Wertschöpfung im selbstfahrenden Unternehmen, Teil 1

Der wirtschaftliche Kern des selbstfahrenden Unternehmens ist seine Wertschöpfung: Von der Produktidee über die Entwicklung bis zum Markttransfer entlasten vollvernetzte Systeme die Menschen, senken die Kosten laufend und beschleunigen jeden Schritt bei gleichbleibender Präzision. Dieser Beitrag geht vom klassischen Wertschöpfungsbegriff Michael E. Porters aus, zeigt, wie die Digitalisierung ihn verändert, und führt die fünf Treiber der Wertschöpfung im selbstfahrenden Unternehmen ein. Die ersten beiden, Forschung und Entwicklung sowie Produktionsprognose und -planung, beschreibe ich in diesem ersten Teil; die Treiber drei bis fünf folgen im zweiten Teil.

Von Porters Wertkette zur vernetzten Wertschöpfung

Der klassische Wertschöpfungsbegriff stammt von Michael E. Porter. In „Competitive Advantage“ (1985) beschreibt er das Unternehmen als Kette von Aktivitäten, die einem Produkt Wert hinzufügen: fünf primäre Aktivitäten, nämlich Eingangslogistik, Produktion, Ausgangslogistik, Marketing und Vertrieb sowie Kundendienst, und vier unterstützende Aktivitäten, nämlich Unternehmensinfrastruktur, Personalwirtschaft, Technologieentwicklung und Beschaffung. Die Wertschöpfung ist die Differenz zwischen dem, was Kundinnen und Kunden zu zahlen bereit sind, und den Kosten dieser Aktivitäten. Das Modell ist bis heute die Sprache, in der Geschäftsführung und Controlling über Marge sprechen.

Es stammt allerdings aus einer Zeit, in der vor allem Industriegüter für Wertschöpfung sorgten und die Aktivitäten tatsächlich nacheinander abliefen. Heute erbringen weltweit erfolgreiche Apps und Plattformen mit äußerst geringen Ressourcen eine erhebliche Wertschöpfung, ohne Eingangslogistik und ohne Produktionshalle. Und auch in traditionellen Betrieben lassen sich mit der Digitalisierung Effekte erzielen, die in Porters Modell nicht vorgesehen sind, weil die Aktivitäten nicht mehr nacheinander, sondern gleichzeitig und vernetzt stattfinden.

In „Das selbstfahrende Unternehmen“ (Springer Gabler 2021) habe ich deshalb einen weiter gefassten Wertschöpfungsbegriff gewählt: Wertschöpfung ist alles, was dazu beiträgt, Umsatz zu generieren. Nach dem Business Model Canvas in der erweiterten Fassung von Joyce und Paquin (2016) sind das in den meisten Unternehmen das Alleinstellungsmerkmal, die Schlüsselressourcen und die Schlüsselaktivitäten. Ob das Produkt physisch ist wie ein Auto, eine Dienstleistung wie eine Physiotherapie oder virtuell wie ein Kredit, bei dem kein Geld in physischer Form transferiert wird, sondern nur Rechte und Pflichten vereinbart werden, spielt dabei keine Rolle. Allen Produkten ist gemeinsam, dass ihre Erstellung auf Prozessen beruht. Und diese Prozesse werden früher oder später digitalisiert und automatisiert, entweder vom Unternehmen selbst oder von seiner Konkurrenz.

Wertschöpfung war der Treiber jeder industriellen Revolution

Jede industrielle Revolution war von der Steigerung der Wertschöpfung getrieben, und jede hat den Menschen neue Aufgaben zugewiesen. Die Dampfmaschine übernahm den Transport, die Serienfertigung die Handgriffe am Fließband, die Digitalisierung erstmals geistige Arbeit. Industrie 4.0 automatisiert seit den 2010er Jahren koordinative und kommunikative Prozesse, die zuvor von Sachbearbeiterinnen und Sachbearbeitern und vom mittleren Management langsam und fehleranfällig erledigt wurden, in Echtzeit. Das beschleunigt alle Prozesse und schafft zugleich Transparenz im Unternehmen. Warum Industrie 4.0 dennoch nicht das Ziel ist, habe ich im Beitrag Industrie 4.0 ist vorbei, jetzt kommt die selbstfahrende Fabrik ausgeführt.

Das selbstfahrende Unternehmen geht einen Schritt weiter. Produkte werden vollständig automatisiert hergestellt, und isolierte, lineare Prozesse werden zu ganzheitlich vernetzten, mehrdimensionalen Funktionen, die sich gegenseitig in Echtzeit optimieren. Die Kosten der Herstellung beruhen dann hauptsächlich auf der einmal getätigten Investition und dem laufenden Energie- und Materialaufwand, während die Personalkosten drastisch sinken. Der eigentliche Treiber dieser Entwicklung ist also die Verbesserung der Wertschöpfung bei gleichzeitiger Senkung der koordinativen Kosten. So wie Dampflokomotive, Serienfertigung und PC jene Unternehmen belohnt haben, die bereit waren, in neue Technologien zu investieren, wird kognitive Software zum Erfolgstreiber jener Unternehmen, die sich auf sie einlassen und die entsprechenden Veränderungen zulassen.

Im selbstfahrenden Unternehmen entsteht Wertschöpfung nicht mehr entlang einer Kette, sondern in einem Regelkreis, in dem jede Funktion in Echtzeit von den Daten aller anderen lernt.

Die fünf Treiber der Wertschöpfung

Verschmelzen die einzelnen Systeme eines Unternehmens, lernen sie miteinander zu kommunizieren und sich gegenseitig zu optimieren, entsteht aus dem traditionellen Betrieb der Hochleistungsorganismus des selbstfahrenden Unternehmens. Bei genauerer Betrachtung ergeben sich dabei fünf wesentliche Treiber der Wertschöpfung. Sie lassen sich den Aktivitäten aus Porters Modell zuordnen, verändern aber deren Charakter grundlegend.

Die Treiber 1 und 2 stehen am Beginn der Wertschöpfung und entscheiden darüber, was überhaupt produziert wird und in welcher Menge. Nach meiner Erfahrung sind sie zugleich jene, bei denen viele Unternehmen heute noch am weitesten von der Vision entfernt sind, weil sie nicht in der Fabrik stattfinden, sondern in den Köpfen von Management und Controlling.

Treiber 1: Forschung und Entwicklung

Während die Wertschöpfung im selbstfahrenden Unternehmen hochgradig automatisiert wird, bleibt die Erforschung und Entwicklung neuer Produkte ein Aufgabengebiet für Menschen. Forschung und Entwicklung werden von einer Fülle an Informationen vorangetrieben, die aus sämtlichen Bereichen des Unternehmens, den Kundenkanälen, dem Internet und allen vernetzten Partnerorganisationen in bisher nicht gekannter Menge und Qualität bereitstehen. Simulationen und Modellierungen, die heute in aufwendiger Handarbeit entstehen, erstellt künstliche Intelligenz auf Basis dieser Daten in einer Geschwindigkeit, die in Handarbeit nicht erreichbar ist.

Der kreative Funke kommt dennoch weiterhin von Menschen. Ihre Aufgabe verschiebt sich dorthin, wo Daten allein nicht ausreichen: komplexe und schwer fassbare Phänomene wie den Zeitgeist, Trends, latente Bedürfnisse oder mögliche Risikoszenarien in die Produktideen einzubringen. Gute Marktforschung allein bringt noch kein gutes Produkt hervor. Henry Ford wird der Satz zugeschrieben, die Leute hätten sich auf die Frage nach ihren Wünschen schnellere Pferde gewünscht. Es geht also nicht darum, eine bestehende Entwicklung linear fortzuschreiben, sondern völlig neue Ansätze zu entwerfen und dann zu prüfen, wie gut sie angenommen werden und mit welchem Aufwand sie sich herstellen lassen. Die Kaffeekapsel ist ein Beispiel dafür: Die lineare Fortschreibung wäre ein noch komplexerer Vollautomat gewesen; stattdessen wurde der Herstellungsprozess von Kaffee radikal neu definiert.

Umgekehrt zeigt der Ford Edsel von 1957, dass aufwendige Planung, langwierige Markterhebung und großer Expertiseeinsatz den Erfolg nicht garantieren: Statt der erwarteten 200.000 Fahrzeuge wurden im ersten Produktionsjahr 63.000 gebaut, und nach drei Modelljahren wurde die Linie eingestellt (Beispiel aus „Das selbstfahrende Unternehmen“, Springer Gabler 2021). Diese Regel gilt auch im selbstfahrenden Unternehmen; der Unterschied liegt im Umgang mit Unsicherheit.

Produktinnovationen werden dort nach dem Prinzip „fail fast“ evolutionär entwickelt. Das bedeutet konkret:

• Viele Ideen parallel. Statt einer Produktidee, die über Jahre reift, werden unzählige parallele Ideen generiert und nachverfolgt.
• Früher Marktstart. Sehr frühe Entwicklungsstadien werden mit einzelnen Kundengruppen erprobt; mehrere Varianten laufen gleichzeitig bei unterschiedlichen Referenzgruppen.
• Rückmeldungen als Datenbasis. So entsteht rasch eine breite Datenbasis zu den einzelnen Varianten, die im Labor ausgewertet und zur idealen Produktvariante verdichtet wird. Ein teures Marktforschungsinstitut ist dafür nicht nötig, weil sämtliche Kundenreaktionen ohnehin erfasst werden.
• Konsequente Selektion. Nur wenn der gewünschte Erfolg absehbar ist, wird eine Idee weiterverfolgt. Alle anderen werden rasch bewertet und beendet, statt künstlich am Leben gehalten zu werden.

Die auf diese Weise entwickelte Produktidee ist vergleichsweise günstig, weil der Aufwand erst dann steigt, wenn die Nachfrage belegt ist. Bei digitalen Unternehmen ist diese Vorgehensweise seit Jahren gelebte Praxis; im selbstfahrenden Unternehmen wird sie zum Standard für physische Produkte und Dienstleistungen gleichermaßen.

Treiber 2: Produktionsprognose und -planung

Mit dem gezielten Erfassen, Analysieren und Aufbereiten von Marktdaten wurde Michael Bloomberg zu einem der reichsten Menschen der Welt. Der Wert seiner Daten für die Kundinnen und Kunden liegt in der verbesserten Planbarkeit ihrer Investitions- und Produktionsentscheidungen: Sie gleichen die externen Analysen mit den internen Daten und der Situation des eigenen Unternehmens ab. Weil sich die globalen Märkte immer schneller verändern, wird diese Art der Datenanalyse in den kommenden Jahren weiter an Bedeutung gewinnen.

In den meisten Unternehmen wird dieser Prozess noch von Menschen durchgeführt. Das Controlling bereitet die Zahlen für den Finanzvorstand auf, der sie mit der Geschäftsführung bespricht; Einkaufs- und Personalentscheidungen folgen aus vielfältigen Planungsgesprächen und Vertragsverhandlungen. Auf dem Weg zum selbstfahrenden Unternehmen wird dieser Prozess mit künstlicher Intelligenz und der Analyse großer Datenmengen zunehmend automatisiert. Daraus entsteht eine Planungsgrundlage, mit der die Aktivitäten in der Produktion und in der Zusammenarbeit mit den Zulieferern im Sinne der Wertschöpfung abgestimmt werden. Eine übergreifende Planung von Vertrieb und Produktion kann dann weitgehend ohne menschliches Zutun erfolgen.

Eines der wichtigsten Fokusthemen der kommenden Jahre wird die Vorhersage der zukünftigen Produktion sein. In die vorausschauende Planung der Produktionskapazität müssen neben den Marktdaten auch die Vertriebsplanung und die aktuellen Vertriebszahlen einfließen. In bisherigen Unternehmen war das aufgrund der Silobildung der Abteilungen und der unterschiedlichen Datentöpfe praktisch unmöglich: Was der Außendienst über die nächste Periode weiß, kommt in der Fertigung nicht an. Im selbstfahrenden Unternehmen sind sämtliche in Echtzeit erzeugten Unternehmensdaten für alle Berechtigten und alle Softwaresysteme abrufbar. Die Vertriebsprozesse sind standardisiert, ihre Daten liegen digital vor, und jede Opportunität in der Pipeline trägt eine Wahrscheinlichkeit.

So kann die Produktion direkt auf die mit Wahrscheinlichkeiten versehene Vertriebspipeline zugreifen und die Produktionskapazitäten und Lagerbestände mittels intelligenter Algorithmen einplanen. Leerläufe oder Schwankungen in der Produktion werden frühzeitig erkannt und durch Rückkopplung in den Vertrieb automatisch abgefedert, etwa indem Vertriebsaktivitäten für Produkte mit freier Kapazität verstärkt werden. Es entsteht ein Regelkreis, der Datenmengen in einer Geschwindigkeit bewältigt, die kein Planungsmeeting erreicht. Das Management legt fest, innerhalb welcher Grenzen dieser Regelkreis arbeitet und ab welcher Abweichung es informiert werden will. Wie diese Form der Entscheidung funktioniert, habe ich im Beitrag Wie entscheiden selbstfahrende Unternehmen beschrieben.

Was das für Ihr Unternehmen heute bedeutet

Die beiden ersten Treiber verlangen keine neue Fabrik, sondern eine andere Datenbasis und eine andere Haltung gegenüber Unsicherheit. Aus unseren Projekten sehen wir drei Voraussetzungen, die sich schon jetzt schaffen lassen:

1. Eine gemeinsame Datenbasis von Vertrieb bis Produktion. Solange Absatzplanung, Pipeline und Kapazitätsplanung in getrennten Systemen liegen, bleibt jede Prognose Handarbeit. Der erste Schritt ist, diese Daten in einer Architektur zusammenzuführen, wie sie im Beitrag Enterprise Architecture für selbstfahrende Unternehmen beschrieben ist.
2. Vertriebsdaten in Prognosequalität. Ein standardisierter Vertriebsprozess mit Wahrscheinlichkeiten je Phase ist die Voraussetzung dafür, dass Algorithmen daraus Produktionsbedarfe ableiten können.
3. Experimente als Regelbetrieb. Wer viele Produktideen parallel testen will, braucht die Fähigkeit, Varianten günstig zu erstellen, Kundenreaktionen zu erfassen und Ideen konsequent zu beenden. Das ist eine Frage der Softwarearchitektur ebenso wie der Unternehmenskultur.

Die Treiber 3 bis 5, Produktionsautomatisierung, Robotik und digitale Zwillinge sowie automatisierte Lagersysteme, folgen im zweiten Teil dieses Beitrags.

Der nächste Schritt

Die Wertschöpfung im selbstfahrenden Unternehmen ist Abschnitt 6.3 des Buchs „Das selbstfahrende Unternehmen“ (Springer Gabler 2021). Eine Übersicht finden Sie hier: Zum Buch. Wenn Sie prüfen möchten, wie weit Ihre Planung von einem geschlossenen Regelkreis zwischen Vertrieb und Produktion entfernt ist, buchen Sie ein Expertengespräch.