I m p u l s

I m p u l s
Implications of INDUSTRIE Chinese 4.0-READINESS Competitor Strategies
for German Machinery Manufacturers
Stiftung für den Maschinenbau,
den Anlagenbau und die Informationstechnik

Dr. Karl Lichtblau/Prof. Dr.-Ing. Volker Stich/
Dr. Roman Bertenrath/Matthias Blum/Martin Bleider/
Agnes Millack/Katharina Schmitt/
Edgar Schmitz/Moritz Schröter
INDUSTRIE 4.0-READINESS
Dieses Forschungsvorhaben wurde gefördert
von der IMPULS-Stiftung des VDMA
Aachen, Köln, Oktober 2015
1

Institut der deutschen Wirtschaft Köln
Consult GmbH
Dr. Karl Lichtblau
Geschäftsführer IW Consult
E-Mail lichtblau@iwkoeln.de
Telefon 0221 4981-758
FIR e. V. an der RWTH Aachen
Prof. Dr.-Ing. Volker Stich
Geschäftsführer des FIR e. V. an der RWTH Aachen
E-Mail info@fir.rwth-aachen.de
Telefon 0241 47705-100
2

Zu dieser Studie
Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller,
effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen
Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig:
Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0.
Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer
Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht.
Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden.
Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer
Industrie 4.0-Fähigkeit noch zu passieren sind.
Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung
steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die
Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals
möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch
abzubilden.
Handlungsfelder für die unternehmerische Praxis runden die Studie ab. Damit unterstützt die Studie die
vielfältigen Aktivitäten und Angebote des VDMA-Forums Industrie 4.0 in hervorragender Weise. An dieser
Stelle bedanken wir uns bei den beiden Themenpaten aus dem VDMA-Forum, Dietmar Goericke und
Dr. Christian Mosch, die mit ihrem Engagement zum Gelingen der Studie maßgeblich beigetragen haben.
Wir sind davon überzeugt: Industrie 4.0 kann zu einer Erfolgsgeschichte für den deutschen Maschinenund
Anlagenbau werden. Möge unsere Studie „Industrie 4.0-Readiness“ ihren Beitrag dazu leisten.
Frankfurt, Oktober 2015
Dr. Thomas Lindner
Vorsitzender des Kuratoriums
IMPULS-Stiftung
Dr. Manfred Wittenstein
Stellv. Vorsitzender des Kuratoriums
IMPULS-Stiftung
Dr. Johannes Gernandt
Geschäftsführender Vorstand
IMPULS-Stiftung
Stefan Röger
Geschäftsführender Vorstand
IMPULS-Stiftung
3

Inhalt
Zu dieser Studie 3
Inhalt 4
Abbildungsverzeichnis 5
Tabellenverzeichnis 7
Executive Summary 8
1 Zielsetzung, Studiendesign und Ausgangslage 10
1.1 Zielsetzung der Studie 10
1.2 Begriffsverständnis 11
1.3 Methodische Vorgehensweise 14
1.4 Ausgangslage und Motivation der Unternehmen 17
2 Das Modell zur Readiness-Messung 21
3 Die Ergebnisse der Readiness-Messung 26
3.1 Gesamtblick 26
3.2 Strategie und Organisation 29
3.3 Smart Factory 35
3.4 Smart Operations 39
3.5 Smart Products 44
3.6 Data-driven Services 47
3.7 Mitarbeiter 52
4 Handlungsfelder für Industrie 4.0 55
4.1 Handlungsfelder für Neulinge 57
4.2 Handlungsfelder für Einsteiger 60
4.3 Handlungsfelder für Pioniere 61
5 Literaturverzeichnis 65
6 Glossar 66
7 Anhang 69
4

Abbildungsverzeichnis
Abbildung 1-1: Industrie 4.0 als Verbindung von physischer und virtueller Welt 12
Abbildung 1-2: Teilnehmende Unternehmen nach Fachverbänden 16
Abbildung 1-3: Motivation für Industrie 4.0 17
Abbildung 1-4: Ziele von Industrie 4.0 18
Abbildung 1-5: Beschäftigung mit Industrie 4.0 19
Abbildung 1-6: Selbsteinschätzung der Unternehmen mit Blick auf ihre Industrie 4.0-Umsetzung 20
Abbildung 2-1: Dimensionen und zugeordnete Themenfelder von Industrie 4.0 22
Abbildung 2-2: Die sechs Stufen im Industrie 4.0-Readiness-Modell 23
Abbildung 2-3: Empirische Umsetzung der sechsstufigen Readiness-Messung 25
Abbildung 3-1: Readiness-Messung 27
Abbildung 3-2: Readiness-Messung nach Unternehmensgrößenklassen 28
Abbildung 3-3: Industrie 4.0-Readiness nach Unternehmenstypen 29
Abbildung 3-4: Readiness-Stufen in der Dimension Strategie und Organisation 30
Abbildung 3-5: Haupthürden in der Dimension Strategie und Organisation 31
Abbildung 3-6: Umsetzungsstand der Industrie 4.0-Strategie 32
Abbildung 3-7: Nutzung eines Kennzahlensystems 33
Abbildung 3-8: Technologie- und Innovationsmanagement 33
Abbildung 3-9: Getätigte und geplante Investitionen in Industrie 4.0 34
Abbildung 3-10: Readiness-Stufen in der Dimension Smart Factory 36
Abbildung 3-11: Haupthürden in der Dimension Smart Factory 36
Abbildung 3-12: Erfassung von Maschinen- und Prozessdaten 37
Abbildung 3-13: Nutzungsfeld der Daten 38
Abbildung 3-14: Maschinenparkfunktionalitäten 39
Abbildung 3-15: Readiness-Stufen in der Dimension Smart Operations 40
Abbildung 3-16: Haupthürden in der Dimension Smart Operations 41
Abbildung 3-17: Systemintegrierter Informationsaustausch nach Bereichen 41
5

Abbildung 3-18: Autonome Steuerung des Werkstücks in der Produktion 42
Abbildung 3-19: Lösungen zur IT-Sicherheit 43
Abbildung 3-20: Nutzung von Cloud-Dienstleistungen 44
Abbildung 3-21: Readiness-Stufen in der Dimension Smart Products 46
Abbildung 3-22: Haupthürden in der Dimension Smart Products 47
Abbildung 3-23: IKT-Zusatzfunktionalitäten von Produkten 47
Abbildung 3-24: Data-driven Services 48
Abbildung 3-25: Readiness-Stufen in der Dimension Data-driven Services 49
Abbildung 3-26: Haupthürden in der Dimension Data-driven Services 49
Abbildung 3-27: Angebot von Data-driven Services 50
Abbildung 3-28: Anteil genutzter Daten im Unternehmen 51
Abbildung 3-29: Analyse von Daten aus der Nutzungsphase 51
Abbildung 3-30: Readiness-Stufen in der Dimension Mitarbeiter 53
Abbildung 3-31: Haupthürden in der Dimension Mitarbeiter 53
Abbildung 3-32: Mitarbeiterkompetenzen für Industrie 4.0 54
Abbildung 4-1: Verteilung der Unternehmenstypen nach Dimensionen 55
Abbildung 4-2: Hemmnisse nach Unternehmenstypen 57
Abbildung 4-3: Handlungsfelder für Neulinge (Readiness-Stufe 0 und 1) 58
Abbildung 4-4: Handlungsfelder für Einsteiger (Readiness-Stufe 2) 60
Abbildung 4-5: Handlungsfelder für heutige Pioniere (Readiness-Stufen 3+) 62
Abbildung 7-1: Readiness-Modell für die Dimension Strategie und Organisation – Mindestanforderungen 70
Abbildung 7-2: Readiness-Modell für die Dimension Smart Factory – Mindestanforderungen 71
Abbildung 7-3: Readiness-Modell für die Dimension Smart Operations – Mindestanforderungen 72
Abbildung 7-4: Readiness-Modell für die Dimension Smart Products – Mindestanforderungen 73
Abbildung 7-5: Readiness-Modell für die Dimension Data-driven Services – Mindestanforderungen 74
Abbildung 7-6: Readiness-Modell für die Dimension Mitarbeiter – Mindestanforderungen 74
6

Tabellenverzeichnis
Tabelle 1-1: Zusammensetzung der Befragungsstichproben 16
Tabelle 3-1: Gesamtergebnis der Industrie 4.0-Readiness 26
Tabelle 3-2: Durchschnittliche Readiness in der Dimension Strategie und Organisation 30
Tabelle 3-3: Durchschnittliche Readiness in der Dimension Smart Factory 35
Tabelle 3-4: Durchschnittliche Readiness in der Dimension Smart Operations 40
Tabelle 3-5: Durchschnittliche Readiness in der Dimension Smart Products 45
Tabelle 3-6: Durchschnittliche Readiness in der Dimension Data-driven Services 48
Tabelle 3-7: Durchschnittliche Readiness in der Dimension Mitarbeiter 52
7

Executive Summary
Industrie 4.0 steht im Mittelpunkt vieler
Zukunftskonzepte von Unternehmen, Wirtschaft
und Politik. Dabei ist aber nicht klar, wo die
Unternehmen des deutschen Maschinen- und
Anlagenbaus als Schlüsselindustrie für die
Umsetzung von Industrie 4.0 heute wirklich
stehen. Die Studie untersucht die Industrie 4.0-
Readiness, also die Bereitschaft und Fähigkeit der
Unternehmen zur Umsetzung von Industrie 4.0-
Konzepten. Der aktuelle Umsetzungsstand
wurde empirisch ermittelt und mithilfe eines
Einordnungsschemas, dem Readiness-Modell,
kategorisiert.
Das Readiness-Modell
Mit dem Readiness-Modell wurden Kriterien formuliert,
die es erlauben, die Unternehmen in die
drei Unternehmenstypen „Neulinge“, „Einsteiger“
und „Pioniere“ einzuordnen. Die Einordnung der
Unternehmen erfolgt in Abhängigkeit folgender
sechs wesentlicher Dimensionen von Industrie 4.0:
Strategie und Organisation, Smart Factory, Smart
Operations, Smart Products, Data-driven Services
und Mitarbeiter.
Online-Selbst-Check – das Werkzeug zur
Selbstbewertung für Unternehmen
Das Readiness-Modell ist die Grundlage auch für
eine Selbstbewertung und einen Vergleich. Der
hierfür entwickelte Online-Selbst-Check bietet
Unternehmen die Möglichkeit, ihre Industrie 4.0-
Readiness in den sechs Dimensionen Strategie
und Organisation, Smart Factory, Smart Operations,
Smart Products, Data-driven Services und
Mitarbeiter selbstständig zu bestimmen. Auf
dieser Basis wird auch eine Einordnung in die
Unternehmenstypen „Neulinge“, „Einsteiger“
und „Pioniere“ möglich. Der Online-Selbst-Check
steht unter www.industrie40-readiness.de zur
Verfügung.
Industrie 4.0 ist im deutschen Maschinenund
Anlagenbau angekommen
Mehr als jedes fünfte Maschinen- und Anlagenbauunternehmen
beschäftigt sich intensiv mit
Industrie 4.0. Im gesamten Verarbeitenden
Gewerbe 1 sind es im Vergleich zehn Prozent. Der
deutsche Maschinen- und Anlagenbau sieht in
Industrie 4.0 deutlich mehr Chancen als Risiken:
Neun von zehn Unternehmen, die sich intensiv
mit Industrie 4.0 beschäftigen, erkennen in
Industrie 4.0 eine Möglichkeit, sich am Markt zu
differenzieren. 76,2 Prozent geben zudem an,
dass es zum Selbstverständnis von Technologieführern
gehört, sich mit diesem Thema zu befassen.
Einordnung der befragten Unternehmen
Dennoch zählt mit 5,6 Prozent nur ein relativ
kleiner Anteil unter den Unternehmen bereits zu
den Pionieren bei der Umsetzung von Industrie 4.0.
17,9 Prozent der Unternehmen sind Einsteiger,
welche sich mit Industrie 4.0-Konzepten befassen
und erste Maßnahmen zur Realisierung treffen.
Mit 76,5 Prozent hat die überwiegende Mehrheit
bisher noch keine systematischen Schritte zur
Umsetzung unternommen und zählt zu den
Neulingen im Bereich Industrie 4.0.
Readiness ist abhängig von Grössenklasse
Die Industrie 4.0-Readiness der Unternehmen
hängt mit der Unternehmensgröße zusammen.
Große Unternehmen des Maschinen- und Anlagenbaus
sind weiter bei der Einführung von Industrie
4.0 fortgeschritten als kleine und mittelständische
Unternehmen. Für ein Unternehmen
alleine ist es kaum möglich, unabhängig von
Partnern einen höheren Grad der Industrie 4.0-
Readiness zu erreichen. Denn dafür müssen alle
Akteure entlang der Wertschöpfungskette entsprechende
Konzepte implementiert haben und
in einem digitalen Netzwerk interagieren.
1 Der Maschinen- und Anlagenbau ist eine Teilgruppe
des Verarbeitenden Gewerbes.
8

Vier wichtige Erkenntnisse
1. Industrie 4.0 muss stärker in der Unternehmensstrategie
verankert werden
Entscheidend für die Etablierung von Industrie 4.0
ist, dass die Unternehmensleitung derartige
Konzepte vordenkt und vor allem vorlebt. Bei vier
von zehn Unternehmen ist noch keine Industrie
4.0-Strategie vorhanden. Hier zeichnet sich
ein klares Größengefälle ab: Je größer das Unternehmen
ist, desto eher beschäftigt es sich auch
strategisch mit Industrie 4.0. Gerade kleine und
mittlere Unternehmen sollten versuchen, das
Thema über Pilotinitiativen für sich zu erschließen.
2. Qualifiziertes Personal ist bereits Thema
Der Großteil der Unternehmen hat bereits
erkannt, dass eine breit qualifizierte Belegschaft
ein wesentlicher Erfolgsfaktor zur Zielerreichung
von Industrie 4.0 ist. Unternehmen nutzen bei
der Mitarbeiterqualifizierung ihre Schulungserfahrung
und fühlen sich in diesem Themenfeld
sicher. Lediglich 30 Prozent der Unternehmen
geben an, betriebsintern keine Kernkompetenzen
zu besitzen, um die Anforderungen an
Industrie 4.0 aus Mitarbeitersicht heute zu
bewältigen.
3. Data-driven Services und vernetzte Produkte
ermöglichen neue Geschäftsmodelle
Alle Unternehmenstypen, also sowohl Neulinge
und Einsteiger als auch Pioniere, verfügen bei
„Data-driven Services“ über die mit Abstand
geringste Industrie 4.0-Readiness. Knapp zwei
Drittel der Unternehmen haben die Potenziale
von Data-driven Services noch nicht für sich
entdeckt und offerieren kein datenbasiertes
Dienstleistungsangebot. Dabei bieten die
Sammlung und Auswertung anfallender Daten
im Produktlebenszyklus ein enormes Potenzial
für Unternehmen, um künftig ihr Serviceportfolio
oder ihr Geschäftsmodell zu erweitern. Gerade
mithilfe von Produktzusatzfunktionalitäten lassen
sich Produkte und Lösungsansätze entwickeln,
die präzise auf potenzielle und bestehende Kunden
zugeschnitten sind. Einen echten Mehrwert
können standortbezogene Informationen liefern,
die bisher kaum erfasst werden.
4. Finanzierung von Industrie 4.0-Projekten
muss gesichert werden
Die Pioniere sind sich über den wirtschaftlichen
Nutzen von Industrie 4.0 im Klaren. Die Unklarheit
über den wirtschaftlichen Nutzen von
Industrie 4.0 schwindet also rapide, wenn Unternehmen
ihre zögernde Haltung aufgeben und
sich aktiv mit Themen wie datenbasierte Dienstleistungen
oder vernetzte Produkte beschäftigen.
Deutlich wird aber auf der anderen Seite auch
der dann notwendige finanzielle Aufwand.
Aufgrund der steigenden Komplexität von fortschreitenden
Industrie 4.0-Projekten geben
63,4 Prozent der Pioniere an, dass sie die fehlende
Finanzkraft zur Durchführung von Investitionen
daran hindert, das Thema weiter voranzutreiben.
Damit liegt die Finanzierungsfrage als Hemmnis
bei Pionieren über den Forderungen nach einheitlichen
Standards, der IT-Security oder der
Klärung von Rechtsfragen. Hier ist auch die Politik
gefragt, mit angemessenen Maßnahmen wie
der steuerlichen Forschungsförderung zu unterstützen.
Ein solides Geschäftsmodell sollte zudem
schon mit der schrittweisen Einführung von
Industrie 4.0 innerhalb des Unternehmens stehen.
9

1 Zielsetzung, Studiendesign und
Ausgangslage
In diesem einführenden Kapitel werden die Zielsetzung
der Studie dargelegt, grundlegende
Begriffe eingeführt und die verwendeten Methoden
erläutert. Zudem wird die Ausgangslage des
deutschen Maschinen- und Anlagenbaus in
Bezug auf Industrie 4.0 skizziert. Danach folgt in
Kapitel 2 die Darstellung und Erläuterung des im
Rahmen der Studie entwickelten Readiness-Modells,
mit dem der derzeitige Stand der Implementierung
von Industrie 4.0 in deutschen
Maschinenbauunternehmen gemessen werden
soll. Im anschließenden Kapitel 3 werden die
entsprechenden Messergebnisse vorgestellt,
die – aufbauend auf dem Modell – auf Basis
einer Unternehmensbefragung empirisch ermittelt
wurden. Die Studie schließt in Kapitel 4 mit
der Identifizierung vordringlicher Handlungsfelder.
Mit deren Hilfe können Industrie 4.0-Konzepte
den deutschen Maschinen- und Anlagenbau
weiter durchdringen.
1.1 Zielsetzung der Studie
Industrie 4.0 bezeichnet die in Echtzeit stattfindende
digitale Vernetzung von Lieferanten, Produzenten
und Kunden entlang der Wertschöpfungsketten
und der Geschäftsmodelle. Die
damit verbundene Verschmelzung moderner
Informations- und Kommunikationstechnologien
(IKT) mit klassischen industriellen Prozessen
bietet den Unternehmen des deutschen
Maschinen- und Anlagenbaus viele Chancen:
Eine Studie erwartet für die Branche bis zum
Jahr 2025 ein zusätzliches Wertschöpfungspotenzial
von 23 Milliarden Euro und ein jährliches
Wachstum von 2,1 Prozent durch Industrie 4.0-
Technologien (Bitkom/Fraunhofer IAO, 2014).
Dieses Potenzial kann mithilfe von optimierten
Wertschöpfungsnetzwerken, Effizienzgewinnen
in betrieblichen Prozessen, innovativen Produkten
sowie neuen Dienstleistungen und
Geschäftsmodellen erreicht werden.
Da der Maschinen- und Anlagenbau künftig
nicht nur Anwender von Industrie 4.0-Konzepten
sein wird, sondern sich auch gleichzeitig zu
einem Anbieter für Lösungen entwickeln wird,
besteht für diese Branche die besondere Notwendigkeit,
sich frühzeitig und intensiv mit den
entsprechenden Konzepten zu befassen.
Bei der Arbeit der Plattform Industrie 4.0 und des
VDMA-Forums Industrie 4.0 ist jedoch zu beobachten,
dass bei vielen Unternehmen des
Maschinen- und Anlagenbaus noch erhebliche
Unsicherheiten und ein hoher Informationsbedarf
bezüglich der konkreten Umsetzung von
Industrie 4.0 bestehen. Während einige Unternehmen
in der Implementierung von Industrie 4.0-
Prozessen und -Technologien bereits weit fortgeschritten
sind, agieren andere, zumeist kleine
und mittelständische Firmen, noch sehr abwartend.
Das liegt daran, dass Industrie 4.0 aufgrund
mangelnder Informationen viele Unsicherheiten
hinsichtlich der Chancen und Risiken mit
sich bringt (Wischmann et al., 2015).
Ermittlung der Industrie 4.0-Readiness
des Maschinen- und Anlagenbaus
Zielsetzung dieser Studie ist es daher, die deutschen
Maschinen- und Anlagenbauunternehmen
bei ihren Schritten zu Industrie 4.0 zu
unterstützen. Im Rahmen dieser Studie wird der
Umsetzungsgrad (Readiness) von Industrie 4.0 in
den Unternehmen untersucht. Dazu wurde ein
Messkonzept entwickelt und es wurden die Parameter
im Rahmen einer Unternehmensbefragung
empirisch ermittelt.
Im Wesentlichen gibt die Studie Antworten auf
zwei spezifische Fragestellungen:
1. Wo stehen die Unternehmen des deutschen
Maschinen- und Anlagenbaus derzeit auf
dem Weg zu Industrie 4.0?
2. Welche Voraussetzungen müssen für die
erfolgreiche Umsetzung von Industrie 4.0 in
den Unternehmen geschaffen werden und
welche Rahmenbedingungen müssen dafür
verändert werden?
Online-Selbst-Check für Unternehmen
Im Rahmen der Studie haben die Projektpartner
IW Consult und FIR an der RWTH Aachen ein
Online-Werkzeug entwickelt, mit dem interessierte
Unternehmen ihren individuellen Industrie
4.0-Reifegrad ermitteln können. Der Selbst-
Check erfasst analog zur Studie die sechs
10

Dimensionen von Industrie 4.0 und vergleicht
diese Selbsteinschätzung (Ist-Profil) mit dem
Profil führender Industrie 4.0-Unternehmen
(Benchmark-Profil) sowie dem Profil der Zielvision
(Soll-Profil). Dadurch erfahren die Unternehmen,
in welchen Bereichen sie schon besonders
gut aufgestellt sind und in welchen Bereichen
noch Optimierungsbedarf besteht.
Der Online-Selbst-Check ist unter
folgendem Link erreichbar:
www.industrie40-readiness.de
1.2 Begriffsverständnis
Der Lenkungskreis der Plattform Industrie 4.0
definierte den Begriff Industrie 4.0 wie folgt:
„Der Begriff Industrie 4.0 steht für die vierte
industrielle Revolution, einer neuen Stufe der
Organisation und Steuerung der gesamten
Wertschöpfungskette über den Lebenszyklus von
Produkten. Dieser Zyklus orientiert sich an den
zunehmend individualisierten Kundenwünschen
und erstreckt sich von der Idee, dem Auftrag
über die Entwicklung und Fertigung, die Auslieferung
eines Produkts an den Endkunden bis hin
zum Recycling, einschließlich der damit verbundenen
Dienstleistungen.
Basis ist die Verfügbarkeit aller relevanten Informationen
in Echtzeit durch Vernetzung aller an
der Wertschöpfung beteiligten Instanzen sowie
die Fähigkeit aus den Daten den zu jedem Zeitpunkt
optimalen Wertschöpfungsfluss abzuleiten.
Durch die Verbindung von Menschen, Objekten
und Systemen entstehen dynamische,
echtzeitoptimierte und selbst organisierende,
unternehmensübergreifende Wertschöpfungsnetzwerke,
die sich nach unterschiedlichen Kriterien
wie bspw. Kosten, Verfügbarkeit und Ressourcenverbrauch
optimieren lassen.“ (Plattform
Industrie 4.0, 2015)
Industrie 4.0 ist eine Vision, die die Industrie der
Zukunft beschreibt. Die spezifischen Potenziale
liegen vor allem in einer hochflexiblen, hochproduktiven
und ressourcenschonenden Produktion,
die es ermöglicht, hochindividualisierte Produkte
unter den wirtschaftlichen Rahmenbedingungen
eines Massenherstellers zu fertigen. Schlussendlich
sind in dynamischen, echtzeitoptimierten
Wertschöpfungsnetzwerken Engineering, Produktion,
Logistik, Service und Vermarktung
unternehmensübergreifend gekoppelt.
Die Vision von Industrie 4.0
Die Vision von Industrie 4.0 bedeutet für den
Maschinen- und Anlagenbau das Erreichen der
folgenden vier Ziele (Plattform Industrie 4.0, 2015):
1. Horizontale Integration: Die Smart Factory
passt sich stets den neuen Gegebenheiten
(wie beispielsweise Auftragslage und Materialverfügbarkeit)
an und optimiert selbstständig
ihre Produktionsprozesse. Hierzu ist sie in
der Wertschöpfungskette mit Zulieferern und
Kunden vernetzt.
2. Vertikale Integration: In der Smart Factory
werden Menschen, Maschinen und Ressourcen
digital abgebildet und kommunizieren miteinander
über cyber-physische Systeme (CPS).
3. Smart Products verfügen sowohl über Informationen
bezüglich des eigenen Herstellungsprozesses
als auch über die Fähigkeit,
Daten während der Fertigungs- und Nutzungsphase
zu sammeln und zu kommunizieren.
Dies ermöglicht das digitale Abbild in der
Smart Factory und das Angebot von datenbasierten
Dienstleistungen für den Kunden in
der Nutzungsphase.
4. Der Mensch als Dirigent der Wertschöpfung.
Der Aufbau dieser Systeme ist kein Selbstzweck,
sondern wird nur stattfinden, wenn dadurch
Erfolg versprechende Geschäftsmodelle realisiert
werden. Dabei können durchaus unterschiedliche
Aspekte im Fokus stehen:
Durch Industrie 4.0-Technologien sollen kleine
kundenindividuelle Losgrößen bei optimalen
Kapazitätsauslastungen erreicht werden. Die
rentable Produktionsmöglichkeit von Losgröße
eins und Leerkosten null beschreiben diese
Vision.
11

Industrie 4.0 soll auf der Eingangsseite Effizienzsteigerung
mit Blick auf Arbeits-, Kapital-, Material-,
Energie- und Zeiteinsatz ermöglichen.
Dabei sollen 30 bis 50 Prozent Effizienzsteigerung
und 20 bis 25 Prozent Ressourceneinsparungen
möglich sein (McKinsey, 2015).
Durch Industrie 4.0 sollen alle Prozesse beschleunigt
und es soll eine höhere Innovationsdynamik
entfaltet werden.
Vor allem für den Maschinen- und Anlagenbau
als Ausstatter und Anwender der zukünftigen
Smart Factory ergeben sich signifikante Umsatzsteigerungen
von bis zu 30 Prozent (McKinsey,
2015).
Unser Verständnis von Industrie 4.0
Obwohl die skizzierte Vision und Definition von
Industrie 4.0 in zahlreichen Publikationen allgemeiner
Konsens ist, so fehlt für diese Studie und
damit für Unternehmen dennoch eine anwendungsorientierte
Übersetzung. Nur mit einer
praxisorientierten Definition von Industrie 4.0
können die Vision und das Ziel anvisiert und die
Startlinie für die zukünftige Entwicklung des
Maschinen- und Anlagenbaus gezeichnet werden.
Denn nur wer weiß, wohin die Reise geht,
kann auch die richtigen Schritte in die Wege leiten.
Insofern bezieht sich das dieser Studie zugrunde
liegende Verständnis vor allem auf die Bereiche,
in denen sich Potenziale ergeben. Unser Verständnis
von Industrie 4.0 umfasst die folgenden
vier Dimensionen (Abbildung 1-1):
• Smart Factory
• Smart Products
• Smart Operations
• Data-driven Services
Abbildung 1-1: Industrie 4.0 als Verbindung von physischer und virtueller Welt
Physisch
Smart Factory
Für eine erhöhte Transparenz
und erweiterte Planungsfähigkeit
werden Assets mit Sensorik
ausgestattet und vernetzt
Smart Products
Das Produkt denkt mit und
steht auch nach dem Verkauf
mit dem Hersteller in
Verbindung
Digitalisierung
Smart Operations
Die Smart Factory ermöglicht
eine flexible Produktionsplanung
und -steuerung
Data-driven Services
Durch die Vernetzung von
Produkt, Hersteller und Kunde
eröffnen sich neue Märkte für
Dienstleistungen
unternehmerische Ziele
Operational Excellence
Effizienzsteigerung
durch weitere
Automatisierung
Kundenindividuelle
Produkte zu Kosten
eines Massenprodukts
Erweiterung Leistungsportfolio
Steigerung des
Umsatzes durch
digital veredelte
Produkte
Erschließung neuer
Märkte
Virtuell
Eigene Darstellung
12

Von zentraler Bedeutung für das Verständnis ist,
dass sich die ersten beiden Dimensionen (Smart
Factory und Smart Products) auf die physische
Welt beziehen, während die beiden anderen
(Smart Operations und Data-driven Services) die
virtuelle Abbildung der physischen Dimensionen
repräsentieren. Industrie 4.0 ist nach diesem
Konzept die Verbindung von physischer und virtueller
Welt.
Smart Factory: Die erfolgreiche Umsetzung von
Industrie 4.0 ermöglicht eine dezentrale und
hochautomatisierte Produktion. Im Gegensatz
zur klassischen Fertigung werden intelligente
Werkstücke den Fertigungsprozess steuern und
überwachen und sich in der finalen Ausbaustufe
eigenständig durch die Fertigung lenken. Dies
geschieht in der Umgebung der Smart Factory.
Die Smart Factory beschreibt dabei eine Produktionsumgebung,
in der sich Fertigungsanlagen
sowie Logistiksysteme ohne menschliche Eingriffe
weitgehend selbst organisieren. Die
Grundlage hierfür sind cyber-physische Systeme
(CPS). Diese bilden die Verbindung zwischen der
physischen und virtuellen Welt, indem sie über
eine IT-Infrastruktur, das „Internet der Dinge“,
kommunizieren. Darüber hinaus umfasst Industrie
4.0 die intelligente Datenaufnahme, -speicherung
und -verarbeitung zur Erzeugung eines
digitalen Abbilds. Das Konzept der Smart Factory
gewährleistet also eine effizientere Informationsbereitstellung
und Ressourcennutzung. Produktionsanlagen,
Informationssysteme und
Menschen müssen über die Unternehmensgrenzen
hinweg in Echtzeit zusammenwirken. Durch
diese vernetzten Systeme entstehen große
Datenmengen, die verarbeitet, analysiert und in
Entscheidungsmodelle eingebunden werden.
Smart Products: Um eine automatisierte, flexible
und effiziente Produktion zu ermöglichen, sind
Smart Products als Baustein eines Gesamtkonzepts
„Smart Factory“ nötig. Physische Produkte
werden mit IKT-Komponenten (zum Beispiel
Sensoren, RFID, Kommunikationsschnittstelle)
ausgestattet, um Informationen über die
Umwelt und den eigenen Zustand zu sammeln.
Erst wenn die Produkte Daten sammeln, ihren
Weg durch die Produktion kennen und mit den
übergeordneten Systemen kommunizieren, können
Produktionsprozesse in Echtzeit selbstständig
verbessert und gesteuert werden. Zudem
kann der Zustand der einzelnen Produkte überwacht
und optimiert werden. Mögliche Einsatzfelder
gehen über die eigentliche Produktion
hinaus. Durch den Einsatz von Smart Products in
der Nutzungsphase werden neue Dienstleistungen
erst möglich, etwa durch die Kommunikation
zwischen Kunden und Hersteller.
Data-driven Services: Die Dimension Data-driven
Services zielt auf die Ausrichtung zukünftiger
Geschäftsmodelle sowie auf die Steigerung
des Kundennutzens ab. Das After-Sales- und Servicegeschäft
wird zunehmend auf der Auswertung
und Analyse aufgenommener Daten basieren
und sich der unternehmensweiten
Vernetzung bedienen. Die physischen Produkte
müssen dabei selbst mit physischer IT ausgestattet
sein, damit sie für die betrieblichen Prozesse
notwendige Informationen senden, empfangen
oder verarbeiten können. Sie haben
damit eine physische und digitale Komponente,
die wiederum Basis für digitalisierte Dienstleistungen
in der Nutzungsphase der Produkte sind.
Smart Operations: Ein zentrales Merkmal von
Industrie 4.0 ist die unternehmensinterne und
unternehmensübergreifende Vernetzung der
physischen und virtuellen Welt. Durch den Einzug
der Digitalisierung und die damit verbundene
Datenverfügbarkeit im Produktions- und
Logistikumfeld sind teilweise völlig neue Formen
und Ansätze der Produktionsplanung und -steuerung
(PPS) sowie des Supply-Chain-Managements
(SCM) realisierbar. Smart Operations
umfassen damit die technischen Voraussetzung
in der Produktion und Produktionsplanung zur
Realisierung des selbst steuernden Werkstückes.
13

1.3 Methodische Vorgehensweise
Zur Durchführung dieser Studie wurde ein
Methoden-Mix aus Literaturanalyse, Expertenwissen,
Workshops und einer umfassenden
Unternehmensbefragung gewählt.
Workshop zur Identifizierung Industrie
4.0-relevanter Indikatoren
In einem ersten Schritt wurde nach einer ausführlichen
Sondierung der Literatur ein Workshop
mit ausgewählten führenden Maschinenund
Anlagenbauunternehmen durchgeführt, die
bereits Erfahrung mit der Anwendung von
Industrie 4.0-Technologien besitzen. In diesem
Workshop haben die Experten zusammen mit
den Projektpartnern (IW Consult und FIR)
erfolgsrelevante Indikatoren für Industrie 4.0
systematisch identifiziert und bewertet.
Konzeption des Readiness-Modells
Aufbauend auf den Workshop-Ergebnissen, der
Literaturanalyse und dem Know-how der Projektpartner
wurde in einem nächsten Schritt ein
Readiness-Modell konzipiert, mit dessen Hilfe
sich insgesamt sechs Reifegrade für Industrie 4.0
definieren ließen (vgl. ausführlich Kapitel 2):
• Stufe 0: Außenstehender
• Stufe 1: Anfänger
• Stufe 2: Fortgeschrittener
• Stufe 3: Erfahrener
• Stufe 4: Experte
• Stufe 5: Exzellenz
Beim Readiness-Modell wurde eng an die in der
Definition genannten vier Dimensionen von
Industrie 4.0 angeknüpft. Zusätzlich wurden mit
den Dimensionen Strategie und Organisation
sowie Mitarbeiter zwei Querschnittsthemen
berücksichtigt. Die für die Readiness-Messung
verwendeten Indikatoren wurden im Rahmen
von Unternehmensbefragungen erhoben.
Fragebogendesign
Aufbauend auf den Anforderungen des Readiness-Modells
wurde ein Fragebogen entwickelt,
der die folgenden Aspekte beinhaltet:
• Strukturmerkmale der Unternehmen
• Allgemeine Fragen zu Industrie 4.0
• Erfüllungsgrad der Dimensionen von
Industrie 4.0-Unternehmen
• Treiber und Hemmnisse auf dem Weg zu
Industrie 4.0.
Im ersten Teil des Fragebogens wurden die Teilnehmer
darum gebeten, Strukturangaben zu
ihrem Unternehmen zu machen. Diese Angaben
dienen in erster Linie dazu, die Repräsentativität
zu kontrollieren und mit einer Hochrechnung zu
gewährleisten.
Der zweite Teil des Fragebogens enthielt allgemeine
Fragen zu Industrie 4.0, beispielsweise
inwieweit die Unternehmen sich mit Industrie 4.0
bereits beschäftigt haben, sowie eine Selbsteinschätzung
der Unternehmen zu ihrem Umsetzungsstand
von Industrie 4.0. Diese beiden Fragen
dienten dazu, die Teilnehmer herauszufiltern, für
die Industrie 4.0 nicht relevant oder unbekannt
ist. Im Mittelpunkt der Befragung stand aber die
Festlegung der Indikatoren, mit deren Hilfe die
insgesamt 18 Themenfelder der sechs Dimensionen
von Industrie 4.0 (vgl. Kapitel 2) konkret
beschrieben und die Ausprägungen entsprechend
gemessen werden sollten. Dafür wurden
insgesamt 26 Fragen formuliert. Die Unternehmen
machten unter anderem Angaben zum
Umsetzungsstand ihrer Industrie 4.0-Strategie,
zu den Funktionalitäten ihres Maschinenparks,
zur Datenerfassung, autonomen Fertigung, zu
datenbasierten Dienstleistungen und Mitarbeitern.
Zudem gaben die Teilnehmer an, was die
zentralen Treiber für die Umsetzung von Industrie
4.0 sind und welche Hemmnisse die Umsetzung
maßgeblich bremsen.
14

Befragungsstichproben
Kern der empirischen Erhebung ist eine
Online-Befragung von Mitgliedern des VDMA,
die von April bis Juli 2015 durchgeführt wurde.
Der VDMA hat dafür via E-Mail-Verteiler zur Teilnahme
eingeladen. Die Unternehmen erhielten
einen umfassenden Fragebogen, den 232 Teilnehmer
beantwortet haben.
Es zeigte sich, dass diese Stichprobe für eine
repräsentative Hochrechnung nicht ausreichte.
Insbesondere die Beteiligung der kleineren
Unternehmen war zu gering. Deshalb wurde die
VDMA-Befragung durch eine wortgleich formulierte
Erhebung im Rahmen der 26. Welle des
IW-Zukunftspanels ergänzt. Mögliche Doppelzählungen
von Unternehmen durch eine Teilnahme
an beiden Befragungen wurden ausgeschlossen.
Es war zudem zu vermuten, dass die
VDMA-Stichprobe verzerrt sein könnte. Der
Grund dafür besteht darin, dass sich Unternehmen
mit einer hohen Themenaffinität erfahrungsgemäß
an solch aufwendigen und thematisch klar
erkennbaren Befragungen überdurchschnittlich
oft beteiligen. Um die empirische Basis zu vergrößern
und diesem Effekt entgegenzuwirken,
wurden mit der 23. Welle des IW-Unternehmervotums
und einer eigens durchgeführten Telefonbefragung
zwei weitere Erhebungen hinzugezogen.
Diese Erhebungen sind aber nur zur
Ermittlung des Anteils der nicht-affinen Industrie
4.0-Unternehmen verwendet worden. Wichtig
ist, dass alle Befragungen im gleichen Zeitraum
und wortgleich durchgeführt wurden. Die Stichproben
der zusätzlich verwendeten Befragungen
sind zufällig gezogen und erlauben deshalb
repräsentative Hochrechnungen. Durch die hohe
Abdeckung der Maschinen- und Anlagenbauunternehmen
im VDMA wird unterstellt, dass
auch diese Stichprobe ein repräsentatives Bild
der Branche wiedergibt.
Dem Befragungsdesign liegt demnach eine
zweistufige Vorgehensweise zugrunde
(Tabelle 1-1):
• Zunächst wurde auf Basis der vier verwendeten
Datensätze der Anteil der Industrie 4.0-
affinen Unternehmen ermittelt. Dafür konnten
die Angaben von 431 Unternehmen verwendet
werden.
• Den Industrie 4.0-affinen Unternehmen wurden
dann weiterführende Fragen zur Messung
der Readiness gestellt. Basis dafür sind 289
Antworten, wobei 199 aus der VDMA-Mitgliederbefragung
und 90 aus dem IW Zukunftspanel
stammen.
In der Studie werden nur Unternehmen mit
mehr als 20 Beschäftigten berücksichtigt.
Gerade für diese Größenklasse hat der VDMA
einen sehr hohen Repräsentationsgrad. Von den
6.419 im Unternehmensregister erfassten
Unternehmen des deutschen Maschinen- und
Anlagenbaus mit mehr als 20 Beschäftigten sind
rund die Hälfte Mitglied des VDMA. Große
Unternehmen sind in der Stichprobe im Vergleich
zur Grundgesamtheit überrepräsentiert,
was durch die Ermittlung von Gewichtungsfaktoren
ausgeglichen wurde.
An den Stellen, wo es signifikante Unterschiede
gibt, werden die Ergebnisse nach Größenklassen
differenziert dargestellt. Dabei wurde folgende
Klassifikation gewählt:
• Kleine Unternehmen (20 bis 99 Mitarbeiter)
• Mittelständische Unternehmen
(100 bis 499 Mitarbeiter)
• Große Unternehmen (ab 500 Mitarbeiter)
15

Tabelle 1-1: Zusammensetzung der Befragungsstichproben
Unternehmen Mitarbeitergrößenklassen
20-99 100-499 ab 500 Gesamt
Unternehmen des Maschinen- und Anlagenbaus
Unternehmensregister 4.268 1.812 339 6.419
Stichprobe zur Ermittlung der
Industrie 4.0-affinen Unternehmen 1
VDMA-Mitgliederbefragung (April bis Juli 2015) 67 86 79 232
IW-Zukunftspanel (26. Welle; Juli bis August 2015) 66 44 16 126
IW-Unternehmervotum (23. Welle; Mai 2015) 8 10 7 25
Telefonische Sonderbefragung (Juli 2015) 24 19 5 48
Gesamt 165 159 107 431
Kernerhebung zur Messung der Readiness von
Industrie 4.0-affinen Unternehmen 1
VDMA-Mitgliederbefragung (April bis Juli 2015) 50 77 72 199
IW-Zukunftspanel (26. Welle; Juli bis August 2015) 40 35 15 90
Gesamt 90 112 87 289
1
Unternehmen, für die Industrie 4.0 relevant ist und für die der Begriff bekannt ist.
Angaben beziehen sich auf die Anzahl der Unternehmen.
Eigene Darstellung
Abbildung 1-2 zeigt die VDMA-Fachverbandszugehörigkeit
der befragten Unternehmen. Der
Schwerpunkt liegt bei der Antriebstechnik sowie
im Bereich Robotik und Automation.
Abbildung 1-2:Teilnehmende Unternehmen nach Fachverbänden
Antriebstechnik
25
20
Gießereimaschinen 15 weitere Fachverbände
mit weniger
Bergbaumaschinen 5
als 5 Teilnehmern
5
Power Systems
6
Holzbearbeitungsmaschinen
6
Armaturen
6
Großanlagenbau
8
Robotik + Automation
17
Software
Allgemeine Lufttechnik
8
17
Werkzeugmaschinen und
Fertigungssysteme
Fördertechnik und
Intralogistik
9
Messund
Prüftechnik
10
15
Fluidtechnik
Textilmaschinen
11
11
Präzisionswerkzeuge
12
Kunststoff- und
Gummimaschinen 12
Elektrische Automation
12
Bau- und Baustoffmaschinen
15
15
14
13
Pumpen + Systeme
Kompressoren, Druckluft- und
Vakuumtechnik
Nahrungsmittelmaschinen und
Verpackungsmaschinen
Verfahrenstechnische Maschinen
und Apparate
20 oder mehr Teilnehmer
5-19 Teilnehmer
weniger als 5 Teilnehmer
n = 214; nur Unternehmen, die Angaben zur Fachverbandszugehörigkeit gemacht haben
Quelle: VDMA-Mitgliederbefragung, 2015
16

1.4 Ausgangslage und Motivation
der Unternehmen
Auf Basis der durchgeführten Unternehmensbefragung
können erste Aussagen zur allgemeinen
Einstellung der deutschen Maschinen- und Anlagenbauunternehmen
in Bezug auf Industrie 4.0
sowie zu den damit verbundenen Chancen und
Risiken getroffen werden.
Die Unternehmen im Maschinen- und
Anlagenbau haben die Chancen von
Industrie 4.0 erkannt
Industrie 4.0 ist für den deutschen Maschinenund
Anlagenbau ein Positivthema – die Chancen
überwiegen deutlich die Risiken. Das zeigen die
Befragungsergebnisse (Abbildung 1-3) eindrucksvoll.
Für fast neun von zehn Unternehmen
ist die Chance, sich am Markt zu differenzieren
und dadurch Alleinstellungsmerkmale im globalen
Wettbewerb zu schaffen, die wichtigste
Motivation, sich mit diesem Thema zu befassen.
Industrie 4.0 weckt den Innovationsgeist – rund
76,2 Prozent der Unternehmen geben an, dass es
zum Selbstverständnis von Technologieführern
gehört, sich damit auseinander zu setzen. Bei
gut drei von vier der befragten Unternehmen
steht Industrie 4.0 auf der Agenda, weil die
Marktentwicklungen und der Wettbewerbsdruck
dies erfordern. Diese Firmen gehen davon aus,
dass traditionelle Konzepte nicht ausreichen
werden, um dem Wettbewerbsdruck standzuhalten.
Sie sehen sich dazu gezwungen, sich mit
dem Thema Industrie 4.0 zu befassen. Bei der
Frage zur Motivation lassen sich keine nennenswerten
Unterschiede zwischen den Größenklassen
feststellen. Daher werden die Ergebnisse
nach Größenklassen an dieser Stelle nicht
explizit ausgewiesen.
Abbildung 1-3: Motivation für Industrie 4.0
1,1
0,0
Chance zur Differenzierung im Markt
49,7
38,5
10,7
3,2
0,2
Innovationsgeist, man muss dieses Thema ausprobieren
45,4
39,6
11,6
4,0
0,6
Selbstverständnis als Technologieführer
40,3
35,9
19,2
1,7
0,0
Markterfordernisse und Wettbewerbsdruck
33,8
43,3
21,2
Trifft zu Trifft eher zu Trifft eher nicht zu Trifft nicht zu Keine Angabe
Angaben in Prozent; Mehrfachnennungen möglich; n= 134
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quelle: VDMA-Mitgliederbefragung, 2015
17

Mit Industrie 4.0 lassen sich
erhebliche Umsatz- und Effizienzpotenziale
erschliessen
Welche Ziele verfolgen die deutschen Maschinenund
Anlagenbauer mit Industrie 4.0? Gibt es
Unterschiede in den Größenklassen? Die Befragung
der VDMA-Mitgliedsunternehmen zeigt,
dass mehr als sechs von zehn Unternehmen in
Industrie 4.0-Anwendungen eine Möglichkeit
sehen, die Effizienz ihres Produktionssystems zu
erhöhen. Diese Effizienzpotenziale sollen beispielsweise
durch eine Steigerung der Flexibilität,
die Verringerung von Durchlaufzeiten und Produktionskosten
oder eine höhere Termintreue
erreicht werden.
Zudem rechnen über 60 Prozent der Unternehmen
damit, dass ihre Umsätze durch Industrie 4.0
steigen werden. Das Potenzial sehen die Unternehmen
dabei vor allem bei der Erschließung
neuer Geschäftsmodelle durch erweiterte Produkt-
oder Dienstleistungsportfolios oder eine
höhere Kundenbindung.
Effizienzsteigerungen im Managementsystem,
beispielsweise durch optimierte Koordinationsprozesse
oder eine erhöhte Transparenz bei den
Lagerbeständen und der Auftragsbearbeitung,
werden von 46,1 Prozent der Unternehmen
erwartet.
Im Vergleich der Größenklassen nach Mitarbeiterzahl
zeichnen sich deutliche Unterschiede ab.
Während höhere Umsätze für kleine Unternehmen
(20 bis 99 Mitarbeiter) das wichtigste Ziel
darstellen, setzen die mittelständischen Unternehmen
(100 bis 499 Mitarbeiter) primär auf
Effizienzsteigerungen im Produktionssystem.
Für große Unternehmen (ab 500 Mitarbeiter)
gewichten beide Ziele gleich stark (Abbildung 1-4).
Insgesamt zeigen auch diese Auswertungen, dass
Industrie 4.0 ein Chancenthema ist und mit klaren
betriebswirtschaftlichen Zielen verknüpft wird.
Abbildung 1-4: Ziele von Industrie 4.0
Effizienzsteigerungen im
Produktionssystem
…
Umsatzsteigerungen
Effizienzsteigerungen im
Managementsystem
…
Gesamt Gesamt Gesamt
65,6 63,8
46,1
Unternehmensgrößen
20 - 99
Unternehmensgrößen
20 - 99
Unternehmensgrößen
20 - 99
100 - 499
100 - 499
100 - 499
ab 500
ab 500
ab 500
0 20 40 60 80 100
0 20 40 60 80
100
0 20 40 60 80 100
Summe "zentrale und bedeutende Ziele"; Angaben für Gesamt und nach Mitarbeitergrößenklassen;
Angaben in Prozent; Mehrfachnennungen möglich; n = 188; Berücksichtigt sind nur Unternehmen mit
mehr als 20 Beschäftigten. Quelle: VDMA-Mitgliederbefragung, 2015
18

Jedes zweite befragte Unternehmen befasst
sich mit Industrie 4.0
Bei dieser positiven Bewertung der Chancen ist
es nicht verwunderlich, dass das Thema Industrie
4.0 im Maschinen- und Anlagenbau angekommen
ist. Mehr als die Hälfte der Befragten
(57,2 Prozent) hat sich bereits mit dem Themenfeld
Industrie 4.0 befasst. Dabei setzen sich größere
Unternehmen häufiger damit auseinander
als kleine und mittelständische. Gut ein Fünftel
der Maschinen- und Anlagenbauer hat sich
intensiv mit Lösungen zur Umsetzung von
Industrie 4.0 befasst. Ein Drittel hat zwar bereits
davon gehört, bisher aber keinerlei Aktivitäten
unternommen. Lediglich für knapp 9 Prozent der
Befragten ist der Begriff Industrie 4.0 unbekannt
(Abbildung 1-5).
Verglichen mit dem gesamten Verarbeitenden
Gewerbe sind die Unternehmen aus dem
Maschinen- und Anlagenbau deutlich besser
informiert. Der Anteil der Firmen im gesamten
Verarbeitenden Gewerbe (einschließlich Maschinenbau),
die sich intensiv mit Industrie 4.0 auseinandergesetzt
haben, liegt bei 10 Prozent
(Abbildung 1-5). Zugleich ist der Anteil derer, die
noch nicht von Industrie 4.0 gehört haben, deutlich
höher als im Maschinen- und Anlagenbau.
Insgesamt zeigen diese Ergebnisse, dass das
Thema Industrie 4.0 im Maschinen- und Anlagenbau
eine deutlich höhere Relevanz hat als in
anderen Industriebranchen.
Abbildung 1-5: Beschäftigung mit Industrie 4.0
Maschinen- und Anlagenbau
Gesamtes Verarbeitendes Gewerbe
8,9
22,3
14,1
10,0
33,9
35,8
40,1
34,9
Ja, intensiv
Ja, am Rande
Nein, aber wir haben davon gehört
Nein, wir haben noch nicht davon gehört
Angaben in Prozent; n=431 Maschinen- und Anlagenbau; n = 674 Verarbeitendes Gewerbe
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle;
IW-Unternehmervotum 2015, 23. Befragungswelle; telefonische Befragung, 2015
19

Maschinen- und Anlagenbau bei Industrie 4.0
weiter als das Verarbeitende Gewerbe
Die Unternehmen, die sich bereits mit Industrie
4.0 beschäftigt haben, wurden im Rahmen der
vier oben vorgestellten Befragungen gebeten,
eine Selbsteinschätzung zum Umsetzungsstand
von Industrie 4.0 und zu ihrer relativen Position
abzugeben. Sie konnten sich dabei als „Vorreiter“,
„Follower“ oder „Abwartend“ einordnen beziehungsweise
angeben, dass das Thema ihnen
„Nicht bekannt“ oder für sie „Nicht relevant“ ist.
Die Ergebnisse (Abbildung 1-6):
• Knapp 12 Prozent der Unternehmen des
Maschinen- und Anlagenbaus schätzen sich
als Vorreiter ein. Im gesamten Verarbeitenden
Gewerbe ist dieser Anteil mit 6,4 Prozent
deutlich geringer.
• Etwa ein Fünftel sieht sich in einer Follower-Position
und will offensichtlich an die
Themenführer anschließen. Auch dieser
Anteil ist deutlich höher als im gesamten
Verarbeitenden Gewerbe.
• Die Mehrheit (46,5 Prozent) der befragten
Unternehmen im Maschinen- und Anlagenbau
stuft sich abwartend ein. Im gesamten
Verarbeitenden Gewerbe beträgt dieser Anteil
knapp 53 Prozent.
• Nur für ein Fünftel (20,9 Prozent) der befragten
Unternehmen ist Industrie 4.0 unbekannt
oder nicht relevant. Im gesamten Verarbeitenden
Gewerbe sind es knapp 28 Prozent.
Das Fünftel der Unternehmen im Maschinenund
Anlagenbau, für das Industrie 4.0 unbekannt
oder nicht relevant ist, wird bei der Messung
der Readiness in Kapitel 3 noch einmal
herangezogen. Diese Unternehmen werden in
dem Modell a priori der Eingangsstufe 0 (Außenstehender)
zugeordnet. In der Auswertung der
VDMA-Mitgliederbefragung wird angenommen,
dass diese Stichprobe nur 79,1 Prozent (79,1 =
100 – 20,9) der Maschinen- und Anlagenbauunternehmen
repräsentiert, die das Thema kennen
und für relevant halten. Damit werden die oben
beschrieben Selektionseffekte korrigiert, die sich
aus der überdurchschnittlich hohen Teilnahme
Industrie 4.0-affiner Unternehmen an der
VDMA-Befragung ergeben.
Abbildung 1-6: Selbsteinschätzung der Unternehmen mit Blick auf ihre Industrie 4.0-Umsetzung
Maschinen- und Anlagenbau
Gesamtes Verarbeitendes Gewerbe
12
8,9
11,8
20,8
13,1
14,2
6,4
13,6
46,5
52,6
Vorreiter Follower Abwartend
Nicht relevant Nicht bekannt
Angaben in Prozent; n=431 Maschinen- und Anlagenbau; n = 674 Verarbeitendes Gewerbe
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle;
IW-Unternehmervotum 2015, 23. Befragungswelle; telefonische Befragung, 2015
20

2 Das Modell zur Readiness-Messung
Zur Sicherung der Wettbewerbsfähigkeit ist es
für Unternehmen entscheidend, einzuschätzen,
wo sie im digitalen Transformationsprozess stehen
und ob sie das volle Potenzial von Industrie 4.0
nutzen. Daher wurde im Rahmen dieser Studie
die Durchdringung mit Industrie 4.0 messbar
gemacht. Dafür haben die Projektpartner ein
Modell entwickelt, mit dem die Readiness – also
der Reifegrad der Unternehmen auf dem Weg zu
Industrie 4.0 – im deutschen Maschinen- und
Anlagenbau ermittelt werden kann.
Readiness-Modell mit sechs Dimensionen
und 18 Themenfeldern
Die Grundlage für das Readiness-Modell bilden
die vier Dimensionen der Industrie 4.0-Definition
aus Abschnitt 1.2. Als Ergebnis des Workshops
werden mit den Dimensionen Strategie und
Organisation sowie Mitarbeiter zusätzlich zwei
übergeordnete Querschnittsthemen berücksichtigt.
Das Modell umfasst damit die folgenden
sechs Dimensionen:
• Strategie und Organisation
• Smart Factory
• Smart Operations
• Smart Products
• Data-driven Services
• Mitarbeiter
Diesen sechs Dimensionen werden zur Konkretisierung
jeweils Themenfelder zugeordnet, die
wiederum mit geeigneten Indikatoren operationalisiert
werden. Sie bilden die Basis für die Messung
der Industrie 4.0-Readiness der Unternehmen.
Die entsprechenden Daten für die Messung
wurden in einer Unternehmensbefragung
(Abschnitt 1.3) erhoben.
Abbildung 2-1 verdeutlicht das Grundgerüst des
Readiness-Modells im Überblick:
• Der innere Kreis zeigt die sechs grundlegenden
Dimensionen.
• Im äußeren Kreis sind für alle sechs Dimensionen
die zugeordneten Themenfelder
genannt. Insgesamt werden 18 Themenfelder
berücksichtigt, die mit geeigneten Indikatoren
gemessen werden.
Für jede dieser sechs Dimensionen wurden im
Rahmen von Workshops mit Unternehmensvertretern
die Kriterien definiert, die es erlauben,
die Unternehmen einem Reifegrad zuzuordnen.
Aus den sechs Dimensionen von Industrie 4.0
wird ein sechsstufiges Modell zur Messung der
Industrie 4.0-Readiness entwickelt. Dabei beinhaltet
jede der sechs Readiness-Stufen (0 bis 5)
festgelegte Mindestanforderungen, ohne deren
Erfüllung eine Stufe als nicht erreicht gilt.
Auf der Stufe 0 befinden sich die Außenstehenden,
die noch keinerlei oder nur in geringem
Maße Planung oder Umsetzung von Industrie 4.0-
Maßnahmen getätigt haben. Stufe 5 beschreibt
die Exzellenz; also Unternehmen, die alle Industrie
4.0-Aktivitäten erfolgreich umgesetzt haben.
Diese Stufe 5 beschreibt im Modell gleichzeitig
den Zustand der vollständigen Umsetzung der
Zielvision (Soll-Profil) – wenn also die kompletten
Wertschöpfungsketten in Echtzeit vernetzt
sind und interagieren können.
Die Vision von Industrie 4.0 und der Weg dorthin
werden für jedes Unternehmen anders aussehen.
Nicht jedes Unternehmen hat das kurzfristige
Bestreben, die Zielvision Industrie 4.0
vollumfänglich zu erreichen, sondern definiert in
Abhängigkeit der Ausgangssituation eigene Zwischen-
und Abschlussziele. Aus diesem Grund
erlaubt das Modell eine dezidierte Differenzierung
für die oben genannten Dimensionen.
21

Abbildung 2-1: Dimensionen und zugeordnete Themenfelder von Industrie 4.0
Kompetenzen der
Mitarbeiter
Strategie
Investitionen
Aufbau der
Kompetenzen
Innovationsmanagement
Datenbasierte
Dienstleistungen
Mitarbeiter
Strategie und
Organisation
Digitales
Abbild
Umsatzanteil
Data-driven
Services
Smart Factory
Maschinenpark
Datennutzung
Anteil
Datennutzung
Smart Products
Smart Operations
IT-Systeme
IKT-
Zusatzfunktionalitäten
IT-Sicherheit
Cloud -
Nutzung
Datenanalyse
Nutzungsphase
Informationsaustausch
Autonome
Prozesse
Eigene Darstellung
Das Modell berücksichtigt
sechs Stufen der Umsetzung von
Industrie 4.0-Massnahmen
Die sechs Stufen des Readiness-Modells sind der
Abbildung 2-2 zu entnehmen und werden nachfolgend
erläutert.
Stufe 0: Aussenstehender
Unternehmen dieser Stufe erfüllen keine Anforderungen
im Industrie 4.0-Kontext. Außerdem
gehören dieser Stufe diejenigen Unternehmen
an, die a priori der Stufe 0 zugeordnet wurden,
weil sie angaben, dass Industrie 4.0 für sie unbekannt
oder nicht relevant sei (vgl. Kapitel 1 und
Abbildung 1-6).
Stufe 1: Anfänger
Unternehmen auf dieser Stufe behandeln das
Thema Industrie 4.0 über Pilotinitiativen in einzelnen
Fachabteilungen und tätigen diesbezüglich
Investitionen in einem einzelnen Bereich. In
der Produktion werden nur wenige Prozesse
durch IT-Systeme unterstützt und der derzeitige
Maschinenpark erfüllt teilweise die zukünftigen
Anforderungen an Vernetzung und Kommunikation.
Ein systemintegrierter betriebsinterner
Informationsaustausch findet nur in wenigen
Bereichen statt. IT-Sicherheitslösungen befinden
sich noch in der Planungs- oder Umsetzungsphase.
Der Anfänger produziert in dieser Fertigungslandschaft
Produkte mit ersten Ansätzen
von IT-basierten Zusatzfunktionen. Für den weiteren
Ausbau von Industrie 4.0 besitzt das
Unternehmen nur in wenigen Bereichen die
erforderlichen Kompetenzen.
22

Stufe 2: Fortgeschrittener
Der Fortgeschrittene bezieht das Thema Industrie
4.0 in die strategische Ausrichtung des Unternehmens
mit ein. Hierbei wird an einer Strategie
zur Umsetzung von Industrie 4.0 und entsprechenden
Kennzahlen zur Messung des Umsetzungsstandes
gearbeitet. Für Industrie 4.0 relevante
Investitionen werden von ihm in wenigen
Bereichen getätigt. In der Produktion werden
Daten teilweise automatisiert aufgenommen
und in geringem Umfang genutzt. Für eine
zukünftige Erweiterung fehlen dem Maschinenpark
teilweise die Voraussetzungen. Der betriebsinterne
Informationsaustausch findet zum Teil
systemintegriert statt und auch beim Austausch
mit Partnerunternehmen werden erste systemintegrierte
Ansätze umgesetzt. Dazu sind entsprechende
IT-Sicherheitslösungen implementiert,
welche weiter ausgebaut werden. In dieser
Fertigungslandschaft stellt das Unternehmen
Produkte mit ersten IT-basierten Zusatzfunktionen
her. Für den weiteren Ausbau von Industrie
4.0 besitzen die Mitarbeiter in einigen Bereichen
die nötigen Kompetenzen.
Stufe 3: Erfahrener
Bei Unternehmen dieser Stufe liegt eine formulierte
Industrie 4.0-Strategie vor. Industrie
4.0-relevante Investitionen werden in mehreren
Bereichen getätigt, ein abteilungsorientiertes
Innovationsmanagement fördert die Einführung
von Industrie 4.0. In der Produktion sind die
IT-Systeme über Schnittstellen miteinander verbunden
und unterstützen die Fertigungsprozesse,
wobei in den wichtigsten Bereichen Daten
automatisch erhoben werden. Um dies künftig
zu erweitern, ist der Maschinenpark nachrüstbar
aufgestellt. Der Informationsaustausch findet
sowohl intern als auch unternehmensübergreifend
zum Teil systemintegriert statt. Die notwendigen
IT-Sicherheitslösungen sind implementiert.
Für den weiteren Ausbau sind
Cloud-basierte Lösungen geplant. In dieser Landschaft
fertigt das Unternehmen Produkte mit
mehreren zusammenhängenden IT-basierten
Zusatzfunktionen. Auf Basis dieser Produkte bietet
es erste rudimentäre datenbasierte Dienstleistungen
an, ist dabei aber nicht mit dem Kunden
vernetzt. Datenbasierte Dienstleistungen
für den Kunden tragen im kleinen Umfang zum
Umsatz bei. Um diesen Punkt zu erreichen, wurden
bereits umfangreiche Kompetenzen bei den
Mitarbeitern aufgebaut.
Abbildung 2-2: Die sechs Stufen im Industrie 4.0-Readiness-Modell
Stufe 5
Exzellenz
Stufe 4
Experte
Pioniere
Stufe 3
Erfahrener
Stufe 2
Fortgeschrittener
Einsteiger
Stufe 1
Anfänger
Neulinge
Stufe 0 Außenstehender
Eigene Darstellung
23

Stufe 4: Experte
Eine Industrie 4.0-Strategie befindet sich bei
einem Experten bereits in Umsetzung und wird
mittels Kennzahlen überprüft. Dazu werden in
fast allen relevanten Bereichen Investitionen
getätigt und ein bereichsübergreifendes Innovationsmanagement
fördert den Prozess. Die
IT-Systeme unterstützen einen Großteil der Fertigungsprozesse
und nehmen umfangreich Daten
auf, welche zu Optimierungszwecken genutzt
werden. Ein weiterer Ausbau ist möglich, da die
Maschinen schon jetzt künftige Anforderungen
im Bereich der Vernetzung erfüllen. Der Informationsaustausch
findet intern und mit Partnerunternehmen
weitreichend systemintegriert statt.
In den relevanten Bereichen sind IT-Sicherheitslösungen
im Einsatz und die IT ist durch
Cloud-basierte Lösungen skalierbar. Der Experte
beginnt mit der Erprobung von autonom steuernden
Werkstücken und selbst reagierenden
Prozessen. Das Werkstück und das fertige Produkt
besitzen IT-basierte Zusatzfunktionen, die
eine Datenaufnahme während der Nutzungsphase
und eine gezielte Auswertung ermöglichen.
Darauf aufbauende datenbasierte Dienstleistungen
werden vom Kunden bereits bezogen
und tragen im geringen Maße zum Umsatz bei.
Dabei besteht eine direkte Vernetzung von
Kunde und Produzent. In den meisten relevanten
Bereichen besitzt das Unternehmen intern die
nötigen Kompetenzen, um diesen Stand zu erreichen
und einen weiteren Ausbau von Industrie
4.0-Themen zu betreiben.
Stufe 5: Exzellenz
Ein Unternehmen auf dieser Stufe hat seine
Industrie 4.0-Strategie bereits umgesetzt und
überprüft den Umsetzungsstand weiterer Projekte
regelmäßig. Diesbezüglich werden unternehmensweit
Investitionen getätigt. Das Unternehmen
hat ein organisationsweites
Innovationsmanagement etabliert. In seiner Produktion
hat es eine vollumfängliche IT-Systemunterstützung
implementiert und nimmt alle
relevanten Daten automatisch auf. Der Maschinenpark
erfüllt alle Anforderungen zur Vernetzung
und systemintegrierten Kommunikation.
Darauf aufbauend ist der gesamte Informationsaustausch
sowohl betriebsintern als auch mit
Partnerunternehmen systemintegriert. Umfangreiche
implementierte IT-Sicherheitslösungen
liegen vor und Cloud-basierte Lösungen sorgen
für eine flexible IT-Architektur. In Teilbereichen
der Produktion operieren bereits autonom steuernde
Werkstücke und reagierende Prozesse. Die
Werkstücke und Produkte besitzen umfangreiche
IT-basierte Zusatzfunktionen und die so aufgenommenen
Daten in der Nutzungsphase werden
für Funktionen wie Produktentwicklung,
Fernwartung oder Vertriebsunterstützung
genutzt. Dem Kunden angebotene datenbasierte
Dienstleistungen tragen bereits signifikant zum
Umsatz bei. Dabei ist der Produzent mit dem
Kunden vernetzt. Zudem besitzt das Unternehmen
in allen nötigen Bereichen eigene Kompetenzen
und kann das Thema weiter vorantreiben.
Aus den sechs Readiness-Stufen lassen sich drei
Unternehmenstypen ableiten. Die Bündelung zu
den drei Typen erlaubt eine kompaktere Darstellung
der Ergebnisse. Sie erleichtert es zudem,
Aussagen zum Fortschritt und zu den Bedingungen
in Bezug auf Industrie 4.0 zu treffen und
daraus spezifische Handlungsfelder je nach
Umsetzungsstand zu identifizieren (Abbildung 2-2):
• Neulinge (Stufe 0 bis 1): Zu den Neulingen
zählen die Unternehmen, die sich bisher gar
nicht oder nur ansatzweise mit Industrie 4.0
befasst haben und daher in der Readiness-
Messung den Stufen 0 oder 1 zugeordnet
wurden.
• Einsteiger (Stufe 2): Als Einsteiger werden die
Unternehmen definiert, die sich in der Stufe 2
befinden und somit bereits erste Industrie 4.0-
Maßnahmen ergriffen haben.
• Pioniere (ab Stufe 3): Zu den Pionieren zählen
die Unternehmen, die mindestens Stufe 3 im
Readiness-Modell erreichen. Sie sind in der
Umsetzung von Industrie 4.0 bereits weit
fortgeschritten und damit dem Großteil der
deutschen Maschinen- und Anlagenbauer
weit voraus. Sie bilden die Benchmark-Gruppe.
24

Für jedes Unternehmen wurde in jeder Dimension
eine Readiness-Stufe ermittelt. Diese wurde
durch den niedrigsten Einzelwert der jeweiligen
Themenfelder innerhalb der Dimension
bestimmt: Wenn ein Unternehmen z.B. bei
„Smart Operations“ in drei Fragen Stufe 5 und in
einer Frage Stufe 1 erreicht, ist der Reifegrad in
dieser Dimension 1. Die so ermittelten sechs
Dimensionswerte wurden über einen gewichteten
Mittelwert zu einer Gesamtreadiness für
jedes Unternehmen verdichtet. Die Gewichte
wurden in der Befragung erhoben, indem die
Unternehmen die relative Bedeutung der einzelnen
Dimensionen bei der Implementierung von
Industrie 4.0 beurteilten. Von 100 möglichen
Punkten entfallen auf Strategie und Organisation
25 Punkte, auf Smart Factory 14, auf Smart
Products 19, auf Data-driven Services 14, auf
Smart Operations 10 und auf Mitarbeiter 18
Punkte. Auf Basis dieser Berechnungen konnte
jedes Unternehmen einer Stufe zwischen 0 und 5
zugeordnet werden.
Empirische Umsetzung
Zur Ermittlung der Readiness wurden für jeden
Bereich Kriterien formuliert, die erfüllt sein müssen,
um in die jeweils nächsthöhere Readiness-
Stufe zu gelangen. Bei einzelnen Unternehmen
liegen nicht alle erforderlichen Angaben zu den
entsprechenden Kriterien vor. Dabei sind drei
Szenarien denkbar (Abbildung 2-3), die anhand
eines Beispiels dargestellt werden:
• Im Fall A liegen die Angaben für die Kriterien
vor und werden für die Stufe 1 erfüllt. Die Kriterien
für die Stufen 2 bis 5 werden nicht
erfüllt. Entsprechend werden die Unternehmen
der Readiness-Stufe 1 zugeordnet.
• Im Fall B kann die Erfüllung der Kriterien für
Stufe 1 nicht ermittelt werden, da die Unternehmen
keine Angaben zu den entsprechenden
Indikatoren gemacht haben (Missing
Values). Da die Kriterien zur Erreichung der
Stufe 2 allerdings erfüllt sind, werden die fehlenden
Angaben bei Stufe 1 als Erfüllung der
Kriterien in Stufe 1 gedeutet. Entsprechend
erreichen die Unternehmen die Stufe 2.
• Im Fall C fehlen die Angaben, die notwendig
sind, um die Erfüllung der Kriterien für Stufe 1
zu ermitteln. Da die Kriterien für die Stufe 2
nicht erfüllt sind, werden die fehlenden Angaben
in der Stufe 1 als nicht erfüllt gewertet.
Entsprechend werden die Unternehmen der
Stufe 0 zugeordnet.
Abbildung 2-3: Empirische Umsetzung der sechsstufigen Readiness-Messung
Erfüllung eines Kriteriums oder mehrerer Kriterien…
Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5 Ergebnis
Fall A
ja
ja
nein
nein
nein
nein
Stufe 1
Fall B
ja
Missing
Values
ja
nein
nein
nein
Stufe 2
Fall C
ja
Missing
Values
nein
nein
nein
nein
Stufe 0
Eigene Darstellung
25

3 Die Ergebnisse der Readiness-
Messung
In diesem Kapitel werden die Ergebnisse der Readiness-Messung
dargestellt. Zunächst erfolgt ein
Blick auf die Industrie 4.0-Readiness der Unternehmen.
Anschließend werden die Ergebnisse
der Readiness-Messung für die sechs Dimensionen
von Industrie 4.0 abgebildet und mit ausgewählten
Befunden aus der Unternehmensbefragung
belegt.
3.1 Gesamtblick
Maschinen- und Anlagenbau
ist bei Industrie 4.0 weiter als
das Verarbeitende Gewerbe
Die Readiness-Messung zeigt, dass Industrie 4.0
im deutschen Maschinen- und Anlagenbau
bereits angekommen ist (Abbildung 5-1). So
zeichnet sich knapp ein Fünftel der Unternehmen
bereits durch fortgeschrittene Industrie 4.0-
Ansätze aus (Stufe 2). Die Stufe 3 erreichen bisher
4,6 Prozent der Unternehmen. Die Stufe der
Erfahrenen spiegelt das Profil derzeit führender
Industrie 4.0-Unternehmen wider und dient als
Benchmark für die Maschinen- und Anlagenbauunternehmen.
Lediglich 1 Prozent der Unternehmen zählt bisher
zu den Experten (Stufe 4). Die Stufe 5 (Exzellenz)
erreicht keines der Unternehmen. Da diese
Stufe die Zielvision von Industrie 4.0 ist, verwundert
es nicht, dass bisher noch kein Unternehmen
die Stufe 5 erreicht hat. Das Erreichen dieser
Zielvision stellt für die meisten Unternehmen
aus dem Maschinen- und Anlagenbau ein langfristiges
Ziel dar.
37,6 Prozent der Maschinen- und Anlagenbauer
sind Anfänger (Stufe 1) und haben sich bisher
nur in geringem Maße mit Industrie 4.0 befasst.
Knapp 39 Prozent der Unternehmen erreichen
die Stufe 0 und werden als Außenstehende
bezeichnet. Dabei zählen zur Stufe 0 sowohl die
Firmen, die die Mindestanforderungen für Stufe
1 nicht erreichen, als auch die Unternehmen, die
a priori der Stufe 0 zugeordnet wurden, weil
Industrie 4.0 für sie unbekannt oder nicht von
Relevanz ist (vgl. Kapitel 1.4 und Abbildung 1-6).
Im Vergleich zum gesamten Verarbeitenden
Gewerbe ist der Maschinen- und Anlagenbau
aber bei Industrie 4.0 deutlich weiter fortgeschritten.
So fällt der Anteil der Unternehmen,
die sich auf den fortgeschrittenen Stufen 2 bis 4
befinden, im gesamten Verarbeitenden Gewerbe
geringer aus. Weiterhin werden im gesamten
Verarbeitenden Gewerbe mehr Unternehmen
den Außenstehenden (Stufe 0) zugeordnet als
im Maschinen- und Anlagenbau (Tabelle 3-1). 2
Tabelle 3-1: Gesamtergebnis der Industrie 4.0-Readiness
Maschinen- und Anlagenbau
Verarbeitendes Gewerbe
Stufe 0 (Außenstehender) 38,9 58,2
Stufe 1 (Anfänger) 37,6 30,9
Stufe 2 (Fortgeschrittener) 17,9 8,6
Stufe 3 (Erfahrener) 4,6 1,7
Stufe 4 (Experte) 1,0 0,6
Stufe 5 (Exzellenz) 0,0 0,0
Durchschnittliche
Readiness
Angaben für Readiness-Stufen 0 bis 5 in Prozent; Angabe für durchschnittliche Readiness: Skala 0 bis 5;
n= 234 (Maschinen- und Anlagenbau); n = 602 (Verarbeitendes Gewerbe)
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
0,9 0,6
2 Eine weitergehende Darstellung der Ergebnisse für das
Verarbeitende Gewerbe ist nicht Gegenstand dieser Studie.
Deshalb werden sich die folgenden Ausführungen auf den
deutschen Maschinen- und Anlagenbau beschränken.
26

Abbildung 3-1: Readiness-Messung
Gesamt
Durchschnittliche Readiness deutscher Maschinen- und Anlagenbauunternehmen
38,9
37,6
17,9
1,0
4,6 0,0
Strategie &
Organisation
54,8
21,8
14,8
4,6 3,7
0,3
Smart Factory
Smart Operations
38,2
56,5
1,5
20,5
45,3
1,2
18,3 3,1 0,3
0,3
13,9 0,9
Stufe 0
Stufe 1
Stufe 2
Stufe 3
Stufe 4
Smart Products
55,3
13,4
14,6
4,9
5,5
6,4
Stufe 5
0,6
Data-driven Services
84,1
5,5
5,2 3,9
0,6
Mitarbeiter
29,8
33,5
12,2
10,3
8,8
5,3
Ø Readiness-Wert 0
1 2 3 4 5
Angaben in Prozent, Angaben für Readiness-Stufen: Skala 0 bis 5;
n=234-268; Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Wie in Kapitel 2 beschrieben, lassen sich aus den
Ergebnissen der sechs Readiness-Stufen die
Maschinen- und Anlagenbauunternehmen den
folgenden drei Unternehmenstypen zuordnen:
• Pioniere (Stufe 3+): Demnach zählen schon
5,6 Prozent der deutschen Maschinen- und
Anlagenbauer zu Pionieren von Industrie 4.0.
Diese Unternehmen erreichen mindestens die
Stufe 3.
• Einsteiger (Stufe 2): Knapp ein Fünftel der
Unternehmen wird als Einsteiger bezeichnet.
• Neulinge (Stufen 0 und 1): Gut drei Viertel der
Unternehmen zählen zu den Neulingen und
erreichen lediglich die Stufen 0 und 1.
Die Industrie 4.0-Readiness nimmt mit der
Unternehmensgrösse deutlich zu
Die Ergebnisse der Befragung zeigen, dass sich
über alle Dimensionen hinweg die Großunternehmen
von den kleinen und mittelständischen
Unternehmen absetzen.
Dabei sind Größenklassenunterschiede in fünf
der sechs Dimensionen statistisch signifikant. 3
Lediglich in der Dimension Data-driven Services
konnte kein statistisch signifikanter Unterschied
zwischen Größenklassen festgestellt werden
(Abbildung 3-2).
Die heutige Industrie 4.0-Readiness der deutschen
Maschinen- und Anlagenbauer liegt auf
einer Skala von 0 bis 5 bei 0,9. Im gesamten Verarbeitenden
Gewerbe fällt die Readiness mit
einem Wert von 0,6 geringer aus (Tabelle 3-1
und Abbildung 3-1).
3 Die Unterschiede sind auf einem 5-Prozent-Niveau statistisch
signifikant. Das bedeutet, dass die Unterschiede
zwischen den Größenklassen in der Stichprobe mit hoher
Wahrscheinlichkeit auf entsprechende Unterschiede
in der Grundgesamtheit zurückzuführen sind.
27

Abbildung 3-2: Readiness-Messung nach Unternehmensgrößenklassen
Gesamt
Strategie &
Organisation
17,9
14,8
Groß
Mittelstand
Klein
Smart Factory
18,3
Smart Operations
45,3
Smart Products
14,6
Data-driven Services
5,2
Mitarbeiter
12,2
Ø Readiness-Wert 0
1 2 3 4 5
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234-268
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Pioniere sind vor allem im Bereich Smart
Products führend
Die Pioniere bilden die Benchmark-Gruppe für
die Unternehmen des deutschen Maschinenund
Anlagenbaus. In der Readiness-Messung
erreichen sie auf einer Skala von 0 bis 5 einen
durchschnittlichen Readiness-Wert von 3,3. In
den einzelnen Dimensionen weisen die Pioniere
(mindestens Stufe 3) gegenüber den Einsteigern
(Stufe 2) und den Neulingen (Stufen 0 und 1)
besonders in den Dimensionen Strategie und
Organisation sowie Smart Products und
Data-driven Services einen deutlichen Vorsprung
auf. Dennoch besteht im letzten Bereich Handlungsbedarf.
Pioniere erreichen in der Dimension
Data-driven Services mit 2,1 den geringsten Readiness-Wert
im Vergleich zu den anderen Dimensionen.
Optimierungsbedarf für Pioniere besteht
ebenfalls in den Bereichen Smart Factory und
Smart Operations, da die Readiness hier unter
dem Wert 3 liegt.
Für alle Unternehmenstypen besteht im Bereich
Data-driven Services enormer Handlungsbedarf.
Neben den Pionieren schneiden auch die Neulinge
und Anfänger in diesem Themenfeld am
schwächsten unter allen sechs untersuchten
Dimensionen ab. Demnach stehen alle drei
Unternehmenstypen bei der Digitalisierung ihrer
traditionellen sowie der Entwicklung neuer
Geschäftsmodelle mit Fokus auf datenbasierte
Dienstleistungen noch am Anfang (Abbildung 3-3).
In den nächsten Abschnitten werden die Ergebnisse
der Readiness-Messung für die sechs
Dimensionen Strategie und Organisation, Smart
Factory, Smart Operations, Smart Products,
Data-driven Services und Mitarbeiter detailliert
dargestellt und durch ausgewählte Befunde aus
der Unternehmensbefragung ergänzt.
28

Abbildung 3-3: Industrie 4.0-Readiness nach Unternehmenstypen
Gesamt
Strategie & Organisation
Smart Factory
Pioniere
Einsteiger
Neulinge
Smart Operations
Smart Products
Data-driven Services
Mitarbeiter
Ø Readiness-Wert
0 1 2 3 4 5
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234-268
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
3.2 Strategie und Organisation
Industrie 4.0 ist Strategiethema
Da Industrie 4.0 nicht nur die Verbesserung
bestehender Produkte oder Prozesse durch den
Einsatz digitaler Technologien bedeutet, sondern
vielmehr die Chance bietet, völlig neue
Geschäftsmodelle zu entwickeln, ist die Umsetzung
von großer strategischer Bedeutung. Wie
ist es aktuell um die Aufgeschlossenheit und
Kultur im Umgang mit Industrie 4.0 im deutschen
Maschinen- und Anlagenbau bestellt? Um diese
Frage beantworten zu können, werden die folgenden
vier Kriterien untersucht:
• Umsetzungsstand der Industrie 4.0-Strategie
• Operationalisierung und Überprüfung der
Strategie mit einem Kennzahlensystem
• Investitionsaktivität in Bezug auf Industrie 4.0
• Einsatz eines Technologie- und Innovationsmanagements
Industrie 4.0 ist noch nicht bei allen Firmen
in der Unternehmensstrategie verankert
In der Dimension Strategie und Organisation
liegt die durchschnittliche Readiness deutscher
Maschinen- und Anlagenbauunternehmen bei
0,8. Die Pioniere erreichen auf einer Skala von 0
bis 5 einen durchschnittlichen Readiness-Wert
von 3,3 (Tabelle 3-2).
Wesentlicher Grund für die überwiegend niedrige
Einstufung der Unternehmen in der Dimension
Strategie und Organisation ist, dass Industrie
4.0 bei etwa der Hälfte der Unternehmen
keine Berücksichtigung in der strategischen Ausrichtung
findet. Demnach zählt jedes zweite
Unternehmen im Bereich Strategie und Organisation
zu den Außenstehenden (Stufe 0).
Immerhin etwa ein Fünftel der befragten Unternehmen
lässt erste Pilotinitiativen in den
Fachabteilungen erkennen und kann damit in
dieser Dimension den Anfängern (Stufe 1) zugeordnet
werden. Erste Investitionen im Zusammenhang
mit Industrie 4.0 werden getätigt,
beschränken sich jedoch auf einen Unternehmensbereich.
29

Abbildung 3-4: Readiness-Stufen in der Dimension Strategie und Organisation
Strategie & Organisation
Stufe 5:
0,3 %
Stufe 4:
3,7 %
Stufe 3:
4,6 %
Stufe 2:
14,8 %
Stufe 1:
21,8 %
Stufe 0:
54,8 %
Außenstehender
• Keine Anforderungen werden erfüllt
Exzellenz
• Eine Strategie wurde umgesetzt und wird regelmäßig überprüft
• Unternehmensweite Investitionen im Kontext von Industrie 4.0
• Einheitliches, die Bereiche integrierendes Management aufgebaut
Experte
• Eine Strategie befindet sich in Umsetzung und wird sporadisch überprüft
• Investitionen im Kontext von Industrie 4.0 in mehreren Bereichen
• Ein Innovationmanagement ist in mehreren Fachabteilungen installiert
Erfahrener
• Formulierte Industrie 4.0-Strategie liegt vor
• Investitionen im Kontext von Industrie 4.0 in wenigen Bereichen
• Vereinzelte Bereiche haben ein Innovationsmanagement
Fortgeschrittener
• Erarbeitung einer Industrie 4.0-Strategie und Definition von Kennzahlen zur Messung
• Investitionen im Kontext von Industrie 4.0 in geringem Umfang
Anfänger
• Pilotinitiativen in den Fachabteilungen
• Erste Investitionen im Kontext von Industrie 4.0
Angaben in Prozent; n=248
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Bei weiteren 15 Prozent lassen sich Umsetzungsansätze
für die Strategie und Kennzahlensysteme
erkennen – sie sind die Fortgeschrittenen
(Stufe 2). Investitionen werden in geringem
Umfang getätigt, während Innovationen nach
wie vor nicht systematisch analysiert und eingeführt
werden.
Im Readiness-Modell erreichen 4,6 Prozent der
Unternehmen die Stufe 3 (Erfahrener). Als
Haupthürde erweist sich jedoch hier der unzureichende
Umsetzungsstand der erarbeiteten
Strategie. Mit Erreichen der Stufe 4 (Experte)
befindet sich die Strategie in einem fortgeschrittenen
Umsetzungsstadium und wird
sporadisch überprüft. Zudem werden Investitionen
im Kontext von Industrie 4.0 in mehreren
Bereichen getätigt. Getragen vom Leitgedanken
der vertikalen Integration haben die
Unternehmen der vorletzten Fortschrittsstufe
ein Innovationsmanagement in mehreren
Fachabteilungen installiert.
Die Klassifizierung in der obersten Stufe 5 (Exzellenz)
erreichen nur 0,3 Prozent der befragten
Unternehmen. Stufe 5 setzt die vollständige
Umsetzung der Strategie sowie eine regelmäßige
Überprüfung dieser voraus. Gleichwohl sind
Unternehmen dazu angehalten, Investitionen
unternehmensweit vorzunehmen und ein organisationsweites
Innovationsmanagement zu
etablieren. Der Umfrage nach erweist sich dabei
insbesondere die Erfüllung des Kriteriums
„Umsetzungsstand“ als besonders kritisch
(Abbildung 3-4).
Tabelle 3-2: Durchschnittliche Readiness in der Dimension Strategie und Organisation
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 0,8 0,3 1,6 3,3
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=248
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
30

Haupthürden auf dem Weg zur Erreichung
einer höheren Readiness-Stufe
Aus den Ergebnissen der Readiness-Messung für
die Dimension Strategie und Organisation lassen
sich für die drei Unternehmenstypen (Neulinge,
Einsteiger, Pioniere) die Haupthemmnisse zur
Erreichung einer höheren Readiness-Stufe wie
folgt zusammenfassen (Abbildung 3-5).
Einzelne Befunde der Unternehmensbefragung
aus der Dimension Strategie und Organisation
werden im Folgenden detaillierter dargestellt.
Vier von zehn Unternehmen verfolgen noch
keine umfassende Strategie zur Umsetzung
von Industrie 4.0
Die Mehrheit der Unternehmen hat sich bereits
mit Industrie 4.0-Strategien befasst, dennoch
verfolgen vier von zehn der befragten Unternehmen
(39,8 Prozent) keine umfassende Strategie,
um den Wandel hin zum Industrie 4.0-Unternehmen
voranzutreiben. Eine umgesetzte Industrie
4.0-Strategie existiert nur bei 1,3 Prozent der
Unternehmen; bei einem Fünftel ist die Strategie
in Arbeit, jedes vierte befragte Unternehmen
beschränkt sein Engagement auf einzelne Pilotinitiativen.
In großen Unternehmen ist der Anteil der Unternehmen,
die keine entsprechende Strategie
haben, geringer. Hier verfügt zwar nur ein Fünftel
der Unternehmen über keine Strategie in
Bezug auf Industrie 4.0, die Strategie bereits
implementiert haben jedoch lediglich 1,2 Prozent
der großen Unternehmen. Die Umsetzung
der Strategie ist im Mittelstand am höchsten.
Trotzdem ist der Anteil der Unternehmen, die
bereits eine Industrie 4.0-Strategie umgesetzt
haben mit 3,8 Prozent sehr gering (Abbildung 3-6).
Abbildung 3-5: Haupthürden in der Dimension Strategie und Organisation
Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe
Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+)
Haupthürden
Industrie 4.0 findet keine oder
nur geringe Beachtung im
Strategieprozess
Industrie 4.0 findet Beachtung
im Strategieprozess, eine
konkrete Strategie ist aber
noch nicht formuliert
Eine Industrie 4.0-Strategie
ist noch nicht umgesetzt
Kennzahlensystem wird noch
nicht in den Strategieprozess
miteinbezogen
n=248
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
31

Abbildung 3-6: Umsetzungsstand der Industrie 4.0-Strategie
1,2
ab 500 MA
14,5
27,7
26,5
20,5
100-499 MA
3,8 3,8
22,1
25,0
39,4
0,0
20-99 MA
8,4
19,3
26,5
42,2
1,3
Gesamt
7,3
20,8
26,0
39,8
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Strategie umgesetzt
Strategie formuliert
Pilotinitiativen sind angestoßen
Strategie in Umsetzung
Strategie in Arbeit
Keine Strategie vorhanden
Angaben in Prozent; n= 270
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Drei Viertel der Unternehmen nutzen keine
Kennzahlensysteme
In drei Viertel aller Unternehmen wird kein
Kennzahlensystem zur Messung des Umsetzungsstandes
von Industrie 4.0 genutzt. Nur in
16,8 Prozent der Firmen ist ein solches System
vorhanden, jedoch schätzt weniger als die Hälfte
dieser Unternehmen ihr Kennzahlensystem als
gut geeignet ein. Auch hier lässt sich ein Größenklassentrend
beobachten: Je größer das
Unternehmen, desto eher wird ein Kennzahlensystem
zur Messung des Umsetzungsstandes
von Industrie 4.0 genutzt (Abbildung 3-7).
Drei von zehn Unternehmen führen ihr
Technologie- und Innovationsmanagement
bereits bereichsübergreifend durch
Um die Digitalisierung der Produktionsprozesse
voranzutreiben und die Produkte mit neuen
IT-basierten Zusatzfunktionen auszustatten und
sie somit zu Smart Products zu machen, ist der
Einsatz zusätzlicher und oftmals neuer Technologien
nötig. Die Aufgaben einer systematischen
Früherkennung, der Planung, der Steuerung
sowie der Kontrolle des Einsatzes von neuen
Technologien müssen im Unternehmen organisatorisch
verankert sein. Bisher geschieht dies
oft getrennt für die Bereiche Produktentwicklung,
Produktionstechnologie und IT. Im Zuge
von Industrie 4.0 sind viele Innovationen in den
Bereichen Produktentwicklung oder Produktionstechnologie
allerdings IT-getrieben. Zur
Gestaltung des optimalen Einsatzes neuer Informationstechnologien
im Produkt- oder Produktionsumfeld
ist es daher sinnvoll, die bereichsspezifischen
Kompetenzen zusammenzuführen und
für das Unternehmen ein bereichsübergreifendes,
integriertes Technologie- und Innovationsmanagement
aufzubauen.
Die Befragung zeigt, dass immerhin drei von
zehn Unternehmen ihr Technologie- und Innovationsmanagement
bereits bereichsübergreifend
durchführen. In lediglich knapp einem Viertel der
Maschinen- und Anlagenbauunternehmen existiert
kein systematisches Technologie- und Innovationsmanagement.
Der Großteil der befragten
Unternehmen führt diese Aufgabe für den Bereich
der Produktentwicklung durch. (Abbildung 3-8).
32

Abbildung 3-7: Nutzung eines Kennzahlensystems
ab 500 MA
7,1
11,9
75,0
6,0
100-499 MA
11,5
4,8
78,8
4,8
20-99 MA
6,0
10,7
77,4
6,0
Gesamt
7,9
8,9
77,7
5,6
0% 20% 40% 60% 80% 100%
Ja, wir haben ein Kennzahlensystem, das wir als gut geeignet einschätzen
Ja, wir haben ein Kennzahlensystem, das uns etwas Orientierung gibt
Nein, soweit konkretisiert sind unsere Vorhaben noch nicht
Keine Angabe
Angaben in Prozent; n= 272
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Abbildung 3-8: Technologie- und Innovationsmanagement
Produktentwicklung
58,6
IT
Produktionstechnologie
43,2
42,6
integrierendes (bereichsübergreifendes)
Management
30,9
Services
Haben wir eher nicht
24,3
23,9
Angaben in Prozent; n= 248
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
33

Bisher tätigen Unternehmen nur in geringem
Umfang Investitionen in Industrie 4.0
Die in der Studie befragten Unternehmen haben
in den Jahren 2013 und 2014 durchschnittlich
1,7 Prozent ihres Jahresumsatzes in die Umsetzung
von Industrie 4.0-Projekten investiert. Dies
entspricht fast 15 Prozent des gesamten Investitionsbudgets
für Sach- und Personalausgaben.
Ein Fünftel der Unternehmen sah bislang keine
Notwendigkeit, in Industrie 4.0-Anwendungen
zu investieren. Dabei hat rund die Hälfte der
Befragten in den Jahren 2013 und 2014 Investitionen
in allen Unternehmensbereichen getätigt.
Investiert wurde überwiegend in Forschung und
Entwicklung, IT und Produktion. Eigenen Aussagen
zufolge wird bis zum Jahr 2020 der Anteil an
Unternehmen wachsen, der Investitionen im
Bereich Industrie 4.0 tätigt (Abbildung 3-9). Die
Befragung verdeutlicht zudem, dass vor allem
die großen Maschinen- und Anlagenbauer in
hohem Maße in den Bereichen Service und
Logistik investieren wollen.
Abbildung 3-9: Getätigte und geplante Investitionen in Industrie 4.0
FuE
58,1
14,3
72,5
Produktion
IT
51,0
61,0
20,6
10,1
71,6
71,1
in den letzten beiden Jahren
in den kommenden 5 Jahren
Service
45,1
20,0
65,1
Logistik
42,0
18,3
60,3
Vertrieb
44,1
13,9
58,0
Einkauf
33,6
15,8
49,4
Angaben in Prozent; n= 223
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
34

3.3 Smart Factory
Die Smart Factory beschreibt das Konzept der
intelligenten, vernetzten Fabrik, in der die Produktionsanlagen
sowohl mit den überlagerten
IT-Systemen (bspw. MES-, ERP-, SCM-Systeme,
siehe auch Dimension Smart Operations) als
auch mit den Smart Products direkt kommunizieren.
Durch die Vernetzung und Selbstregelung
aller Prozesse, insbesondere in der Fertigung,
wird die Digitalisierung der Wertschöpfungskette
in diesem Konzept am weitesten umgesetzt.
Eine zentrale Herausforderung auf dem
Weg zur intelligenten Fabrik stellen die hohen
Investitionen dar. Das Ziel der effizienten Informationsbereitstellung
und Ressourcennutzung
kann durch das synchronisierte Zusammenspiel
von Produktionsanlagen, Informationssystemen
und dem Menschen (also Mitarbeiter und
Kunde) erreicht werden.
Wesentlicher Bestandteil der Smart Factory ist
eine umfangreiche Ausstattung der Fabrikhalle
sowie der Maschinen und Anlagen mit Sensorik
an strategisch günstigen Erfassungspunkten.
Ziel ist die Erfassung aller relevanten Prozessund
Bewegungsdaten in Echtzeit und eine zeitnahe
Verarbeitung zur Abbildung der Auftragssituation.
Die sich hieraus ergebenden großen
Datenmengen, sogenannte Big Data, stellen
hohe Anforderung an IT-System und IT-Infrastruktur.
Die Analyse der gewonnen Big Data zur
Informationsgewinnung wird mithilfe von
Methoden aus dem Feld Data Analytics betrieben
und setzt hohe Rechenkapazitäten voraus.
Um zu ermitteln, wie weit die Unternehmen im
deutschen Maschinen- und Anlagenbau in der
Dimension Smart Factory sind, werden die folgenden
vier Themenfelder untersucht:
• Digitales Abbild
• Maschinenpark
• Datennutzung
• IT-Systeme
Mehr als die Hälfte der Unternehmen steht
bei der Smart Factory noch am Anfang
In der Kategorie Smart Factory liegen die Unternehmen
des deutschen Maschinen- und Anlagenbaus
auf einer Skala von 0 bis 5 bei einem Readiness-Wert
von 0,7. Die Pioniere erreichen einen
durchschnittlichen Wert von 2,2 (Tabelle 3-3).
Mehr als die Hälfte der Unternehmen gehört in
der Dimension Smart Factory zu den Außenstehenden
(Stufe 0) und erfüllt somit noch nicht
alle Anforderungen für die Stufe 1. Rund ein
Fünftel der Unternehmen entspricht den Anforderungen
der Stufe 1 und wird als Anfänger
bezeichnet. Zwar erfüllen diese Unternehmen
bereits teilweise die zukünftigen Anforderungen
an den Maschinenpark, jedoch arbeiten sie nicht
an einer ganzheitlichen technischen Lösung zur
Umrüstung der Maschinen, was eine Voraussetzung
für die Stufe 2 in der Dimension Smart
Factory ist. In Stufe 2 finden sich 18,3 Prozent
der Firmen. Demnach liegt mit knapp 95 Prozent
das Gros der Unternehmen in den Stufen 0 bis 2.
Tabelle 3-3: Durchschnittliche Readiness in der Dimension Smart Factory
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 0,7 0,4 1,5 2,2
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=268
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015,
26. Befragungswelle
35

Abbildung 3-10: Readiness-Stufen in der Dimension Smart Factory
Smart Factory
Stufe 5:
0,3 %
Stufe 4:
1,2 %
Stufe 3:
3,1 %
Stufe 2:
18,3 %
Stufe 1:
20,5 %
Stufe 0:
56,5 %
Außenstehender
• Keine Anforderungen werden erfüllt
Exzellenz
• Maschinenpark erfüllt bereits die zukünftigen Funktionalitäten
• Daten werden vollständig automatisch aufgenommen und genutzt
• Vollumfängliche Systemunterstützung der Prozesse über IT
Experte
• Aktueller Maschinenpark erfüllt die Anforderungen bzw. nachrüstbar
• Daten werden weitreichend aufgenommen und teilweise genutzt
• Umfangreiche Unterstützung der Prozesse über IT (systemintegriert)
Erfahrener
• Die zukünftigen Funktionalitäten werden (teilweise) erfüllt bzw. sind vollständig nachrüstbar
• In einzelnen Bereichen werden die relevanten Daten digital erfasst und genutzt
• IT-Systeme unterstützen Prozesse und sind über Schnittstellen angebunden
Fortgeschrittener
• Die zukünftigen Funktionalitäten werden (teilweise) erfüllt bzw. sind teilweise nachrüstbar
• Daten werden aufgenommen (größtenteils jedoch manuell) und für einzelne Maßnahmen genutzt
• Einzelne Unternehmensbereiche werden durch IT-Systeme unterstützt und sind vernetzt
Anfänger
• Derzeitiger Maschinenpark erfüllt teilweise die zukünftigen Anforderungen
• Hauptgeschäftsprozess durch IT-Systeme unterstützt
n=268 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Gerade einmal 3,1 Prozent der Unternehmen im
deutschen Maschinen- und Anlagenbau befinden
sich in Stufe 3 und entsprechen damit den
Anforderungen an den Maschinenpark etwa
in puncto Datenerfassung und Einsatz von
IT-Systemen.
In der letzten Stufe befinden sich die Experten,
die mit 0,3 Prozent den geringsten Anteil aller
Unternehmen stellen. Demnach hat nur ein
verschwindend geringer Teil der Unternehmen
seinen Maschinenpark schon vollständig an
Industrie 4.0-Anforderungen angepasst (Abbildung
3-10).
Haupthürden auf dem Weg zur Erreichung
einer höheren Readiness-Stufe
Aus den Ergebnissen der Readiness-Messung für
die Dimension Smart Factory lassen sich für die
drei Unternehmenstypen (Neulinge, Einsteiger,
Pioniere) die Haupthemmnisse zur Erreichung
einer höheren Readiness-Stufe wie folgt zusammenfassen
(Abbildung 3-11).
Abbildung 3-11: Haupthürden in der Dimension Smart Factory
Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe
Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+)
Haupthürden
Keine Anbindung des
Maschinen- und Anlagenparks
an übergeordnete IT-Systeme
Keine Erfassung von
Maschinen- und Prozessdaten
Keine vollständige Anbindung
des Maschinenparks an
IT-Systeme
Eingeschränkte
Nachrüstbarkeit des
Maschinenparks
Maschinen- und Anlagenpark
erfüllt noch nicht alle
zukünftigen Anforderungen
Maschinen- und Prozessdaten
werden nicht durchgängig
digital erfasst
n=268
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
36

Nachfolgend werden einzelne Befunde der
Unternehmensbefragung für den Bereich Smart
Factory dargestellt.
Vollständige Erfassung von Maschinenund
Prozessdaten findet bisher nur in
wenigen Unternehmen statt
Die Erfassung der Maschinen-, Prozess- und Artikeldaten
ist eine Grundvoraussetzung zur vollständigen
Erschließung des Potenzials von
Industrie 4.0. Die Befragung zeigt, dass gut zwei
Drittel der Unternehmen im Maschinen- und
Anlagenbau in diesem Bereich den Grundstein
für Industrie 4.0 legen. Dabei zeichnen 10,9 Prozent
aller Firmen ihre Maschinen- und Prozessdaten
vollständig auf, während weitere 59,9 Prozent
dies teilweise tun. Nur bei einem Fünftel
der Unternehmen werden die Daten gar nicht
erfasst. Bei kleinen Unternehmen ist dieser
Anteil am größten: Hier erfasst mehr als ein
Fünftel der Firmen keinerlei Maschinen- und
Prozessdaten – bei den großen Unternehmen
trifft dies nur auf 3,6 Prozent zu (Abbildung 3-12).
Drei von zehn Unternehmen nutzen
Echtzeitdaten für die automatische
Produktionssteuerung
Die Befragung zeigt, dass die erfassten Daten in
allen Firmen am häufigsten für die Schaffung
von Transparenz über den Produktionsprozess
und das Qualitätsmanagement verwendet werden.
Mit der Optimierung des Logistikprozesses
bilden diese die Top drei der Weiterverwendungsrubriken
für Maschinen-, Prozess- und
Anlagendaten.
Immerhin nutzt etwa die Hälfte der Unternehmen
die gewonnen Daten bereits für die Optimierung
des Ressourcenverbrauchs und eine vorausschauende
Instandhaltung. In drei von zehn
Unternehmen werden Echtzeitdaten für die
automatische Produktionssteuerung verwendet.
Abbildung 3-12: Erfassung von Maschinen- und Prozessdaten
2,4
ab 500 MA
12,0
81,9
3,6
100-499 MA
13,3
62,9
19,0
4,8
20-99 MA
9,5
56,0
22,6
11,9
Gesamt
10,9
59,9
20,2
8,9
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ja, vollständig Ja, teilweise Nein Keine Angabe
Angaben in Prozent; n= 272
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
37

Demnach bleiben noch viele Potenziale ungenutzt.
Betriebliche Daten allein bringen noch
keinen Nutzen. Diese müssen durch intelligente
Transformation zu Mehrwert-Informationen
qualifiziert werden. Das digitale Abbild der Fertigung
lässt dann Rückschlüsse und Erkenntnisse
zu, die die Entscheidungsfindung erleichtern.
Mithilfe einer echtzeitfähigen Datenerfassung,
-verarbeitung und -bereitstellung lässt sich eine
vollständige Transparenz in der Prozesskette herstellen,
die die Planungsgenauigkeit und vor
allem Anpassungsfähigkeit in der Produktionsplanung
und -steuerung steigert und die Qualität
unternehmerischer Entscheidungen anhand
von Simulationen erhöht. Durch eine intensivere
und vielseitigere Nutzung der Daten können
mithilfe von Prognosen Planungs-, Effizienz- und
Kostenreduktionspotenziale im Maschinen- und
Anlagenpark erzielt werden (Abbildung 3-13).
M2M und Interoperabilität bei vier von zehn
Unternehmen bereits vorhanden
Neben cyber-physischen Systemen (CPS) als
Basis der intelligenten Fabrik bilden „Intelligente
Maschinen“, „Intelligente Produkte“ und nicht
zuletzt der Mensch als „Entscheider“ die Elemente
der Smart Factory. Betrachtet man die
Zukunft der Produktionsmaschinen, zeichnen
sich diese durch ihre Intelligenz aus. Dies bedeutet
konkret, dass Maschinen über ihre Funktionalitäten,
ihren Standort, verbrauchte Ressourcen,
Betriebskosten oder die aktuelle Auslastung
informiert sind. Durch die Vernetzung untereinander
sowohl innerhalb des eigenen Unternehmens
als auch über die Unternehmensgrenzen
hinaus reagieren sie eigenständig auf Auftragsänderungen,
Ausfälle von Komponenten oder
Qualitätsverluste. Durch die Koppelung an
andere Produkteinheiten können Maschinen
autonom, in Echtzeit und flexibel auf Unregelmäßigkeiten
reagieren und somit eine intelligente
und optimierte Produktion sichern.
Es zeigt sich, dass die Maschinenparkfunktionalität
der Unternehmen in den verschiedenen
Bereichen unterschiedlich stark ausgeprägt ist
(Abbildung 3-14). Während sieben von zehn
Unternehmen ihre Maschinen und Anlagen teilweise
oder vollständig über IT ansteuern können,
bestätigen dies nur etwa vier von zehn
Unternehmen in Bezug auf die Interoperabilität
und die Kommunikation zwischen den Maschinen
(M2M). Eine vollständige Funktionalität in
den Bereichen M2M, Interoperabilität und IT-Ansteuerbarkeit
ist mit entsprechend 4,9 Prozent,
1,9 Prozent und 11,5 Prozent recht gering.
Abbildung 3-13: Nutzungsfeld der Daten
Schaffung von Transparenz über den
Produktionsprozess
90,8
Qualitätsmanagement
88,0
Optimierung des Logistikprozesses
77,5
Optimierung des Ressourcenverbrauchs
(Material, Energie)
52,9
Vorausschauende Instandhaltung
47,2
Automatische Produktionssteuerung durch die
Nutzung von Echtzeitdaten
29,8
Angaben in Prozent; n= 200
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
38

Abbildung 3-14: Maschinenparkfunktionalitäten
Maschinen/Anlagen sind
über IT ansteuerbar
Interoperabilität: Möglichkeit der Integration und
Kollaboration mit anderen Maschinen/Systemen
Kommunikation zwischen
den Maschinen
11,2
11,5
17,6
1,9 12,9
46,6
4,9 13,1
48,7
59,7
38,6
33,4
Nein, erfüllen wir nicht
Ja, vollständig vorhanden
Ja, teilweise vorhanden
Keine Angabe
Angaben in Prozent; n= 270
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
3.4 Smart Operations
Vernetzung spielt bei Industrie 4.0
eine zentrale Rolle
Elementarer Bestandteil für die Realisierung von
Industrie 4.0 ist die Vernetzung aller Komponenten
und Systeme im Werk. Diese bildet die
Grundlage für eine vertikale und horizontale
Integration der Wertschöpfungskette. Grundgedanke
der vernetzten horizontalen Wertschöpfungskette
ist die Verbindung aller internen und
externen Wertschöpfungspartner vom Lieferanten
bis zum Kunden. Ausgerichtet auf die Erfüllung
der Kundenbedürfnisse entsteht so ein
Netzwerk zur unternehmensübergreifenden Planung
und Steuerung des gesamten Produktlebenszyklus.
Die vertikale Integration beschreibt
die Vernetzung innerhalb eines Unternehmens
vom Vertrieb über die Produktentwicklung und
-planung bis hin zur Produktion, After-Sales und
schlussendlich der Finanzabteilung. Diese Vernetzung
der Produktionssysteme birgt eine
Reihe von Potenzialen zur Steigerung der Produktivität,
Qualität und Flexibilität (PwC, 2014).
Entscheidungsgrundlage für die Priorisierung
und Durchführung bei der Auftragsabwicklung
innerhalb der Wertschöpfungskette wird die
Auswertung möglichst hochauflösender Daten
sein. Aus diesem Grund spielen die Erhebung,
die Analyse und die Verwertung von Daten im
Rahmen von Industrie 4.0 eine zentrale Rolle und
zählen zu den Haupttreibern für die Entwicklungen
in diesem Bereich (Accenture, 2014). In der
Produktion installierte Sensorik erfasst die
Bewegungs- und Prozessdaten, welche mithilfe
vernetzter intelligenter Systeme verarbeitet und
ausgewertet werden. Die so gewonnenen Informationen
ermöglichen genauere Prognosen
(beispielsweise über Betriebsstörungen), welche
den Produktionsablauf verbessern. Je höher die
Daten aufgelöst sind, desto mehr relevante
Informationen sind in diesen enthalten. Die
Bedeutung der Datensicherheit wird daher von
zunehmender Bedeutung sein (MHP, 2014).
Die Industrie 4.0-Readiness wird für die Dimension
Smart Operations anhand der folgenden
Kriterien ermittelt:
• Informationsaustausch
• Cloud-Nutzung
• IT-Sicherheit
• Autonome Prozesse
39

Abbildung 3-15: Readiness-Stufen in der Dimension Smart Operations
Smart Operations
Stufe 5:
0,9 %
Stufe 4:
0,3 %
Stufe 3:
13,9 %
Stufe 2:
45,3 %
Stufe 1:
1,5 %
Stufe 0:
38,2 %
Anfänger
• Ansätze von betriebsinternem, systemintegriertem Informationsaustausch
• Erste IT-Sicherheitslösungen sind geplant
Außenstehender
• Keine Anforderungen werden erfüllt
Exzellenz
• Vollständiger systemintegrierter Informationsaustausch
• Autonome Steuerung und reagierende Prozesse umgesetzt
• Umfangreiche IT-Sicherheits- und Cloud-Lösungen implementiert
Experte
• Weitreichender systemintegrierter Informationsaustausch
• Erprobung von autonomer Steuerung und reagierenden Prozessen
• Weitreichende IT-Sicherheits- und Cloud-Lösungen im Einsatz
Erfahrener
• Teilweise systemintegrierter Informationsaustausch
• IT-Sicherheitslösungen sind teilweise implementiert
• Erste Lösungen für Bereiche Software aus der Cloud, Datenspeicherung und -auswertung
Fortgeschrittener
• Betriebsinterner Informationsaustausch teilweise systemintegriert
• Mehrere IT-Sicherheitslösungen sind geplant oder erste Lösungen in Arbeit
n=234
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Bereits jedes vierte Unternehmen gehört
in der Dimension Smart Operations zu den
Fortgeschrittenen
Die durchschnittliche Readiness deutscher
Maschinen- und Anlagenbauunternehmen im
Bereich Smart Operations liegt auf einer Skala
von 0 bis 5 bei 1,4. Die Pioniere erreichen einen
durchschnittlichen Readiness-Wert von 2,9
(Tabelle 3-4).
Gut 45 Prozent der befragten Maschinen- und
Anlagenbauer werden der Stufe 2 (Fortgeschrittener)
zugeordnet. Die größte Hürde beim Versuch,
sich im Readiness-Modell noch höher zu
positionieren, ist für die meisten Unternehmen
der fehlende betriebsexterne, systemintegrierte
Informationsaustausch. Der notwendige betriebsinterne,
systemintegrierte Informationsaustausch
ist in Stufe 2 teilweise implementiert.
Mehrere Lösungen für die IT-Sicherheit sind
geplant und oder werden bereits erarbeitet.
Knapp vier von zehn Unternehmen (38,2 Prozent)
sind Außenstehende (Stufe 0). Auf der nur
im geringen Umfang vertretenen Stufe 1 (Anfänger)
beschäftigen sich die Unternehmen mit
dem ersten betriebsexternen, systemintegrierten
Informationsaustausch und IT-Sicherheitslösungen.
Stufe 3 erreichen 13,9 Prozent der Unternehmen.
Diese fortgeschrittenen Unternehmen
haben einen systemintegrierten Informationsaustausch
sowohl intern als auch mit Partnerunternehmen
und IT-Sicherheitslösungen teilweise
implementiert. Außerdem beschäftigen sie sich
mit dem Einsatz von Cloud-Lösungen. Zur Stufe 4
fehlt ihnen hauptsächlich der Schritt zur Erprobung
von selbststeuernden Werkstücken in der
Produktion und autonom reagierenden Prozessen.
Diese Schwelle haben nur sehr wenige
Unternehmen überschritten. So sind auf Stufe 4
(Experte) 0,3 Prozent und auf Stufe 5 (Exzellenz)
0,9 Prozent der befragten Unternehmen verortet
(Abbildung 3-15).
Tabelle 3-4: Durchschnittliche Readiness in der Dimension Smart Operations
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 1,4 1,0 2,0 2,9
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=234
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015,
26. Befragungswelle
40

Abbildung 3-16: Haupthürden in der Dimension Smart Operations
Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe
Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+)
Haupthürden
Kein oder kaum
betriebsinterner systemintegrierter
Informationsaustausch
Keine Ansätze eines
systemintegrierten
Informationsaustauschs mit
externen Partnern
Noch kein Einsatz autonom
steuernder Werkstücke
Noch kein Einsatz
selbstständig reagierender
Prozesse
n=234
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Haupthürden auf dem Weg zur Erreichung
einer höheren Readiness-Stufe
Aus den Ergebnissen der Readiness-Messung für
die Dimension Smart Operations lassen sich für
die drei Unternehmenstypen (Neulinge, Einsteiger,
Pioniere) die Haupthemmnisse zur Erreichung
einer höheren Readiness-Stufe wie folgt
zusammenfassen (Abbildung 3-16).
Geringe unternehmensexterne Vernetzung
Unternehmen sind zwar unternehmensintern
sehr stark vernetzt, unternehmensextern besteht
allerdings noch viel Potenzial. Durch kurze Kommunikationswege
und die automatische Einbindung
des Einkaufs und Vertriebs in die verschiedenen
Prozesse können Kosten gesenkt und
Effizienzsteigerungen erreicht werden.
Die zentralen Kernbefunde im Bereich Smart
Operations werden nachfolgend dargestellt.
Abbildung 3-17: Systemintegrierter Informationsaustausch nach Bereichen
100
80
60
82,6 81,4
78,4
69,0 65,9 65,3
55,6
48,6
40
20
23,2
12,2 17,3 22,2 21,1 18,3 14,9 14,5
0
Produktion/Fertigung
Einkauf
Finanzen/Rechnungswesen
Vertrieb
IT
Logistik
Forschung und Entwicklung
Service
Unternehmensintern
Unternehmensextern
Angaben in Prozent; n= 234 (unternehmensintern), 221 (unternehmensextern)
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
41

Besonders die Bereiche Einkauf, Service sowie
Forschung und Entwicklung (FuE) 4 sind unternehmensextern
nur schwach vernetzt (Abbildung
3-17). Mit zunehmender Unternehmensgröße
nimmt sowohl der interne als auch der
externe Vernetzungsgrad zu. Für die interne Vernetzung
erklärt sich dies durch den verbreiteten
Einsatz von Enterprise-Resource-Planning-Systemen
zur Unterstützung der Geschäftsprozesse
im Unternehmen.
Autonome Steuerung bisher nur bei wenigen
Unternehmen vorhanden
Eine der großen Visionen von Industrie 4.0 ist die
sich selbst regelnde Produktion: Die Werkstücke
fahren von sich aus die nächste Bearbeitungsstation
an, handeln Routen und Reihenfolgen aus
und teilen den Maschinen die benötigten Fertigungsparameter
mit. Vor diesem Hintergrund
wurden die deutschen Maschinen- und Anlagenbauer
zum Umsetzungsgrad dieser autonomen
Steuerung in ihren Unternehmen befragt.
Die Befragung zeigt, dass im Durchschnitt in
85,3 Prozent der befragten Unternehmen keine
autonomen Steuerungssysteme vorhanden sind.
Am fortschrittlichsten sind die Großunternehmen.
Immerhin jedes vierte Unternehmen hat
eine autonome Steuerung in Entwicklung oder
bereits im Einsatz. Überraschenderweise setzen
sich kleinere Unternehmen mit 12 Prozent intensiver
mit dieser Technik auseinander als die mittelgroßen
Betriebe (6,8 Prozent). Der Anteil der
Unternehmen mit einer unternehmensübergreifenden
autonomen Steuerung ist mit 0,4 Prozent
verschwindend gering (Abbildung 3-18).
Abbildung 3-18: Autonome Steuerung des Werkstücks in der Produktion
ab 500 MA
100-499 MA
20-99 MA
Gesamt
1,3
11,3
1,0
2,9 2,9
0,0
8,4 3,6
0,4
6,8 4,0
13,8
85,4
86,7
85,3
71,3
2,5
7,8
1,2
3,4
0% 20% 40% 60% 80% 100%
Ja, unternehmensübergreifend
Ja, aber nur in der Test- und Pilotphase
Ja, aber nur in ausgewählten Teilbereichen
Nein
Keine Angabe
Angaben in Prozent; n= 266
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
4 Die unternehmensexterne Vernetzung im Bereich FuE
umschreibt den systemintegrierten Informationsaustausch
mit Entwicklungspartnern oder Forschungseinrichtungen.
Ein Beispiel für solch eine Vernetzung ist ein Produktlebenszyklus-Managementsystem,
das die Konstruktionsdaten
eines Produktes mehreren Partnern zur Verfügung stellt und
somit eine kollaborative Arbeit an dem Produkt ermöglicht.
42

Abbildung 3-19: Lösungen zur IT-Sicherheit
Sicherheit der internen Datenspeicherung
8,5 2,1 1,1 0,9
Sicherung von Daten über Cloud-
Dienstleistungen
10,2
87,5
47,6
17,5
12,5
12,2
Kommunikationssicherheit im betriebsinternen
Datenaustausch
4,7 5,4 4,8
Kommunikationssicherheit im Datenaustausch
mit Partnerunternehmen
8,9
15,9
69,2
22,5
40,8
14,9
12,8
Lösung implementiert
Lösung geplant
Keine Angabe
Lösung in Arbeit
Für uns nicht relevant
Angaben in Prozent; n= 260
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
IT-Sicherheitsmassnahmen überwiegend für
interne Zwecke implementiert
Wie zu Beginn erläutert, ist es nicht nur wichtig,
dass eine hochauflösende Datenbasis und die
entsprechenden Systeme zur Aus- und Verwertung
dieser Daten vorhanden sind, sondern
auch, dass die Sicherheit dieser Daten gewährleistet
ist. Besonders deutsche Unternehmen
pflegen einen vorsichtigen Umgang mit Daten
und legen großen Wert auf deren Sicherheit und
Schutz. Dies zeigt auch die Befragung:
Bei betriebsinternen Daten und Kommunikationswegen
haben die Unternehmen bereits
Lösungen implementiert. Bei externen Sicherungen
und Kommunikationswegen sind sie verhaltener.
So hält fast die Hälfte der Unternehmen
die Sicherung von Daten über Cloud-Dienstleistungen
für nicht relevant (48,1 Prozent).
Das allgemeine Bild bestätigt sich auch hier:
Große Unternehmen haben häufiger Lösungen
in den einzelnen Kategorien implementiert als
kleinere Firmen. Letztere sehen besonders bei
Cloud-Dienstleistungen und in der Kommunikation
mit externen Partnerunternehmen keine
Relevanz für sich (Abbildung 3-19).
Der Durchdringungsgrad von
Cloud-Lösungen ist bisher gering
Als letzter Aspekt der Umsetzung von Industrie
4.0 im Bereich Smart Operations wurde die
Nutzung von Cloud-Lösungen untersucht. Unter
den Begriff Cloud-Lösungen fallen das Cloud-
Storage (Datenspeicherung), das Cloud-Computing
(Datenauswertung) und Software aus der
Cloud. Dabei interessiert vor allem, ob und zu
welchem Zweck diese von Unternehmen genutzt
werden. Cloud-Lösungen dienen den Unternehmen
häufig zum Outsourcing von Rechen- und
Speicherkapazitäten sowie der effizienteren Nutzung
von Softwarelizenzen. Die Skalierbarkeit in
Verbindung mit einer weiter wachsenden Zahl
vernetzter Geräte und zunehmenden Datenmengen
ist ein wichtiger IT-seitiger Lösungsansatz
für den Erfolg von Industrie 4.0 (Abbildung
3-20).
Die Befragung zeigt, dass der Durchdringungsgrad
von Cloud-Lösungen im Maschinen- und
Anlagenbau bisher recht gering ist. Allerdings
sind hiermit nicht unerhebliche IT-Transformationen
notwendig. Gerade im Bereich des
Cloud-Computings reagieren die Unternehmen
eher verhalten.
43

Abbildung 3-20: Nutzung von Cloud-Dienstleistungen
30%
25%
20%
20,7
19,3
22,3
25,9
24,6
26,5
22,3
17,5
15%
10%
10,1
8,4
12,6
12,5
5%
0%
Software aus der Cloud Zur Datenauswertung Zur Datenspeicherung
Gesamt 20-99 MA 100-499 MA ab 500 MA
Angaben in Prozent; n= 266
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Der sonst so häufig beobachtbare Trend, dass
große Unternehmen mehr Industrie 4.0-Aktivitäten
verfolgen als kleine, lässt sich in den Bereichen
Software aus der Cloud und Nutzung der
Cloud zur Datenauswertung zwar bestätigen, im
Bereich der Cloud-Datenspeicherung jedoch
nicht, hier sind kleine Unternehmen stärker
aktiv. Insbesondere für sie scheint das Auslagern
der Speicherkapazitäten und die damit verbundene
Reduzierung des administrativen Aufwands
und der Beschaffungskosten von Hardware
attraktiv. Die Umstellung von internen
Speicherlösungen auf Cloud-Storage entspricht
einem klassischen Outsourcing-Prozess und
erhöht die Flexibilität hinsichtlich Verfügbarkeit
und Speicherkapazität. Die Bedienung lehnt sich
jedoch stark an lokalen Konzepten an. Ebenso ist
die Nutzung von Cloud-Software nicht viel mehr
als eine Umstellung der Lizenzmodelle, auf
Anwenderseite ergeben sich nur wenige neue
Zusatzfunktionalitäten. Cloud-Computing zur
Datenauswertung eröffnet den Unternehmen
völlig neue Handlungsfelder, die zunächst
erschlossen werden müssen. So erlauben die flexibel
abrufbaren und sehr hohen Rechenkapazitäten
komplexe Simulationsberechnungen ohne
eine kostenintensive Aufrüstung der lokalen
IT-Infrastruktur.
3.5 Smart Products
Intelligente Produkte sind Grundlage für
Smart Factory und Smart Operations
Viele Funktionen der Smart Factory sowie Nutzenpotenziale
von Data-driven Services bauen
auf die Verfügbarkeit umfangreicher Informationen
über ein jeweiliges Produkt auf. Die Smart
Factory muss wissen, welches Produkt sich wo in
der Fertigung befindet, um über den Auftragsstatus
in Echtzeit berichten zu können. Der Hersteller
benötigt umfangreiche Informationen
über Einsatzdauer und -intensität einer
Maschine, um Kunden einen auf der realen Nutzung
basierenden Plan zur Predictive Maintenance,
also einer rechtzeitigen Instandhaltung,
anbieten zu können. Diese Szenarien erfordern
den Einsatz von Smart Products, physischen
Objekten, die mit IKT ausgestattet sind. Dadurch
sind sie eindeutig identifizierbar und können mit
ihrer Umwelt interagieren, erfassen diese und
ihren Zustand über Sensorik und bieten unterschiedliche
Zusatzfunktionen im betrieblichen
Kontext an (Deindl, 2013).
44

In der Vision von Industrie 4.0 teilt ein selbststeuerndes
Werkstück in der Produktion der
Maschine mit, welche Arbeitsschritte ausgeführt
werden müssen. Das Produkt benötigt dafür
Informationen über sich selbst und über
geplante sowie bereits durchgeführte Arbeitsschritte.
Diese Informationen können mithilfe
der Funktionen Objektinformation, Überwachung
und Produktgedächtnis gesammelt werden.
Mit den Produktfunktionalitäten Vernetzung
und Selbstauskunft kann das Produkt der
Maschine Arbeitsschritte mitteilen. Die Überwachung
des ganzen Auftragsfortschritts setzt eine
automatische Identifizierbarkeit und Lokalisierbarkeit
voraus.
In der Nutzungsphase bilden die gleichen Funktionalitäten
die Grundlage für Data-driven Services,
beispielsweise Telemaintenance oder auch
das Anbieten von Maschinenparametereinstellungen
zur Verarbeitung bestimmter Materialien.
Hinzu kommt für den Hersteller die Möglichkeit,
die Produktentwicklung durch das
Sammeln aller wichtigen Nutzungs- und Produktionsdaten
zu unterstützen. Die Anwendungsbedingungen
können deutlich detaillierter analysiert
und das Produkt dementsprechend
weiterentwickelt werden. Somit können die
Unternehmen Produkte und Lösungsansätze
erarbeiten, die genau auf potenzielle Nutzer
oder Kunden ausgelegt sind.
Zur Ermittlung der Readiness im Bereich Smart
Products werden die IKT-Zusatzfunktionalitäten
von Produkten sowie der Umfang der Datenanalyse
aus der Nutzungsphase herangezogen.
Jedes sechste Unternehmen verwendet
Daten aus der Nutzungsphase
Im Bereich Smart Products weisen die deutschen
Maschinen- und Anlagenbauer einen durchschnittlichen
Readiness-Wert von 1,1 auf. In der
Gruppe der Pioniere ist die Readiness mit einem
durchschnittlichen Wert von 4,6 deutlich höher
(Tabelle 3-5).
Über die Hälfte der Unternehmen besitzt keine
Produkte mit IT-basierten Zusatzfunktionen und
erhebt dementsprechend auch keine Daten in
der Nutzungsphase, welche für die Produktentwicklung,
Vertriebsunterstützung oder Telemaintenance
genutzt werden könnten. Diese Unternehmen
werden den Außenstehenden (Stufe 0)
zugeordnet. Auf Stufe 1 befinden sich 13,4 Prozent
der Unternehmen (Anfänger). Die Produkte
dieser Unternehmen besitzen erste Ansätze
einer Zusatzfunktion aus dem Bereich Produktgedächtnis,
Selbstauskunft, Vernetzung, Lokalisierung,
Assistenzsysteme 5 , Überwachung, Objektinformation
oder Automatische Identifikation.
Auf Stufe 2 (14,6 Prozent) statten die Unternehmen
ihre Produkte mit ersten Funktionen aus.
Zudem erheben die Unternehmen Daten, nutzen
oder analysieren sie aber nicht. Bei den Unternehmen
auf Stufe 3 (Erfahrener, 4,9 Prozent)
besitzen die Produkte mehrere zusammenhängende
Zusatzfunktionen und die Daten aus der
Nutzungsphase werden anteilig für die oben
beschriebenen Aufgaben genutzt. Auf Stufe 4
(5,5 Prozent) und Stufe 5 (6,4 Prozent) steigt die
Datennutzung sowie die Anzahl der Zusatzfunktionen
bis zu einem umfangreichen Funktionspaket
aus verschiedenen Bereichen (Abbildung
3-21).
Tabelle 3-5: Durchschnittliche Readiness in der Dimension Smart Products
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 1,1 0,4 2,2 4,6
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=243
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015,
26. Befragungswelle
5 Beispiel aus dem Konsumentenbereich: In der Amazon-App
werden Kaufvorschläge auf Basis bisheriger Käufe gemacht,
in der Spotify-App werden so Musikvorschläge generiert.
Beispiel aus dem Maschinen- und Anlagenbau:
Maschinen könnten Einstellungsparameter vorschlagen
auf Basis bisheriger Bearbeitungsaufträge, Datenbrillen
können in der Kommission unterstützen.
45

Abbildung 3-21: Readiness-Stufen in der Dimension Smart Products
Smart Products
Stufe 5:
6,4 %
Stufe 4:
5,5 %
Stufe 3:
4,9 %
Stufe 2:
14,6 %
Stufe 1:
13,4 %
Stufe 0:
55,3 %
Anfänger
• Die Produkte besitzen erste Ansätze von Zusatzfunktionen
Außenstehender
• Keine Anforderungen werden erfüllt
Exzellenz
• Die Produkte besitzen umfangreiche Zusatzfunktionen
• Die aufgenommenen Daten werden umfangreich für
verschiedene Funktionen genutzt
Experte
• Die Produkte besitzen Zusatzfunktionen aus verschiedenen Bereichen
• Die aufgenommenen Daten werden gezielt für bestimmte Funktionen genutzt
Erfahrener
• Die Produkte besitzen mehrere zusammenhängende Zusatzfunktionen
• Die aufgenommenen Daten werden anteilig für die Auswertung genutzt
Fortgeschrittener
• Die Produkte besitzen erste Zusatzfunktionen
• Aufnahme von Daten, aber keine Analyse/Nutzung der Daten
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Haupthürden auf dem Weg zur Erreichung
einer höheren Readiness-Stufe
Aus den Ergebnissen der Readiness-Messung für
die Dimension Smart Products lassen sich für die
drei Unternehmenstypen (Neulinge, Einsteiger,
Pioniere) die Haupthemmnisse zur Erreichung
einer höheren Readiness-Stufe wie folgt zusammenfassen
(Abbildung 3-22).
In der Unternehmensbefragung wurden die Firmen
um eine Einschätzung bezüglich der Zusatzfunktionalitäten
ihrer Produkte gebeten. Die
Ergebnisse geben Aufschluss darüber, welche
Zusatzfunktionalitäten die Produkte am häufigsten
besitzen und werden nachfolgend dargestellt.
Jedes vierte Unternehmen bietet vernetzte
Produkte an
Produktzusatzfunktionalitäten werden am häufigsten
für Objektinformationen, Überwachung
und Vernetzung eingesetzt. Auch hier setzt sich
der bekannte Größenklassentrend fort, dass mit
der Größe des Unternehmens auch der Anteil
der Unternehmen, die Produkt-Zusatzfunktionalitäten
implementiert haben, zunimmt. Wer die
Vision der Smart Factory umsetzen möchte, wird
um die Lokalisierung von Produkten nicht herumkommen.
Bisher haben jedoch mit lediglich
7,4 Prozent die wenigsten Unternehmen diese
Funktion in ihre Produkte integriert. Unternehmen,
die ihren Kunden zusätzliche Dienstleistungen
anbieten wollen, müssen die nötige Grundlage
der Überwachung oder der Vernetzung
schaffen. Hier herrscht vor allem bei den kleinen
und mittelständischen Unternehmen Nachholbedarf
(Abbildung 3-23).
46

Abbildung 3-22: Haupthürden in der Dimension Smart Products
Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe
Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+)
Haupthürden
Produkte besitzen keine oder
nur erste Ansätze von IKT-
Zusatzfunktionalitäten
Keine Analyse und Nutzung
der aufgenommen Daten zur
Optimierung der Produkte
oder Prozesse
(Produktentwicklung,
Vertriebsunterstützung,
After-Sales)
Produkte besitzen erst auf
wenige Aspekte beschränkte
IKT-Zusatzfunktionalitäten
n=243
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Abbildung 3-23: IKT-Zusatzfunktionalitäten von Produkten
Objektinformation
34,0
Überwachung
30,4
Vernetzung
Produktgedächtnis
25,0
24,0
Automatische Identifikation
Assistenzsysteme
17,5
19,6
Selbstauskunft
13,5
Lokalisierung
7,4
Angaben in Prozent; n= 243
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
3.6 Data-driven Services
Unternehmen im Wandel von reinen
Produkt- zu Lösungsanbietern
Industrie 4.0 zeichnet sich neben dem Einsatz
von IKT durch eine grundlegende Neuausrichtung
bestehender Geschäftsmodelle aus. Im
Fokus steht dabei eine essenzielle Steigerung
des Kundennutzens. Zum einen lassen sich traditionelle
Geschäftsmodelle digitalisieren, zum
anderen besteht die Chance zur Entwicklung
neuer Geschäftsmodelle, deren Wertschöpfungsfokus
auf der Datenerhebung und -analyse basiert.
Disruptive, innovative Geschäftsmodelle gehen
im Rahmen von Industrie 4.0 darüber hinaus und
zielen insbesondere darauf ab, bestehende Wertschöpfungsketten
aufzubrechen und neue
Potenziale zu erschließen. Im Bereich des
Maschinen- und Anlagenbaus entwickelten sich
so in den letzten Jahren die Angebote der Hersteller
vom einfachen Verkauf der Maschinen hin
zu hybriden Leistungsbündeln, also dem Angebot
von kombinierten Sach- und Dienstleistungen
mit gesteigertem Mehrwert für den Kunden.
Klassisches Beispiel hierfür sind Wartungsverträge
mit der Zusage einer vertraglich festgelegten
Anlagenverfügbarkeit beim Verkauf einer
Maschine. Daran gekoppelt ist eine Auswertung
zu erfassender Maschinendaten, welche eine
vorrausschauende Instandhaltung ermöglicht
(Abbildung 3-24).
47

Abbildung 3-24: Data-driven Services
Produkt Produktbezogene Dienstleistungen Hybrides Leistungsbündel
P
S
S
S
S
P
S
S
S
S
S
P
Produkt
Service
Leistung
Verkauf von
Produkten
Verkauf einzelner
DL zusätzlich zum
Produkt
Verkauf einer DL
als integraler
Bestandteil des
Angebots
Verkauf einer
Gesamtlösung
Verkauf einer
Gesamtlösung als
DL
Quelle: in Anlehnung an Hildenbrand et al., 2006
Für die Ermittlung der Readiness im Bereich
Data-driven Services werden die folgenden drei
Kriterien untersucht:
• Angebot datenbasierter Dienstleistungen
• Umsatzanteil mit datenbasierten Dienstleistungen
• Anteil der genutzten Daten
Readiness im Bereich Data-driven Services
am geringsten
Die deutschen Maschinen- und Anlagenbauer
haben bei den datenbasierten Dienstleistungsangeboten
die geringste Readiness und erreichen
auf einer Skala von 0 bis 5 nur einen Wert
von 0,3. Auch die Pioniere schneiden hier mit
einem durchschnittlichen Readiness-Wert von
2,1 am schlechtesten in allen untersuchten
Dimensionen ab (Tabelle 3-6).
Die Dimension Data-driven Services zielt auf die
Ausrichtung zukünftiger Geschäftsmodelle zur
Steigerung des Kundennutzens ab. Das After-
Sales- und Servicegeschäft wird zunehmend auf
der Auswertung und Analyse aufgenommener
Daten basieren. Das Ergebnis der Befragung
zeigt, dass der Großteil der Unternehmen
(84,1 Prozent) sich bisher noch nicht mit dem
Thema Industrie 4.0 im Bereich des Data-driven
Services auseinandergesetzt hat. Entsprechend
häufig liegen diese Unternehmen auf Stufe 0.
Von allen betrachteten Dimensionen des
Modells ist der Fortschritt in Richtung Industrie
4.0 im Bereich des datenbasierten Dienstleistungsangebots
am geringsten. Lediglich 5,5 Prozent
der Unternehmen erreichen in der
Dimension Data-driven Services die Stufe 1
(Abbildung 3-25).
Tabelle 3-6: Durchschnittliche Readiness in der Dimension Data-driven Services
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 0,3 0,1 0,7 2,1
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=259
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015,
26. Befragungswelle
48

Abbildung 3-25: Readiness-Stufen in der Dimension Data-driven Services
Stufe 5:
0,6 %
Exzellenz
• Datenbasierte Dienstleistungen über Vernetzung mit den Kunden
• Generierung von Umsätzen über die Dienstleistung (>10%)
• Hohe Nutzung der Daten (>50% der aufgenommenen Daten)
Data-driven Services
Stufe 4:
0,6 %
Stufe 3:
3,9 %
Stufe 2:
5,2 %
Stufe 1:
5,5 %
Experte
• Datenbasierte Dienstleistungen über Vernetzung mit den Kunden
• Generierung von Umsätzen über die Dienstleistung (

Kaum datenbasierte Dienstleistungsangebote
Es zeigt sich, dass rund zwei Drittel (64,6 Prozent)
der Unternehmen die Potenziale der
Data-driven Services für sich noch nicht entdeckt
und über kein datenbasiertes Dienstleistungsangebot
verfügen.
Es zeigt sich zudem, dass rund ein Drittel der
Unternehmen Data-driven Services anbietet,
jedoch nur die Hälfte von ihnen dabei mit dem
Kunden vernetzt ist. Der Mittelstand bleibt hinter
den kleinen und großen Unternehmen zurück,
was das Angebot solcher Dienstleistungen mit
Kundenvernetzung angeht. Fast doppelt so viele
kleine Unternehmen (19,3 Prozent) wie mittelständische
(10,7 Prozent) bieten Data-driven
Services an und sind dabei mit dem Kunden
vernetzt (Abbildung 3-27).
Von den Unternehmen, die in der Produktionsund
Nutzungsphase Prozessdaten erheben, verwenden
nur 14,7 Prozent diese Daten nicht weiter.
Von den Unternehmen, die solche Daten
sammeln, gibt die Hälfte an, dass bis zu 20 Prozent
der Daten weiterverwertet werden. Bei
einem Fünftel der Unternehmen werden sogar
20 bis 50 Prozent der Daten genutzt. Hierbei
lässt sich kein signifikanter Größenklassenunterschied
erkennen (Abbildung 3-28).
Produktentwicklung ist Hauptanalysezweck
Neben dem überproportional gestiegenen Einsatz
von Sensorik bildet vor allem die Vernetzung
die nötige Grundvoraussetzung für das Angebot
neuer Dienstleistungen und die Gewinnung von
Erkenntnissen aus der Nutzungsphase.
Daten können direkt bei Verwendung des Produkts
erfasst werden. So lässt sich beispielsweise
das Benutzerverhalten erfassen und analysieren.
Dies ermöglicht dem Hersteller
Rückschlüsse auf eine potenzielle Fehlbenutzung
des Produkts und damit Ansätze für dessen Optimierung.
Weitere Einsatzgebiete sind die Unterstützung
des Vertriebs, das Angebot von Aftersales-Dienstleistungen
wie Telemaintenance
oder weitere Dienstleistungen.
Abbildung 3-27: Angebot von Data-driven-Services
ab 500 MA
26,6
22,8
41,8
8,9
100-499 MA
10,7
18,4
66,0
4,9
20-99 MA
19,3
13,3
66,3
1,2
Gesamt
16,9
15,6
64,6
2,9
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ja, wir sind dabei mit unseren Kunden vernetzt
Nein
Ja, aber ohne Vernetzung mit den Kunden
Keine Angabe
Angaben in Prozent; n= 265
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
50

Abbildung 3-28: Anteil genutzter Daten im Unternehmen
21,1
13,9
14,7
50,3
0 Mehr als 0 bis 20 % Mehr als 20 bis 50 % Mehr als 50 %
Angaben in Prozent; n= 92
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Die Befragung zeigt, dass knapp ein Drittel der
Unternehmen (30 Prozent), die in der Nutzungsphase
entstehenden Daten nicht aufnimmt. Ein
weiteres Viertel der Unternehmen (25 Prozent)
erfasst die Daten, wertet diese aber nicht aus.
Die restlichen 45 Prozent der Unternehmen
analysieren die Daten aus der Nutzungsphase.
Dabei zeigt die Befragung, dass nahezu alle
Unternehmen die erhobenen Daten in der Produktentwicklung
und Telemaintenance verwenden
(Abbildung 3-29).
Abbildung 3-29: Analyse von Daten aus der Nutzungsphase
Produktentwicklung
Vertriebsunterstützung
ab 500 MA
96,4
ab 500 MA
48,1
100-499 MA
82,6
100-499 MA
79,2
20-99 MA
94,7
20-99 MA
75,0
Gesamt
91,1
Gesamt
73,7
After-Sales (Telemaintenance)
ab 500 MA
89,3
100-499 MA
76,0
20-99 MA
88,9
Gesamt
84,5
Angaben in Prozent, Anteile ja-Antworten ; n= 67
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
51

3.7 Mitarbeiter
Mitarbeiter tragen im Unternehmen die
digitale Transformation mit
Mitarbeiter sind von den Veränderungen der
digitalen Arbeitswelt maßgeblich betroffen. Für
sie ändert sich das direkte Umfeld am Arbeitsplatz,
was neue Kompetenzen und Qualifikationen
erfordert. Für Unternehmen wird es daher
zunehmend wichtiger, die Mitarbeiter auf diese
Veränderungen durch geeignete Schulungs- und
Weiterbildungsmaßnahmen vorzubereiten.
Die zentrale Rolle der Mitarbeiter in den Veränderungsprozessen
wurde auch in mehreren Studien
untersucht (Spath et al., 2013; PwC, 2014;
DIHK, 2015). Der Fokus der Studien liegt häufig
auf Veränderungen der Qualifikationen und
inwieweit Unternehmen diese erforderlichen
Qualifikationen vermitteln können. Die Studie
des Fraunhofer-Instituts für Arbeitswirtschaft
und Organisation widmet sich den erwarteten
Auswirkungen für die Arbeitsgestaltung und
-organisation. Auf der Grundlage einer Befragung
von 518 Produktionsverantwortlichen
zeichnet die Studie ein Bild des Umsetzungsstandes
des Themas Industrie 4.0 in deutschen
Industrieunternehmen. Demnach werden sich
im Zuge der Digitalisierung die Anforderungen
an Produktionsarbeiter verändern. Im Mittelpunkt
der Veränderungen wird vorrangig die
Bereitschaft zum lebenslangen Lernen gesehen.
Dabei liegt die höhere IT-Kompetenz in der
Bedeutung der abgefragten Kompetenzen noch
hinter dem starken interdisziplinären Denken
und Handeln auf Platz drei (Spath et al., 2013).
Nur bei einem Drittel der Unternehmen sind
notwendige Kompetenzen nicht vorhanden
Bei den Mitarbeiterkompetenzen erreicht der
Durchschnitt der Maschinen- und Anlagenbauunternehmen
den Wert 1,5. Eine mögliche Erklärung
für die relativ hohe Readiness im Vergleich
zu den anderen untersuchten Dimensionen ist,
dass die Unternehmen bei der Mitarbeiterqualifizierung
mehr Erfahrung haben und sich hier
entsprechend sicherer fühlen als in den anderen
Industrie 4.0-relevanten Themenbereichen wie
beispielsweise Data-driven Services, Smart Factory
oder der Implementierung einer Industrie
4.0-Strategie. Die Pioniere erreichen hier einen
durchschnittlichen Readiness-Wert von 3,2
(Tabelle 3-7).
Dabei wird von rund einem Drittel der Unternehmen
die Readiness-Stufe 1 (Anfänger) erreicht.
Das heißt, die Mitarbeiter des Unternehmens
besitzen in einem relevanten Bereich die nötigen
Kompetenzen (IT-Infrastruktur, Automatisierungstechnik,
Datenanalyse, Datensicherheit/
Kommunikationssicherheit, Entwicklung oder
Anwendung von Assistenzsystemen, Kollaborationssoftware,
nicht-technische Kompetenzen wie
Systemdenken oder Prozessverständnis), jedoch
nicht im ausreichenden Maße. Ein weiteres Drittel
der befragten Unternehmen scheitert allerdings
bereits an dieser Hürde und kann keine der
abgefragten Kompetenzen (Stufe 0) vorweisen.
Der Anteil der Firmen auf den höheren Stufen
nimmt kontinuierlich ab. Immerhin 5,3 Prozent
der Befragten erreichen in dieser Dimension die
Stufe des Experten (Stufe 4) und können somit
in mehreren relevanten Bereichen ausreichende
Kompetenzen vorweisen (Abbildung 3-30).
Für die Ermittlung der Readiness in der Dimension
Mitarbeiter wurden die Mitarbeiterkompetenzen
in unterschiedlichen Bereichen sowie Anstrengungen
der Unternehmen zum Kompetenzaufbau
ausgewertet.
Tabelle 3-7: Durchschnittliche Readiness in der Dimension Mitarbeiter
Gesamt Neulinge Einsteiger Pioniere
Readiness-Wert 1,5 1,0 2,8 3,2
Skala 0 (Außenstehender) bis 5 (Exzellenz); n=250
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015,
26. Befragungswelle
52

Abbildung 3-30: Readiness-Stufen in der Dimension Mitarbeiter
Stufe 5:
5,3 %
Exzellenz
• Kompetenzen in mehreren relevanten Bereichen voll vorhanden
Mitarbeiter
Stufe 4:
8,8 %
Stufe 3:
10,3 %
Stufe 2:
12,2 %
Stufe 1:
33,5 %
Stufe 0:
29,8 %
Außenstehnder
• Keine Anforderungen werden erfüllt
Experte
• Mitarbeiter verfügen in mehreren relevanten Bereichen über ausreichend
Kompetenzen
Erfahrener
• Mitarbeiter verfügen in einigen relevanten Bereichen über ausreichend Kompetenzen
Fortgeschrittener
• Die Mitarbeiter verfügen in wenigen relevanten Bereichen über geringe Kompetenzen
Anfänger
• Die Mitarbeiter verfügen in einem relevanten Bereich über geringe Kompetenzen
n=250 Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
Haupthürden auf dem Weg zur Erreichung
einer höheren Readiness-Stufe
Aus den Ergebnissen der Readiness-Messung für
die Dimension Mitarbeiter lassen sich für die
drei Unternehmenstypen (Neulinge, Einsteiger,
Pioniere) die Haupthemmnisse zur Erreichung
einer höheren Readiness-Stufe wie folgt zusammenfassen
(Abbildung 3-31).
Abbildung 3-31: Haupthürden in der Dimension Mitarbeiter
Haupthürden auf dem Weg zu einer höheren Industrie 4.0-Readiness-Stufe
Neulinge (Stufen 0 und 1) Einsteiger (Stufe 2) Pioniere (Stufe 3+)
Haupthürden
Keine oder nur geringe
Industrie 4.0-spezifische
Mitarbeiterkompetenzen
vorhanden
In einigen relevanten
Bereichen sind die
Kompetenzen noch nicht
ausreichend vorhanden
Industrie 4.0-spezifische
Kompetenzen noch nicht in
allen Bereichen vollumfänglich
vorhanden
n=250
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
53

Die Ergebnisse dieser Readiness-Messung basieren
auf den folgenden Befunden:
Fachkenntnisse in vielen Bereichen nicht
ausreichend vorhanden
Bei den Mitarbeitern der Maschinen- und Anlagenbauunternehmen
sind zwar vielfältige Kompetenzen
vorhanden, aber oft nicht in dem für
die detaillierte Umsetzung von Industrie 4.0-
Konzepten erforderlichen Ausmaß. Je nach Kompetenzbereich
schätzt lediglich ein Zehntel bis
ein Drittel der Unternehmen die Fachkräftekompetenz
in Bezug auf Industrie 4.0 als ausreichend
vorhanden ein. Die größten Probleme bestehen
bei der Entwicklung und Anwendung von Assistenzsystemen
und der Kollaborationssoftware.
Hier schätzen nur 9,3 Prozent oder 8,1 Prozent
der Unternehmen die Mitarbeiterkompetenzen
als ausreichend ein; in 31,5 Prozent beziehungsweise
41,1 Prozent der Unternehmen sind diese
Kompetenzen gar nicht vorhanden (Abbildung
3-32).
Der Großteil der Unternehmen hat sich des Kompetenzmangels
bezüglich des Themas Industrie
4.0 bereits angenommen und Qualifizierungsmaßnahmen
gestartet. So bieten knapp zwei
Drittel der befragten Maschinen- und Anlagenbauer
spezielle Schulungen, Wissenstransfersysteme
und Coachings an, um ihre Mitarbeiter für
Industrie 4.0 zu qualifizieren. Dabei erlernen die
Mitarbeiter Fertigkeiten, die sie in Zusammenhang
mit der Entwicklung hin zu einer digital
vernetzten Produktion benötigen. Neben grundlegendem
Wissen zu IT- und Steuerungsprozessen
wird den Mitarbeitern die Fähigkeit zum
Austausch mit Maschinen und vernetzten Systemen
vermittelt.
Abbildung 3-32: Mitarbeiterkompetenzen für Industrie 4.0
Datensicherheit/Kommunikationssicherheit 3,0
11,8
45,4
34,7
5,1
IT-Infrastruktur 3,7
7,3
54,4
27,7
6,9
Automatisierungstechnik
9,0
15,9
45,4
22,4
7,3
Nicht technische Kompetenzen, wie Systemdenken, und
Prozessverständnis
7,9
12,7
52,0
21,2
6,2
Datenanalyse
5,5
17,7
53,3
18,4
5,1
Entwicklung/Anwendung von Assistenzsystemen
15,8
31,5
36,3
9,3
7,0
Kollaborationssoftware
18,0
41,1
23,7
8,1
9,2
Nicht relevant Nicht vorhanden Vorhanden, aber nicht ausreichend Ausreichend vorhanden Keine Angabe
Angaben in Prozent; n= 250
Berücksichtigt sind nur Unternehmen mit mehr als 20 Beschäftigten.
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
54

4 Handlungsfelder für Industrie 4.0
Die Einordnung der befragten Unternehmen in
das Readiness-Modell, zeigt, dass der Großteil
der Unternehmen im deutschen Maschinen- und
Anlagenbau bei der Realisierung von Industrie
4.0 noch am Anfang steht. Mehr als drei Viertel
der Firmen sind Neulinge in den Readiness-Stufen
0 oder 1. Dieser Grundbefund ist in allen
sechs Dimensionen des Readiness-Modells
erkennbar (Abbildung 4-1). Allerdings ist der
Maschinenbau bei der Umsetzung von Industrie
4.0-Konzepten deutlich weiter als das Verarbeitende
Gewerbe insgesamt. Immerhin erreicht
fast ein Viertel der Unternehmen mindestens die
Readiness-Stufe 2. Im gesamten Verarbeitenden
Gewerbe liegt dieser Anteil erst bei elf Prozent.
Das zeigt deutlich die Aufgeschlossenheit des
Maschinen- und Anlagenbaus für das Thema
Industrie 4.0.
Für eine zügige Weiterentwicklung im Themenfeld
Industrie 4.0 ist es vor allem für die Neulinge
und Einsteiger wichtig, von den Erfahrungen der
Pionierunternehmen – rund 6 Prozent aller deutschen
Maschinen- und Anlagenbauer – zu lernen.
Doch auch für die jetzigen Pioniere ergeben
sich noch zahlreiche Handlungsfelder. Die
Analyse zeigt, dass auch sie noch weit von der
Erfüllung der Vision Industrie 4.0 (Stufe 5 des
Readiness-Modells) entfernt sind.
Für die Handlungsempfehlungen leiten sich
daraus zwei zentrale Fragen ab:
• Wie können Unternehmen, die zu den
Neulingen und Einsteigern zählen, bei
Industrie 4.0 im deutschen Maschinen- und
Anlagenbau zu Pionieren aufsteigen?
• Welche Handlungsfelder bestehen für die
heutigen Pioniere?
Zur Beantwortung dieser Fragen werden zwei
zentrale Ergebnisse der empirischen Erhebung
herangezogen:
• Die Faktoren, die die Unternehmen auf dem
Weg zu Industrie 4.0 nach ihrer Selbsteinschätzung
hemmen.
• Die Gründe für das Nichterreichen der
nächsten Readiness-Stufe.
Abbildung 4-1: Verteilung der Unternehmenstypen nach Dimensionen
Gesamt
5,6
17,9
76,5
Strategie und Organisation
8,6
14,8
76,6
Smart Factory
4,7
18,3
77,0
Smart Operations
Smart Products
15,1
14,6
16,7
39,6
45,3
68,7
Neulinge
Einsteiger
Pioniere
Data-driven Services
5,2
5,2
89,6
Mitarbeiter
12,2
24,5
63,3
0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% 90,0% 100,0%
Angaben in Prozent, n = 234
Quellen: VDMA-Mitgliederbefragung, 2015; IW-Zukunftspanel 2015, 26. Befragungswelle
55

Die Unternehmen wurden in der Umfrage gebeten,
eine Selbsteinschätzung zu den größten
Hemmnissen bei der Umsetzung von Industrie 4.0
abzugeben. Abbildung 4-2 zeigt diese Hemmnisse
differenziert nach Unternehmenstypen
(Neulinge, Einsteiger und Pioniere). Es wird sichtbar,
dass die Hemmnisse abhängig vom Unternehmenstyp
unterschiedlich stark bewertet werden.
Unter Berücksichtigung der genannten
Hemmnisse und der anhand des Readiness-Models
ermittelten Hürden werden typspezifische
Handlungsfelder abgeleitet.
• Für jeden Unternehmenstyp wurden die
wesentlichen Haupthürden identifiziert, welche
verhindern, die nächste Readiness-Stufe
zu erreichen.
• Bei der Bewertung der Hemmnisse wurden
zwei Faktoren berücksichtigt. Zunächst wurden
die Hemmnisse ausgemacht, welche die
höchste Ausprägung für den jeweiligen
Unternehmenstyp haben. Danach wurde für
die einzelnen Ausprägungen der Hemmnisse
bei den Unternehmenstypen „Neulinge“ und
„Einsteiger“ jeweils die Differenz zu den Ausprägungen
der Hemmnisse bei den Pionieren
bestimmt; anschließend wurden diese Ergebnisse
nach der Höhe der Differenz für die
Typen Neulinge und Einsteiger geordnet. Auf
diese Weise kann abgelesen werden, bei welchen
Hemmnissen der Abstand der Neulinge
bzw. der Einsteiger zu den Pionieren besonders
groß ist.
Die wesentlichen Befunde dieser Analyse sind
in Abbildung 4-3 bis Abbildung 4-5 zusammengefasst.
Für die einzelnen Abschnitte der Handlungsfelder
nach Unternehmenstyp werden in der nachfolgenden
Abbildung 4-2 die wesentlichen
Hemmnisse zusammengefasst dargestellt:
• Die Unternehmen des deutschen Maschinenund
Anlagenbaus sollten ihre Zurückhaltung
gegenüber Industrie 4.0 aufgeben und sich
aktiv mit diesem Thema befassen, um die
Potenziale erkennen zu können.
• Durch die Beschäftigung mit Industrie 4.0
offenbart sich der damit einhergehende wirtschaftliche
Nutzen sowie die Markterfordernis.
• Industrie 4.0 ist ein Thema von hoher Komplexität.
Für die Unternehmen gibt es keine Einheitslösung.
Gerade die Pioniere, die auf diesem
Weg schon weiter fortgeschritten sind,
stehen vor der Herausforderung der Finanzierung
von Industrie 4.0-Projekten.
• In einem dritten Schritt wurden darauf aufbauend
für jeden Unternehmenstyp gesondert
die dringlichsten Handlungsfelder identifiziert,
die zu einer höheren Readiness-Stufe
führen.
56

Abbildung 4-2: Hemmnisse nach Unternehmenstypen
Unklarheit über wirtschaftlichen Nutzen
8,6
63,6
76,8
fehlendes Fachwissen bzw. fehlende Fachkräfte
47,8
45,7
72,2
fehlende Normen und Standards
42,4
58,5
59,5
allgemeine Unklarheit, zögerliches Verhalten
8,6
48,5
56,0
fehlendes Vertrauen in die Datensicherheit
41,1
40,2
49,3
ungeklärte Rechtsfragen
keine Kultur im Unternehmen für I4.0-Konzepte
17,6
23,2
41,3
41,1
38,3
47,4
Neulinge
Einsteiger
Pioniere
keine Markterfordernis
1,8
15,7
37,9
unzulängliche Breitbandinfrastruktur
26,4
32,8
31,5
fehlende Finanzkraft für die Durchführung
der Investitionen
14,5
22,8
63,4
unternehmensinterne Bürokratien und Regularien
19,2
27,9
35,2
Sorge vor der Marktmacht großer Unternehmen
1,8
10,5
14,2
Belegschaft nicht offen für Digitalisierung
1,8
5,1
29,9
0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0%
Angaben in Prozent, n = 167
Quelle: VDMA-Mitgliederbefragung, 2015
4.1 Handlungsfelder für
Neulinge
Die Neulinge im Bereich Industrie 4.0, die sich im
Readiness-Modell in den Stufen 0 und 1 befinden,
müssen erste Schritte wagen. Sie sollten sich
dabei nicht am Soll-Profil, verkörpert durch die
Vision von Industrie 4.0 in der Stufe 5 des vorliegenden
Readiness-Modells orientieren, sondern
am Benchmark-Profil der Pionier-Unternehmen.
Um auf das Niveau der Pioniere von Industrie 4.0
zu gelangen, müssen die Neulinge folgende, für
sie gravierende, Hemmnisse überwinden:
• Unklarheit über wirtschaftlichen Nutzen
von Industrie 4.0-Konzepten
• allgemeine Unklarheit über Industrie 4.0
und zögerliches Verhalten
• keine Markterfordernis für Industrie 4.0-
Konzepte
• fehlendes Fachwissen über und fehlende
Fachkräfte für Industrie 4.0
• keine Kultur im Unternehmen für
Industrie 4.0-Konzepte
Die gravierendsten Hemmnisse bei den Neulingen
bestehen darin, dass es neben einer grundsätzlichen
Unklarheit über das Thema Industrie 4.0
(56 Prozent) vor allem keine Klarheit über den
wirtschaftlichen Nutzen von Industrie 4.0-Konzepten
(77 Prozent) gibt. Insoweit sehen die
Firmen auch keine Markterfordernis zur Beschäftigung
mit diesem Thema (38 Prozent). Dies liegt
offenbar auch daran, dass das Thema Industrie
4.0 noch nicht fest in der Unternehmenskultur
verankert ist (38 Prozent). Zudem sind sich
mehr als 72 Prozent der Unternehmen darüber
bewusst, dass es ihnen in diesem Bereich an
Fachwissen und Fachkräften fehlt. Bei allen
genannten Hemmnissen weichen die Ergebnisse
zu den Neulingen besonders stark von denen der
Pioniere ab. Damit sind zugleich die wichtigsten
Themen genannt, an denen die Neulinge zur
Verkürzung ihres Abstandes zu den Benchmark-
Unternehmen (Pioniere) arbeiten sollten. Die
57

geringe Intensität, mit denen die schwerwiegendsten
Hemmnisse der Neulinge bei den Pionieren
wahrgenommen werden, zeigt, dass die
Neulinge wirklich gute Chancen haben, diese
Probleme in den Griff zu bekommen.
Allerdings werden von den Neulingen auch
externe Hemmnisse genannt, wo vor allem Staat
und Politik gefordert sind, die Rahmenbedingungen
für das Gelingen der digitalen Transformation
im Bereich Industrie 4.0 zu verbessern. So
beklagen knapp 59 Prozent der Neulinge fehlende
Normen und Standards, 49 Prozent eine
unzureichende Datensicherheit und 41 Prozent
ungeklärte Rechtsfragen.
Aus unternehmensinterner Sicht erreichen die
Neulinge keine höhere Readiness-Stufe, weil sie
verschiedene Hürden noch nicht überwunden
haben (Abbildung 4-3).
Bewusstsein für Industrie 4.0 im Unternehmen
schaffen
Industrie 4.0 ist ein Innovationsthema, bei welchem
sich gerade Neulinge über die Bedeutung,
die Potenziale und den Nutzen in ihrem Unternehmen
Klarheit verschaffen müssen. Nur wenn
die Unternehmen sich der Bedeutung dieses
Themas bewusst werden, können sie strategische
Ableitungen ziehen und weitere geeignete Maßnahmen
einleiten. Dazu zählt auch, dass die
Belegschaft über die allgemeine Bedeutung von
Industrie 4.0 für die Zukunft und erste Umsetzungsideen
des Unternehmens aufgeklärt werden
sollte. Aber auch Politik und Verbände können
wichtige Impulse liefern und die Unternehmen
dabei unterstützen, ein eigenes Begriffsverständnis
von Industrie 4.0 aufzubauen.
Aus diesen Befunden lassen sich mehrere Handlungsfelder
zur Erreichung einer höheren Readiness-Stufe
ableiten:
Abbildung 4-3: Handlungsfelder für Neulinge (Readiness-Stufe 0 und 1)
I4.0-Dimensionen
Strategie &
Organisation
Smart Factory
Smart Operations
Smart Products
Data-driven
Services
Mitarbeiter
Gegenwärtige
Haupthürden
(aus Readiness-
Modell)
Industrie 4.0
findet noch keine
oder nur geringe
Beachtung in der
strategischen
Ausrichtung
Keine Anbindung
des Maschinenund
Anlagenparks
an übergeordnete
IT-
Systeme
Maschinen- und
Prozessdaten
werden nicht
erfasst
Kein oder kaum
betriebsinterner,
systemintegrierter
Informationsaustausch
Produkte
besitzen keine
oder nur erste
Ansätze von IKT-
Zusatzfunktionalitäten
Fokus auf
klassische
Produkte;
datenbasierte
Dienstleistungen
werden nicht
oder ohne
Vernetzung mit
dem Kunden
angeboten
Keine oder nur
geringe Industrie
4.0-spezifische
Mitarbeiterkompetenzen
vorhanden
Hemmnisse
Unklarheit über wirtschaftlichen Nutzen
Allgemeine Ungewissheit über I4.0
Keine Markterfordernis
Fehlende Kompetenzen
Handlungsfelder
Bewusstsein für
I4.0 schaffen
Strategien
formulieren
Schrittweise
Implementierung
des Maschinenparks
in die
übergeordneten
IT-Systeme
Ansätze von
internen und
externen
systemintegriertem
Informationsaustausch
planen
Potenzialanalyse
möglicher IKT-
Zusatzfunktionalitäten
Neuausrichtung
des Produktportfolios
Definition von
datenbasierten
Dienstleistungen
Systematische
Bedarfsanalyse
Anpassung der
Ausbildungs- und
Qualifizierungsmaßnahmen
Eigene Darstellung
58

Industrie 4.0-Konzepte in der Unternehmensstrategie
und -kultur etablieren
Trotz Kenntnis über die Potenziale von Industrie
4.0 existiert bei den Neulingen meist noch
keine konkrete Strategie zur Entwicklung und
Umsetzung von Industrie 4.0-Konzepten. Zur
vollumfänglichen Ausschöpfung des Potenzials
von Industrie 4.0 bedarf es einer hieran angepassten
Unternehmensstrategie und -organisation,
die von den Führungskräften im Unternehmen
aufgesetzt und etabliert wird.
Kulturveränderung ist langwierig und stark
beeinflusst von den Menschen, die sie treiben
und vorleben. Studien weisen darauf hin, dass
derart innovative Themen fest und konkret in
allen Bereichen des Unternehmens, der Führungs-
und Organisationsstruktur sowie vor
allem auch im Wertesystem des Unternehmens
verankert werden müssen. Nur so wird eine flächendeckende
Mobilisierung für das Thema
erreicht und das gesamte vorhandene Potenzial
der Mitarbeiter und der Organisation ausgeschöpft.
Insbesondere Mittelständler schaffen es
durch persönliches Vorleben der Bedeutung von
innovativen Themen wie Industrie 4.0 und von
innovativem Handeln, die Mitarbeiter für dieses
Thema zu begeistern und sie dauerhafter zu
motivieren (IW Consult/Santiago, 2015). In der
Unternehmenskultur sollte bereits gelebt werden,
was in der Strategie verankert werden soll.
Das heißt: Die Bedeutung des Kulturwandels
durch Industrie 4.0 sollte von der Unternehmensleitung
hervorgehoben werden – etwa
durch Schaffung von Identifikationsfiguren und
Vorbildern, aber auch durch die Besetzung der
Schlüsselposition des Industrie 4.0-Hauptverantwortlichen.
Diese Dinge sind nur mit einer starken
und innovationsfördernden Führungsleistung
erfolgreich umzusetzen. Es sind die
Führungskräfte im Innovationsumfeld von
Industrie 4.0, die den Kulturwandel vorleben, die
Zusammenarbeit von Teams strukturieren und
individuelle Freiräume für Mitarbeiter organisieren
müssen.
Technische Grundlagen zum Aufbau einer
Smart Factory schaffen
Im Rahmen von Pilotversuchen können Neulinge
erste Erfahrungen mit innovativen Anwendungsformen
von Sensorik und hochgradig vernetzten
IT-Systemen sammeln. Parallel dazu sollte die
Erweiterbarkeit des Maschinenparks auf Anbindung
an übergeordnete IT-Systeme geprüft werden.
Im nächsten Schritt wird die Transparenz
über die gegenwärtigen Produktionsabläufe
gesteigert.
Vernetzung der Komponenten und Systeme
starten
In den Unternehmensprozessen sollte zuerst der
Informationsaustausch zwischen den einzelnen
Systemen sukzessive ausgeweitet werden. In
Betracht kommen hierbei sowohl standardisierte
Schnittstellen als auch der Einsatz geeigneter
Middleware 6 . Diese sind auch Grundvoraussetzung
für die Initiierung von datenbasierten
Dienstleistungsangeboten.
Erweiterung des Produktportfolios
Das Produktportfolio sollte im Rahmen einer
Potenzialanalyse auf die Erweiterung mit IKT-
Zusatzfunktionalitäten zur Steigerung des Kundennutzens
geprüft werden. Auf Basis der identifizierten
Zusatzfunktionalitäten können die
ersten datenbasierten Dienstleistungen getestet
werden.
Basiskompetenzen aufbauen
Um mit dem Thema Industrie 4.0 zu beginnen,
ist der Aufbau von betriebsinternen Basiskompetenzen
zu den Themen IT-Infrastruktur, Automatisierungstechnik
und Datenanalyse von zentraler
Bedeutung.
6 Middleware stellt eine Ebene in einem komplexen
Softwaresystem dar, die als „Dienstleister“
anderen, ansonsten entkoppelten, Softwarekomponenten
den Datenaustausch ermöglicht.
59

Welche Kompetenzen im Einzelfall benötigt werden,
ergibt sich oft erst aus dem unternehmensspezifischen
Vorgehen. Hier sollten Unternehmen
vorab eine systematische Bedarfsanalyse
im Bereich der Beschäftigten durchführen und
ihre Qualifizierungs- und Ausbildungsmaßnahmen
entsprechend dieser Bedürfnisse anpassen.
4.2 Handlungsfelder für
Einsteiger
Die Einsteiger in Industrie 4.0, die sich im Readiness-Modell
auf der Stufe 2 befinden, müssen ähnliche
Hemmnisse überwinden wie die Neulinge:
• Unklarheit über wirtschaftlichen Nutzen
von Industrie 4.0-Konzepten
• allgemeine Unklarheit über Industrie 4.0
und zögerliches Verhalten
• fehlendes Fachwissen über und fehlende
Fachkräfte für Industrie 4.0
• Belegschaft nicht offen für die Digitalisierung
Auch hier bestehen die gravierendsten Hemmnisse
darin, dass es neben einer grundsätzlichen
Unklarheit über das Thema Industrie 4.0 (49 Prozent)
ebenfalls keine Klarheit über den wirtschaftlichen
Nutzen von Industrie 4.0-Konzepten
(64 Prozent) gibt. Zudem beklagen fast 48 Prozent
der Firmen fehlendes Fachwissen über und
fehlende Fachkräfte für Industrie 4.0. 30 Prozent
der Unternehmen befürchten, dass ihre Belegschaft
nicht offen genug für Digitalisierungsthemen
ist. 14 Prozent der Einsteiger haben zudem
Sorge vor der Marktmacht großer Unternehmen.
Bei den aufgeführten Hemmnissen weichen die
Ergebnisse besonders stark von denen der Pioniere
ab, welche die Einsteiger zuvorderst angehen
sollten, um möglichst schnell zu den
Benchmark-Unternehmen aufschließen zu
können.
Im Rahmen der externen Hemmnisse monieren
von den Einsteigern 42 Prozent fehlende Normen
und Standards, 41 Prozent eine unzureichende
Datensicherheit sowie ungeklärte
Rechtsfragen; knapp ein Drittel bemängelt die
Breitbandinfrastruktur.
• Sorge vor der Marktmacht großer Unternehmen
Abbildung 4-4: Handlungsfelder für Einsteiger (Readiness-Stufe 2)
I4.0-Dimensionen
Strategie &
Organisation
Smart Factory
Smart Operations
Smart Products
Data-driven
Services
Mitarbeiter
Gegenwärtige
Haupthürden
(aus Readiness-
Modell)
Industrie 4.0
findet Beachtung
im Strategieprozess,
eine
konkrete
Strategie ist aber
noch nicht
formuliert
Keine
vollständige
Anbindung des
Maschinenparks
an IT-Systeme
Eingeschränkte
Nachrüstbarkeit
des Maschinenparks
Keine Ansätze
eines
systemintegrierten
Informationsaustauschs
mit externen
Partnern
Keine Analyse
und Nutzung der
aufgenommenen
Daten zur
Optimierung der
Produkte oder
Prozesse
(Produktentwicklung,
Vertriebsunterstützung,
After-Sales)
Datennutzungsgrad
von
20-50 % noch
nicht erreicht
In einigen
relevanten
Bereichen sind
Industrie 4.0-
spezifische
Kompetenzen
noch nicht
ausreichend
vorhanden
Hemmnisse
Unklarheit über wirtschaftlichen Nutzen
Allgemeine Ungewissheit über I4.0
Keine Markterfordernis
Fehlende Kompetenzen
Handlungsfelder
Strategie
formulieren und
umsetzen
IT-vernetzte
Maschinenparks
planen und
aufbauen
Systemintegrierten
Informationsaustausch
betriebsintern
und extern
ausweiten
Systematische
Analyse
potenzieller
Nutzungsmöglichkeiten
der aufgenommenen
Daten
Datennutzungsgrad
erhöhen
Mehr
datenbasierte
Dienstleistungen
kreieren
Systematische
Bedarfsanalyse
Anpassung der
Ausbildungs- und
Qualifizierungsmaßnahmen
Eigene Darstellung
60

Aus unternehmensinterner Sicht erreichen die
Einsteiger keine höhere Readiness-Stufe, weil sie
den Status quo aus Abbildung 4-4 noch nicht
überwunden haben.
Für Einsteiger lassen sich ähnliche Handlungsfelder
ableiten wie für Neulinge mit Ausnahme der
folgenden Ergänzungen:
Überwachung der Strategieumsetzung
durch Kennzahlen
Für das Controlling der Strategieformulierung
und -umsetzung muss ein geeignetes Kennzahlencockpit
erarbeitet werden. Dieses enthält zielspezifische
Kennzahlen z. B. für den Fortschrittsoder
Erfüllungsgrad der Industrie 4.0-Strategie
und dient der Überwachung der Umsetzung.
Dabei können klassische Methoden wie die
Balanced Scorecard – ein Instrument, mit welchem
die Entwicklung der Geschäftsvision verfolgt
werden kann – eingesetzt werden.
Technische Grundlagen erweitern
Bei der Erstellung von Lastenheften für die
Beschaffung neuer Maschinen und Anlagen sind
Industrie 4.0-spezifische Anforderungen insbesondere
hinsichtlich der Integration in IT-Systeme
und M2M-Kommunikation zu berücksichtigen.
Darüber hinaus ist der betriebsinterne,
systemintegrierte Informationsaustausch durch
eine Vereinheitlichung der Systemlandschaft
auszubauen. Zur Herstellung der Kollaboration
und horizontalen Integration sollten die Unternehmen
erste Schritte hin zu einem systemintegrierten
Informationsaustausch mit externen
Kunden und Lieferanten unternehmen.
Datenanalysefähigkeit erhöhen
Unternehmen auf dieser Stufe sollten die zahlreichen
gesammelten Informationen hinsichtlich
weiterer Nutzungspotenziale durch tiefergehende
Analysen untersuchen. Die Erhöhung des
Datennutzungsgrades und zusammenhängender
IKT-Zusatzfunktionalitäten bietet die
Möglichkeit, Produkte digitaler zu gestalten und
Kundendaten intensiver in die internen Prozesse
einzubinden.
Basiskompetenzen ausbauen
Um das Thema Industrie 4.0 voranzutreiben,
muss weiter am Aufbau von betriebsinternen
Basiskompetenzen zu den Themen IT-Infrastruktur,
Automatisierungstechnik und Datenanalyse
gearbeitet werden. Die systematische
Bedarfsanalyse im Bereich der Beschäftigten
sowie die zugehörigen Qualifizierungs- und Ausbildungsmaßnahmen
sind eine Daueraufgabe.
4.3 Handlungsfelder für
Pioniere
Die Pioniere im Bereich Industrie 4.0, die sich im
Readiness-Modell auf den Stufen 3 bis 5 wiederfinden,
haben weitestgehend mit anderen
Hemmnissen zu kämpfen als die Neulinge und
Einsteiger (vgl. Abbildung 4-2). Die Pioniere orientieren
sich am Soll-Profil von Industrie 4.0
(Stufe 5 des Readiness-Modells). Gegenwärtig
befinden sich knapp 6 Prozent der deutschen
Maschinen- und Anlagenbauer in dieser
Benchmark-Gruppe. Um auf dem Weg von
Industrie 4.0 weiter voranzukommen, müssen
die Pioniere vor allem folgende Hemmnisse
überwinden:
• fehlende Finanzkraft für die Durchführung
der Investitionen im Bereich Industrie 4.0
• fehlende Normen und Standards
• ungeklärte Rechtsfragen
• fehlendes Fachwissen über und fehlende
Fachkräfte für Industrie 4.0
• fehlendes Vertrauen in die Datensicherheit
• unternehmensinterne Bürokratien und
Regularien
61

Für 63 Prozent der Pioniere bestehen die größten
Hemmnisse in der fehlenden Finanzkraft zur
Durchführung der Investitionen im Bereich
Industrie 4.0. Fast 60 Prozent stehen vor dem
Problem fehlender Normen und Standards. Aber
auch ungeklärte Rechtsfragen im Zusammenhang
mit Industrie 4.0 (47 Prozent) sowie das
Fachkräftethema (46 Prozent) stellen die Pioniere
vor erhebliche Herausforderungen. Außerdem
haben 40 Prozent der Unternehmen wenig Vertrauen
in die Datensicherheit und 35 Prozent
müssen sich intensiver mit unternehmensinternen
Bürokratien und Regularien im Zusammenhang
mit der Implementierung von Industrie 4.0-
Konzepten auseinandersetzen. Die aufgeführten
Hemmnisse zeigen, dass bei den Pionieren im
Vergleich zu den Neulingen und Einsteigern die
externen Rahmenbedingungen wesentlich stärker
in den Fokus rücken. Um diese Hemmnisse
zu überwinden, ist auch die Politik mit der Ausarbeitung
von entsprechenden Lösungsansätzen
gefordert; die Unternehmen stoßen bei der
Bewältigung der Hemmnisse in den Themen
Normen und Standards, ungelöste Rechtsfragen
und fehlende Datensicherheit an ihre Grenzen.
Aus unternehmensinterner Sicht erreichen die
Pioniere keine höhere Readiness-Stufe, weil sie
den in Abbildung 4-5 beschriebenen Status quo
noch nicht überwunden haben.
Die Pioniere können in den Handlungsfeldern
nur bedingt autonom agieren, weil zum einen
für das Gelingen von Industrie 4.0 erforderliche
Rahmenbedingungen fehlen, zum anderen zu
wenige potenzielle Netzwerkpartner auf einer
ähnlichen Readiness-Stufe stehen. Gerade diese
letztgenannten Netzwerkeffekte sind ein elementarer
Punkt für die Umsetzung von Industrie
4.0-Konzepten. Für die Pionierunternehmen
ergeben sich damit folgende Handlungsfelder:
Finanzierung von Industrie 4.0-Projekten
sichern
Mit fortschreitendem Kenntnisstand bei der
Implementierung von Maßnahmen zu Industrie
4.0 steigt die Komplexität der Vernetzung
und infolgedessen die Investitionshöhe für
Industrie 4.0-Projekte. Gegenwärtig sind diese
Kosten für die Unternehmen schwer
Abbildung 4-5: Handlungsfelder für heutige Pioniere (Readiness-Stufen 3+)
I4.0-Dimensionen
Strategie &
Organisation
Eine bereits
formulierte
Industrie 4.0-
Strategie ist noch
nicht umgesetzt
Kennzahlensystem
wird
noch nicht in den
Strategieprozess
miteinbezogen
Smart Factory
Smart Operations
Smart Products
Data-driven
Services
Keine digitale
Kundenvernetzung
bei
datenbasierten
Dienstleistungen
Datenbasierte
Dienstleistungen
erreichen keinen
signifikanten
Umsatzanteil
(>7,5 %)
Mitarbeiter
Gegenwärtige
Haupthürden
(aus Readiness-
Modell)
Maschinen- und
Anlagenpark
erfüllt noch nicht
alle zukünftigen
Anforderungen
Maschinen- und
Prozessdaten
werden nicht
durchgängig
digital erfasst
Noch kein
Einsatz autonom
steuernder
Werkstücke und
selbstständig
reagierender
Prozesse
Produkte
besitzen erst auf
wenige Aspekte
beschränkte IKT-
Zusatzfunktionalitäten
Industrie 4.0-
spezifische
Kompetenzen
noch nicht in
allen Bereichen
vollumfänglich
vorhanden
Hemmnisse
Fehlende Finanzkraft
Fehlende Normen und Standards
Fehlende Kompetenzen
Fehlender Rechtsrahmen
Handlungsfelder
Strategie vollständig
umsetzen
Strategieumsetzung
regelmäßig
überprüfen
Maschinenpark
auf künftige
Anforderungen
ausrichten
Ausbau digitaler
Datenerfassung
Einsatz autonom
steuernder Werkstücke
und
selbstständig
reagierender
Prozesse
Umfang der IKT-
Zusatzfunktionen
ausweiten
Erweiterung des
Dienstleistungsportfolios
um
digital mit dem
Kunden vernetzte
Angebote
Qualifizierung
Ausbildung
Rekrutierung
Eigene Darstellung
62

abschätzbar. Industrie 4.0-Konzepte können daher
nicht von Beginn an in vollem Umfang, sondern
vielmehr nur bereichsweise umgesetzt werden.
Zur Überwindung von Finanzierungshemmnissen
sollten investitionsfreundliche Rahmenbedingungen
gesetzt werden. Ein weiterer Anreiz
wäre der Steuerabzug eines Teils der Forschungsund
Entwicklungsausgaben im Bereich von
Industrie 4.0-Konzepten. Die grundsätzliche
steuerliche Förderung von Ausgaben für Forschung
und Entwicklung ist in vielen Industriestaaten
schon gängige Praxis.
Seitens des Bunds und der Länder könnten
gezielte Förderprogramme zu Industrie 4.0 aufgelegt
werden. Allerdings sollten diese einfach in
der Administration und mit einem geringen
bürokratischen Aufwand versehen sein. Die häufige
Beschränkung auf KMU ist in Anbetracht der
Studienergebnisse zu hinterfragen.
Im internationalen Vergleich gibt es in Deutschland
verhältnismäßig wenig Wagniskapital.
Wagniskapital ist eine vor allem bei Start-ups
verbreitete Finanzierungsform, welche – trotz
des hohen Risikos für den Investor – in Deutschland
rechtlich und steuerlich nicht attraktiv
genug gestaltet ist. Insbesondere für ausländische
Wagniskapitalgeber scheint die Finanzierung
deutscher Unternehmen daher wenig
attraktiv.
Erweiterung der Smart Factory
Die Interoperabilität von M2M-Kommunikation
und eine firmenübergreifende Vernetzung erfordern
eine möglichst eindeutige Semantik, welche
den Datenaustausch ermöglicht und wesentlich
ist, um ein gemeinsames Verständnis für die
Daten zu schaffen, diese korrekt und einheitlich
interpretieren und auswerten zu können. Zur
Erhöhung der Auflösung der Datenerfassung ist
der Einsatz von zusätzlicher Sensorik zu prüfen.
Digitale Durchdringung der Prozesse
anstreben
Mit Blick auf die Erweiterung des Konzepts der
Smart Factory sind Pilotbereiche zu identifizieren,
in denen autonom steuernde Werkstücke
und selbstständig reagierende Prozesse erprobt
und weiterentwickelt werden können. Darüber
hinaus werden erste Cloud-Lösungen in den
Bereichen Software, Datenspeicherung oder
Datenauswertung eingesetzt.
Datenbasierte Geschäftsmodelle auf Basis
von Smart Products entwickeln
Die Unternehmen sollten den Umfang der auf
die Kundenbedürfnisse zugeschnittenen datenbasierten
Dienstleistungen erhöhen und ihre
Geschäftsmodelle dahingehend anpassen. Voraussetzung
für diesen Wandel ist die Vernetzung
mit dem Kunden. Nur so können kontinuierlich
Daten aufgenommen und produktbegleitende
Dienstleistungen sichergestellt werden. Hierdurch
wird die Qualität des After-Sales- und Servicegeschäfts
erheblich gesteigert. Durch dieses
Vorgehen lässt sich ein Geschäftsmodell mit klaren
Zielsetzungen, Zuständigkeiten und Prozessen
erarbeiten. Vor allem mittelständische
Unternehmen haben so die Möglichkeit, ihre
Profitabilität zu steigern.
Industrie 4.0-Kompetenzen weiter ausbauen
Mitarbeiter tragen im Unternehmen die digitale
Transformation mit. Es sind zwar vielfältige
Fähigkeiten vorhanden, aber oft nicht in dem für
die detaillierte Umsetzung von Industrie 4.0
erforderlichen Ausmaß. Je weiter das Unternehmen
fortschreitet, desto umfangreichere und
weiter gefächerte Kompetenzen werden benötigt.
Vor allem im Bereich der Kollaborationssoftware
und der Etablierung von Assistenzsystemen
bestehen Wissenslücken, die nur durch
Weiterbildungsmaßnahmen oder Neueinstellungen
geschlossen werden können.
63

Für die Etablierung von Industrie 4.0-Konzepten
werden gut ausgebildete Fachkräfte gebraucht.
Der Fachkräftemangel trifft besonders die mittelständischen
Unternehmen, für die es zunehmend
schwieriger wird, Forscher und hoch qualifizierte
Fachkräfte zu finden. Damit die
Maschinen- und Anlagenbauer in Zukunft genügend
Mitarbeiter für die Transformation von
Industrie 4.0-Konzepten zur Verfügung haben,
muss das deutsche Bildungssystem noch stärker
auf mathematisch-naturwissenschaftliche
Fächer ausgerichtet werden. Ziel sollte es daher
sein, die Bildung in Mathematik, Informatik,
Naturwissenschaften und Technik (MINT) zu
stärken und die Bedeutung von Industrie 4.0-
relevanten Technologien dabei in durchgängigen
Bildungsketten von den Kitas bis zu den Universitäten
zu etablieren. Als bildungspolitische
Maßnahmen könnte der Staat die verbindliche
Einführung von naturwissenschaftlich-technisch-orientiertem
Sachunterricht an den
Grundschulen vorsehen. In den weiterführenden
Schulen sollte durchgängig ein Drittel der Stundentafel
für den Unterricht in MINT-Fächern
reserviert sein. Auch die Zuwanderung von hoch
qualifizierten Fachkräften muss erleichtert und
gefördert werden.
Neuen Rechtsrahmen schaffen
Der Übergang in eine vernetzte Industrie kann
nur gelingen, wenn ein neuer Rechtsrahmen
geschaffen wird, der die bisher offenen Rechtsfragen
in Bezug auf personenbezogene und
maschinengenerierte Daten klärt.
Mit der Zunahme unternehmensübergreifender
autonomer und quasi-autonomer Kommunikation
von Maschinen untereinander (M2M-Kommunikation)
ist die Frage von Haftung und Risikoverteilung
für fehlerhafte Datenübermittlung
sowie für Konnektivitätsausfälle zu klären. Etwaige
Eigentumsrechte an Daten existieren in der
gegenwärtigen Rechtsgrundlage nicht.
Datensicherheit gewährleisten
Für Unternehmen ist es wichtig, die Anfangshürden
zu nehmen, um das Potenzial aus gegebenenfalls
schon implementierten Lösungen zu
schöpfen. Für eine systemweite Nutzung der
erfassten Daten ist die Implementierung eines
ganzheitlichen Sicherheitskonzeptes fundamental.
Dieser Schritt muss sowohl betriebsintern als
auch in Bezug auf die Kommunikation mit Partnerunternehmen
erfolgen.
64

5 Literaturverzeichnis
• Acatech – Deutsche Akademie der Technikwissenschaften,
2014, Smarte Service Welt,
Umsetzungsempfehlungen für das
Zukunftsprojekt Internetbasierte Dienste für
die Wirtschaft, Berlin.
• Accenture, 2014, Industrial Internet Insights
Report for 2015.
• Bitkom/Fraunhofer IAO, 2014, Industrie 4.0 –
Volkswirtschaftliches Potenzial für Deutschland,
Berlin, Stuttgart.
• Deindl, Matthias, 2013, Gestaltung des Einsatzes
von intelligenten Objekten in Produktion
und Logistik, Aachen.
• DIHK – Deutscher Industrie- und Handelskammertag,
2015, Wirtschaft 4.0: Große
Chancen, viel zu tun, Das IHK-Unternehmensbarometer
zur Digitalisierung, Berlin.
• Dumbill, Edd, 2012, What is big data? An
introduction to the big data landscape.
• Hildenbrand, Katharina/Gebauer, Heiko/
Fleisch, Elgar, 2006, Strategische Ausrichtung
des Servicegeschäfts in produzierenden
Unternehmen, in: Barkwai, Karim; Baader,
Andreas; Montanus, Sven (Hrsg.), Erfolgreich
mit After Sales Services, Geschäftsstrategien
für Servicemanagement und Ersatzteillogistik,
Berlin, Heidelberg, S. 73-94.
• McKinsey, 2015, Industry 4.0 – How to navigate
digitization of the manufacturing sector.
• MHP – Mieschke Hofmann und Partner
Gesellschaft für Management- und
IT-Beratung mbH, 2014, Industrie 4.0 –
Eine Standortbestimmung der Automobilund
Fertigungsindustrie.
• Plattform Industrie 4.0, 2015, Umsetzungsstrategie
Industrie 4.0, Ergebnisbericht der
Plattform Industrie 4.0.
• PwC – PriceWaterhouseCoopers, 2014,
Industrie 4.0 – Chancen und Herausforderungen
der vierten industriellen
Revolution (strategy&).
• Spath, Dieter (Hrsg.)/Ganschar, Oliver/
Gerlach, Stefan/Hämmerle, Moritz/Krause,
Tobias/Schlund/Sebastian, 2013, Produktionsarbeit
der Zukunft, Industrie 4.0, Stuttgart.
• Wischmann, Steffen/Wangler, Leo/Botthof,
Alfons, 2015, Industrie 4.0, Volks- und
betriebswirtschaftliche Faktoren für den
Standort Deutschland, Studie im Rahmen der
Begleitforschung zum Technologieprogramm
AUTONOMIK für Industrie 4.0, Berlin.
• IW Consult/Santiago, 2015, Innovationen den
Weg ebnen, Studie für den Verband der Chemischen
Industrie, Köln, Frankfurt a. M., Willich.
65

6 Glossar
Big Data – „Massendaten (Big Data) sind Daten, die zu groß oder zu komplex sind, um sie mit herkömmlichen
Prozessen oder Methoden der Datenverarbeitung auszuwerten und unterliegen rapider,
kontinuierlicher Veränderung. Dies geht mit einer Inversion der Prioritäten der IT einher: da die Daten
zu groß sind, muss nun
das Programm flexibel und beweglich sein“
(Dumbill, 2012).
Cloud – Unter einer Cloud wird kein einzelner
Rechner, sondern eine virtuelle „Rechenwolke“
verstanden, die aus zahlreichen miteinander vernetzten
Rechnern besteht. Der Anwender muss
dabei nicht vor Ort sein, um auf diese Rechner
zuzugreifen.
Cloud-Computing – Cloud-Computing
beschreibt die Bereitstellung von IT-Infrastruktur
in Form einer Cloud sowie IT-Leistungen wie
Datenspeicherung, Datenauswertung und Softwarenutzung.
Dadurch muss der Nutzer keine
eigenen kostenintensiven Serverlösungen in seinem
Unternehmen einführen und installieren.
Cyber-physische Systeme – CPS bilden die Verbindung
zwischen der physischen und virtuellen
Welt, indem sie über eine Dateninfrastruktur,
das „Internet der Dinge“, kommunizieren. Sie
sind das Grundgerüst, welches es ermöglicht, die
reale Produktion virtuell abzubilden und alle
Datenströme, die durch Sensoren und andere
IT-Systeme entstehen, auszuwerten und im
Zusammenhang darzustellen.
Data Analytics – Data Analytics beschreibt den
Prozess, die Datenmengen im Unternehmen zu
analysieren und nützliche Zusammenhänge aus
diesen Daten abzuleiten, die zur Unterstützung
der Tätigkeiten im Betrieb dienen. Angesichts der
Unmengen an Daten in heutigen Konzernen,
können die Daten nur einen Mehrwert liefern,
wenn sie in den Kontext eingeordnet sind und
unter Oberthemen zusammengefasst werden.
Data-driven Services/datenbasierte Dienstleistungen
– Zu datenbasierten Dienstleistungen
zählen hier unter anderem Telemaintenance,
Optimierung des Ressourcenverbrauchs von
Maschinen, Verfügbarkeits-, Performance- und
Qualitätssteigerungen durch optimierte Parametereinstellung
an der Maschine etc.
Digitales Abbild – Dieses Abbild setzt sich nicht
nur aus den produktbezogenen Daten zusammen,
sondern wird durch Bewegungs-, Geopositions-
und weitere Daten ergänzt.
Echtzeitanforderung – Die Echtzeitanforderung
ist ein Leitbegriff bei Industrie 4.0, unter dem
man die Entscheidungsunterstützung aus der
Datenanalytik versteht, bei der Daten zu dem
Zeitpunkt vorliegen müssen, zu dem sie noch
gebraucht werden. Dies muss nicht zwangsläufig
ohne jede Zeitverzögerung „jetzt“ sein.
ERP-Systeme – ERP-Systeme bieten integrierte
Softwarelösungen für Administration sowie Planung
und Steuerung der betrieblichen Wertschöpfungsprozesse
und bilden so die Grundlage
für die Informationsverarbeitung im Unternehmen.
Der Fokus aktueller ERP-Systeme liegt auf
der Erweiterung der Funktionalitäten durch Integration
verschiedener funktional spezialisierter
Systeme. Dies geschieht unter dem Begriff APS
(Advanced Planning and Scheduling).
66

Horizontale Integration – Die horizontale Integration
beschreibt in der Produktions- und Automatisierungstechnik
die Zusammenführung verschiedener
IT-Systeme zu einer durchgängigen
Lösung. Sie betrifft die verschiedenen Prozessschritte
der Produktion und Unternehmensplanung,
zwischen denen ein Material-, Energieund
Informationsfluss verläuft, und findet
sowohl innerhalb eines Unternehmens als auch
über mehrere Unternehmen hinweg statt.
Industrie 4.0 – Der Begriff Industrie 4.0 steht für
die vierte industrielle Revolution, einer neuen
Stufe der Organisation und Steuerung der
gesamten Wertschöpfungskette über den
Lebenszyklus von Produkten. Dieser Zyklus orientiert
sich an den zunehmend individualisierten
Kundenwünschen und erstreckt sich von der
Idee über Auftrag, Entwicklung, Fertigung und
Auslieferung eines Produkts an den Endkunden
bis hin zum Recycling, einschließlich der damit
verbundenen Dienstleistungen.
Informations- und Kommunikationstechnologien
(IKT) – Unter Informations- und Kommunikationstechnologien
werden all diejenigen technischen
Geräte und Einrichtungen zusammengefasst,
die Informationen aller Art digital umsetzen,
verarbeiten, speichern und übertragen können.
Kennzahlensystem – Darstellung verdichteter
Informationen zur Unterstützung des Managements.
M2M – Machine-2-Machine-Kommunikation –
M2M steht für den automatisierten Informationsaustausch
zwischen technischen Systemen
untereinander oder mit einer zentralen Stelle.
Typische Anwendungen sind die Fernüberwachung
und -steuerung. M2M verknüpft Informations-
und Kommunikationstechnik und bildet
das sogenannte „Internet der Dinge“.
MES – Ein MES (Manufacturing Execution System)
bildet die prozessnah operierende Ebene
eines mehrschichtigen Fertigungsmanagementsystems.
Es ist direkt an die Systeme der Prozessautomatisierung
angebunden. MES zeichnen
sich im Gegensatz zu ERP-Systemen durch integrierte
APS-Logiken aus, die eine präzisere und
detailliertere Feinplanung und Steuerung erlauben,
zudem durch eine bessere Echtzeitfähigkeit.
Middleware – Middleware stellt eine Ebene in
einem komplexen Softwaresystem dar, die als
„Dienstleister“ anderem, ansonsten entkoppelten,
Softwarekomponenten den Datenaustausch
ermöglicht.
Predictive Maintenance – Predictive Maintenance-Systeme
sollen Maschinenfehler, wie etwa
Maschinenausfälle oder Störungen, entdecken,
bevor sie überhaupt auftreten. Fehler sollen
durch Instandhaltung oder frühzeitige Reparaturen
verhindert werden.
RFID – Radio-frequency Identification kann unter
anderem zur Überwachung, Qualitätskontrolle
und automatischen Anpassung des Fertigungsvorgangs
sowie zur Erkennung und zum Austausch
von eigenen und Umgebungsinformationen
verwendet werden.
67

SCM-System – Supply Chain Management Systeme
schaffen eine unternehmensübergreifende
Transparenz über Bedarfe, Kapazitäten und
Bestände entlang der Wertschöpfungskette,
sodass die einzelnen Unternehmen in ihrer Entscheidung
bzgl. der betrieblichen Abläufe in
Echtzeit unterstützt werden.
Smart Factory – Smart Factory bezeichnet die
intelligente, vernetzte Fabrik.
Smart Operations – Smart Operations beschreibt
die horizontale und vertikale Vernetzung des
Unternehmens, auf deren Basis eine flexible Produktionsplanung
und -steuerung möglich wird.
Smart Products – Smart Products sind physische
Objekte, die mit IKT ausgestattet sind. Dadurch
sind sie eindeutig identifizierbar und können mit
ihrer Umwelt interagieren. Sie erfassen ihre
Umwelt und den eigenen Zustand über Sensorik
und bieten unterschiedliche Zusatzfunktionen
im betrieblichen Kontext an.
Smart Services – Unter Smart Services werden
über das Internet individuell konfigurierte
Pakete aus Produkten, Dienstleistungen und
Diensten verstanden (acatech, 2014). Diese Services
umfassen zum Beispiel prädiktive Dienstleistungen
aus der Ferne oder auch neue
Geschäftsmodelle wie den Handel mit Produktionskapazitäten
oder -daten.
Telemaintenance – Unter Telemaintenance versteht
man die computergesteuerte Fernwartung
von Maschinen und deren Parametern.
Vertikale Integration – Die vertikale Integration
beschreibt in der Produktions- und Automatisierungstechnik
die Integration verschiedener
IT-Systeme auf den unterschiedlichen Hierarchieebenen
der Produktion und Unternehmensplanung
zu einer durchgängigen Lösung. Beispiele
für solche Hierarchieebenen sind die
Aktor- und Sensorebene, die Steuerungsebene
oder die Produktionsleitebene.
68

7 Anhang
Studienautoren
Martin Bleider,
FIR an der RWTH Aachen
Matthias Blum,
FIR an der RWTH Aachen
Moritz Schröter,
FIR an der RWTH Aachen
Prof. Dr.-Ing. Volker Stich,
FIR an der RWTH Aachen
Dr. Roman Bertenrath,
IW Consult
Dr. Karl Lichtblau,
IW Consult
Agnes Millack,
IW Consult
Katharina Schmitt,
IW Consult
Ansprechpartner
VDMA e. V.
Dietmar Goericke
Geschäftsführer Forum Industrie 4.0
dietmar.goericke@vdma.org
069 6603-1821
Dr. Christian Mosch
Referent Forum Industrie 4.0
christian.mosch@vdma.org
069 6603-1939
Institut der deutschen Wirtschaft Köln
Consult GmbH
Dr. Karl Lichtblau
Geschäftsführer IW Consult
lichtblau@iwkoeln.de
0221 4981-758
FIR e. V. an der RWTH Aachen
Prof. Dr.-Ing. Volker Stich
Geschäftsführer des FIR e. V. an der RWTH Aachen
info@fir.rwth-aachen.de
0241 47705-100
Edgar Schmitz,
IW Consult
Lektorat
Sylvia Rollmann
69

Readiness-Modell für die Dimension Strategie und Organisation – Mindestanforderungen
Dimension
Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5
Umsetzungsstand
Strategie
Industrie 4.0 findet
keine Beachtung im
Strategieprozess
Industrie 4.0 findet
Beachtung in
Fachabteilungen,
ohne Strategiebezug
Industrie 4.0 wird im
Strategieprozess
beachtet und eine
Strategie wird
erarbeitet
Eine Industrie 4.0-
Strategie ist formuliert
Eine Strategie im
Kontext Industrie 4.0
befindet sich in
Umsetzung
Eine Industrie 4.0
Strategie ist über alle
Unternehmensbereiche
hinweg
umgesetzt
Ermittlung von
Kennzahlen
Investitionen
Kennzahlen zur
Ermittlung des
Industrie 4.0-
Umsetzungsstandes
liegen nicht vor
Investitionen im
Kontext von Industrie
4.0 werden nicht
getätigt
Kennzahlen zur
Ermittlung des
Industrie 4.0-
Umsetzungsstandes
liegen nicht vor
Erste Investitionen im
Kontext von Industrie
4.0 werden in einem
Bereich getätigt
Es liegt ein
Kennzahlensystem vor,
das Orientierung über
den Umsetzungsstand
gibt
Investitionen im
Kontext von Industrie
4.0 werden in
geringem Umfang
getätigt
Es liegt ein
Kennzahlensystem vor,
das Orientierung über
den Umsetzungsstand
gibt
Investitionen im
Kontext von Industrie
4.0 werden in
wenigen Bereichen
getätigt
Es liegt ein
Kennzahlensystem vor,
das Orientierung über
den Umsetzungsstand
gibt
Investitionen im
Kontext von Industrie
4.0 werden in
mehreren Bereichen
getätigt
Ein Kennzahlensystem
liegt vor und
wird in den
Strategieprozess mit
einbezogen
Investitionen im
Kontext von Industrie
4.0 werden
unternehmensweit
getätigt
Strategie und Organisation
Innovationsmanagement
Es existiert kein
Innovationsmanagement
Es existiert kein
Innovationsmanagement
Es existiert kein
Innovationsmanagement
Vereinzelte Bereiche
haben ein
Innovationsmanagement
Ein Innovationsmanagement
ist in
mehreren
Fachabteilungen
installiert
Einheitliches, die
Bereiche
integrierendes,
Management ist
aufgebaut
Abbildung 7-1
70

Readiness-Modell für die Dimension Smart Factory – Mindestanforderungen
Dimension
Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5
Maschinenpark
(Ist)
Maschinen- &
Anlagenpark nicht
über IT ansteuerbar,
keine Vernetzung
(M2M)
Einzelne Maschinen
sind über IT
ansteuerbar,
interoperabel oder
beherrschen M2M
Der Maschinen- und
Anlagenpark ist
teilweise über IT
ansteuerbar,
interoperabel oder
vernetzt
Der Maschinen- und
Anlagenpark ist über
IT ansteuerbar und
teilweise vernetzt
Maschinen vollständig
über IT ansteuerbar,
teilweise vernetzt
(M2M) oder
interoperabel
Maschinen und
Anlagen sind fast
vollständig über IT
ansteuerbar und voll
vernetzt (M2M)
Maschinenpark
(Soll)
Maschinen und
Anlagen sind nicht
nachrüstbar
Zukünftige
Anforderungen an die
Maschinen und
Anlagen sind relevant
Maschinen und
Anlagen sind teilweise
nachrüstbar
Maschinen und
Anlagen sind
vollständig
nachrüstbar
Teilweise erfüllen die
Maschinen die
Anforderungen bereits
oder sind nachrüstbar
Maschinen und
Anlagen erfüllen
bereits alle
zukünftigen
Anforderungen
Digitales Abbild
Datenerfassung
Digitales Abbild liegt
nicht vor
Es werden keine
Daten erfasst
Digitales Abbild liegt
nicht vor
Es werden keine
Daten erfasst
Digitales Abbild liegt
teilweise vor
Daten werden
aufgenommen,
größtenteils jedoch
manuell
Digitales Abbild liegt
teilweise vor
In einzelnen
Bereichen werden die
relevanten Daten
digital erfasst
Digitales Abbild liegt
teilweise vor
Umfangreiche digitale
Datenaufnahme in
mehreren Bereichen
Vollständiges digitales
Abbild möglich
Smart Factory
Die Daten werden
umgreifend in allen
Bereichen
automatisiert digital
erfasst
Datennutzung
Es liegen keine
Daten zur weiteren
Nutzung vor
Es liegen keine Daten
zur weiteren Nutzung
vor
Daten werden für
einzelne wenige
Maßnahmen genutzt
(z.B. Schaffung
Transparenz)
Daten werden in
mehreren Bereichen
zur Optimierung
genutzt
Daten werden zur
umfangreichen
Optimierung von
Prozessen genutzt
IT-Systeme
Keine Unterstützung
durch IT-Systeme
Teilweise Nutzung der
Daten zur Optimierung
von Prozessen (z.B.
Predictive Maintenance)
Hauptgeschäftsprozess
durch IT-
Systeme unterstützt
Einzelne
Unternehmensbereiche
werden
durch IT-Systeme
unterstützt und sind
vernetzt
Teilweise werden
Unternehmensbereiche
durch IT-
Systeme unterstützt
und miteinander
vernetzt
Vollumfängliche IT-
Unterstützung der
Prozesse und
Vernetzung
IT-Systeme
unterstützen alle
Unternehmensprozesse
und sind
integriert
Abbildung 7-2
71

Readiness-Modell für die Dimension Smart Operations – Mindestanforderungen
Dimension
Stufe 0
Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5
Systemintegrierter
Informationsaustausch
Kein systemintegrierter
Informationsaustausch
Ansätze von betriebsinternem,
systemintegrierten
Informationsaustausch
Betriebsinterner
Informationsaustausch
teilweise
systemintegriert
Teilweise
betriebsinterner und
erste Ansätze von
betriebsexternem,
systemintegrierten
Informationsaustausch
Mehrheitlicher
betriebsinterner und
teilweise
betriebsexterner,
systemintegrierter
Informationsaustausch
Umfangreicher
betriebsinterner und
teilweise betriebsexterner,
systemintegrierter
Informationsaustausch
Autonom
steuerndes
Werkstück
Selbstständig
reagierende
Prozesse
Kein Einsatz autonom
steuernder Werkstücke
Kein Einsatz selbstständig
reagierender
Prozesse
Kein Einsatz autonom
steuernder Werkstücke
Kein Einsatz selbstständig
reagierender
Prozesse
Kein Einsatz autonom
steuernder Werkstücke
Kein Einsatz selbstständig
reagierender
Prozesse
Kein Einsatz autonom
steuernder
Werkstücke
Kein Einsatz selbstständig
reagierender
Prozesse
Erprobung in Testund
Pilotphasen
Erprobung in Test- und
Pilotphasen
Einsatz in
ausgewählten
Teilbereichen oder
sogar unternehmensübergreifend
Einsatz in
ausgewählten
Teilbereichen oder
sogar unternehmensübergreifend
Smart Operations
IT-Sicherheit
Keine IT-Sicherheitslösungen
in Arbeit oder
implementiert
Erste IT-
Sicherheitslösungen
sind geplant
Mehrere IT-
Sicherheitslösungen
sind geplant oder erste
Lösungen in Arbeit
IT-Sicherheitslösungen
sind teilweise
implementiert
Umfangreiche IT-
Sicherheitslösungen
sind implementiert,
bestehende Lücken
werden geschlossen
IT-Sicherheitslösungen
sind für alle relevanten
Bereiche implementiert
Cloud-Nutzung
Keine Nutzung von
Cloud-Lösungen
Keine Nutzung von
Cloud-Lösungen
Keine Nutzung von
Cloud-Lösungen
Erste Lösungen für
Bereiche Software aus
der Cloud, Datenspeicherung
und
-auswertung geplant
Erste Lösungen
umgesetzt
Mehrere Lösungen
umgesetzt
Abbildung 7-3
72

Readiness-Modell für die Dimension Smart Products – Mindestanforderungen
Dimension
Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5
IKT Zusatzfunktionalitäten
1)
Smart Products
Nutzung der
Daten 2)
Keine
Zusatzfunktionen
Keine Aufnahme von
Daten
Produkte besitzen
erste Ansätze von
Zusatzfunktionen
Keine Aufnahme von
Daten
Produkte besitzen
erste
Zusatzfunktionen
Aufnahme von Daten,
aber keine Analyse/
Nutzung der Daten
Produkt besitzen
mehrere
zusammenhängende
Zusatzfunktionen
Analyse/Nutzung der
Daten
Produkte besitzen
Zusatzfunktionen aus
verschiedenen
Bereichen
Analyse/Nutzung der
Daten
Produkte besitzen
umfangreiche
Zusatzfunktionen
Analyse/Nutzung der
Daten
1)
Produktgedächtnis, Selbstauskunft, Vernetzung, Lokalisierung, Assistenzsysteme, Überwachung, Objektinformation oder Automatische Identifikation
2)
Nutzung der Daten für Produktentwicklung, Vertriebsunterstützung, After-Sales (bspw. Telemaintenance)
Abbildung 7-4
73

Readiness-Modell für die Dimension Data-driven Services – Mindestanforderungen
Dimension
Stufe 0 Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5
Datenbasierte
Dienstleistungen
Anteil am Umsatz
Nutzungsgrad
Daten
Es werden keine
datenbasierten
Dienstleistungen
angeboten
Kein Anteil am
Umsatz
Keine Nutzung der
Daten
Es werden
datenbasierte
Dienstleistungen
angeboten, jedoch
ohne Vernetzung mit
dem Kunden
Ein erster Beitrag zum
Umsatz erfolgt durch
datenbasierte
Dienstleistungen
(< 1 %)
Keine Nutzung der
Daten
Es werden
datenbasierte
Dienstleistungen
angeboten, jedoch
ohne Vernetzung mit
dem Kunden
Ein erster Beitrag zum
Umsatz erfolgt durch
datenbasierte
Dienstleistungen
(< 2,5 %)
0-20 % der
aufgenommenen
Daten werden genutzt
Es werden
datenbasierte
Dienstleistungen
angeboten, jedoch
ohne Vernetzung mit
dem Kunden
Ein erster Beitrag zum
Umsatz erfolgt durch
datenbasierte
Dienstleistungen
(

Danksagung
Die vorliegende Studie wurde beauftragt von der
IMPULS-Stiftung des VDMA und von dem Institut
der deutschen Wirtschaft Köln Consult GmbH
(IW Consult) und dem Forschungsinstitut für
Rationalisierung (FIR) an der RWTH Aachen
durchgeführt. Wir möchten uns hiermit vielmals
bei den Unternehmen bedanken, die diese Studie
erst ermöglicht haben. Zudem wurden im
Rahmen von Experten-Workshops die Hypothesen
und Ergebnisse diskutiert und validiert. Ein
großer Dank gilt den Mitarbeitern des VDMA,
der IW Consult und des FIR an der RWTH Aachen,
die an der Analyse der Daten und inhaltlichen
Ausarbeitung beteiligt waren.
75

Impuls-
Stiftung
IMPULS-Stiftung
für den Maschinenbau,
den Anlagenbau und
die Informationstechnik
Lyoner Straße 18
60528 Frankfurt
Telefon +49 69 6603 1332
Fax +49 69 6603 2332
Internet www.impuls-stiftung.de
E-Mail info@impuls-stiftung.de