ lige Modell die Kundenbedürfnisse optimal adressiert und zugleich ein tragfähiges Wertschöpfungskonzept für den Anbieter gewährleistet. Beispiel-2.3: Das folgende Beispiel stammt aus Wipfler et al. (2014, S. 9) und be‐ schreibt ein klassisches Beispiel für die Entwicklung hybrider Leistungs‐ angebote und zugehörige Geschäftsmodelle. Bereits in den 1960er-Jahren hat die Firma Xerox damit begonnen, ihre Produkte zu geringeren Preisen zu verleasen, anstatt sie den Kunden zu verkaufen, da hochwertige Kopiergeräte teuer und damit nur schwer verkäuflich waren. Dieses „Rent-Instead-of-Buy“-Modell wurde später dahingehend ausgeweitet, dass die Verrechnung auf Ba‐ sis der Anzahl der tatsächlich gedruckten Seiten durchgeführt wurde (funktionsorientiertes Erlösmodell). Umfassende Serviceverträge und ein Online-Support garantierten Kunden eine maximale Betriebsbereit‐ 50 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="51"?> schaft und eine bestmögliche Wartung der Geräte. Bei der Produktge‐ staltung wurden die Komponenten wiederverwendbar konzipiert und der gesamte Lebenszyklus berücksichtigt. Über die Jahre hat sich Xerox so von einem Gerätehersteller zu einem führenden Lösungsanbieter im Bereich Dokumentenmanagement entwickelt und bietet Lösungen für dokumentenbezogene Aktivitäten in Organisationen bis hin zur Unterstützung von Geschäftsprozessen und IT-Outsourcing an. 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen Der Auf- und Ausbau moderner industrieller Dienstleistungen reicht von einer schrittweisen Erweiterung bestehender Serviceangebote bis hin zu einem fundamentalen Wandel des Geschäftsmodells. Um solche Verände‐ rungen zielgerichtet und risikoarm zu gestalten, ist ein systematischer Managementansatz erforderlich. Im Fokus steht dabei, Wertschöpfung, Erlöslogik und Verantwortlichkeiten neu zu konfigurieren, sodass Sach- und Dienstleistungen zu einem tragfähigen, kundenorientierten Angebot zusammenwachsen. Als praxiserprobter Orientierungsrahmen dient das Vorgehensmodell nach Schuh et al. (2016). Es strukturiert die Entwicklung und Anpassung dienstleistungsbezogener Geschäftsmodelle über vier Phasen - von • der Initiierung (Ideenfindung, Umfeld- und Machbarkeitsanalyse) über • die Konzeptionierung (Ausgestaltung des Nutzen-, Wertschöpfungs- und Erlösmodells) und • die Umsetzung (Pilotierung, Roll-out, Change-Management) bis hin • zur Evaluierung in der Markt- und Betriebsphase (Lern- und Anpas‐ sungsschleifen). Diese phasenbasierte Sicht stellt sicher, dass Kundenbedarf, technologische Machbarkeit, wirtschaftliche Tragfähigkeit und organisatorische Veranke‐ rung konsistent aufeinander abgestimmt werden - und dass Geschäftsmo‐ delle über den Lebenszyklus hinweg weiterentwickelt werden können. Im nächsten Abschnitt werden die genannten Phasen konkretisiert und mit geeigneten Methoden (z. B. Ideentechniken, Markt-/ Wettbewerbsanalysen, Business-Cases, Pilotierung) hinterlegt. 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 51 <?page no="52"?> 2.3.1 Phasen der Geschäftsmodellanpassung und -entwicklung Um die Erfolgsaussichten einer Geschäftsmodellanpassung oder -entwick‐ lung zu erhöhen, empfiehlt es sich, einen systematischen Prozess zu durch‐ laufen, der alle relevanten Aspekte berücksichtigt. Ein häufig genutztes Referenzmodell ist das von Schuh et al. (2016, S. 94 ff.) vorgestellte Vorgehen, das vier zentrale Phasen unterscheidet: Initiierung, Konzeptionierung, Um‐ setzung sowie Evaluierung in der Markt- und Betriebsphase (vgl. Abb.-2.4). Der Startpunkt des Entwicklungsprozesses hängt vom Anlass ab. Geht es um den erstmaligen Aufbau eines neuen Geschäfts in einem bestehenden Unternehmen oder die Gründung eines neuen Unternehmens, so beginnt der Prozess meist in der Ideenphase. Handelt es sich hingegen um die Anpassung eines bestehenden Geschäftsmodells, liegt der Auslöser häufig in der Markt- und Betriebsphase, etwa durch Veränderungen im Wettbewerb‐ sumfeld. Auch wenn ein Geschäftsmodell bereits das Stadium der Reife oder Degeneration erreicht hat, wird dies typischerweise zum Anlass einer Anpassung genommen (Schuh et al., 2016, S.-95-ff.). 52 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="53"?> Abbildung 4: Phasenmodell der Geschäftsmodellveränderung in Anlehnung an Schuh et al., 2016, S.-94 Initiierung Ziel der Initiierungsphase ist die systematische Generierung und Bewertung von Ideen anhand von Machbarkeitsanalysen. Hierfür ist es notwendig, Markt und Umfeld umfassend zu verstehen (Schuh et al., 2016, S.-97). Ideengenerierung In der Praxis werden zur Entwicklung von Geschäftsmodellideen Kreativi‐ tätstechniken wie Brainstorming, der Morphologische Kasten oder die Methode 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 53 <?page no="54"?> 635 empfohlen. Diese Methoden sollten vorzugsweise in Workshops mit Vertretern aus Management und Fachbereichen eingesetzt werden. Durch die Kombination unterschiedlicher Techniken lässt sich die Zahl und Vielfalt der Ideen erhöhen (Schuh et al., 2016, S.-97-f.). Machbarkeitsanalyse Die gewonnenen Ideen werden anschließend hinsichtlich ihrer Umsetz‐ barkeit bewertet. Diese Analyse umfasst verschiedene Dimensionen: Um‐ feldanalyse, Branchen- und Marktanalyse, Wettbewerbsanalyse sowie die Prüfung strategischer Optionen. Im Rahmen der Umfeldanalyse werden die externen Rahmenbedingun‐ gen, insbesondere rechtliche und ökonomische Faktoren, betrachtet. Dabei sind auch landesspezifische Gesetze und wirtschaftliche Entwicklungen einzubeziehen (Schuh et al., 2016, S.-98). Die Branchen- und Marktanalyse dient der Potenzialabschätzung, etwa hinsichtlich Marktvolumen, -potenzial und Sättigungsgrad. Ergänzend un‐ tersucht die Wettbewerbsanalyse bestehende und potenzielle Konkurrenten. Eine bewährte Methode hierfür ist das „Five-Forces“-Modell von Porter (1980). Schließlich erfolgt die Überprüfung der Geschäftsmodellideen auf ihre strategische Passfähigkeit zum Unternehmen. Damit soll verhindert werden, dass die Ideen der langfristigen Ausrichtung widersprechen (Schuh, 2016, S.-99). Die Ergebnisse dieser Analysen liefern qualitative Grundlagen, die z. B. mittels Nutzwertanalysen für die Priorisierung der Ideen herangezogen werden können. Die ausgewählte Idee wird im Anschluss in ein Geschäfts‐ modell überführt und detailliert ausgearbeitet. 54 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="55"?> Abbildung 5: Methoden für die Machbarkeitsanalyse in Anlehnung an Schuh et al., 2016, S.-97 Konzeptionierung In der Konzeptionsphase wird das Geschäftsmodell konkret ausgestaltet. Dies umfasst das Leistungsangebotsmodell, das Marktadressierungsmodell, das Leistungserstellungsmodell sowie das Ertragsmodell. Ausgangspunkt ist die priorisierte und bewertete Idee aus der Initiierungsphase. Zudem wird festgelegt, wie sich das Geschäftsmodell künftig entwickeln soll (Schuh et al., 2016, S.-99). Geschäftsmodellkonzept Zentrale Aufgabe dieser Phase ist es, die Zusammenhänge zwischen den Geschäftsmodellelementen zu verstehen und die Teilmodelle zu gestalten. Dies geschieht in Workshops, die durch visuelle Methoden wie Skizzen, Diagramme oder Haftnotizen unterstützt werden. Eine bewährte Struktu‐ rierung bietet das Business Model Canvas (vgl. Abb. 2.6), das sich als Standardinstrument zur Konzeption und Konkretisierung etabliert hat. Offene Unsicherheiten, etwa bezüglich radikaler Marktargumentationen, werden herausgearbeitet und in der Umsetzungsphase überprüft (Schuh et al., 2016, S.-99-f.). 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 55 <?page no="56"?> Geschäftsmodellentwicklungskonzept Darüber hinaus werden mögliche Entwicklungspfade aufgezeigt. Dabei stellen sich Fragen wie: In welcher Form wird sich das Geschäftsmodell auf‐ grund interner oder externer Einflüsse verändern? Welche Abhängigkeiten bestehen von Produkt- und Dienstleistungslebenszyklen? (Schuh et al., 2016, S.-100). Abbildung 6: Beispiel mit Bearbeitungsreihenfolge einer Business Model Canvas Umsetzung Die Umsetzungsphase umfasst die Planungsschritte zur Realisierung der Geschäftsmodellelemente und die Erstellung entsprechender Projektpläne. Zudem erfolgen eine Ex-ante-Bewertung sowie ggf. notwendige Anpassun‐ gen des Konzepts, um das Geschäftsmodell zunächst als Prototyp umzuset‐ zen. 56 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="57"?> Geschäftsmodellevaluation In einem ersten Schritt wird das Modell mithilfe virtueller Tests oder Konzeptkunden auf Funktionalität und Konformität geprüft. Man spricht in diesem Stadium noch von Geschäftsmodellprototypen. Die Bewertung kann beispielsweise durch Business Cases, die Kosten- und Erlösfaktoren einbeziehen, oder durch Markttests erfolgen (Schuh et al., 2016, S.-100-f.). Geschäftsmodellanpassung Je nach Ergebnis der Tests können Anpassungen erforderlich sein. In diesem Fall empfiehlt sich ein Pilotbetrieb über einen längeren Zeitraum. Parallel dazu sollte ein aktives Changemanagement durchgeführt werden, um Mitarbeitende zu schulen und Kunden mit dem neuen Geschäftsmodell vertraut zu machen (Schuh et al., 2016, S.-101). Geschäftsmodellvergleich und -entscheidung Abschließend ist eine Entscheidung darüber zu treffen, ob das neue oder angepasste Geschäftsmodell ausgerollt oder verworfen wird. Grundlage ist ein systematischer Vergleich von Alternativen unter Einbeziehung relevan‐ ter Stakeholder. Evaluierung (Markt- und Betriebsphase) In der abschließenden Markt- und Betriebsphase wird das Geschäftsmo‐ dell im realen Betrieb getestet und kontinuierlich überprüft. Maßnahmen wie kontinuierliche Verbesserungsprozesse (KVP), Qualitätsmanagement und Anpassungen an Marktbedingungen oder Kundenfeedback sichern die Weiterentwicklung. Reifegradmodelle und Kennzahlensysteme dienen zusätzlich dazu, die Nachhaltigkeit und den Erfolg der Leistungserbringung abzusichern (Schuh et al., 2016, S.-102). 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 57 <?page no="58"?> Abbildung 7: : Nachhaltigkeitsstrategien für Geschäftsmodelle in Anlehnung an Schuh et al., 2016, S.-102 2.3.2 Dimensionen von dienstleistungsbezogenen Geschäftsmodellen Im vorangegangenen Abschnitt wurde erläutert, mit welchen Methoden die Teilmodelle eines Geschäftsmodells - • das Leistungsangebotsmodell, • das Marktadressierungsmodell, • das Leistungserstellungsmodell sowie • das Ertragsmodell - entwickelt werden können. In diesem Abschnitt werden diese Teilmodelle mit Fokus auf industrielle Dienstleistungen näher betrachtet. Ziel ist es, aufzuzeigen, welche Ausprägungen für dienstleistungsbezogene Geschäfts‐ modelle existieren und wie diese systematisch eingeordnet werden können. Die Darstellung erfolgt entlang einer Morphologie nach Schuh et al. (2016, S.-75-ff.), die in Geschäftsmodellmorphologie in Anlehnung an Schuh et al., 2016, S. 75 wiedergegeben ist. Diese Morpho‐ logie ermöglicht es, die unterschiedlichen Gestaltungsdimensionen eines Geschäftsmodells systematisch zu erfassen und zu kombinieren. Zu berück‐ 58 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="59"?> sichtigen ist dabei, dass eine Vielzahl an möglichen Kombinationen der Ausprägungen besteht. Allerdings sind nicht alle Kombinationen für jedes Unternehmen gleichermaßen sinnvoll, sondern müssen unternehmensspe‐ zifisch geprüft werden. Abbildung 8: Geschäftsmodellmorphologie in Anlehnung an Schuh et al., 2016, S.-75 2.3.3 Leistungsangebots- und Marktadressierungsmodell Das Leistungsangebots- und Marktadressierungsmodell definiert, • welche Leistung ein Unternehmen seinen Kunden anbietet, • ob und in welchem Umfang diese Leistung konfigurierbar ist und • zu welchem Zeitpunkt im Produktlebenszyklus 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 59 <?page no="60"?> bestimmte Leistungen bereitgestellt werden. Die Ausgestaltung erfolgt anhand der Dimensionen • Leistungsangebot, • Kundensegmente, • Kommunikationskanäle und • Kundenbeziehungen (Schuh et al., 2016, S.-75-ff.). Leistungsangebot Das Leistungsangebot beschreibt den Mehrwert, den ein Kunde durch eine Kombination von Produkten und Dienstleistungen erhält. Damit ist es der Kern hybrider Leistungsbündel. Schuh et al. (2016, S. 76 ff.) unterscheiden zehn verschiedene Arten von Leistungsangeboten, von denen im Folgenden exemplarisch vier näher erläutert werden: • Neuheit: Das Nutzenversprechen erfüllt vollkommen neue Kundenbe‐ dürfnisse, die zuvor nicht bestanden haben. Dies gilt beispielsweise für technologische Innovationen, die völlig neue Anwendungsbereiche erschließen. • Individualisierung: Produkte und Dienstleistungen werden spezifisch an die Bedürfnisse einzelner Kunden oder Kundensegmente angepasst. • Kostenreduktion: Kunden erhalten durch die angebotene Leistung die Möglichkeit, ihre eigenen Kosten zu reduzieren - etwa durch effizientere Prozesse oder geringeren Ressourceneinsatz. • Verfügbarkeitsgarantie: Durch die Zusicherung technischer Verfüg‐ barkeiten wird das geschäftliche Risiko des Kunden reduziert. Gleich‐ zeitig wird diesem Zugang zu Technologien ermöglicht, die sonst, z. B. aus Kostengründen, nicht genutzt werden könnten. Beispiel-2.4: Ein bekanntes Praxisbeispiel liefert Rolls-Royce mit dem Modell Power-by-the-Hour. Anstatt Triebwerke zu verkaufen, stellt das Unter‐ nehmen seinen Kunden die Triebwerke zur Verfügung und ergänzt diese durch individuell zugeschnittene Instandhaltungsdienstleistungen. Der Kunde bezahlt eine Gebühr pro Betriebsstunde des Triebwerks. Damit 60 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="61"?> kann sich die Fluggesellschaft auf ihr Kerngeschäft, den Flugbetrieb, konzentrieren, während Rolls-Royce die Verantwortung für Verfügbar‐ keit und Wartung übernimmt (Schuh et al., 2016, S.-77). Auch die Heidelberger Druckmaschinen AG zeigt, wie Leistungsangebote einen Mehrwert durch Komfort schaffen können. Über internetbasierte Services, die direkt an der Druckmaschine aufrufbar sind, ermöglicht das Unternehmen schnelle Problemlösungen und steigert so den Bedienkomfort für die Kunden (Schuh et al., 2016, S.-77). Kundensegmente Die Dimension Kundensegmente legt fest, an welche Zielgruppen sich ein Geschäftsmodell richtet. Schuh et al. (2016, S.-78) differenzieren hier: • Massenmarkt: große Kundengruppen mit weitgehend homogenen Bedürfnissen • Nischenmarkt: kleine, spezialisierte Kundengruppen mit sehr spezifi‐ schen Anforderungen • Segmentierter Markt: mehrere Kundensegmente mit leicht unter‐ schiedlichen Erwartungen • Diversifizierter Markt: Kundensegmente mit völlig unterschiedlichen Bedürfnissen, die entsprechend differenzierte Leistungen erfordern Kommunikationskanäle Kommunikationskanäle sind die Schnittstellen, über die ein Unternehmen mit seinen Kunden in Kontakt tritt. Im B2B-Bereich hat der persönliche Kontakt durch den Vertriebsmitarbeiter traditionell einen hohen Stellen‐ wert. Ergänzend sind auch eigene Geschäfte, Partnergeschäfte oder digitale Kanäle wie Online-Plattformen von Bedeutung. Vor allem im B2C-Kontext bieten solche Kanäle den Kunden einen direkten Zugang zu Dienstleistungen (Schuh et al., 2016, S.-78-f.). 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 61 <?page no="62"?> Kundenbeziehungen Die Kundenbeziehung beschreibt, wie intensiv und in welcher Form Un‐ ternehmen mit Kunden interagieren. Mögliche Ausprägungen sind (Schuh et al., 2016, S.-79-f.): • allgemeine persönliche Beratung ohne festen Ansprechpartner, • Key-Account-Management mit fest zugeordnetem Ansprechpartner, • automatisierte Dienstleistungen, bei denen Kunden über Algorith‐ men unterstützt werden, etwa durch Remote-Services, • Communitys und Netzwerke, die den Austausch zwischen Kunden fördern und zusätzlich neue Werte durch Co-Creation schaffen. Beispiel-2.5: Philips Healthcare betreibt Communitys, die es Anwendern ermögli‐ chen, Wissen auszutauschen und voneinander zu lernen. GEA Farm Technologies nutzt eine Plattform, auf der Kunden Beiträge veröffentli‐ chen, Diskussionen führen und an Umfragen teilnehmen können. Beide Beispiele zeigen, wie Unternehmen Kundenbeziehungen intensivieren und gleichzeitig wertvolle Einblicke in Kundenbedürfnisse gewinnen (Schuh et al., 2016, S.-80). 2.3.4 Leistungserstellungsmodell Das Leistungserstellungsmodell definiert, wie das Nutzenversprechen des Geschäftsmodells realisiert wird. Es umfasst drei zentrale Bausteine (Schuh et al., 2016, S.-80-f.): • Schlüsselressourcen: Dazu gehören physische Ressourcen (z. B. Ma‐ schinen, Anlagen, Gebäude), intellektuelle Ressourcen (z. B. Patente, Marken, Kundendaten), Wissen sowie humanes Kapital. Gerade bei Dienstleistungen sind Mitarbeiter und deren Kompetenzen entschei‐ dend, da die Interaktion mit dem Kunden zentral ist. • Schlüsselaktivitäten: Wesentliche Aktivitäten sind die Herstellung von Gütern, die Erbringung von Dienstleistungen, aber auch Problem‐ lösungen, die eine enge Integration in Kundenprozesse erfordern. Eine weitere wichtige Aktivität kann das Betreiben von Plattformen oder Netzwerken sein, die den Austausch zwischen Kunden ermöglichen. 62 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="63"?> • Schlüsselpartnerschaften: Partnerschaften ermöglichen es, Ressour‐ cen zu ergänzen, Kosten durch Skaleneffekte zu senken und Risiken aufzuteilen. Besonders wichtig werden Partnerschaften dann, wenn kritische Ressourcen intern nicht vorhanden sind und extern akquiriert werden müssen. 2.3.5 Ertragsmodell Das Ertragsmodell legt fest, wie Erlöse generiert werden und welche Kostenstrukturen dabei entstehen. Es umfasst drei Dimensionen (Schuh et al., 2016, S.-81-ff.): • Abrechnungs- und Erlöswege: Klassisch ist der Verkauf von Pro‐ dukten gegen Einmalzahlung oder in Raten (Pay-for-Equipment). Für dienstleistungsorientierte Modelle sind jedoch nutzungsabhängige An‐ sätze relevanter, z. B. Pay-for-Availability, bei dem Erlöse an die Verfüg‐ barkeit der Leistung gebunden sind, oder Pay-for-Use, bei dem nur die tatsächliche Nutzung berechnet wird. Daneben gibt es Miet-, Leasing- oder Lizenzmodelle sowie Mitgliedsgebühren. • Preismechanismen: Preise können entweder als Festpreise oder als dynamische Preise gestaltet werden. Dynamische Preise können sich etwa nach Kundensegmenten, der Auslastung oder dem Zeitpunkt der Leistungserbringung richten. Die Abb. 2.9 verdeutlicht die möglichen Differenzierungen. 2.3 Geschäftsmodellentwicklung um industrielle Dienstleistungen 63 <?page no="64"?> Abbildung 9: Preismechanismen in Anlehnung an Schuh et al., 2016, S.-84 • Kostenstruktur: Eine wertbasierte Kostenstruktur legt den Schwer‐ punkt auf die Qualität des Nutzenversprechens und personalisierte Dienstleistungen, während die reine Kostenreduktion nachrangig ist. Grundsätzlich wird zwischen fixen und variablen Kosten unterschieden. Kostenvorteile entstehen durch Skaleneffekte und Verbundeffekte. 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz zukünftiger industrieller-Dienstleistungsgeschäfte Immer mehr Industrieunternehmen setzen in der heutigen Zeit auf dienst‐ leistungsorientierte Geschäftsmodelle, die in erheblichem Maße digitale und internetbasierte Elemente in ihre Leistungsbündel integrieren. Diese Entwicklung erfordert Ansätze, die sowohl die technologische als auch 64 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="65"?> die organisatorische Dimension neuer Geschäftsmodelle systematisch be‐ rücksichtigen. Vor diesem Hintergrund gewinnt das Digital Business Engineering als methodischer Rahmen zunehmend an Bedeutung. Es wurde speziell für die Anforderungen digitaler Geschäftsmodelle entwickelt und richtet den Fokus auf deren strukturierte Gestaltung und Umsetzung. Definition 2.2: Das Digital Business Engineering ist eine am Fraunhofer-Institut für Software- und Systemtechnik (ISST) sowie im Leistungszentrum Logistik und IT entwickelte Methode. Sie unterstützt Unternehmen gezielt bei der Entwicklung und Weiterentwicklung digitaler Geschäfts‐ modelle. Grundlage bildet das Konzept des Methoden-Engineerings, das in der Wirtschaftsinformatik verortet ist und die ingenieurmäßige Entwicklung, Anpassung und Kombination von Entwurfsmethoden umfasst (Möller et al., 2018, S.-539-f.; Gutzwiller, 1994, S.-11). Durch die systematische Anwendung dieser Methodik können Unter‐ nehmen sicherstellen, dass digitale Geschäftsmodelle nicht nur innova‐ tiv, sondern auch tragfähig und nachhaltig gestaltet werden. Damit trägt das Digital Business Engineering wesentlich dazu bei, den Wandel von der produktzentrierten hin zur dienstleistungs- und plattformorientier‐ ten Industrie erfolgreich zu gestalten. 2.4.1 Bestandteile des Digital Business Engineerings Das Konzept des Digital Business Engineerings umfasst nach Otto et al. (2015, S. 66 ff.) sechs aufeinander aufbauende Phasen, die speziell auf die Neuentwicklung digitaler Geschäftsmodelle ausgerichtet sind. Die zugehörigen Methoden werden an dieser Stelle nur überblicksartig genannt; für eine detaillierte Auseinandersetzung wird auf das Selbststudium verwie‐ sen. Phase 1: End-to-End-Kundenprozess verstehen und neu entwickeln In der ersten Phase steht die umfassende Analyse des Kundenprozesses im Mittelpunkt. Es genügt nicht, bestehende Abläufe lediglich zu optimieren - vielmehr soll ein neues, zukunftsorientiertes Bild des Kundenprozesses entworfen werden. Ziel ist es, alle Berührungspunkte und Wertschöpfungs‐ 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 65 <?page no="66"?> schritte konsequent aus Kundensicht zu betrachten. Unterstützende Tech‐ niken sind hier insbesondere • die Customer-Journey-Analyse, • die Prozessmodellierung sowie • die Multi-Channel-Analyse. Phase 2: Geschäftsökosystem verstehen und neu entwickeln Damit ein neu entwickelter End-to-End-Kundenprozess funktioniert, bedarf es eines geeigneten Geschäftsökosystems. Dabei müssen relevante Stakehol‐ der und Interaktionspunkte im Kundenprozess identifiziert, neu entworfen und miteinander verknüpft werden. Empfohlene Methoden sind vor allem • die SWOT-Analyse und • die Netzwerkanalyse. Phase 3: Design des digitalen Produkts bzw. der digitalen Dienstleistung In dieser Phase werden die digitalen Produkte oder Dienstleistungen - häufig in Form hybrider Leistungsbündel - konzipiert. Yoo et al. (2010) verweisen in diesem Zusammenhang auf die besondere Architektur digitaler Artefakte, die z. B. aus Programmcode, Video- oder Audiodateien bestehen können. Methodisch stützen sich diese Entwicklungsarbeiten auf Instru‐ mente wie • das Business Model Canvas, • das Digital Artefact Design und • Design Thinking. Phase 4: Design der digitalen Fähigkeiten Um digitale Leistungsbündel erfolgreich anzubieten, muss die Organisation über die erforderlichen digitalen Fähigkeiten verfügen. Darunter versteht man die Kompetenz, Unternehmensressourcen so einzusetzen, dass die Potenziale der Digitalisierung systematisch erschlossen werden. Eine zent‐ rale Fähigkeit ist der Zugang zu und die Verarbeitung von Daten, die aus internen oder externen Quellen stammen und in unterschiedlichen Formaten, Qualitäten oder Strukturen vorliegen können. Die Phase wird insbesondere durch das Capability Reference Model unterstützt. 66 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="67"?> Phase 5: Data Mapping In der fünften Phase geht es darum, die für den End-to-End-Kundenprozess relevanten Datenflüsse transparent zu machen. Es werden Datenquellen, Formate, Aktualisierungsfrequenzen und Verantwortlichkeiten identifiziert. Die eingesetzten Methoden umfassen • Data Architecture Management, • Data Mapping sowie • die Data Value Chain. Phase 6: Design der Systemarchitektur Die letzte Phase zielt auf die Entwicklung einer Gesamtsystemarchitektur, die alle zuvor erarbeiteten Elemente integriert und eine durchgängige Unterstützung des End-to-End-Kundenprozesses sicherstellt. Als methodi‐ sches Instrument dient hierbei insbesondere das Digital Architecture Management. Zur besseren Übersicht sind die beschriebenen Phasen einschließlich der jeweils unterstützenden Methoden in Prozess des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S. 66 sowie in Methoden des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S. 67 nochmals zusammengefasst. Im nächsten Kapitel wird das Vorgehen zudem an einem praktischen Beispiel veranschaulicht. 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 67 <?page no="68"?> Abbildung 10: Prozess des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S.-66 Phase Beschreibung Ziel Involvierte Methoden 1 End-to-End- Kundenpro‐ zessverstehen und neu entwickeln den Kundenprozess aus ei‐ nem externen Blickwinkel verstehen Business De‐ velopment, Vertrieb, Marketing Customer Journey, Pro‐ zessmodellie‐ rung, Multi-Chan‐ nel-Analyse 2 Geschäftsöko‐ systemverste‐ hen und neu entwickeln Akteure im Kunden‐ prozess identifizieren und Kundeninteraktions‐ punkte verstehen Business De‐ velopment, Vertrieb, Marketing, Produktent‐ wicklung SWOT-Ana‐ lyse, Netz‐ werkanalyse 68 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="69"?> 3 Design des digi‐ talen Produkts/ der digitalen Dienstleistung Entwicklung der digita‐ len Produkte/ Dienstleis‐ tungen, basierend auf dem ganzheitlichen Ver‐ ständnis des Kundenproz‐ esses Business De‐ velopment, Vertrieb, Marketing, Produktent‐ wicklung Business Mo‐ del Canvas, Digital Arti‐ fact Design, Design Thin‐ king 4 Design der digi‐ talen Fähigkei‐ ten Identifikation der digitalen Fähigkeiten, die benötigt werden, um die digitalen Produkte und Dienstleis‐ tungen anzubieten Business De‐ velopment, IT, Produkt‐ entwicklung Capability Reference Model 5 Data Mapping Identifikation der benötig‐ ten Daten und Datenquel‐ len, die benötigt werden, um die digitalen Produkte und Dienstleistungen an‐ zubieten Business De‐ velopment, IT, Datenma‐ nagement, Produktent‐ wicklung Data Archi‐ tecture Ma‐ nagement, Data Map‐ ping, Data Value Chain 6 Design der Sys‐ temarchitektur Entwicklung der System‐ architektur IT, Datenma‐ nagement Digital Ar‐ chitecture Management Tabelle 1: Methoden des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S.-67 2.4.2 Anwendung des Digital Business Engineerings Die Anwendung des Digital Business Engineerings lässt sich anschaulich anhand einer Fallstudie aus Möller et al. (2018, S. 542 ff.) verdeutlichen, die in Kooperation mit der Firma DB Schenker durchgeführt wurde. Ausgangspunkt war der Prozess des Kaufs und der Installation von elektri‐ schen Großgeräten in Privathaushalten, beispielsweise von E-Herden. Diese Installationen wurden traditionell von einem Zwei-Mann-Team übernom‐ men - bestehend aus einem Fahrer sowie einem Handwerker, der das Gerät fachgerecht installiert. In urbanen Räumen zeigte sich jedoch, dass durch ein stark heterogenes Kundenprofil eine Vielzahl unterschiedlicher Gerätetypen und Installationsanforderungen entstand. Für jedes Produkt waren daher oft verschiedene Handwerker erforderlich. Dies führte zu Ineffizienzen im Ablauf, da die Fahrer während der Installationen warten mussten und somit unnötige Stillstandszeiten entstanden. Um dieses Problem zu lösen, entwickelte DB Schenker mithilfe der Digital-Business-Engineering-Methode eine digitale Dienstleistung: „In‐ 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 69 <?page no="70"?> stall4Schenker“. Der Entwicklungsprozess folgte dabei den sechs Phasen des Digital Business Engineerings, die im Folgenden auf den konkreten Anwendungsfall übertragen werden. Phase 1: End-to-End-Kundenprozess verstehen und neu entwickeln DB Schenker stellte zunächst die Einzelhändler in den Mittelpunkt des Ge‐ schäftsmodells, wobei diese als direkte Kunden betrachtet wurden, während die Endverbraucher die eigentlichen Nutzer der Dienstleistung darstellten. Ziel war es, den vollständigen Prozess von der Kaufentscheidung bis hin zur Lieferung und Installation zu analysieren. Mithilfe der Customer-Journey-Analyse wurde der gesamte Ablauf aus Sicht des Endkunden nachvollzogen: Der Verbraucher informiert sich über verschiedene Kanäle über Produkte, kauft diese online oder im stationären Handel und bucht gleichzeitig die Lieferung samt Installation. Anschließend stößt der Händler den Installations- und Lieferprozess bei DB Schenker an. Für den Endkunden bleibt dabei intransparent, wie genau die Leistungser‐ bringung organisiert ist (Möller et al., 2018, S.-542-f.). Abbildung 11: Beispiel für eine Customer Journey in Anlehnung an Möller et-al., 2018, S.-543 70 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="71"?> Phase 2: Geschäfts-Ökosystem verstehen und neu entwickeln In einem zweiten Schritt wurde das Geschäfts-Ökosystem mithilfe einer Netzwerkanalyse untersucht. Die Analyse identifizierte die zentralen Akteure: Endkunden, Einzelhändler, DB Schenker als Dienstleister, externe Handwerker sowie die Fahrer. Die Netzwerkanalyse machte sichtbar, welche Interaktionen und Infor‐ mationsflüsse zwischen diesen Parteien bestehen und an welchen Knoten‐ punkten kritische Abhängigkeiten auftreten. Besonders Endkunden und DB Schenker stellten sich als zentrale Schnittstellen heraus, da sie die höchste Zahl an Zu- und Abläufen im Netzwerk verzeichnen (Möller et al., 2018, S.-543). Abbildung 12: Beispiel Netzwerkanalyse des Geschäftsökosystems in Anlehnung an Möller et-al., 2018, S.-543 Phase 3: Design des digitalen Produkts bzw. der digitalen Dienstleistung Ausgehend vom identifizierten Kernproblem entwickelte DB Schenker ein digitales Geschäftsmodell: die Plattform Install4Schenker. 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 71 <?page no="72"?> Diese Plattform bringt Fahrer und externe Handwerker zusammen, an‐ statt ausschließlich mit eigenen Handwerkern zu arbeiten. Der Prozess läuft wie folgt ab: • Der Einzelhändler übermittelt die Bestellung an DB Schenker. • Die Plattform verarbeitet die Bestellinformationen und initiiert sowohl den Transportauftrag für den Fahrer als auch die Installationsanweisung für einen Handwerker. • Fahrer und Handwerker treffen zeitgleich beim Endkunden ein: Der Fahrer liefert das Gerät, der Handwerker installiert es eigenverantwort‐ lich. Darüber hinaus bietet die Plattform weitere Funktionen, darunter die Koor‐ dination und Verteilung von Aufträgen, die Validierung von Handwerker‐ zertifikaten, die Verwaltung von Kundenbewertungen sowie die Integration geografischer Informationen. Zur Konzeption des Geschäftsmodells nutzten die Autoren die Methode des Business Model Canvas (Möller et al., 2018, S.-544). Abbildung 13: Beispiel für den Kundenprozess bei Install4Schenker in Anlehnung an Möller et-al., 2018, S.-544 72 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="73"?> Phase 4: Design der digitalen Fähigkeiten Um die neue digitale Dienstleistung erfolgreich umsetzen zu können, wur‐ den die erforderlichen digitalen Fähigkeiten im Rahmen von Workshops erarbeitet und mithilfe des Capability Reference Models strukturiert. Zentrale Fähigkeiten umfassten unter anderem den sicheren Umgang mit Daten, die Integration externer Partner in die Plattform sowie die Echtzeit-Koordination von Liefer- und Installationsprozessen (Möller et al., 2018, S.-545). Abbildung 14: Beispiel für digitale Fähigkeiten in Anlehnung an Möller et-al., 2018, S.-545 Phase 5: Data Mapping Im nächsten Schritt wurde eine detaillierte Zuordnung der benötigten Daten vorgenommen. Dabei wurde zwischen internen und externen Datenquellen unterschieden: • Interne Daten: Informationen zu Fahrern, deren Standorten und dem jeweiligen Auftragsstatus. • Externe Daten: Angaben zu Handwerkern, deren Verfügbarkeit und Qualifikationen sowie zu den Aufträgen von Einzelhändlern. Das Data Mapping stellte sicher, dass alle relevanten Informationen in geeigneter Form, Quelle und Häufigkeit bereitgestellt werden (Möller et al., 2018, S.-545). 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 73 <?page no="74"?> Abbildung 15: Beispiel Data Mapping in Anlehnung an Möller et-al., 2018, S.-545 Phase 6: Design der Systemarchitektur Abschließend entwarfen die Autoren eine Systemarchitektur, die die technische Basis der Plattform bildet. Hierbei stellte das Datenbanksys‐ tem PostgreSQL die Bestellinformationen bereit, die per Application Pro‐ gramming Interface (API) an den Server weitergeleitet wurden. Die Kommunikation zwischen Server, Servicedesks (über Browserzu‐ gang) und mobilen Endgeräten (über die Install4Schenker-App) erfolgte über das Internet. Je nach Anwendungsfall konnte die Architektur granula‐ rer gestaltet werden (Möller et al., 2018, S.-546). Abbildung 16: Beispiel der Systemarchitektur für Install4Schenker in Anlehnung an Möller et-al., 2018, S.-546 74 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="75"?> Fazit Die Fallstudie verdeutlicht, wie das Digital Business Engineering in der Praxis eingesetzt werden kann, um klassische logistische Dienstleistungen durch digitale Geschäftsmodelle zu transformieren. Durch die Plattform Install4Schenker gelang es DB Schenker, die Ineffizienzen des traditionel‐ len Zwei-Mann-Installationsprozesses zu eliminieren und gleichzeitig ein flexibleres, kundenorientiertes Serviceangebot zu schaffen. Zusammenfassung Im zweiten Kapitel dieses Buches haben Sie zentrale Grundlagen zum Thema Geschäftsmodelle im industriellen Dienstleistungsumfeld ken‐ nengelernt. Zunächst wurden die Unterschiede zwischen funktions-, verfügbarkeits- und ergebnisorientierten hybriden Leistungsbündeln (HLB) verdeutlicht (vgl. Unterkapitel 2.1). Anschließend standen die vier Phasen der Geschäftsmodellentwicklung im Mittelpunkt. Dabei wurde herausgearbeitet, wie Unternehmen systematisch von der Ide‐ engenerierung über die Konzeption bis hin zur Implementierung und Evaluierung neuer Modelle vorgehen können. Ergänzend wurden die verschiedenen Dimensionen dienstleistungsbezogener Geschäftsmo‐ delle erläutert, um eine konzeptionelle Grundlage für deren Analyse und Gestaltung zu schaffen (vgl. Unterkapitel-2.2). Darauf aufbauend wurde das Modell des Digital Business Enginee‐ rings als ein ganzheitlicher Ansatz für die Entwicklung digitaler Geschäftsmodelle im industriellen Kontext eingeführt. Dieser Ansatz berücksichtigt gleichermaßen B2Bwie auch B2C-Perspektiven und wurde anhand einer praxisnahen Fallstudie mit der Firma DB Schenker anschaulich illustriert. Die einzelnen Phasen - vom Kundenprozess über das Geschäftsökosystem bis hin zur Systemarchitektur - zeigten dabei exemplarisch, wie digitale Dienstleistungen methodisch fundiert entwickelt und in bestehende Strukturen integriert werden können (vgl. Abschnitt-2.4.1 und 2.4.2). 2.4 Digital Business Engineering als ganzheitlicher Entwicklungsansatz 75 <?page no="76"?> Mit dieser Zusammenführung von theoretischen Konzepten und prak‐ tischen Anwendungsbeispielen liefert Kapitel 2 einen ganzheitlichen Überblick über die Gestaltung und Weiterentwicklung dienstleistungs‐ bezogener Geschäftsmodelle. Im anschließenden dritten Kapitel wird dieses Wissen gezielt erweitert - mit einem besonderen Fokus auf die Kundenzufriedenheit im Kontext industrieller Dienstleistungen (vgl. Kapitel-3) Aufgabe-2.1: Nennen und beschreiben Sie mit eigenen Worten die Phasen der Ge‐ schäftsmodellentwicklung bzw. Geschäftsmodellanpassung. Bestandteil der Konzeptionierungsphase ist die Methode Business Model Canvas. Wenden Sie diese Methode auf ein mögliches Dienstleistungsgeschäfts‐ modellkonzept Ihres oder eines selbst gewählten Unternehmens an. Aufgabe-2.2: Nennen und beschreiben Sie die Bestandteile des Digital Business Engineerings. 76 2 Neue Geschäftsmodelle für industrielle Dienstleistungen <?page no="77"?> 3 Customer Experience im Umfeld industrieller Dienstleistungen In diesem Kapitel wird die Bedeutung der Customer Experience im Kontext in‐ dustrieller Dienstleistungen erläutert. Sie stellt einen zentralen Erfolgsfaktor dar, um die Tragfähigkeit und den nachhaltigen Erfolg entwickelter Geschäftsmodelle sicherzustellen. Zunächst werden die Bestandteile der Customer Experience vorgestellt, um ein umfassendes Verständnis der Einflussgrößen zu schaffen. Anschließend wird verdeutlicht, wie sich die einzelnen Determinanten auf den Unterneh‐ menserfolg auswirken können. Darüber hinaus wird gezeigt, wie sich das Customer Experience Manage‐ ment (CEM) speziell im B2B-Umfeld industrieller Dienstleistungen gestaltet und welche Besonderheiten im Vergleich zum B2C-Bereich bestehen. 3.1 Bestandteile der Customer Experience In den vergangenen Jahren hat das Thema Customer Experience (CX) zunehmend an Bedeutung gewonnen - nicht nur im Konsumgüterbereich, sondern auch in der Industrie. Immer mehr Industrieunternehmen bieten neben physischen Produkten sowohl analoge als auch digitale Dienstleis‐ tungen im B2B- und B2C-Kontext an und erkennen, dass die Gestaltung po‐ sitiver Kundenerlebnisse ein entscheidender Erfolgsfaktor ist. In der Praxis gilt die systematische Steuerung der Customer Experience als unverzichtbar, um sich nachhaltig vom Wettbewerb zu differenzieren, Kundenloyalität aufzubauen und langfristige Kundenbeziehungen zu sichern (Bruhn & Hadwich, 2012, S.-7; Lemon & Verhoef, 2016). Unter Customer Experience versteht man die Gesamtheit aller Eindrücke, die ein Kunde im Laufe seiner Beziehung zu einem Unternehmen sammelt. Diese Eindrücke entstehen aus individuellen Wahrnehmungen, direkten und indirekten Interaktionen sowie der erlebten Qualität der angebotenen Produkte und Dienstleistungen (Bruhn & Hadwich, 2012, S. 10). Entschei‐ dend ist, dass die Erfahrung nicht allein auf einzelne Kontaktpunkte be‐ schränkt bleibt, sondern den gesamten Lebenszyklus der Kundenbeziehung umfasst. <?page no="78"?> Gerade im Kontext industrieller Dienstleistungen sind die adressierten Kunden nicht nur private Konsumenten, sondern häufig Mitarbeiter anderer Unternehmen oder interner Unternehmensbereiche. Sie handeln daher nicht ausschließlich nach persönlichen Präferenzen, sondern berücksichtigen zugleich die Interessen ihres Unternehmens, etwa in Bezug auf Kosten, Effizienz, Zuverlässigkeit oder Nachhaltigkeit. Dies macht das Management der Customer Experience im industriellen Umfeld besonders komplex und erfordert einen differenzierten Ansatz, der sowohl emotionale als auch funk‐ tionale Dimensionen berücksichtigt (McColl-Kennedy et al., 2019; Homburg et al., 2017). 3.1.1 Dimensionen der Customer Experience Wenn ein Kunde mit einem Anbieter interagiert, betrifft dieses Erlebnis in der Regel mehrere Ebenen. Es wird davon ausgegangen, dass Customer Experience stets multidimensional ist und den Kunden auf verschiedenen Wahrnehmungs- und Verhaltensebenen anspricht (Bruhn & Hadwich, 2012, S. 12). In der wissenschaftlichen Literatur herrscht allerdings bis heute keine vollständige Einigkeit darüber, welche Erlebnisdimensionen existieren und damit das theoretische Konstrukt „Customer Experience“ hinreichend prä‐ zise beschreiben können (Lemon & Verhoef, 2016). Ein häufig herangezogenes Strukturierungsmodell stammt von Bruhn und Hadwich (2012, S. 12), die die Customer Experience anhand von sechs grundlegenden Erlebnisdimensionen differenzieren: • Sensorische Dimension: Diese Dimension umfasst die Aufnahme von Umweltreizen über die Sinnesorgane. Durch die gezielte Stimulierung der Sinne (Sehen, Hören, Riechen, Schmecken, Tasten) können beim Kunden Wohlbefinden, Erregung und Zufriedenheit ausgelöst werden. Im industriellen Kontext spielen sensorische Faktoren etwa bei Produkt‐ präsentationen, Showrooms oder digitalen Visualisierungen eine Rolle. • Emotionale bzw. affektive Dimension: Hierbei stehen die Stim‐ mungs- und Gefühlsebenen des Kunden im Vordergrund. Emotionen und Stimmungen werden ausgelöst, etwa durch die Interaktion mit einer Marke, einem Service oder den Mitarbeitenden eines Unternehmens. Positive Emotionen gelten als zentrale Treiber der Kundenloyalität (Gentile et al., 2007). 78 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="79"?> • Kognitive Dimension: Diese Dimension zielt auf den Intellekt des Kunden. Kreativität, Problemlösefähigkeit und die gedankliche Ausei‐ nandersetzung mit dem Leistungsangebot werden angeregt. Besonders im B2B-Bereich, in dem komplexe Dienstleistungen erbracht werden, spielt die kognitive Dimension eine entscheidende Rolle, da Kunden rationale Entscheidungen auf Basis von Informationen und Argumenten treffen. • Verhaltensbezogene Dimension: Hierunter fallen physische Erleb‐ nisse und Interaktionsmöglichkeiten, die mit einer Dienstleistung ver‐ bunden sind. Gleichzeitig kann diese Dimension Veränderungen des Verhaltens oder Lebensstils bewirken, beispielsweise durch die Nutzung innovativer Technologien oder digitaler Serviceplattformen. • Lifestyle-Dimension: Sie adressiert die Werte und Überzeugungen der Kunden. Dienstleistungen und Produkte können genutzt werden, um eigene Einstellungen zu bestätigen und nach außen zu kommunizieren. Im industriellen Umfeld zeigt sich dies etwa in nachhaltigen Services oder klimaneutralen Lieferketten, die Kunden helfen, ihre Nachhaltig‐ keitsziele zu unterstreichen. • Soziale Dimension bzw. rationale Erlebnisdimension: Hier wird die Interaktion mit relevanten sozialen Gruppen betont. Das Gefühl der Zugehörigkeit entsteht durch den Austausch mit anderen Kunden oder durch die aktive Beziehungspflege des Anbieters. In digitalen Öko‐ systemen gewinnen Plattformen, Kunden-Communitys und Co-Crea‐ tion-Ansätze zunehmend an Bedeutung (Homburg et al., 2017). Die sechs Dimensionen verdeutlichen, dass Customer Experience nicht eindimensional verstanden werden kann. Vielmehr entsteht sie aus dem Zusammenspiel sensorischer, emotionaler, kognitiver, verhaltensbezogener, werteorientierter und sozialer Faktoren. Die Dimensionen und Moderatoren der Customer Experience Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S. 14 fasst die elementaren Erlebnisdimensionen sowie Moderatoren der Customer Experience im in‐ dustriellen Dienstleistungskontext zusammen. 3.1 Bestandteile der Customer Experience 79 <?page no="80"?> Abbildung 17: Dimensionen und Moderatoren der Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S.-14 3.1.2 Determinanten von Customer Experience Die Customer Experience (CX) im industriellen Dienstleistungsmanage‐ ment wird durch zahlreiche Faktoren beeinflusst, die in der Literatur als Determinanten bezeichnet werden. Obwohl kein einheitliches Modell existiert, bieten verschiedene Autoren strukturierte Kategorisierungen, die Orientierung geben. Bruhn und Hadwich (2012, S.-18-ff.) unterscheiden auf einem hohen Abstraktionsniveau fünf zentrale Kategorien: • Kundenbezogene Determinanten: Diese lassen sich in intrapersonale und interpersonale Faktoren gliedern. Intrapersonale Determinanten beziehen sich auf Persönlichkeits- und demografische Merkmale eines Kunden. Je positiver ein Kunde einer Marke oder einem Anbieter ge‐ genüber eingestellt ist, desto leichter fällt es, Begeisterung zu erzeugen, was die CX deutlich verbessert. Interpersonale Determinanten wirken zwischen mehreren Personen, z. B. durch das Zugehörigkeitsgefühl zu einer Referenzgruppe oder die Interaktion in Markengemeinschaften über Social Media (Bruhn & Hadwich, 2012; Lemon & Verhoef, 2016). 80 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="81"?> • Unternehmensbezogene Determinanten: Diese betreffen Faktoren wie Freundlichkeit und Zuverlässigkeit der Mitarbeitenden, den Inter‐ aktionsgrad mit den Kunden, die Gestaltung der Räumlichkeiten, das Produkt- und Serviceangebot sowie den Einsatz digitaler Technologien. Studien zeigen, dass gerade im industriellen Kontext digitale Schnitt‐ stellen zur Effizienzsteigerung und Transparenz maßgeblich beitragen (Deloitte, 2024a). • Leistungsbezogene Determinanten: Hier stehen Funktionalität und Qualität der Leistungen im Vordergrund. Die Vielfalt, Einzigartigkeit sowie die wahrgenommene Qualität und Komplexität industrieller Produkte und Services beeinflussen die CX entscheidend. Besonders in B2B-Märkten gilt die Leistungsqualität als zentraler Treiber von Loyalität und Wiederkaufsraten (Homburg et al., 2017; Wirtz, 2025a). • Situative Determinanten: Diese beziehen sich auf Rahmenbedingun‐ gen der Interaktion, wie Zeitdruck, Anwesenheit anderer Kunden, Ra‐ battaktionen oder unerwartete Interaktionen mit Mitarbeitern. Studien belegen, dass gerade situative Überraschungsmomente (z. B. kurzfristige Sonderaktionen oder proaktive Servicekontakte) die Kundenerfahrung deutlich aufwerten können (Gentile et al., 2007; Wirtz, 2025b). • Umfeldbezogene Determinanten: Schließlich wirken auch externe Faktoren, die der Anbieter nur begrenzt beeinflussen kann. Dazu zäh‐ len konjunkturelle Entwicklungen, rechtliche Rahmenbedingungen, technologische Trends oder Medienberichterstattungen. Besonders im industriellen Umfeld sind diese Faktoren eng mit regulatorischen An‐ forderungen und technologischen Standards (z. B. EU Data Act, AI Act) verknüpft, die das Kundenerlebnis indirekt beeinflussen können (Europäische Kommission, 2021; Onramp, 2025). Aktuelle Studien belegen, dass Unternehmen im B2B-Bereich zunehmend systematisch in Customer Experience Management (CXM) investieren. Laut Deloitte (2024b) verfügen mittlerweile über 90 Prozent der Industrieunter‐ nehmen über digitale CX-Initiativen. Wirtz (2025a, 2025b) zeigt zudem, dass CXM in B2B-Märkten heute nicht nur als Differenzierungsfaktor gilt, sondern als strategische Notwendigkeit verstanden wird, um nachhaltige Kundenloyalität zu sichern. 3.1 Bestandteile der Customer Experience 81 <?page no="82"?> In Determinanten der Customer Experience Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S. 18 sind die Determinanten der Customer Experience noch einmal systematisch zusammengefasst dar‐ gestellt. Tabelle 2: Determinanten der Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S.-18 3.1.3 Wirkung von Customer Experience Die Wirkung eines erfolgreichen Customer Experience Managements (CEM) kann systematisch anhand einer Erfolgskette dargestellt werden, die sich aus den Grundannahmen des Relationship Marketings ableitet. Dieses Konzept geht davon aus, dass Unternehmen durch bestimmte Aktivitäten (Input) bei den Kunden Wirkungen erzeugen, die wiederum Konsequenzen für das Kundenverhalten nach sich ziehen und schließlich in einen messba‐ ren finanziellen Erfolg münden (Output) (Bruhn & Hadwich, 2012, S.-20-f.). Psychologische Wirkung: Kundenzufriedenheit Im ersten Schritt führt ein professionelles CEM zu einer höheren Kunden‐ zufriedenheit. Diese Zufriedenheit entsteht aus der Gesamtheit der Erleb‐ nisse während der gesamten Customer Journey. Positiv wahrgenommene Interaktionen mit dem Unternehmen - etwa durch reibungslose Service‐ prozesse, konsistente Kommunikation oder personalisierte Leistungen - erzeugen beim Kunden Vertrauen und Wohlbefinden. Studien zeigen, dass 82 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="83"?> die emotionale Bindung an eine Marke stärker ist, wenn die Erlebnisse über verschiedene Kontaktpunkte hinweg konsistent und positiv ausfallen (Lemon & Verhoef, 2016). Zufriedenheit bildet damit die Grundlage für weitere Effekte. Verhaltenswirkung: Kundenbindung und Engagement Auf dieser Basis entsteht als zweite Stufe eine Verhaltenswirkung. Zufrie‐ dene Kunden sind nicht nur treuer, sondern zeigen auch höheres Engage‐ ment: Sie nutzen Produkte länger, kaufen häufiger nach oder sind eher bereit, zusätzliche Services in Anspruch zu nehmen. Zudem wirken positive Erfahrungen direkt auf Weiterempfehlungen (Word of Mouth) und Bewer‐ tungen in digitalen Kanälen. Neuere Forschungsergebnisse unterstreichen, dass gerade im B2B-Kontext langfristige Kundenbeziehungen entscheidend sind, da die Wechselkosten hoch und die Entscheidungsketten komplex sind (Kumar & Pansari, 2016). Somit trägt ein erfolgreiches CEM erheblich zur Kundenloyalität bei. Finanzielle Wirkung: Umsatz- und Gewinnsteigerung Die finanzielle Wirkung ist die letzte Stufe der Erfolgskette. Unternehmen, die systematisch in Kundenerlebnisse investieren, erzielen nachweislich höhere Umsätze, Margen und Gewinne. Laut dem CX ROI Handbook 2024 konnten Unternehmen, die CEM-Maßnahmen konsequent implementiert haben, durchschnittlich 17 Prozent höhere Umsätze sowie 23 Prozent mehr Gewinn erzielen. Gleichzeitig wurde ein Rückgang der Kundenabwande‐ rung um über 20 Prozent verzeichnet. Damit bestätigt sich die Hypothese, dass Kundenerlebnisse nicht nur immaterielle Faktoren sind, sondern sich direkt in harten Finanzkennzahlen niederschlagen (Hunsaker, 2024). Erweiterung: Experience Supply Chain Ein modernes Verständnis von CEM geht über die dyadische Beziehung zwischen Anbieter und Kunde hinaus. Aktuelle Ansätze wie die von PwC (2025) eingeführte „Experience Supply Chain“ zeigen, dass Kundenerleb‐ nisse heute entlang komplexer Wertschöpfungsnetzwerke entstehen. Unter‐ nehmen müssen daher auch das Zusammenspiel mit Partnern, Plattformen und Dienstleistern orchestrieren, um ein nahtloses Erlebnis sicherzustellen. Gerade im industriellen Dienstleistungssektor bedeutet dies, dass Service‐ 3.1 Bestandteile der Customer Experience 83 <?page no="84"?> partner, Wartungsfirmen oder digitale Plattformen Teil des Kundenerlebnis‐ ses werden. Nur wenn alle Glieder der Kette aufeinander abgestimmt sind, kann eine konsistente Customer Experience gewährleistet werden. Praxisbeispiele: Siemens Smart Services im Bereich Predictive Maintenance bieten Kunden nicht nur eine höhere Anlagenverfügbarkeit, sondern auch transparente digitale Dashboards. Diese verbessern das Erleben der Kunden durch Proaktivität und Transparenz - was zu höherer Zufrie‐ denheit und Bindung führt. TRUMPF setzt im Maschinenbau auf digitale Plattformen, die Ersatz‐ teilbestellungen und Serviceeinsätze nahtlos abwickeln. Durch die In‐ tegration in die Customer Journey werden positive Erlebnisse erzeugt, die Kunden langfristig an das Unternehmen binden. DB Schenker hat mit Install4Schenker (vgl. Abschnitt 2.4.2) ein Bei‐ spiel geschaffen, wie digitale Plattformen nicht nur Prozesse effizienter machen, sondern auch das Kundenerlebnis verbessern, indem Liefe‐ rungen und Installationen perfekt aufeinander abgestimmt werden. Die Wirkungskette des Customer Experience Managements zeigt also klar: Input (CEM-Maßnahmen) → psychologische Wirkung (Zufriedenheit) → Verhaltenswirkung (Bindung, Engagement) → finanzieller Output (Umsatz, Gewinn). Diese Kette wird durch aktuelle empirische Studien und Praxisbeispiele eindrücklich bestätigt. Ein erfolgreiches CEM ist somit nicht nur ein Diffe‐ renzierungsinstrument, sondern ein zentraler Werttreiber für den nachhal‐ tigen Unternehmenserfolg im industriellen Dienstleistungsmanagement. In Tab. 3.2 sind eine solche Erfolgskette sowie mögliche Wirkungsgrößen dargestellt. Dabei wird unterstellt, dass ein erfolgreiches Customer Experi‐ ence Management eine positive Wirkung auf die Kundenzufriedenheit (psy‐ chologische Wirkung) bzw. auf die Kundenbindung (Verhaltenswirkung) hat und daraus ein finanzieller Erfolg für das Unternehmen resultiert (Output). 84 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="85"?> Tabelle 3: Wirkungen nach Implementierung eines Customer Experience Managements in Anlehnung an Bruhn & Hadwich, 2012, S.-21 3.2 Customer Experience Management bei industriellen Dienstleistungen Obwohl immer mehr traditionelle Industrieunternehmen Dienstleistungen direkt für Endverbraucher (B2C) anbieten, zeigt sich, dass ein ebenso großer Anteil zukünftiger industrieller Dienstleistungen - insbesondere in Form hybrider Leistungsbündel - zwischen Unternehmen (B2B) erbracht wird. Diese B2B-Dienstleistungen unterscheiden sich dabei grundlegend vom B2C-Geschäft, da sie häufig komplexere Entscheidungsprozesse, längere Vertragslaufzeiten, eine stärkere Einbindung mehrerer Stakeholder sowie höhere Anforderungen an Qualität, Zuverlässigkeit und Individualisierung umfassen (Wiesner et al., 2021a). Die Relevanz der B2B-Perspektive im industriellen Dienstleistungsma‐ nagement ist besonders hoch, da industrielle Wertschöpfung zunehmend durch Netzwerke von Unternehmen geprägt ist. In solchen Geschäftsbezie‐ hungen werden Dienstleistungen nicht isoliert angeboten, sondern einge‐ bettet in Lieferketten, Produktionsnetzwerke oder Kooperationsstrukturen (Gebauer et al., 2020b). Dies macht das Verständnis der Customer Experience im B2B-Kontext zu einem entscheidenden Erfolgsfaktor für Unternehmen, die sich nachhaltig im Dienstleistungsmarkt positionieren wollen. In diesem Kapitel werden Sie daher die spezifischen Einflussfaktoren auf die Customer Experience im B2B-Kontext kennenlernen und die Un‐ terschiede zum B2C-Geschäft nachvollziehen. Während im B2C-Geschäft 3.2 Customer Experience Management bei industriellen Dienstleistungen 85 <?page no="86"?> häufig Emotionen, Markenimage und das individuelle Konsumerlebnis im Vordergrund stehen, wird die B2B-Customer Experience stärker durch Aspekte wie Prozessintegration, Effizienzsteigerung, Kooperationsqualität, Vertrauen und Risikominimierung bestimmt (Lemon & Verhoef, 2016; McColl-Kennedy et al., 2019). Darüber hinaus werden mögliche Erfolgsfaktoren für das Anbieten industrieller Dienstleistungen im B2B-Kontext beleuchtet. Hierzu zählen unter anderem die Fähigkeit zur Co-Creation von Leistungen, die konse‐ quente Kundenorientierung im gesamten Geschäftsprozess, der Aufbau digitaler Plattformen zur Unterstützung von Serviceangeboten sowie die Entwicklung langfristiger Partnerschaften mit Kunden (Homburg et al., 2017; Kohtamäki et al., 2020). Damit legt dieses Kapitel die Grundlage, um zu verstehen, wie Indust‐ rieunternehmen durch gezieltes Customer Experience Management nicht nur Kundenzufriedenheit und bindung, sondern auch nachhaltige Wettbe‐ werbsvorteile im B2B-Markt erzielen können. 3.2.1 Einflussfaktoren auf Customer Experience im B2B-Kontext Aufgrund der Besonderheiten und Vermarktungsherausforderungen indust‐ rieller Dienstleistungen ergeben sich spezifische Anforderungen an das Customer Experience Management (CXM) im B2B-Kontext. Während im B2C-Bereich Aspekte wie Hilfsbereitschaft, schnelle Bedienung oder die Wiedererkennung einer Dienstleistung maßgeblich sind, rücken im B2B-Umfeld Faktoren wie persönlicher Kontakt, die Flexibilität des Anbie‐ ters und ein tiefes Verständnis für die Kundenbedürfnisse in den Vorder‐ grund (Voeth & Loos, 2012, S.-377; Homburg et al., 2017). Ein zentrales Merkmal von B2B-Entscheidungen ist das sogenannte Buying Center. Dieses besteht aus mehreren Personen mit unterschiedlichen Rollen - etwa Einkäufer, Anwender, Beeinflusser oder Entscheider. Wäh‐ rend Beeinflusser ihre Beurteilung häufig aus Erfahrungen vergangener Dienstleistungen ableiten, machen Benutzer ihre Erfahrungen erst im Rah‐ men der tatsächlichen Leistungserbringung. Für Anbieter bedeutet dies, dass Customer Experience nicht an einem einzelnen Kontaktpunkt gesteuert werden kann, sondern über verschiedene Personen und Zeitpunkte hinweg konsistent gestaltet werden muss (Voeth & Loos, 2012, S.-378). 86 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="87"?> Aktuelle Forschungsergebnisse verdeutlichen, dass CX im B2B-Bereich zunehmend zu einem strategischen Wettbewerbsfaktor wird. Wirtz (2025a, 2025b) hebt hervor, dass B2B-Unternehmen CXM inzwischen als integra‐ len Bestandteil ihrer Geschäftsmodelle betrachten und damit signifikante Wettbewerbsvorteile erzielen. De Keyser (2025) ergänzt, dass B2B-Customer Journeys nicht linear verlaufen, sondern als dynamisches Zusammenspiel mehrerer Kontaktpunkte zwischen Anbieter und verschiedenen Mitgliedern des Buying Centers zu verstehen sind. Dies erhöht die Komplexität, eröffnet aber auch Chancen für eine differenzierte Steuerung der Kundenerlebnisse. Die digitale Transformation verstärkt diese Dynamik. McKinsey (2024) weist darauf hin, dass bis zu 70 Prozent der B2B-Einkäufer inzwischen bereit sind, Bestellungen über 50 000 US-Dollar online abzuwickeln. Gleichzeitig zeigen Daten von Forrester (Winters et al., 2024), dass 81 Prozent der B2B-Kunden Anbieter wechseln, wenn die Customer Experience als unzu‐ reichend wahrgenommen wird, und 86-Prozent der Kaufprozesse aufgrund negativer Erfahrungen scheitern. Daraus folgt, dass digitale und persönliche Kontaktpunkte im B2B-Geschäft stärker integriert werden müssen. Deloitte (2024b) unterstreicht, dass Anbieter, die ein nahtloses Zusammenspiel von Frontend- und Backend-Systemen gewährleisten, ein doppelt so starkes Umsatzwachstum im B2B-E-Commerce verzeichnen. Zusammenfassend lässt sich festhalten, dass Anbieter industrieller Dienstleistungen im B2B-Bereich Customer Experience als vielschichtiges Steuerungsinstrument verstehen müssen. Besonders wichtig sind drei Di‐ mensionen: • Personell-zeitlich: Welche Personen im Buying Center machen zu welchem Zeitpunkt Erfahrungen? • Sachlich: Welche Erlebnisse sollen intendiert geschaffen werden und wie weichen sie von der Realität ab? • Cross-Touchpoint: Wie gelingt es, digitale und persönliche Kontakt‐ punkte konsistent und kohärent zu gestalten? Damit wird deutlich: Customer Experience im B2B-Kontext ist komplexer als im B2C, aber auch entscheidend für langfristige Kundenbindung und finanzielle Erfolge. 3.2 Customer Experience Management bei industriellen Dienstleistungen 87 <?page no="88"?> Tabelle 4: Anforderungen an Customer Experience im B2B- und B2C-Kontext Voeth & Loos, 2012, S.-377 3.2.2 Erfolgsfaktoren bei B2B-Services Aus den zuvor genannten Einflussfaktoren und Anforderungen, die für das Customer Experience Management (CEM) im B2B-Bereich gelten, lassen sich mehrere zentrale Erfolgsfaktoren ableiten. Diese bestimmen maßgeb‐ lich, ob es Anbietern industrieller Dienstleistungen gelingt, nachhaltige und konsistente Kundenerfahrungen zu generieren und zu steuern. Die Erfolgsfaktoren des CEM für B2B-Services in Anlehnung an Voeth & Loos, 2012, S. 379 zeigt die Erfolgsfaktoren in einer Übersicht (vgl. Voeth & Loos, 2012, S.-379). 88 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="89"?> Abbildung 18: Erfolgsfaktoren des CEM für B2B-Services in Anlehnung an Voeth & Loos, 2012, S.-379 Identifikation des Buying Centers Ein entscheidender Erfolgsfaktor ist die präzise Identifikation der am Be‐ schaffungsprozess beteiligten Personen und Ebenen im Buying Center. Anders als im B2C-Bereich interagiert der Dienstleistungsanbieter nicht nur mit den eigentlichen Nutzern, sondern auch mit Beeinflussern, Einkäufern und Entscheidern. Jede dieser Gruppen sammelt zu unterschiedlichen Zeit‐ punkten eigene Erfahrungen mit der Dienstleistung. Für ein erfolgreiches CEM ist es daher notwendig, alle relevanten Interaktionspunkte zu erken‐ nen und gezielt zu steuern. Besonders wichtig ist die Frage, ob innerhalb des Buying Centers ein Erfahrungsaustausch zwischen den Mitgliedern stattfindet oder ob diese isoliert agieren. Fehlende Transparenz über diese Dynamiken kann zu inkonsistenten oder sogar widersprüchlichen Kunden‐ erfahrungen führen (Voeth & Loos, 2012, S.-379; Homburg et al., 2017). Ableitung und Steuerung von Erfahrungsansprüchen Unternehmenskunden weisen oftmals sehr unterschiedliche Erwartungs‐ haltungen an die Customer Experience auf. Divergenzen zwischen der vom Anbieter erbrachten Leistung und den individuellen Erfahrungsansprüchen der Buying-Center-Mitglieder wirken sich direkt auf die wahrgenommene Dienstleistungsqualität aus. Ein Anbieter muss daher nicht nur die Erwar‐ tungen der direkten Kontaktpersonen kennen, sondern auch die Bedürfnisse jener Mitglieder, zu denen er keinen unmittelbaren Zugang hat. Besonders relevant sind die Ansprüche der späteren Nutzer, da diese die intensivsten 3.2 Customer Experience Management bei industriellen Dienstleistungen 89 <?page no="90"?> Erfahrungen mit der Leistung sammeln und somit stark auf die Bewertung im Unternehmen wirken (Voeth & Loos, 2012, S. 380; Lemon & Verhoef, 2016). Schaffung einer konsistenten Customer Experience Ein weiteres Kernziel des CEM im B2B-Umfeld besteht darin, über alle Inter‐ aktionen hinweg eine konsistente Erfahrung zu ermöglichen. Da Mitarbei‐ tende des Anbieters in unterschiedlichen Funktionen und zu verschiedenen Zeitpunkten auf Kundenseite auftreten, ist es notwendig, ein gemeinsames Verständnis über die gewünschten Erfahrungen zu schaffen. Hierfür müssen Mitarbeitende geschult und auf einheitliche Erfahrungswerte ausgerichtet werden. In der Praxis bedeutet dies, dass z. B. der Vertrieb, der technische Service und das Projektmanagement auf dieselben Kundenerwartungen abgestimmt sein müssen. Eine fehlende Konsistenz kann Vertrauen unter‐ graben und die gesamte Kundenbeziehung schwächen (Voeth & Loos, 2012, S.-380-ff.; McColl-Kennedy et al., 2019). Vier zentrale Erfolgsgrößen für konsistente Experiences Die Literatur beschreibt vier Erfolgsgrößen, die für eine durchgängig posi‐ tive Kundenerfahrung im B2B-Dienstleistungsgeschäft entscheidend sind: • Vertrauen: Vertrauen entsteht, wenn ein Anbieter seine Leistungen zuverlässig und wiederholt konsistent erbringt. Es hängt eng mit der Fähigkeit zusammen, zugesagte Erwartungen zu erfüllen und mit sen‐ siblen Kundendaten oder -prozessen diskret umzugehen. In der Praxis bedeutet Vertrauen bei industriellen Dienstleistungen z. B. die verläss‐ liche Einhaltung von Wartungsintervallen oder garantierte Reaktions‐ zeiten im Service (Voeth & Loos, 2012, S.-381; Morgan et al., 2009). • Kommunikation: Eine transparente, offene und kontinuierliche Kom‐ munikation ist zentral für das B2B-CEM. Kunden erwarten einen klaren Ansprechpartner, der jederzeit erreichbar ist, Informationen verständ‐ lich vermittelt und Feedbackprozesse integriert. Schlechte Kommunika‐ tion führt dagegen häufig zu Missverständnissen oder zu verzögerter Problemlösung, was die gesamte Erfahrung negativ beeinflusst (Voeth & Loos, 2012, S.-381; Verleye, 2015). • Interdependenz: Eine enge Verflechtung zwischen Anbieter und Nach‐ frager fördert die gemeinsame Gestaltung der Dienstleistungserbrin‐ 90 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="91"?> gung. Unternehmen sollten ihre Kunden aktiv in Prozesse einbinden und deutlich machen, welche Leistungen von beiden Seiten einzubrin‐ gen sind. Gerade in hybriden Leistungsbündeln ist Interdependenz ein Schlüsselfaktor, da die Wertschöpfung oft nur durch kooperative Zusammenarbeit realisiert werden kann (Voeth & Loos, 2012, S. 381 f.; Aarikka-Stenroos & Jaakkola, 2019). • Integrität: Integrität bedeutet, dass ein Anbieter durchgehend fair, transparent und integer handelt. Dazu gehört die Einhaltung von Zusagen, der respektvolle Umgang mit Kundeninteressen sowie die Vermeidung opportunistischen Verhaltens. Integrität schafft eine sta‐ bile Grundlage für langfristige Geschäftsbeziehungen, insbesondere im industriellen Kontext, wo Dienstleistungsbeziehungen oft über Jahre hinweg bestehen (Voeth & Loos, 2012, S.-382; Homburg et al., 2017). Die genannten Erfolgsgrößen verdeutlichen, dass das Gelingen von Cus‐ tomer Experience Management im B2B-Bereich maßgeblich von der Leis‐ tungsfähigkeit des Anbieters und der Konsistenz seiner Mitarbeitenden abhängt. Unterschiedliche Erfahrungen durch verschiedene Abteilungen können Vertrauen untergraben, während unzureichende Kommunikation die Kundenbeziehung schwächt. Anbieter müssen daher ihre internen Prozesse und Strukturen so ausrichten, dass Vertrauen, Kommunikation, Interdependenz und Integrität konsequent in allen Kundeninteraktionen verankert sind. Nur so lassen sich langfristig stabile Kundenbeziehungen sowie eine nachhaltige Differenzierung im Wettbewerb erreichen. Beispiel-3.1: Die Einfluss- und Erfolgsfaktoren bei der B2B Customer Experience können an einem Fallbeispiel von Voeth und Loos (2012, S. 279 ff.) veranschaulicht werden. In diesem Fallbeispiel setzt ein Wirtschaftsprüfungsunternehmen seine Mitarbeitenden weltweit auf Projekten sein, sodass diese Dienstleis‐ tungen wie Transport- oder Hotelservices in Anspruch nehmen. Die Entscheidung über das Beförderungsmittel oder das jeweilige Hotel wird jedoch zumeist nicht durch die Wirtschaftsprüfer selbst, sondern durch die jeweilige Reisestelle des Unternehmens getroffen bzw. es werden spezifische Kontingente von dieser erworben. Hierbei entste‐ hen sowohl bei der Reisestelle Erfahrungswerte mit dem anbietenden 3.2 Customer Experience Management bei industriellen Dienstleistungen 91 <?page no="92"?> Dienstleiser (etwa bei der Verhandlung der Preise oder der kurzfristigen Verfügbarkeit von Leistungen) als auch bei dem die Dienstleistung nutzenden Wirtschaftsprüfer. Soll bei diesen beiden exemplarisch be‐ nannten Buying-Center-Mitgliedern ein konsistenter Erfahrungswert generiert werden, muss der Serviceanbieter zunächst erkennen, dass diese beiden Bezugsgruppen mit ihm oder seiner Dienstleistung in Kontakt kommen. Darüber hinaus besteht die Möglichkeit, dass sich die einzelnen Buying-Center-Mitglieder über ihre Erfahrungswerte aus‐ tauschen, etwa wenn die Reisestelle dem Wirtschaftsprüfer mitteilen muss, dass zur gewünschten Reisezeit kein den Erwartungen des Wirt‐ schaftsprüfers entsprechendes Hotelzimmer verfügbar ist oder aber der Berater sich nach einer Übernachtung über den schlechten Service des Hotelpersonals bei der Reisestelle beschwert. Auch ein Austausch über das Buying Center hinweg kann erfolgen, wenn sich beispielsweise Wirtschaftsprüfer untereinander über ihre Erfahrungen austauschen. So kann auch bei nicht am Dienstleistungsprozess beteiligten Personen des nachfragenden Unternehmens eine Art „Pre-Experience“ entstehen, die sich auf eine spätere mögliche Interaktion mit dem Serviceanbieter auswirken kann. Ähnlich sieht es auch bei den Hotels aus, die von den Wirtschaftsprüfern überdurchschnittlich oft in Form von Übernachtungen in Anspruch genommen werden. Eine positive Kundenerfahrung in diesem Zusam‐ menhang kann durch das Hotel dadurch generiert werden, dass zum einen eine offene Kommunikation mit dem Wirtschaftsprüfer oder seiner Reisestelle geführt wird, bei der zum einen die Erwartungen des Gastes erfasst werden, zum anderen aber auch die Leistungsfähigkeit des Hotels transparent verdeutlicht wird. Erwartet der Mitarbeitende der Wirtschaftsprüfergesellschaft beispielsweise einen Wellnessbereich in seinem Hotel und wird dieser während seines Aufenthalts gerade renoviert, kann die Unkenntnis dieser Leistungsreduktion zu Unzufrie‐ denheit und infolgedessen zu einer negativen Erfahrung führen. Eine transparente Darstellung der Leistungsfähigkeit des Anbieters - auch durch die Mitarbeitenden im Hotel selbst - baut Vertrauen beim Wirt‐ schaftsprüfer auf, da er so die Erfahrung macht, keine unerfreulichen Überraschungen zu erleben. Je häufiger der Mitarbeitende dasselbe Hotel aufsucht, desto eher kann es dem Serviceanbieter durch die höhere Interaktionsfrequenz gelingen, auf die Erwartungen des Gastes 92 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="93"?> vorbereitet zu sein. Während vor einem Erstbesuch die Wünsche und Erwartungen des Wirtschaftsprüfers - wenn überhaupt - nur mit der Reisestelle im Vorfeld geklärt werden können, was eine Weitergabe dieser Informationen innerhalb des Buying Centers voraussetzt, ist es durch die wiederkehrende Interaktion mit dem Leistungsnutzer direkt möglich, dessen Erwartungen zu berücksichtigen. Damit lässt sich eine direkte Einflussnahme auf die Customer Experience des Wirtschaftsprüfers erzeugen. Voraussetzung hierfür ist jedoch, dass das Personal des Serviceanbieters die Erwartungen des Gastes wahrnimmt und kontinuierlich erfasst. Auch wenn sich ein Wirtschaftsprüfer in seinem Hotel quasi wie zu Hause fühlen soll, muss dem Servicepersonal jederzeit bewusst sein, dass es sich hierbei um geschäftliche Aufenthalte handelt. In diesem Zusammenhang kommt dem Aspekt der Integrität ein besonders hoher Stellenwert zu, da vom Serviceanbieter sicherzustellen ist, dass alle Informationen, die in seinem Haus ausgetauscht werden, nicht von den eigenen Mitarbeitenden weiterverwendet werden dürfen. Zusammenfassung In diesem Kapitel haben wir die zentrale Rolle der Customer Experi‐ ence im industriellen Dienstleistungsmanagement herausgearbeitet. Zunächst wurde verdeutlicht, dass sich Customer Experience aus verschiedenen Dimensionen zusammensetzt, die sensorische, emotio‐ nale, kognitive, verhaltensbezogene, soziale sowie Lifestyle-Aspekte umfassen (vgl. Abschnitt 3.1.1). Darüber hinaus wurde gezeigt, dass die Ausprägung der Kundenerfahrung maßgeblich durch unterschied‐ liche Determinanten beeinflusst wird - etwa kunden-, unternehmens-, leistungs-, situativ- und umfeldbezogene Faktoren (vgl. Abschnitt 3.1. 2). Ein weiterer Schwerpunkt lag auf den Wirkungszusammenhängen eines erfolgreichen Customer Experience Managements. Entlang einer Erfolgskette wurde deutlich, dass positive Kundenerlebnisse sowohl die Zufriedenheit als auch die Bindung von Kunden steigern und sich damit langfristig in ökonomischem Erfolg für das Unternehmen niederschlagen (vgl. Abschnitt-3.1.3). Im zweiten Teil des Kapitels wurden die Besonderheiten des Customer Experience Managements im B2B-Kontext betrachtet (vgl. Unterkapi‐ 3.2 Customer Experience Management bei industriellen Dienstleistungen 93 <?page no="94"?> tel 3.2). Hier wurde aufgezeigt, dass die Anforderungen im Vergleich zum B2C-Bereich stark divergieren. Während im Konsumentenmarkt vor allem Schnelligkeit, Hilfsbereitschaft und Wiedererkennung im Vordergrund stehen, sind im B2B-Kontext insbesondere persönlicher Kontakt, Flexibilität und das Verständnis für kundenspezifische Be‐ dürfnisse entscheidend. Da Kaufentscheidungen im B2B-Umfeld häu‐ fig durch Buying Center getroffen werden, gilt es zudem, Erfahrungen bei unterschiedlichen Akteuren über verschiedene Phasen hinweg konsistent zu steuern. Schließlich wurden zentrale Erfolgsfaktoren für das Customer Experi‐ ence Management im industriellen B2B-Kontext vorgestellt. Hierzu zählen die Identifikation aller relevanten Akteure im Buying Center, die Erfassung und Berücksichtigung spezifischer Erfahrungsansprü‐ che, sowie die Sicherstellung einer konsistenten Customer Experience über alle Kontaktpunkte hinweg. Erfolgsgrößen wie Vertrauen, Kom‐ munikation, Interdependenz und Integrität bilden dabei die Grundlage für eine erfolgreiche Gestaltung industrieller Dienstleistungen und deren nachhaltige Differenzierung im Wettbewerb (vgl. Abschnitt 3.2. 2). Damit haben Sie ein umfassendes Verständnis darüber erlangt, wie Customer Experience im industriellen Umfeld wirkt, welche Faktoren sie beeinflussen und welche Besonderheiten insbesondere im B2B-Be‐ reich zu berücksichtigen sind. Aufgabe-3.1: Nennen und beschreiben Sie die Erlebnisdimensionen, die es beim Customer Experience Management im Kontext industrieller Dienstleis‐ tungen zu berücksichtigen gilt, und zeigen Sie anhand eines Beispiels, wie das Beispielunternehmen einige dieser Dimensionen anspricht. Aufgabe-3.2: Beschreiben Sie jeweils anhand eines selbst gewählten Beispiels, wie sich die Einflussfaktoren auf die Customer Experience hinsichtlich eines B2C- und eines B2B-Geschäfts verändern können. 94 3 Customer Experience im Umfeld industrieller Dienstleistungen <?page no="95"?> 4 Künstliche Intelligenz im industriellen Dienstleistungsmanagement In diesem Kapitel lernen sie welche Bedeutung künstliche Intelligenz im indust‐ riellen Dienstleistungsmanagment spielt. Die Integration von künstlicher Intelligenz (KI) in industrielle Dienstleis‐ tungen entwickelt sich zunehmend zu einem der wichtigsten Treiber für Wettbewerbsfähigkeit, Resilienz und Innovationskraft. Während die ersten Phasen der Digitalisierung vor allem durch den Einsatz von IT-Systemen, Sensorik und cyber-physischen Systemen geprägt waren, geht es heute um die konsequente Nutzung der durch diese Systeme generierten Daten. KI ermöglicht es, aus Daten neues Wissen abzuleiten, Muster zu erkennen und Prozesse zu automatisieren. Dadurch wird nicht nur die Effizienz bestehen‐ der Abläufe gesteigert, sondern es entstehen völlig neue Geschäftsmodelle, die datengetrieben sind und Kunden einen zusätzlichen Mehrwert bieten (Davenport & Ronanki, 2018; AFME & PwC, 2023). Im Kontext des industriellen Dienstleistungsmanagements ist KI deshalb besonders relevant, weil hier große Mengen an Daten aus Maschinen, Anlagen, Lieferketten und Serviceprozessen entstehen. KI-Systeme können diese Datenströme in Echtzeit analysieren und Handlungsempfehlungen generieren, die sowohl für Anbieter als auch für Nachfrager von industrie‐ llen Dienstleistungen von unmittelbarer Bedeutung sind. Damit gewinnt das Thema eine zentrale Rolle für die strategische Ausrichtung von Indust‐ rieunternehmen. Im Folgenden werden • zentrale Anwendungsfelder von KI (Unterkapitel 4.1), • die damit verbundenen Chancen und Risiken (Unterkapitel-4.2) sowie • die wesentlichen Erfolgsfaktoren und Zukunftsperspektiven (Unterka‐ pitel-4.3) ausführlich dargestellt. <?page no="96"?> 4.1 Anwendungsfelder von KI in industriellen Dienstleistungen Im Folgenden seien einige Hauptanwendungsfelder von KI-Lösungen im industriellen Dienstleistungskontext erläutert. 4.1.1 Predictive Maintenance und Condition Monitoring Eines der bekanntesten und am weitesten verbreiteten Anwendungsfelder von KI im industriellen Umfeld ist die vorausschauende Wartung, auch Predictive Maintenance genannt. Hierbei handelt es sich um die kontinu‐ ierliche Überwachung des Zustands von Maschinen und Anlagen mithilfe von Sensorik und KI-gestützten Algorithmen. Durch die Auswertung von Daten wie Vibrationen, Temperatur, Energieverbrauch oder Schwingungen können Abweichungen frühzeitig erkannt werden, die auf einen möglichen Defekt oder Verschleiß hindeuten (Lee et al., 2014). Im Unterschied zur reaktiven oder präventiven Wartung, die nach festen Intervallen durchgeführt wird, ermöglicht Predictive Maintenance eine zustandsbasierte Instandhaltung. Das führt zu erheblichen Vorteilen: Un‐ geplante Stillstände können reduziert, Wartungskosten gesenkt und die Lebensdauer von Anlagen verlängert werden. Für viele Unternehmen ist dies ein entscheidender Wettbewerbsfaktor, da Ausfälle in der Produktion enorme Kosten verursachen. In der Praxis setzen zahlreiche Unternehmen auf KI-basierte Predic‐ tive-Maintenance-Lösungen. Siemens Energy nutzt beispielsweise KI-Algo‐ rithmen in Gasturbinen, um kritische Verschleißmuster zu identifizieren, wodurch sich die Ausfallzeiten um bis zu 20-Prozent reduzieren ließen. Ein weiteres Beispiel ist Schaeffler mit seiner Plattform OPTIME, die besonders kleinen und mittleren Unternehmen den Zugang zu Condition Monitoring erleichtert. Auch die Deutsche Bahn investiert stark in KI-Systeme, um Schienen und Weichen proaktiv zu überwachen und Zugausfälle zu ver‐ meiden. Prognosen zufolge soll der weltweite Markt für Predictive-Mainte‐ nance-Lösungen bis 2030 ein Volumen von mehr als 45 Mrd. US-Dollar erreichen (MarketsandMarkets, 2022). 96 4 Künstliche Intelligenz im industriellen Dienstleistungsmanagement <?page no="97"?> 4.1.2 Automatisierte Entscheidungsunterstützung und Optimierung Ein weiteres bedeutendes Anwendungsfeld ist die automatisierte Entschei‐ dungsunterstützung. KI kann enorme Datenmengen analysieren und dabei Muster und Abhängigkeiten erkennen, die für den Menschen schwer zu erfassen sind. Dies eröffnet vielfältige Einsatzmöglichkeiten im industriellen Dienstleistungsmanagement. Im Supply Chain Management ermöglicht KI beispielsweise die präzise Prognose von Nachfrage, wodurch Bestände optimiert und Lieferengpässe vermieden werden können. Auch die Planung von Transportnetzen kann durch KI effizienter gestaltet werden, indem Algorithmen die besten Routen unter Berücksichtigung von Kosten, Zeit und CO2-Emissionen berechnen. In der Einsatzplanung für Servicetechniker können KI-Systeme den opti‐ malen Personaleinsatz vorschlagen, sodass Ressourcen besser genutzt und Reaktionszeiten verkürzt werden. Praxisbeispiele verdeutlichen die Potenziale: DHL nutzt KI-gestützte Routenoptimierung, um Lieferungen schneller und nachhaltiger abzuwi‐ ckeln, was zu erheblichen Einsparungen an Kraftstoff und CO2-Emissionen führte. General Electric setzt KI zur Optimierung seiner Windparks ein, wobei die Algorithmen die Stellung der Rotorblätter so justieren, dass die Energieausbeute maximiert wird. Auch BMW verwendet KI-Systeme, um Materialflüsse in der Logistik in Echtzeit zu steuern und so Produktionspro‐ zesse resilienter zu gestalten. 4.1.3 Personalisierung und Customer Experience Management Ein drittes Anwendungsfeld betrifft die Personalisierung von Dienstleistun‐ gen und die Verbesserung der Customer Experience. Während im B2C-Be‐ reich bereits seit Jahren KI-gestützte Empfehlungssysteme oder Chatbots etabliert sind, gewinnt dieses Thema zunehmend auch im B2B-Bereich an Bedeutung. KI-Systeme können beispielsweise Daten über die Nutzung von Maschi‐ nen auswerten und auf dieser Basis individuell zugeschnittene Servicepa‐ kete vorschlagen. Dadurch wird es möglich, Kunden ein passgenaues An‐ gebot zu unterbreiten, das deren spezifische Anforderungen berücksichtigt. Virtuelle Assistenten, die auf Natural Language Processing (NLP) basieren, 4.1 Anwendungsfelder von KI in industriellen Dienstleistungen 97 <?page no="98"?> können Kundenanfragen automatisiert beantworten und Servicemitarbeiter entlasten. Augmented-Reality-Anwendungen in Kombination mit KI bieten Servicetechnikern zudem Unterstützung vor Ort: Über eine AR-Brille wer‐ den Handlungsempfehlungen in Echtzeit eingeblendet, die auf KI-gestützten Analysen basieren. TRUMPF beispielsweise setzt in seinen Smart-Factory-Lösungen auf KI-basierte Assistenzsysteme, die Bediener von Maschinen bei der Optimie‐ rung von Produktionsprozessen unterstützen. Bosch Rexroth bietet digitale Plattformen an, auf denen Kunden individuell konfigurierte Serviceleistun‐ gen auswählen können. Auch Cloud-Anbieter wie Microsoft Azure oder AWS stellen Unternehmen modulare KI-Bausteine zur Verfügung, die für die Personalisierung und Optimierung von Dienstleistungen genutzt werden können. 4.2 Chancen, Risiken und Herausforderungen Chancen Der Einsatz von KI im industriellen Dienstleistungsmanagement eröffnet eine Vielzahl von Chancen. An erster Stelle steht die Möglichkeit zur signi‐ fikanten Effizienzsteigerung. Durch die Automatisierung von Prozessen und die präzise Auswertung von Daten können Unternehmen Kosten senken und gleichzeitig die Qualität ihrer Dienstleistungen verbessern. Ein weiterer zentraler Vorteil ist die Entwicklung neuer Geschäftsmo‐ delle. KI macht es möglich, Services wie „Equipment-as-a-Service“ oder nutzungsabhängige Abrechnungsmodelle anzubieten, die Kunden mehr Flexibilität und Transparenz bieten. Gleichzeitig eröffnet sich dadurch für Anbieter die Chance auf kontinuierliche Einnahmeströme und eine langfristige Kundenbindung. Auch die Kundenbindung selbst wird durch KI gestärkt. Personalisierte Serviceangebote erhöhen die Zufriedenheit und Loyalität der Kunden. Darüber hinaus trägt KI zur Resilienz von Unternehmen bei, indem sie Störungen frühzeitig erkennt und flexible Reaktionen ermöglicht. Schließ‐ lich ist auch der Beitrag zur Nachhaltigkeit hervorzuheben: KI-gestützte Optimierungen führen oft zu einer effizienteren Ressourcennutzung, was Energieverbrauch und Emissionen reduziert. Ein anschauliches Praxisbeispiel bietet Adidas mit seiner „Speedfactory“, in der KI-Analysen für eine massenindividualisierte Schuhproduktion ge‐ 98 4 Künstliche Intelligenz im industriellen Dienstleistungsmanagement <?page no="99"?> nutzt wurden. Kunden konnten ihre Schuhe individuell gestalten, während die Produktion dennoch effizient und kostengünstig blieb. Risiken Neben den Chancen sind jedoch auch Risiken zu berücksichtigen. Techni‐ sche Risiken ergeben sich aus unzureichender Datenqualität oder fehler‐ haften Algorithmen. Wenn die zugrunde liegenden Daten verzerrt sind, können KI-Modelle falsche Prognosen liefern, was zu Fehlentscheidungen führt. Auch ökonomische Risiken spielen eine Rolle. Viele Unternehmen machen sich durch die Nutzung von KI-Diensten abhängig von großen Plattformanbietern wie Amazon Web Services oder Google Cloud. Dadurch können Abhängigkeiten entstehen, die im schlimmsten Fall die eigene Handlungsfähigkeit einschränken. Darüber hinaus sind gesellschaftliche Risiken nicht zu vernachlässi‐ gen. Der Einsatz von KI kann zu Arbeitsplatzverlagerungen führen, wenn Tätigkeiten durch Automatisierung ersetzt werden. Gleichzeitig stellen sich ethische Fragen, etwa in Bezug auf Transparenz, Fairness und Diskriminierungsfreiheit von Algorithmen. Schließlich gibt es erhebliche Sicherheitsrisiken: KI-Systeme selbst können Ziel von Cyberangriffen werden, die weitreichende Folgen für Unternehmen haben. Ein Beispiel für die Herausforderungen ist Rolls-Royce: Ein KI-Projekt zur Flottenanalyse scheiterte zunächst, weil die Daten aus verschiedenen Quellen nicht konsistent integriert werden konnten. Dieses Beispiel zeigt, dass technologische Exzellenz allein nicht ausreicht, sondern auch organi‐ satorische und prozessuale Voraussetzungen geschaffen werden müssen. Regulatorische und ethische Herausforderungen Besondere Aufmerksamkeit erfordert der rechtliche und ethische Rahmen. Mit dem EU AI Act (EU, 2024) wird erstmals eine umfassende Regulierung von künstlicher Intelligenz in Europa eingeführt, die Transparenz, Doku‐ mentation und Risikomanagement vorschreibt. Der Data Act (EU, 2023) ver‐ pflichtet Unternehmen, industrielle Daten stärker zu teilen und gemeinsam zu nutzen. Mit der Corporate Sustainability Reporting Directive (EU, 2022) müssen Unternehmen zudem darlegen, wie sich KI-Anwendungen auf Nachhaltigkeit und soziale Aspekte auswirken. 4.2 Chancen, Risiken und Herausforderungen 99 <?page no="100"?> Ethisch ist insbesondere das Problem von Verzerrungen (Bias) in Da‐ tensätzen hervorzuheben. Wie O’Neil (2016) eindrücklich zeigt, können fehlerhafte oder einseitige Datengrundlagen zu diskriminierenden Entschei‐ dungen führen. Deshalb gewinnt das Thema KI-Governance an Bedeutung: Unternehmen entwickeln zunehmend Strukturen und Richtlinien, um Fair‐ ness, Transparenz und Erklärbarkeit sicherzustellen. 4.3 Erfolgsfaktoren und Ausblick Erfolgsfaktoren Für den erfolgreichen Einsatz von KI im industriellen Dienstleistungsma‐ nagement sind mehrere Faktoren entscheidend. Zunächst sind eine hohe Datenqualität und leistungsfähige Infrastruktur notwendig, da die Ergebnisse von KI-Systemen unmittelbar von der Güte der eingespeisten Daten abhängen. Ebenso wichtig ist die Integration von KI in bestehende Prozesse. KI darf nicht als isoliertes Projekt betrachtet werden, sondern muss nahtlos in ERP-Systeme, Produktionsprozesse und Serviceabläufe eingebunden sein. Nur so können Mehrwerte realisiert werden. Ein weiterer Erfolgsfaktor ist die Kompetenzentwicklung der Mitar‐ beitenden. Beschäftigte müssen die Grundlagen von KI verstehen, um sie sinnvoll einsetzen und kritisch reflektieren zu können. Damit verbunden ist die Notwendigkeit eines umfassenden Change Managements, da die Einführung von KI häufig mit kulturellen Veränderungen einhergeht. Schließlich ist die Kooperation in Ökosystemen von zentraler Bedeu‐ tung. Viele erfolgreiche KI-Innovationen entstehen im Zusammenspiel von Industrieunternehmen, IT-Anbietern, Start-ups und Forschungsinstitutio‐ nen. Netzwerke und Plattformen spielen daher eine immer größere Rolle. Ausblick Die Zukunft von KI im industriellen Dienstleistungsmanagement wird durch mehrere Trends geprägt sein. Besonders hervorzuheben ist die Entwicklung generativer KI, die es ermöglicht, Wartungsanleitungen automatisch zu erstellen, Szenarien zu simulieren oder Kundenanfragen in natürlicher Sprache zu beantworten. 100 4 Künstliche Intelligenz im industriellen Dienstleistungsmanagement <?page no="101"?> Auch digitale Zwillinge werden an Bedeutung gewinnen. Durch die Kombination von KI und realen Maschinendaten lassen sich präzise Simu‐ lationen erstellen, die eine kontinuierliche Optimierung ermöglichen. Im Rahmen von Industrie 5.0 wird sich der Fokus stärker auf die Zusam‐ menarbeit zwischen Mensch und Maschine verschieben. KI soll nicht den Menschen ersetzen, sondern ihn unterstützen und befähigen. Dabei spielen auch Nachhaltigkeit und Resilienz eine wichtige Rolle. International ist von einem zunehmenden Wettbewerb um KI-Kompe‐ tenzen auszugehen. Während die USA und China massiv in KI investieren, setzt Europa auf regulierte, vertrauenswürdige KI-Anwendungen. Ein mögliches Zukunftsszenario besteht darin, dass Maschinenbauer ihre Produkte nicht mehr verkaufen, sondern vollständig als Service anbieten. KI-gestützte Systeme überwachen dabei den Zustand der Anlagen weltweit, vergleichen Nutzungsmuster und schlagen präventiv Maßnahmen vor. Die Abrechnung erfolgt nutzungsabhängig, was für Kunden Kostentransparenz und für Anbieter planbare Einnahmeströme bedeutet. 4.3 Erfolgsfaktoren und Ausblick 101 <?page no="103"?> Schlussbetrachtung Das Ziel dieses Buches bestand darin, das bestehende Wissen zu industrie‐ llen Dienstleistungen zu vertiefen und zugleich um zukunftsorientierte Per‐ spektiven zu erweitern. Die Inhalte wurden so aufgebaut, dass Sie Schritt für Schritt einen fundierten Überblick über die zentralen Entwicklungen, Kon‐ zepte und Erfolgsfaktoren des industriellen Dienstleistungsmanagements erhalten haben. Zu Beginn (Kapitel 1) haben Sie einen Einblick in die Entwicklung der Industrie 4.0 erhalten und erfahren, welche Denkansätze und Paradig‐ men zukünftig für industrielle Dienstleistungen besonders relevant sind. Dabei standen vor allem die Nutzenpotenziale cyber-physischer Systeme im Vordergrund, die durch ihre Vernetzungs- und Automatisierungsfähigkeit neue Geschäfts- und Serviceansätze ermöglichen. Ergänzend wurden die Chancen, Risiken und der Ausblick in Richtung Industrie 5.0 beleuchtet, die eine stärkere Menschzentrierung, Nachhaltigkeit und Resilienz in den Vordergrund stellt. Im Anschluss daran (Kapitel 2) wurde der Fokus auf hybride Leistungs‐ bündel gelegt. Diese stellen eine zentrale Grundlage zukünftiger industrie‐ ller Dienstleistungen dar, da sie Sach- und Dienstleistungen zu integrierten Angeboten kombinieren. Sie haben dabei erfahren, wie hybride Leistungs‐ bündel definiert, entwickelt und klassifiziert werden können. Darauf auf‐ bauend wurde die Bedeutung von Geschäftsmodellen hervorgehoben, die für die erfolgreiche Vermarktung solcher Leistungsbündel unerlässlich sind. Insbesondere das Konzept des Digital Business Engineering wurde vorgestellt, das als ganzheitlicher Entwicklungsansatz für die Gestaltung zukünftiger digitaler Geschäftsmodelle dient. Kapitel 3 richtete den Blick auf die Kundenseite: Das Customer Experience Management wurde als Schlüsselfaktor für den Erfolg industrieller Dienst‐ leistungen herausgearbeitet. Sie haben die Dimensionen, Determinanten und Erfolgsfaktoren einer positiven Customer Experience kennengelernt und nachvollziehen können, wie diese auf die Kundenzufriedenheit, Kun‐ denbindung und den finanziellen Erfolg wirken. Zudem wurden die Unter‐ schiede zwischen B2C- und B2B-Kontexten analysiert und die besonderen Herausforderungen für das Customer Experience Management im indust‐ riellen Umfeld herausgestellt. <?page no="104"?> Mit Kapitel 4 wurde schließlich ein Ausblick auf die Rolle der künstli‐ chen Intelligenz (KI) im industriellen Dienstleistungsmanagement gegeben. KI wurde dabei als ein wesentlicher Treiber zukünftiger Entwicklungen identifiziert - sowohl in der Automatisierung von Prozessen als auch in der Unterstützung von Entscheidungsfindung, vorausschauender Wartung, personalisierten Services und nachhaltigkeitsorientierten Innovationen. Praxisbeispiele führender Unternehmen wie Siemens, Bosch oder General Electric zeigten, dass KI bereits heute aktiv eingesetzt wird, um neue Ser‐ vicepotenziale zu erschließen. Darüber hinaus wurde verdeutlicht, dass ein verantwortungsvoller Umgang mit KI - unter Berücksichtigung ethischer Fragen sowie aktueller EU-Regulierungen - ein entscheidender Erfolgsfak‐ tor für die Zukunft sein wird. Insgesamt hat dieses Buch gezeigt, dass industrielle Dienstleistungen zunehmend durch die enge Verzahnung von Technologie, Geschäftsmo‐ dellen und Kundenorientierung geprägt sind. Sie verfügen nun über ein konzeptionelles Fundament, um die Entwicklung zukünftiger industrieller Dienstleistungen zu verstehen und aktiv mitzugestalten. 104 Schlussbetrachtung <?page no="105"?> Anhang Lösungen zu den Aufgaben Kapitel 1 1.1 • Industrie 4.0 bezeichnet die vierte industrielle Revolution, die durch die Vernetzung von Maschinen, Produkten und Menschen mittels cyber-physischer Systeme (CPS) und dem Internet der Dinge (IoT) gekennzeichnet ist. Zentrale Aspekte sind Echtzeitdaten, Selbststeue‐ rung, Automatisierung und die Entstehung neuer Geschäftsmodelle (Kagermann et al., 2013). • Industrie 5.0 erweitert diesen Ansatz, indem der Mensch stärker in den Mittelpunkt gerückt wird. Zentrale Leitgedanken sind Menschzentrie‐ rung, Nachhaltigkeit und Resilienz (Europäische Kommission, 2021). • Paradigmen Industrie 4.0(nach Siepmann, 2016b): Vernetzung, Dezent‐ ralisierung, Echtzeitfähigkeit, Serviceorientierung, Modularität • Erweiterte Paradigmen Industrie 5.0: Menschzentrierung, Nachhaltig‐ keit, Resilienz 1.2 Nutzenpotenziale (Beispiele): • Produktoptimierung durch Auswertung von Betriebsleistungsdaten (z. B. vorausschauende Wartung) • Betriebsoptimierung durch Analyse realer Nutzungsdaten und kontinu‐ ierliche Updates • Fernsteuerung und Fernwartung von Anlagen, wodurch Serviceeinsätze effizienter gestaltet werden • Vorhersage von Ausfällen (Predictive Maintenance), um Stillstandzeiten zu reduzieren • Unterstützung des technischen Kundendienstes durch mobile Assistenz‐ systeme • Entwicklung neuer, datengetriebener Geschäftsmodelle (z. B. Pay-per-Use) <?page no="106"?> Risiken: • hoher Investitionsbedarf und komplexe Implementierung • erhöhte Angriffsfläche für Cyberattacken • Abhängigkeit von Plattformanbietern (Lock-in-Effekte) • erforderlicher Kulturwandel und Kompetenzaufbau bei den Mitarbei‐ tenden Kapitel 2 2.1 Eine detaillierte Beschreibung der einzelnen Phasen finden Sie in Abschnitt 2 .3.1. Ansonsten sei an dieser Stelle noch auf Abb.-2.4 verwiesen. Tabelle 4.3: Beispiel - Business Model Canvas für einen Anbieter smarter Türschlösser 2.2 Zur Bearbeitung dieser Aufgabe sei auf Methoden des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S.-67 verwiesen. 106 Anhang <?page no="107"?> Kapitel 3 3.1 Neben der Nennung der Dimensionen sollte Ihre Antwort anhand eines Beispiels aufzeigen, wie diese in der Praxis im Rahmen einer industriellen Dienstleistung berücksichtigt werden. Ansonsten sei zur Bearbeitung dieser Aufgabe auf Dimensionen und Moderatoren der Customer Experience Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S. 14 verwiesen. Beispiel: Eine Softwarefirma bietet verschiedene Softwarelösungen zur Sup‐ ply-Chain-Optimierung an. Zusätzlich zum Verkauf der Software bietet die Firma auch die Möglichkeit an, Beratungsleistungen in verschiedenen Ausprägungsstufen für einzelne Projekte zu buchen. Diese reichen von einzelnen Fragestellungen bzgl. der Arbeitsweise mit der Software über mehrtägige Benutzertrainings bis hin zu vollständigen Projektübernahmen. Im Rahmen dieser Dienstleistungen spricht die Softwarefirma besonders folgende vier Dimensionen an, um eine positive Customer Experience zu erzeugen. • Emotionale Dimension: Der Softwareanbieter versucht, durch das dau‐ erhafte Zuordnen von einem seiner Berater zum Kundenunternehmen eine langfristige Beziehung und Bindung aufzubauen. Der Kunde nimmt den Softwareanbieter als langfristigen Partner wahr und bekommt das Gefühl, dass der Berater Teil des Projektteams wird. • Kognitive Erlebnisdimension: Die Produkte des Softwareanbieters sind aus kognitiver Sicht sehr anspruchsvoll und fordern den Kunden bei der Anwendung. Es müssen Daten analysiert und verstanden sowie Ergebnisse korrekt interpretiert und mathematische Modelle aufgebaut werden. Der Kunde fühlt sich gefordert, aber durch die ständig verfüg‐ bare Beratung niemals überfordert. Er fühlt sich in einen Lernprozess eingebunden, der zu einer persönlichen Weiterentwicklung beiträgt. Innerhalb von wenigen Minuten bis max. zwei Stunden werden Sup‐ portanfragen beim Kundendienst beantwortet oder der Berater meldet sich zumindest per E-Mail mit Lösungsvorschlägen zurück. • Lifestyle-Dimension: Die Produkte des Softwareanbieters sind sehr mo‐ dern gestaltet, vergleichsweise einfach in der Anwendung und vermit‐ teln das Gefühl von Professionalität. Der Kunde bekommt das Gefühl, Lösungen zu den Aufgaben 107 <?page no="108"?> auf einer Stufe mit namhaften Kunden des Softwareanbieters zu stehen und (endlich) seine Probleme in der Supply Chain professionell angehen zu können. Zusätzlich betreibt das Softwareunternehmen ein modernes Marketing über Social Media und versucht, das Thema Supply Chain Design durch einen modernen Markenauftritt und Veranstaltungen (z. B. Messen oder Online-„Breakfast-Clubs“) als attraktives Arbeitsfeld zu bewerben. Dadurch fühlen sich die Kunden, die in diesen Unterneh‐ mensbereichen arbeiten, zusätzlich in ihrer Meinung über die eigene Arbeit bestätigt. • Soziale Dimension: Das Softwareunternehmen veranstaltet mehrmals im Jahr eine hausinterne Messe auf mehreren Kontinenten. So können sich die internationalen Kunden der Firma über die Produkte und Herausforderungen austauschen und Beziehungen pflegen. Es entsteht so das Gefühl, einer Gemeinschaft anzugehören. 3.2 Anhand von zwei Beispielen aus der Praxis (B2C und B2B) sollten Sie die unten aufgelisteten Einflussfaktoren - soweit möglich - aufzeigen können und damit auch die Andersartigkeit der Customer Experience im B2C- und B2B-Geschäft belegen. Für weitere Hinweise sei auf Anforderungen an Customer Experience Customer Experience im B2B- und B2C-Kontext Voeth & Loos, 2012, S.-377 verwiesen. Beispiel: Im B2C-Bereich beeinflussen vor allem Aspekte wie Hilfsbereitschaft, schnelle Bedienung oder Wiedererkennung einer Dienstleistung die Erfah‐ rung des Kunden mit einer Dienstleistung. Auf der anderen Seite sind im B2B-Bereich besonders der Umfang des persönlichen Kontakts, die Flexibi‐ lität des Anbieters sowie dessen Verständnis für die Kundenbedürfnisse relevant für die positive Kundenerfahrung. Vermutlich werden Sie bei einem Einkauf in einem Elektronikfachge‐ schäft genau diese genannten Faktoren erwarten. Sie erwarten eine freund‐ liche Haltung des Personals, welches Sie mit einer gewissen Kompetenz möglichst schnell bedient bzw. berät. Sie fühlen sich besonders als Kunde wertgeschätzt, wenn man Sie idealerweise auch wiedererkennt, wobei der Kontakt weniger persönlich sein muss. Als Mitarbeiter einer Einkaufsabteilung eines Unternehmens hingegen erwarten Sie einen dedizierten Verkaufspartner, der Ihr persönlicher An‐ sprechpartner ist, idealerweise auf Sie zukommt und auf Probleme aufmerk‐ 108 Anhang <?page no="109"?> sam macht, die er potenziell lösen könnte, und der Ihre Kundenbedürfnisse auswendig kennt. Sie erwarten auch eine sehr vertrauensvolle Zusammen‐ arbeit und möchten nicht bloß als ein Kunde gesehen werden, der ein Produkt kauft. Lösungen zu den Aufgaben 109 <?page no="110"?> Abkürzungsverzeichnis API Application Programming Interface B2B Business-to-Business B2C Business-to-Customer CEM Customer Experience Management CPPS Cyber-physisches Produktionssystem CPS Cyber-physisches System E/ A Eingabe/ Ausgabe HLB hybrides Leistungsbündel IP Internet Protocol IT Informationstechnik M2M Machine-to-Machine RFID Radio-Frequency Indentification SPS speicherprogrammierbare Steuerung SWOT Strengths, Weaknesses, Opportunities, Threats 110 Anhang <?page no="111"?> Glossar API Application Programming Interface; Programmierschnitt‐ stelle, die von einem Softwaresystem anderen Programmen zur Verfügung gestellt wird B2B Geschäft zwischen zwei oder mehr Unternehmen B2C Geschäft zwischen einem Unternehmen und einem privaten Konsumenten Balanced Scorecard Methode, um die strategischen Ziele eines Unternehmens hinsichtlich mehrerer Dimensionen messbar zu machen und auf einzelne Unternehmenseinheiten herunterzubrechen Business Case Im Rahmen eines Business Cases werden finanzielle Aspekte einer unternehmerischen Investition beurteilt. Business Engineering strukturierte und ingenieursmäßige Entwicklung von Geschäftslösungen wie z. B. Geschäftsmodelle, Prozesse, IT-Systeme Business Model Canvas Methode zur Strukturierung von Geschäftsmodellen hin‐ sichtlich der wichtigsten Schlüsselfaktoren Buying Center Personengruppe innerhalb eines Unternehmens, die an ei‐ ner Kaufentscheidung beteiligt ist Changemanage‐ ment Das Changemanagement beschreibt Aufgaben, die eine un‐ ternehmensweite Veränderung bewirken sollen, um neue Strategien umzusetzen bzw. gewünschte Strukturen und Verhaltensweisen durchzusetzen. Cloud (Computing) informationstechnische Infrastruktur, die es erlaubt, techni‐ sche Lösungen über ein Netz (z. B. Internet) bereitzustellen, anstatt sie lokal vorhalten zu müssen Customer Experience Ma‐ nagement Im Rahmen des Customer Experience Managements sollen möglichst positive Kundenerfahrungen geschaffen werden, um eine emotionale Bindung zwischen Kunde, Produkt und Anbieter zu erzeugen. cyber-physi‐ sches Produkti‐ onssystem technische Lösungen, die zu einer Vernetzung der Produkti‐ onssysteme in einer Fabrik führen, indem physische Objekte mit eingebetteten Systemen sowie Sensoren und Aktoren ausgestattet werden cyber-physi‐ sches System technische Lösungen, die die physikalische und die virtuelle Welt miteinander verknüpfen, indem physische Objekte mit eingebetteten Systemen sowie Sensoren und Aktoren ausgestattet werden Glossar 111 <?page no="112"?> Design Thinking kreativer Prozess, der die Entwicklung neuer Ideen be‐ schleunigen soll und sich am Nutzer orientiert Dienstleistung immaterielles Produkt ex ante lateinisches Fachwort, welches „im Voraus“ bedeutet Geschäftsmodell konzeptuelles Modell, welches die logischen Zusammen‐ hänge beschreibt, wie ein Unternehmen am Markt Nutzen stiftet und Gewinne erwirtschaftet horizontale Integration der Daten Systeme von Kunden, Lieferanten, verteilten Unterneh‐ mensstandorten und externen Dienstleistern und Produ‐ zenten werden in die eigene vertikale Systemlandschaft integriert. hybrides Leis‐ tungsbündel integrierte, sich gegenseitig determinierende Planung, Ent‐ wicklung, Implementierung, Erbringung und Nutzung von Sach- und Dienstleistungsanteilen in den Wertschöpfungs‐ prozessen aller beteiligten Partner (Anbieter, Kunde und Zulieferer) Industrie 4.0 Metabegriff für die Weiterentwicklung der Produktions- und Wertschöpfungssysteme durch die Verknüpfung der realen und der digitalen Welt IP-Adresse Internet-Protokoll; Adresse in Computernetzwerken, die technische Geräte erhalten, um innerhalb des Netzwerks mit anderen Geräten zu kommunizieren Key-Ac‐ count-Manager kümmert sich im Kundenmanagement um besondere Schlüsselkunden Lebenszyklus Annahme, dass ein Produkt verschiedene Phasen der Nach‐ frage durchläuft und irgendwann vom Markt verschwindet Porter’s Five Forces Methode zur Analyse einer Branche hinsichtlich fünf ver‐ schiedener Dimensionen RFID Radio-Frequency Identification; auf Radiowellen basierende Technologie zum berührungslosen Identifizieren und Loka‐ lisieren von Objekten Sachleistung materielle Produkte SWOT-Analyse Methode der strategischen Planung, um die aktuelle Posi‐ tion eines Unternehmens (Strengths und Weaknesses) zu bestimmen und diese mit den Marktanforderungen (Oppor‐ tunities und Threads) zu verknüpfen Vertikale Integ‐ ration der-Daten Die verschiedenen Wertschöpfungsstufen eines Unterneh‐ mens werden datentechnisch miteinander verknüpft. 112 Anhang <?page no="113"?> Literaturverzeichnis Aarikka-Stenroos, L. & Jaakkola, E. (2019). Value co-creation in service systems: A structured literature review. Journal of Service Management, 30(3), 381-412. Adidas. (2019). Adidas setzt Speedfactory-Technologie ab Ende 2019 bei Zulieferbe‐ trieben in Asien ein. https: / / www.adidas-group.com/ de/ media/ press-releases/ a didas-setzt-speedfactory-technologie-ab-ende-2019-bei-zulieferbetrieben-in-asie n-ein Airbus. (2025). Airbus services. Because we care. https: / / www.aircraft.airbus.com/ e n/ services Association for Financial Markets in Europe [AFME] & PricewaterhouseCoopers [PwC]. (2023). Artificial Intelligence: Challenges and opportunities for compli‐ ance. https: / / www.afme.eu/ media/ d5gm0fsu/ finalafmeaicompliance202305.pdf Baines, T. & Lightfoot, H. (2013). Made to serve - How manufacturers can compete through servitization and product - Service Systems. Wiley. Bischoff, R., Bauernhansl, T. & Ten Hompel, M. (2015). Industrie 4.0 - Herausforde‐ rungen, Trends und Lösungen. Springer Vieweg. Bosch Rexroth. (2025). Industry 4.0 solutions from Bosch Rexroth. https: / / www.bos chrexroth.com/ en/ hu/ industries/ industry-4-0-solutions/ Bruhn, M. & Hadwich, K. (2012). Customer Experience - Eine Einführung in die theoretischen und praktischen Problemstellungen. In M. Bruhn & M. Hadwich (Hrsg.), Customer Experience, - Forum Dienstleistungsmanagement (S.-3-36). Springer Gabler. Bundesamt für Sicherheit in der Informationstechnik [BSI]. (2022). Die Lage der ITSicherheit in Deutschland 2022. https: / / www.bsi.bund.de/ SharedDocs/ Downlo ads/ DE/ BSI/ Publikationen/ Lageberichte/ Lagebericht2022.html Bundesministerium für Bildung und Forschung [BMBF]. (2014). Die neue High‐ tech-Strategie - Innovationen für Deutschland. Cusumano, M. A., Kahl, S. J. & Suarez, F. F. (2015). Services, industry evolution, and the competitive strategies of product firms. Strategic Management Journal, 36(4), 559-575. Davenport, T. H. & Ronanki, R. (2018). Artificial Intelligence for the real world. Harvard Business Review, 96(1), 108-116. De Keyser, A., Antonetti, P., Rouziou, M., Béal, M., Wang, Z.-H., Grégoire, Y. & Lussier B. (2025). Understanding the B2B customer experience and journey: A convergence-based lens. Journal of Business Research, 198, 115481. Deloitte. (2024a). The future of the digital customer experience in industrial manu‐ facturing and construction. https: / / www.deloitte.com/ us/ en/ insights/ industry/ Literaturverzeichnis 113 <?page no="114"?> manufacturing-industrial-products/ digital-customer-experience-in-industrial-m anufacturing-and-construction.html Deloitte. (2024b). B2B commerce: Reframing revenue growth from front to back. htt ps: / / www.deloitte.com/ ca/ en/ services/ consulting/ research/ reframing-revenue-g rowth.html Die Presse. (2024). Welthandel: „Dienstleistungen sind die Zukunft des Handels“ [Video]. YouTube. https: / / www.youtube.com/ watch? v=v_YEL9XbDSM Europäische Kommission. (2021). Industry 5.0 - Towards a sustainable, human-cent‐ ric and resilient European industry. https: / / research-and-innovation.ec.europa.e u/ knowledge-publications-tools-and-data/ publications/ all-publications/ industry -50-towards-sustainable-human-centric-and-resilient-european-industry_en Europäische Union. (2022). Regulation (EU) 2022/ 2464 (CSRD). https: / / eur-lex.euro pa.eu/ legal-content/ DE/ TXT/ PDF/ ? uri=CELEX: 32022L2464 Europäische Union. (2023). Regulation (EU) 2023/ 2854 (Data Act). https: / / eur-lex.eu ropa.eu/ legal-content/ EN/ TXT/ ? uri=CELEX: 32023R2854 Europäische Union. (2024). Regulation (EU) 2024/ 1689 (AI Act). https: / / eur-lex.euro pa.eu/ legal-content/ EN/ TXT/ ? uri=CELEX: 32024R1689 Eurostat. (2024). Services accounted for 73.7-% of the EU’s total gross value added in 2024. https: / / ec.europa.eu/ eurostat Gebauer, H., Paiola, M. & Saccani, N. (2020a). Digital servitization: How data-driven services drive transformation. Journal of Business Research, 121, 1-10. Gebauer, H., Paiola, M. & Saccani, N. (2020b). Digital servitization: Crossing the perspectives of digitization and servitization. Industrial Marketing Management, 87, 379-388. General Electric [GE]. (2025). GE Vernova is the pioneer of digital twin technology. https: / / www.gevernova.com/ software/ innovation/ digital-twin-technology Gentile, C., Spiller, N. & Noci, G. (2007). How to sustain the customer experience: An overview of experience components that co-create value with the customer. European Management Journal, 25(5), 395-410. Gutzwiller, T. A. (1994). Das CC RIM-Referenzmodell für den Entwurf von Informa‐ tionssystemen. Teubner. Hertel, H., Zentes, J. & Schramm-Klein, H. (2011). Strategic retail management. Gabler. Herterich, M., Uebernickel, F. & Brenner, W. (2016). Industrielle Dienstleistungen 4.0. HMD Best Paper Award 2015. Springer. Homburg, C., Jozić, D. & Kuehnl, C. (2017). Customer experience management: Toward implementing an evolving marketing concept. Journal of the Academy of Marketing Science, 45(3), 377-401. 114 Anhang <?page no="115"?> Hunsaker, L. (2024). Connecting customer experience and employee experience ROI. https: / / customerthink.com/ cx-roi-handbook-connecting-customer-experience-a nd-employee-experience-roi/ Kagermann, H., Wahlster, W. & Helbig, J. (2013). Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. acatech. Kohtamäki, M., Parida, V., Oghazi, P., Gebauer, H. & Baines, T. (2020). Digital servitization business models in ecosystems: A theory of the firm. Journal of Business Research, 104, 380-392. KUKA. (2020). LBR iiwa - Mensch-Roboter-Kollaboration in der Praxis. https: / / www .kuka.com/ de-de/ produkte-leistungen/ robotersysteme/ industrieroboter/ lbr-iiwa Kumar, V. & Pansari, A. (2016). Competitive advantage through engagement. Journal of Marketing Research, 53(4), 497-514. Lee, J., Bagheri, B. & Kao, H.-A. (2014). A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18-23. Lemon, K. N. & Verhoef, P. C. (2016). Understanding customer experience throug‐ hout the customer journey. Journal of Marketing, 80(6), 69-96. MarketsandMarkets. (2022). Predictive Maintenance Market - Forecast to 2030. McColl-Kennedy, J. R., Snyder, H., Elg, M., Witell, L., Helkkula, A., Hogan, S. J. & Anderson, L. (2017). The changing role of the health care customer: Review, synthesis and research agenda. Journal of Service Management, 28(1), 2-33. McKinsey. (2024). B2B-Einkaufsverhalten in der digitalen Transformation. Research Brief. Meier, H. & Uhlmann, E. (2012). Hybride Leistungsbündel - ein neues Produktver‐ ständnis. In H. Meier & E. Uhlmann (Hrsg.), Integrierte Sach- und Dienstleistun‐ gen (S.-1-12). Springer. Möller, F., Opriel, P., Hermann, M. & Otto, B. (2018). Digital Business Engineering - Findings from the Install4Schenker case (S.-538-549). MKWI. Morgan, N. A., Slotegraaf, R. J. & Vorhies, D. W. (2009). Linking marketing capabi‐ lities with profit growth. International Journal of Research in Marketing, 26(4), S.-284-293. Neely, A. (2008). Exploring the financial consequences of the servitization of manufacturing. Operations Management Research, 1(2), 103-118. Norsk Hydro. (2020). Annual Report 2019. https: / / www.hydro.com/ en/ global/ about -hydro/ publications/ annual-reports/ O’Neil, C. (2016). Weapons of math destruction. How Big Data increases inequality and threatens democracy. Penguin Books. Onramp. (2025). Customer Experience Statistics: What the numbers reveal for CX in 2025. https: / / onramp.us/ blog/ customer-experience-statistics Literaturverzeichnis 115 <?page no="116"?> Otto, B., Bärenfänger, R. & Steinbuß, S. (2015). Digital Business Engineering: Methodological foundations and first experiences from the field. Proceedings of the 28th Bled eConference, 7-10 June 2015, Bled (S.-58-76). Plattform Industrie 4.0. (2014). Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0. Porter, M. E. (1980). Competitive strategy. Techniques for analyzing industries and competitors. Free Press. Porter, M. E. & Heppelmann, J. E. (2014). How smart, connected products are transforming competition. Harvard Business Review, 92(11), 64-88. PricewaterhouseCoopers [PwC]. (2025). Letting go to move forward: Why the future of customer experience demands the experience supply chain. https: / / www.pw c.com/ us/ en/ services/ consulting/ business-transformation/ future-customer-expe rience-is-supply-chain.html Roth, A. (2016). Industrie 4.0 - Hype oder Revolution? Grundlagen, Vorgehensmodell und Use Cases aus der Praxis. Springer Gabler. Schaeffler. (2021a). With OPTIME, Schaeffler provides user-friendly, automatic con‐ dition monitoring. [Pressemitteilung]. https: / / www.hannovermesse.de/ apollo/ h annover_messe_2021/ obs/ Binary/ A1086242/ 210413_Schaeffler_Hannover_Mess e_ConditionMonitoring_EN.pdf Schaeffler. (2021b). Solutions for maintenance. https: / / www.schaeffler-digital-solut ions.de/ en/ products-and-solutions/ maintenance-solutions/ Schuh, G., Anderl, R., Gausemeier, J., ten Hompel, M. & Wahlster, W. (2020). Industrie-4.0 Maturity Index - Update 2020. acatech. Schuh, G., Gudergan, G. & Grefrath, C. (2016). Geschäftsmodelle für industrielle Dienstleistungen. In G. Schuh, G. Gudergan & A. Kampker (Hrsg.), Manage‐ ment industrieller Dienstleistungen - Handbuch Produktion und Management 8 (2.,-vollständig neu bearbeitete und erweiterte Auflage, S.-65-104). Springer. Siemens. (2020). MindSphere - Enabling the world’s industries to drive their digital transformations. https: / / www.plm.automation.siemens.com/ media/ global/ en/ Si emens%20MindSphere%20Overview%20White%20Paper_tcm27-85047.pdf Siemens. (2025a). Digitale Transformation: Mit gutem Beispiel voran. https: / / ww w.siemens.com/ de/ de/ unternehmen/ stories/ industrie/ elektronik-digitalenterpris e-zukunftstechnologien.html Siemens. (2025b). Transitioning to a circular economy with Circular Repair Services by Siemens [Pressemitteilung]. https: / / press.siemens.com/ global/ en/ pressrelease / transitioning-circular-economy-circular-repair-services-siemens 116 Anhang <?page no="117"?> Siemens. (2025c). Remote Services für hohe Leistungsfähigkeit Ihrer Anlage. https: / / www.siemens.com/ de/ de/ produkte/ services/ digital-enterprise-services/ vor-ort -instandhaltungs-services/ remote-services.html Siepmann, D. (2016a). Industrie 4.0 - Struktur und Historie. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0. Grundlagen, Vorgehensmodell und Use Cases aus der Praxis (S.-17-34). Springer Gabler. Siepmann, D. (2016b). Industrie 4.0 - Fünf zentrale Paradigmen. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0. Grundlagen, Vorgehensmodell und Use Cases aus der Praxis (S.-35-46). Springer Gabler. Stark, R. & Müller, P. (2012). Hybride Leistungsbündel - Grundlagen, Ansätze und Umsetzung. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb 107(1-2), 43-49. TRUMPF. (2022a). Neues Geschäftsmodell. TRUMPF vertreibt mit Pay-per-Part die reine Maschinennutzung. https: / / www.trumpf.com/ de_DE/ newsroom/ pressemi tteilungen-global/ pressemitteilung-detailseite-global/ release/ neues-geschaeftsm odell-trumpf-vertreibt-mit-pay-per-part-die-reine-maschinennutzung/ TRUMPF. (2022b). TruServices Servicevereinbarungen. https: / / www.trumpf.com/ f ilestorage/ TRUMPF_de_DE/ Produkte/ Services/ TRUMPF-TruService_Servicever einbarungen-WM-Deutschland.pdf Universal Robots. (2025). Cobots in the automotive industry - Automotive manufac‐ turing. https: / / www.universal-robots.com/ pt/ blog/ cobots-in-the-automotive-ind ustry-automotive-manufacturing/ Verleye, K. (2015). The co-creation experience from the customer perspective: Its measurement and determinants. Journal of Service Management, 26(2), 321-342. VDMA. (2017). Industrie 4.0 konkret - Lösungen für die industrielle Praxis. VDMA Verlag. VDMA. (2018). Industrie 4.0 konkret - Lösungen für die industrielle Praxis. VDMA Verlag. Voeth, M. & Loos, J. (2012). Customer Experience Management bei B2B-Services - Besonderheiten und Erfolgsfaktoren. In M. Bruhn & M. Hadwich (Hrsg.), Cus‐ tomer Experience - Forum Dienstleistungsmanagement (S.-369-384). Springer Gabler. Winters, B., Hayes, A., Buten, J., Vasudevan, B., Caplow, B., Viola, B., Conard, K., Zalucky, D. & Lind, E. (2024). The state of business buying, 2024. Trend Report. https: / / www.forrester.com/ report/ the-state-of-business-buying-2024/ RES181797 Wipfler, H., Müller, J., Vorbach, S. & Marko, O. (2014). Hybride Leistungsbündel - Wenn Produkte und Service verschmelzen. WINGbusiness, 47(3), 6-10. Wirtz, J. (2025a). Understanding the B2B customer experience and journey. Journal of Business Research, 162, 114322. Literaturverzeichnis 117 <?page no="118"?> Wirtz, J. (2025b). Customer Experience Management in B2B markets. Journal of Business Research, 161, 114154. Wiesner, S., Gaiardelli, P. & Riedl, M. (2021a). Product-Service Systems in the era of industry 4.0: A review and new directions. Procedia CIRP, 100, 79-84. Wiesner, S., Gaiardelli, P. & Riedl, M. (2021b). Product-Service Systems: Current status and future trends. Procedia CIRP, 96, 3-12. Zalando. (2025). Fortschritte bei Inspritation & Unterhaltung: Zalando bringt neuen KI-gesteuerten Discovery-Feed in weitere Märkte und führt neue, öffentliche Kund*innenprofile ein. https: / / corporate.zalando.com/ de/ technologie/ fortschritt e-inspiration-unterhaltung-zalando-neuen-ki-gesteuerten-discovery-feed 118 Anhang <?page no="119"?> Register Bundling-42f. Buying Center-92 Customer Experience-77f., 80, 82, 85f., 88, 91, 93f. Cyber-physische Systeme-13, 15, 21 Data Mapping-74 Datenplattformen-16ff. Dienstleistung-13, 33, 46f., 51, 77, 85, 91f., 94 Digital Business Engineering-64 digitales Engineering-20 Eco-Efficient Product Services-45 Ergebnisorientiert-45 Full Service-43 Functional Sales-45 Geschäftsmodellanpassung-52, 76 Geschäftsmodelle-12, 15, 18, 22, 25, 28, 31, 33, 35f., 42, 45ff., 49ff., 58, 64f., 75ff., 87, 95, 98, 103, 105 ergebnisorientierte-49 nutzungsgestützte-48 produktorientierte-48 systemintegrative-50 Geschäftsmodellentwicklung-51, 76 Geschäftsmodellveränderung-53 Hightech-Strategie 2020-15 HLB-Anbieter-46f. HLB-Lebenszyklus-42 Hybrides Leistungsbündel-12, 31, 33ff., 37ff., 45-48, 103 Industrie 4.0-11-19, 27-31, 103, 105 Industrie 5.0 11ff., 16-19, 21, 28, 30f., 34, 101, 103, 105 Installed Base Service-44 Integration-19, 37f., 45-48, 62, 72f., 84, 95, 100 Integrität-93 Internet der Dinge-15, 105 Kommunikation-92 Kundennutzen-47 Künstliche Intelligenz-16, 30, 95 Lebenszyklus-39, 46f., 51 Machbarkeitsanalyse-55 Menschzentrierung 11, 13, 17ff., 21, 30f., 103, 105 Mikroproduktion-46 Nachhaltigkeit 11, 13, 17ff., 21f., 28, 30f., 33, 35, 42, 57, 78, 98f., 101, 103, 105 Netzwerkanalyse-71 Paradigmen-13, 19, 21, 31, 103, 105 Plattform-11, 13, 15, 24f., 40, 49, 62, 71- 75, 96 Plattformmodelle; Geschäftsmodelle- datenbasierte-49 Preismechanismen-64 Product-Service-44f. <?page no="120"?> Resilienz-11, 13, 17, 21f., 30f., 33, 95, 98, 101, 103, 105 Service Package-43 Solutions-44 Systemarchitektur-74 Systems Selling-43 Wertschöpfung-12, 15, 51 120 Register <?page no="121"?> Abbildungsverzeichnis Abbildung 1: Entwicklung des Begriffsverständnisses hybrider Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Abbildung 2: Strukturierung hybrider Leistungsbündel in Anlehnung an Meier & Uhlmann, 2012, S.-7 . . . . . . . . 38 Abbildung 3: Bestandteile des HLB-Lebenszyklus . . . . . . . . . . . . . . 42 Abbildung 4: Phasenmodell der Geschäftsmodellveränderung in Anlehnung an Schuh et al., 2016, S.-94 . . . . . . . . . . . . 53 Abbildung 5: Methoden für die Machbarkeitsanalyse in Anlehnung an Schuh et al., 2016, S.-97 . . . . . . . . . . . . . . . . . . . . . . . 55 Abbildung 6: Beispiel mit Bearbeitungsreihenfolge einer Business Model Canvas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 Abbildung 7: : Nachhaltigkeitsstrategien für Geschäftsmodelle in Anlehnung an Schuh et al., 2016, S.-102 . . . . . . . . . . . 58 Abbildung 8: Geschäftsmodellmorphologie in Anlehnung an Schuh et al., 2016, S.-75 . . . . . . . . . . . . . . . . . . . . . . . . . 59 Abbildung 9: Preismechanismen in Anlehnung an Schuh et al., 2016, S.-84 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 Abbildung 10: Prozess des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S.-66 . . . . . . . . . . . . . . 68 Abbildung 11: Beispiel für eine Customer Journey in Anlehnung an Möller et-al., 2018, S.-543 . . . . . . . . . . . . . . . . . . . . . . . . 70 Abbildung 12: Beispiel Netzwerkanalyse des Geschäftsökosystems in Anlehnung an Möller et-al., 2018, S.-543 . . . . . . . . . 71 Abbildung 13: Beispiel für den Kundenprozess bei Install4Schenker in Anlehnung an Möller et-al., 2018, S.-544 . . . . . . . . . 72 Abbildung 14: Beispiel für digitale Fähigkeiten in Anlehnung an Möller et-al., 2018, S.-545 . . . . . . . . . . . . . . . . . . . . . . . . 73 Abbildung 15: Beispiel Data Mapping in Anlehnung an Möller et al., 2018, S.-545 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Abbildung 16: Beispiel der Systemarchitektur für Install4Schenker in Anlehnung an Möller et-al., 2018, S.-546 . . . . . . . . . 74 <?page no="122"?> Abbildung 17: Dimensionen und Moderatoren der Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S.-14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 Abbildung 18: Erfolgsfaktoren des CEM für B2B-Services in Anlehnung an Voeth & Loos, 2012, S.-379 . . . . . . . . . . 89 122 Abbildungsverzeichnis <?page no="123"?> Tabellenverzeichnis Tabelle 1: Methoden des Digital Business Engineerings in Anlehnung an Otto et al., 2015, S.-67 . . . . . . . . . . . . . . . . 68 Tabelle 2: Determinanten der Customer Experience in Anlehnung an Bruhn & Hadwich, 2012, S.-18 . . . . . . . . . . . . . . . . . . . 82 Tabelle 3: Wirkungen nach Implementierung eines Customer Experience Managements in Anlehnung an Bruhn & Hadwich, 2012, S.-21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Tabelle 4: Anforderungen an Customer Experience im B2B- und B2C-Kontext Voeth & Loos, 2012, S.-377 . . . . . . . . . . . . . 88 Tabelle 4.3: Beispiel - Business Model Canvas für einen Anbieter smarter Türschlösser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 <?page no="124"?> Bisher sind erschienen: Ulrich Sailer Digitalisierung im Controlling 2023, ISBN 978-3-381-10301-0 Michael von Hauff Wald und Klima 2023, ISBN 978-3-381-10311-9 Ralf Hafner Unternehmensbewertung 2024, ISBN 978-3-381-11351-4 Irene E. Rath / Wilhelm Schmeisser Internationale Unternehmenstätigkeit 2024, ISBN 978-3-381-11231-9 Reinhard Hünerberg / Matthias Hartmann Technologische Innovationen 2024, ISBN 978-3-381-11291-3 Ulrich Sailer Klimaneutrale Unternehmen 2024, ISBN 978-3-381-11341-5 Oˇ guz Alaku¸ s Basiswissen Kryptowährungen 2024, ISBN 978-3-381-11381-1 Uta Kirschten Personalmanagement: Gezielte Maßnahmen zur langfristigen Personalbindung 2024, ISBN 978-3-381-12151-9 Kariem Soliman Leitfaden Onlineumfragen 2024, ISBN 978-3-381-11961-5 Oˇ guz Alaku¸ s Das Prinzip von Kryptowährungen und Blockchain 2024, ISBN 978-3-381-12211-0 Eckart Koch Interkulturelles Management 2024, ISBN 978-3-381-11801-4 Margareta Kulessa Die Konzeption der Sozialen Marktwirtschaft 2024, ISBN 978-3-381-11411-5 Jörg Brüggenkamp / Peter Preuss / Tobias Renk Schätzen in agilen Projekten 2024, ISBN 978-3-381-12511-1 nuggets Die Reihe nuggets behandelt anspruchsvolle Themen und Trends, die nicht nur Studierende beschäftigen. Expert: innen erklären und vertiefen kompakt und gleichzeitig tiefgehend Zusammenhänge und Wissenswertes zu brandneuen und speziellen Themen. Dabei spielt die richtige Balance zwischen gezielter Information und fundierter Analyse die wichtigste Rolle. Das Besondere an dieser Reihe ist, dass sie fachgebiets- und verlagsübergreifend konzipiert ist. Sowohl der Narr-Verlag als auch expert- und UVK-Autor: innen bereichern nuggets. <?page no="125"?> Michael von Hauff Nachhaltigkeit - Paradigma und Pflicht der Völkergemeinschaft 2024, ISBN 978-3-381-11281-4 Sven Seidenstricker / Jens Pöppelbuß / Thomas B. Berger / Heiko Fischer Digitaler Vertrieb 2025, ISBN 978-3-381-11441-2 Thomas Zerres / Michael Zerres Rechtliche Herausforderungen im Start-up-Marketing 2024, ISBN 978-3-381-12961-4 Barbara Weyerer Die proaktive Führungskraft 2025, ISBN 978-3-381-12491-6 Andreas Otterbach / Corinna Wenig Führend durch Wertschätzung 2025, ISBN 978-3-7398-3226-5 Michael Zerres / Thomas Zerres Start-ups und EU-Recht 2025, ISBN 978-3-381-13571-4 Rolf J. Daxhammer / Máté Facsar / Zsolt Papp Spekulationsblasen 2025, ISBN 978-3-381-14571-3 Alexander Brem Frugale Innovationen 2025, ISBN 978-3-381-10611-0 Michael Hesseler Herausforderungen für das Betriebliche Gesundheitsmanagement 2025, ISBN 978-3-381-12931-7 Bernd Villhauer Was ist Vermögen? 2026, ISBN 978-3-381-13141-9 Dirk Linowski Deutsch-chinesische Beziehungen 2026, ISBN 978-3-381-14551-5 Serge Ragotzky Geoökonomie 2026, ISBN 978-3-381-14661-1 Frank Daumann Private Militärunternehmen 2026, ISBN 978-3-381-15321-3 Thomas Zerres, Michael Zerres Rechtliche Herausforderungen für das Management in Unternehmen 2026, ISBN 978-3-381-16051-8 Andreas Otterbach, Sem Trautwein Unternehmensnachfolge im Mittelstand 2026, ISBN 978-3-381-10491-8 Jost Hammerschmidt Unternehmensführung und Inflation 2026, ISBN 978-3-381-15831-7 Florian Schlüter / Irene E. Rath Zukunft des industriellen Dienstleistungsmanagements 2026, ISBN 978-3-381-15211-7 <?page no="126"?> ISBN 978-3-381-15211-7 Dieses Lehrbuch verfolgt das Ziel, Wissen zum industriellen Dienstleistungsmanagement systematisch zu vertiefen und zukunftsorientiert auszubauen. Es beinhaltet eine Einführung in die Entwicklungen rund um Industrie 4.0 und 5.0 sowie deren Auswirkungen auf industrielle Dienstleistungen, einen Überblick über hybride Leistungsbündel als Kern moderner Wertschöpfung, einen Einblick in neue Geschäftsmodelle - von „as-a-Service“-Angeboten über datengetriebene Modelle bis hin zu Plattformökosystemen sowie eine Diskussion der Rolle der Customer Experience als Erfolgsfaktor im B2B-Dienstleistungsgeschäft. Florian Schlüter und Irene E. Rath geben den Leser: innen damit ein praxisnahes und gleichzeitig forschungsbasiertes Rüstzeug an die Hand, mit dem sie industrielle Dienstleistungen der Zukunft gestalten, bewerten und erfolgreich umsetzen können. Das Buch richtet sich an Studierende der Betriebswirtschaftslehre an Universitäten und Hochschulen sowie an die Praxis mit Führungsverantwortung im Industriesektor.