Business Model Blueprint – CMLS
CMLS – Value-Oriented Service Business Model (VSBM)
Der Business Model Blueprint fasst alle Ergebnisse aus den vier Räumen in einem entscheidungsreifen Dokument zusammen. Er dient als Grundlage für Gate-Reviews, Pilotplanung und Investitionsentscheidungen – und zeigt, wie das CMLS vom ersten Piloten bis zur Industrialisierung skaliert werden kann.
- Alle 10 Kernelemente des Geschäftsmodells auf einen Blick
- Drei-Phasen-Roadmap: Pilot → Skalierung → Industrialisierung
- Erfahrungen und Kernaussagen aus der realen Anwendung der Hausbaulogik
Das VSBM ermöglicht eine skalierbare, wirtschaftlich tragfähige Transformation von Maschinendaten in messbaren Business Value – über ein strukturiertes, hybrides Monetarisierungsmodell und eine phasenbasierte Implementierungslogik.
Kernelemente des Geschäftsmodells
1️⃣ Problem / Trigger beim Betreiber
- Ungeplante Stillstände verursachen direkte Produktions- und Folgekosten
- Reaktive Instandhaltung (Feuerwehr-Modus) → teuer, ineffizient, stressig
- Mangelnde Transparenz über Zustand/Ursachen → schlechte Entscheidungen
- Fachkräftemangel erhöht Risiko und verlängert Reparaturzeiten
- IT/OT-Komplexität erschwert systematische Zustandsüberwachung
2️⃣ Value Proposition
Kernnutzen: CMLS reduziert ungeplante Stillstandszeit durch datenbasiertes Condition Monitoring, Analytics und integrierte Serviceprozesse – und macht den Nutzen über KPIs messbar und steuerbar.
Wirtschaftlicher Nutzen (Kundenvalue):
- Weniger ungeplante Stillstände
- Höhere Anlagenverfügbarkeit
- Geringere Wartungs-/Servicekosten
- Bessere Planbarkeit & Entscheidungssicherheit
- Skalierbarkeit durch digitale Services (weniger Expertenabhängigkeit)
3️⃣ KPI-Set
Primär-KPI:
- Ungeplante Stillstandzeit (h/Monat) – unmittelbar mit Produktivitätsverlusten und Kosten korreliert, managementseitig am klarsten bewertbar
Sekundär-KPIs (erklärend/steuernd):
- Anlagenverfügbarkeit (%)
- MTTR (Mean Time to Repair) in h
- Wartungskosten pro Maschine (€/Monat oder €/Jahr)
Bewusst nicht als Leit-KPI:
- OEE (zu aggregiert für operative Steuerung)
- MTBF (zu abstrakt für Management-Reporting)
4️⃣ Lösung / Kernbausteine (CMLS)
- Datenerfassung & Integration (Sensorik/Maschinendaten, IT/OT, ggf. MES/ERP)
- Monitoring & Dashboards (Echtzeit-Transparenz über Maschinenzustände)
- Analytics & Alerts (Anomalieerkennung, Ursachenhinweise, RUL-Prognose)
- Optional: Predictive / SLA-Services (Reaktionszeiten, Verfügbarkeitslevel-Garantien)
- Reporting & Nachweisführung (KPI-basierter Nutzenbeleg, Vorher-/Nachher-Vergleich)
5️⃣ Value Creation – Akteure & Prozessmodell
Akteure:
- Fabrikbetreiber (Owner/User) – stellt Maschinendaten bereit, empfängt Empfehlungen
- Maschinenbauer (Maschine, Support, Services) – analysiert Daten, erzeugt Empfehlungen
- Softwareanbieter (Monitoring/Datenaustausch/Cloud/Modelle) – Plattform-Infrastruktur
- Optional: Komponentenhersteller (Know-how, Ersatzteile, Standards) – spezialisierte Analyse
Prozesslogik (End-to-End):
- Setup & Integration
- Monitoring (laufende Datenerfassung)
- Analyse/Alert (Erkennung & Interpretation)
- Wartungsentscheidung (Empfehlung, Priorisierung)
- Service/Remote Support (Ausführung/Koordination)
- Reporting (KPI, Nutzenbeleg)
- Continuous Improvement (Modelle/Regeln optimieren)
6️⃣ Monetization – Preismodell (Hybrid) + Preisstrategie
Preismodell (Hybrid):
- A) Subscription (€/Maschine/Monat): Plattformbetrieb, Monitoring, Basis-Analytics, Support → ~800 €/Maschine/Monat
- B) Variable Komponenten: Advanced Analytics, SLA-Stufen, Serviceintensität → ~+300 €/Maschine/Monat
- C) Setup Fee (einmalig): Integration/Onboarding/Enablement → ~5.000 € einmalig
Preisstrategie / Positionierung: B → C „Value Ladder"
- Einstieg marktüblich (Pilot-fähig, geringe Hürde)
- Skalierung premium/wertbasiert (SLA/Analytics als Hebel, Mehrwertabschöpfung)
Preisargumentation (Management): Preis wird gegen Stillstandskosten/Risiko argumentiert, nicht gegen „Softwarepreis".
7️⃣ Economics (modellhaft)
Wichtig: Zahlen sind Szenario-/Annahme-Modell, keine Ist-Kosten.
Skalierungslogik Kunde:
- Start: 1–3 Maschinen (Pilot)
- Ausbau: bis 10 Maschinen (Wachstum)
- Skalierung: 15–30+ Maschinen (Industrialisierung)
Kernaussage Wirtschaftlichkeit:
- Break-even modellhaft ab ~5 Maschinen
- Stärkster Hebel: Maschinenanzahl pro Kunde
- Preisschwankungen & Kostenvariationen sind nicht der Haupthebel – Volumen ist's
| Szenario | Maschinen | Deckungsbeitrag/Monat |
|---|---|---|
| Pilot | 1–3 | Negativ bis ±0 |
| Break-even | ~5 | ~0–400 € |
| Standard | 10 | ~4.800 € (~44 %) |
| Skalierung | 20+ | ~13.600 € (~62 %) |
8️⃣ Assumptions & Risks (Top 5)
Kritische Annahmen / Risiken:
| Risiko | Mitigation |
|---|---|
| Datenqualität & Datenzugang | Datenqualitäts-Gate als Go-Live-Kriterium; Pilotphase für Validierung |
| IT-Security/Freigaben & Integrationsaufwand | Stufenweiser Rollout mit klaren Gates (Go/No-Go) |
| Messbarkeit des Nutzens (Baseline + KPI-Tracking) | KPI-Messkonzept vor Projektstart; Baseline-Erhebung in Setup-Phase |
| Zahlungsbereitschaft / Buy-in (Management-Ebene) | ROI-Argumentation über Stillstandskosten; Pilot mit Proof of Value |
| Supportaufwand bei Skalierung (Betriebsmodell) | Automatisierung von Onboarding-Prozessen; standardisierte Templates |
9️⃣ Roadmap (Pilot → Skalierung → Industrialisierung)
Phase 1 – Pilot (0–6 Monate): 1–3 Maschinen, Setup, Baseline-Erhebung, KPI-Nachweis → Go/No-Go-Entscheidung
Kriterien:
- Datenqualität ausreichend und stabil
- KPI-Messbarkeit nachgewiesen
- Erste Nutzenindizien sichtbar
Phase 2 – Skalierung (6–18 Monate): 5–10 Maschinen, SLA-Aufbau, Automatisierung von Prozessen, Pricing schärfen → stabiler Betrieb
Ziele:
- Betriebsmodell läuft standardisiert
- Break-even erreicht
- Erste Referenzkunden
Phase 3 – Industrialisierung (> 18 Monate): 20+ Maschinen, Standardisierung, Plattform-Integration, Erweiterung auf weitere Use Cases
Ziele:
- Rollout-Pakete vollständig automatisiert
- Skalierung auf neue Kundentypen/Branchen
- Ökosystem-Konformität vollständig
🔟 Abschlussformulierung (Core Statement)
Das Value-Oriented Service Business Model (VSBM) ermöglicht eine skalierbare, wirtschaftlich tragfähige Transformation von Maschinendaten in messbaren Business Value – über ein strukturiertes, hybrides Monetarisierungsmodell und eine phasenbasierte Implementierungslogik.
Drei Erfolgsfaktoren:
- Stabile Datenqualität & verlässliche Integration (technische Grundlage)
- Messbarer Nutzen über Baseline-Vergleich & KPI-Tracking (Vertrauen aufbauen)
- Skalierung über die Anzahl angebundener Maschinen pro Kunde (wirtschaftlicher Motor)
Roadmap auf einen Blick
- Phase 1: Pilot (0–6 Mon.)
- Phase 2: Skalierung (6–18 Mon.)
- Phase 3: Industrie (> 18 Mon.)
Pilot-Phase
Ziel: Machbarkeit beweisen und erste messbare Nutzenindizien erzeugen.
| Was | Detail |
|---|---|
| Scope | 1–3 Maschinen, klare Systemgrenzen (S1) |
| Setup | Datenanbindung, Monitoring konfigurieren, KPI-Baseline erheben |
| Messen | Ungeplante Stillstandzeit vor/nach, MTTR, Verfügbarkeit |
| Entscheidung | Go/No-Go nach Pilot (Datenqualität + KPI-Messbarkeit + erste Nutzenindizien) |
| Dauer | 0–6 Monate |
| Economics | Negativ bis ±0 (Investment-Phase) |
Skalierungs-Phase
Ziel: Stablien Betrieb aufbauen und Wirtschaftlichkeit nachweisen.
| Was | Detail |
|---|---|
| Scope | 5–10 Maschinen pro Kunde |
| Fokus | SLA-Aufbau, Prozessautomatisierung, Pricing schärfen |
| Messen | KPI-Reporting etabliert, Nutzennachweis dokumentiert |
| Entscheidung | Standardisierung für nächste Kunden |
| Dauer | 6–18 Monate |
| Economics | Break-even bei ~5 Maschinen, Deckungsbeitrag wächst |
Industrialisierungs-Phase
Ziel: Skalierung auf 20+ Maschinen und neue Kunden/Branchen.
| Was | Detail |
|---|---|
| Scope | 20+ Maschinen, mehrere Kunden |
| Fokus | Rollout-Pakete vollständig standardisiert, Ökosystem-Integration |
| Messen | Plattform-KPIs, Ökosystem-Metriken, Kundenportfolio |
| Entscheidung | Erweiterung auf weitere Use Cases / Branchen |
| Dauer | > 18 Monate |
| Economics | Deckungsbeitrag ~62 %+ bei 20 Maschinen |
Erfahrungen & Kernaussagen aus der Anwendung
Die Hausbaulogik wurde im Rahmen des Factory-X-Projekts auf den CMLS Use Case (TP2.4) angewendet. Folgende Kernaussagen ergaben sich:
| Erkenntnis | Detail |
|---|---|
| Vollständige Anwendbarkeit | Die Hausbaulogik konnte vollständig auf die beispielhafte Service-Idee angewendet werden und führte zu einem umfassend beschriebenen Geschäftsmodell |
| Strukturiertes Vorgehen | Das Schritt-für-Schritt-Vorgehen adressierte Aspekte, die zuvor noch nicht explizit durchdacht worden waren |
| Fokussierungsentscheidungen nötig | Für ein konkretes Ergebnis braucht es Fokussierungen (Zielgruppe, Funktionsumfang) – Eingrenzung von Optionen oder Szenario-Bildung hilft dabei |
| Tiefgang durch reale Daten | Je konkreter die Geschäftsidee und der Unternehmenskontext, desto tiefgreifender die Erkenntnisse. Reale Daten > generische Annahmen |
| Bilaterale Beziehungen gut abbildbar | Die primär bilaterale Beziehung (Maschinenbauer–Fabrikbetreiber) ließ sich klar modellieren und mit konkreten Empfehlungen versehen |
| Multilaterale Komplexität als nächster Schritt | Die Anwendbarkeit bei komplexen multilateralen Geschäftsbeziehungen mit mehreren parallelen Geschäftsmodellen sollte weiter erprobt werden |
| Hybrider Anwendungsansatz | Kombination aus Experteninput, Workshop und AI-Assistenten hat sich bewährt |