(PM) München, 03.11.2015 - Für fertigende Unternehmen wie beispielsweise Automobilhersteller oder Fahrzeug- und Maschinenbauer sind vorausschauende Analysen keine Randerscheinung. Laut der PAC-Studie „Predictive Analytics in der Fertigungsindustrie" gaben mehr als zwei Drittel der Befragten Produktionsverantwortlichen an, dass Predictive Analytics helfen, effizienter und innovativer zu sein. Für jede dritte befragte Firma seien entsprechende Lösungen bereits strategisch wichtig. Erfolgsbeispiele kommen besonders aus dem Automotive-Sektor. Die Daimler AG konnte in einem Stuttgarter Werk die Produktion von Zylinderköpfen optimieren, die Produktivität um 25 Prozent steigern und teuren Ausschuss vermeiden. Auch BMW gelang es mithilfe einer Predictive-Maintenance-Lösung Produktionsfehler zu beseitigen sowie Reparaturkosten zu senken. Der Dank: zufriedenere Kunden.

Jedoch seien nicht alle Unternehmen so offen, weiß Jörg Kremer, Analytics-Experte bei der Münchner mip GmbH: „Häufig herrscht ein starker Unglaube, dass Fertigungsprozesse zu verbessern sind – besonders wenn Firmen schon Qualitätssicherung z.B. nach Six Sigma betreiben.“ Dennoch ist sich der Fachmann sicher, dass fertigende Unternehmen von Predictive Analytics profitieren können: „Diese Projekte bedeuten zunächst einmal eine Investition – ohne die Garantie, dass eine Optimierung überhaupt möglich ist. Doch die Realität zeigt, dass in fast allen Fällen Verbesserungspotenziale erkannt werden und sich die Projekte recht schnell amortisieren.“

Industrie 4.0 treibt Predictive Analytics voran

Gerade im Zusammenhang mit Themen wie Industrie 4.0 und dem Internet of Things werden vorausschauende Analysen immer interessanter für Unternehmen. Immer mehr setzen auf Predictive-Maintenance-Technologien, mit deren Hilfe sie ihre Anlagen und Maschinen effizient warten und kostspielige Ausfälle vermeiden wollen. ABIresearch zufolge soll der Markt für derartige Lösungen 2019 mehr als 24 Milliarden US-Dollar wert sein. Auch die mip GmbH verzeichnet steigendes Interesse an Analyse-Anwendungen. „Viele Firmen tun sich aber immer noch schwer, den ersten Schritt zu gehen. Dies ist vor allem auch dann zu beobachten, wenn sie bereits Business-Intelligence-Projekte durchgeführt haben und Systeme wie Dashboards, Balanced Scorecards oder KPI-Systeme einsetzen“, erläutert Kremer. Als weitere Herausforderung kommen die Daten hinzu: Hier die richtigen zu identifizieren, bereitzustellen, auszuwerten und zu verstehen erfordert Fachkenntnis. Sind aber belastbare Modelle etabliert, können auch Mitarbeiter ohne statistische Expertise auf deren Basis wertvolle Erkenntnisse gewinnen.

Den vielerorts beschworenen Data Scientist hält Kremer entsprechend auch nicht für unentbehrlich. Doch ist er der Meinung, dass es insbesondere in eng umkämpften Märkten unter anderem darauf ankommt, mehr über die Unternehmensdaten und -prozesse sowie die Zusammenhänge mit inneren und äußeren Einflussfaktoren zu wissen. Nur so können Firmen dauerhaft am Markt bestehen.

Weitere Informationen unter: mip.de/predictive-analytics-in-der-fertigung/