Gelber Raum – CMLS Monetarisierung
CMLS – Monetarisierung
Der Gelbe Raum beantwortet die zentrale wirtschaftliche Frage: Wie wird das Geschäftsmodell finanziell tragfähig? Er leitet aus dem Kundennutzen messbare Wertquellen ab, definiert das Preismodell, analysiert die Kostenstruktur und synthesiert die Kosten-Nutzen-Verhältnisse aller beteiligten Akteure.
- Wie wird unser Angebot monetarisiert?
- Welche Zahlungsmodelle sind für die Zielgruppe geeignet?
- Welche Kostenstruktur steht den Erlösen gegenüber?
- Wer zahlt was im Ökosystem – direkt oder indirekt?
Das Ergebnis: Hybrides Preismodell (Subscription + Variable + Setup Fee), Unit Economics mit Break-even-Analyse und eine Kosten-Nutzen-Synthese für alle 4 Akteure.
- Wertquellen & Zahlungsbereitschaft
- Preismodell (Hybrid)
- Kostenstruktur
- Kosten-Nutzen-Synthese
Wertquellen & Zahlungsbereitschaft
Die Wertquellen leiten sich direkt aus der Match Matrix (Roter Raum) ab. Jeder Kundennutzen wird in einen messbaren KPI und eine Wertbeitragsberechnung übersetzt.
| Value (aus Match Matrix) | KPI | Wertbeitragsberechnung | Wertbeitrag | Plausibilitätscheck | Offensichtlicher Kundenmehrwert |
|---|---|---|---|---|---|
| Reduktion ungeplanter Stillstände | Ungeplante Stillstandzeit (h/Monat) | Reduzierte Stillstandszeit × Kosten pro Stillstandsstunde | Modellhaft positiv – größter Hebel | Hoch – branchenüblich, Management-relevant | Hoch |
| Erhöhung Maschinenverfügbarkeit | Verfügbarkeit (%) | Veränderung Verfügbarkeit × Output-/Deckungsbeitrag | Modellhaft positiv | Hoch – direkt aus KPI ableitbar | Hoch |
| Reduktion Wartungs- & Servicekosten | Wartungskosten €/Jahr | Weniger Einsätze × Kosten pro Einsatz | Mittel bis hoch | Mittel – stark abhängig vom Case | Mittel |
| Verkürzung MTTR | MTTR (h) | Schnellere Reparatur × Stillstandskosten | Ergänzender Effekt | Hoch – Erfahrungswerte | Mittel |
| Höhere Planbarkeit & Transparenz | Qualitativ | Nicht direkt monetarisiert | Qualitativ | Hoch – Entscheidungsrelevant | Qualitativ |
| Erhöhte Datenhistorie (lange Retention) | Monate Datenhaltung | Nur indirekter Nutzen, hoher Speicheraufwand | Gering | Hoch – Nutzen nur für Spezialanalysen | Niedrig |
Die drei wichtigsten Hebel für die Preisargumentation gegenüber dem Kunden:
- Stillstandsreduktion – direkt monetarisierbar (Stunden × Kosten/h)
- Wartungskostenreduktion – gut verständlich, gut dokumentierbar
- Transparenz & Planbarkeit – qualitativ, aber Management-relevant für Christian
Wichtig: Der Preis wird immer gegen Stillstandskosten/Risiko argumentiert, nicht gegen „Softwarepreis". Das ist der entscheidende Unterschied in der Vertriebsargumentation.
Erlösmechanik & Preismodell
Das CMLS nutzt ein hybrides Preismodell aus drei Bausteinen, das einen pilotfähigen Einstieg ermöglicht und bei wachsendem Nutzen skalierbar wird.
Preisbausteine
| Service-Baustein | Geschäftsmodell-Pattern | Preisbausteine | Wer zahlt | Wer liefert | Skalierung | Quantifizierung |
|---|---|---|---|---|---|---|
| Monitoring & Basis-Analytics | Subscription | Fixpreis pro Maschine / Monat | Betreiber zahlt | Anbieter liefert | Wiederkehrend, skaliert mit Maschinenanzahl | 800 €/Maschine/Monat (modellhaft) |
| Erweiterte Analytics | Pay-per-Feature / Tiered Pricing | Aufpreis je Funktionsumfang | Betreiber zahlt | Anbieter liefert | Variabel, skaliert mit Nutzungsintensität | +300 €/Maschine/Monat (modellhaft) |
| SLA / Reaktionszeit | SLA-based Pricing | Zuschlag je Service-Level | Betreiber zahlt | Anbieter liefert | Wiederkehrend, wertbasiert | Je nach SLA-Stufe |
| Setup & Integration | One-time Fee | Einmaliger Integrationspreis | Betreiber zahlt | Anbieter liefert | Nicht skalierend | 5.000 € einmalig (modellhaft) |
Unit Economics – Referenzmodell
| Kennzahl | Wert |
|---|---|
| Erlös/Maschine/Monat | 1.100 € (800 € Basis + 300 € Advanced Analytics) |
| Fixkosten/Monat (gesamt) | 4.000 € (Plattform/Support/Dev/Overhead) |
| Variable Kosten/Maschine/Monat | 220 € |
| Erlös/Monat (10 Maschinen) | 11.000 € |
| Gesamtkosten/Monat (10 Maschinen) | 6.200 € (4.000 € fix + 2.200 € variabel) |
| Deckungsbeitrag/Monat | 4.800 € (~44 %) |
| Break-even | ~5 Maschinen |
| Setup Fee (einmalig) | 5.000 € |
Alle Zahlen sind Modellannahmen, keine Ist-Kosten.
Skalierungsszenarien
| Szenario | Maschinen | Erlös/Monat | Kosten/Monat | Deckungsbeitrag |
|---|---|---|---|---|
| Pilot | 1–3 | 1.100–3.300 € | ~4.220–4.660 € | Negativ bis break-even |
| Wachstum | 5 | 5.500 € | 5.100 € | ~400 € (Break-even) |
| Standard | 10 | 11.000 € | 6.200 € | 4.800 € (~44 %) |
| Skalierung | 20 | 22.000 € | 8.400 € | 13.600 € (~62 %) |
| Ausgebaut | 30+ | 33.000 € | 10.600 € | 22.400 € (~68 %) |
Preisstrategie & Positionierung
| Aspekt | Empfehlung |
|---|---|
| Einstieg | Marktüblich, pilot-fähig (geringe Einstiegshürde für ersten Kunden) |
| Skalierung | Premium/wertbasiert (SLA und Advanced Analytics als Hebel) |
| Argumentation | Preis vs. Stillstandskosten/Risiko – nicht vs. „Softwarepreis" |
| Strategie | B → C „Value Ladder": Basis-Einstieg → Mehrwert durch Erweiterungen |
Kostenstruktur
Kostenkategorien des Anbieters (Maschinenbauer)
| Service-Baustein | Kosten (Typ) | Kostenträger | Plausibilität | Kostentreiber / Skalierung | Quantifizierung |
|---|---|---|---|---|---|
| Plattformbetrieb | Cloud, Betrieb, Wartung | Anbieter | Hoch | Fixkosten, geringe Grenzkosten | Modellhaft: ~2.000 €/Monat fix |
| Analytics-Entwicklung | Entwicklung, Pflege der Modelle | Anbieter | Hoch | Fixkosten, amortisiert über Volumen | Modellhaft: ~1.000 €/Monat fix |
| Datenverarbeitung | Compute, Storage | Anbieter | Hoch | Variabel, unterproportional skalierend | Modellhaft: ~100–200 €/Maschine/Monat |
| Service & Support | Personal, Tools, Helpdesk | Anbieter | Mittel | Teilweise variabel (je Supportbedarf) | Modellhaft: ~500 €/Monat + variabel |
| Integration / Setup | Projektaufwand je Neukunde | Anbieter | Hoch | Einmalig pro Kunde | Modellhaft: 5.000 € einmalig |
Stärkster Kostenhebel: Der Plattformbetrieb und die Analytics-Entwicklung sind primär Fixkosten. Bei steigender Maschinenanzahl werden diese über mehr Erlöse verteilt → stark verbesserte Marge bei Skalierung.
Variable Kosten (Datenverarbeitung, Support) skalieren unterproportional zur Maschinenanzahl → Skaleneffekte sind real und belastbar.
Robustheitsanalyse
| Szenario | Auswirkung bei 10 Maschinen | Bewertung |
|---|---|---|
| Preis -20 % (von 1.100 € auf 880 €) | Deckungsbeitrag sinkt von 4.800 € auf ~2.600 € | Modell bleibt positiv ✅ |
| Preis +20 % (von 1.100 € auf 1.320 €) | Deckungsbeitrag steigt auf ~7.000 € | Deutlich besser ✅ |
| Kosten +30 % (von 6.200 € auf 8.060 €) | Deckungsbeitrag sinkt von 4.800 € auf ~2.940 € | Modell bleibt positiv ✅ |
| Nur 5 Maschinen | Break-even, kaum Puffer | Kritischer Schwellenwert ⚠️ |
Synthese: Kosten-Nutzen-Betrachtung für alle Akteure
Qualitative Bewertung
| Akteur 1: Fabrikbetreiber (Kunde) | Akteur 2: Maschinenbauer (Anbieter) | Akteur 3: Analytics-/Plattform-Partner | Akteur 4: Datenraum-/Ökosystem-Operator | |
|---|---|---|---|---|
| Nutzen / Erlöse | Weniger Stillstände, bessere Planbarkeit, geringeres Risiko | Wiederkehrende Erlöse, Skalierung, Kundenbindung | Plattformnutzung, Analytics-Lizenzen, Skalierung über mehrere Kunden | Ökosystem-Effekte, Teilnahmegebühren, Datenraum-Nutzung |
| Kosten / Aufwände | Servicegebühr, Integrationsaufwand | Plattform-, Betriebs- & Supportkosten | Betrieb der Analytics-Umgebung, Compute, Modellpflege | Governance, Betrieb der Infrastruktur, Compliance & Zertifizierung |
Quantitative Bewertung
| Akteur 1: Fabrikbetreiber | Akteur 2: Maschinenbauer | Akteur 3: Partner | Akteur 4: Operator | |
|---|---|---|---|---|
| Nutzen / Erlöse (€) | Modellhaft hoch (Stillstandsvermeidung) | Modellhaft skalierend (Subscription + Add-ons) | – | – |
| Kosten / Aufwände (€) | Modellhaft mittel | Modellhaft fix + variabel | – | – |
| Break-even? | – | Ja, modellhaft ab ~5 Maschinen | – | – |
| Robust? | – | Ja, volumengetrieben | – | – |
| Fazit: Nutzen > Kosten? | ✅ Ja | ✅ Ja | ✅ Ja (ab ausreichender Skalierung) | ✅ Ja (bei kritischer Masse im Ökosystem) |
Das Hybridmodell ist marktfähig und skalierbar. Der Break-even ist früh erreichbar (~5 Maschinen). Die Wirtschaftlichkeit hängt an drei Faktoren:
- Stabile Datenqualität & verlässliche Integration (technisch)
- Messbarer Nutzen über Baseline-Vergleich & KPI-Tracking (nachweisbar)
- Skalierung über die Anzahl angebundener Maschinen pro Kunde (wirtschaftlich)