Prof. Dr.-Ing.

Schuh, Günther

Filters

27
Reset filters

Settings
Now showing 1 - 10 of 27
  • Publication
    Pricing Models for Industrial Data
    ( 2023-05-10)
    Cassel, Leonard
    ;
    Schauss, Marc
    ;
    Bruhns, Lukas
    ;
    Schuh, Günther
    The increasing importance of digital technologies and connectivity in products, processes, and organizations leads to a growing amount of generated data. Manufacturing companies can use these data to control and monitor production processes as well as offer data-driven services in addition to their existing product portfolio. In the business to consumer (B2C) sector, data-driven services are already well established. Manufacturing companies on the other hand tend to struggle to effectively leverage and monetize data-driven service offerings, as the value creation and utility potential often is not apparent. However, to increase their competitive positioning, companies need to establish a sound understanding of the value creation of their products or services and the resulting pricing potential. Even though success stories exist in the manufacturing industry, most companies face challenges in effectively pricing their data-driven offerings. This is, in part, due to the many facets of pricing such offerings. Because of their diversity and complexity, these may seem intimidating to consider at first glance. Figure 1 shows four challenges of pricing data-driven service offerings that should be considered. The potential customer purchases a benefit and/or functionality, which, contrary to a physical product, is not tangible. Hence, the quantification of the customer’s benefit is based on the value created by the generated data and service offering. For manufacturing companies, the effort required to determine suitable price points may be higher, as the quantification depends on the benefit of the individual customer. From a customer’s perspective, estimation efforts regarding the return on invest may arise. Thus, both the customer and provider of data-driven service offerings need to have a sound understanding of the long-term value creation and utility potential that is generated. Manufacturing companies notably face obstacles in selecting and designing a suitable pricing model to sell their data-driven service offerings. In addition to being more difficult to quantify, data-driven service offerings require more extensive analysis of the value creation and utility potential. This is due to the previously outlined intangible customer benefit. This study aims to answer the question how to develop pricing models for industrial data. To do so, current industry standards and practices regarding data-driven service offerings were identified, along with an overview of relevant trends in this field. This knowledge lays the theoretical foundation of the pricing of data-driven service offerings. In a second step, three case studies were conducted, in which various types of data-driven service offerings were implemented. Each process was thoroughly analyzed to infer data about pricing strategies that can realistically be implemented in manufacturing companies. Finally, the previously acquired information about the process of pricing data-driven service offerings was abstracted to identify key performance indicators. These form the basis of general recommendations for pricing strategies that apply to all manufacturing industries.
  • Publication
    Data-driven business models
    ( 2022-07-18)
    Patzwald, Marc
    ;
    Studerus, Bastian
    ;
    Cassel, Leonard
    ;
    Schauss, Marc
    ;
    Schuh, Günther
    In recent years, the business to consumer (B2C) and business to business (B2B) sectors have undergone a fundamental transformation, in which products, processes and organizations become increasingly connected via a growing amount of generated data and digital technologies. The car industry, for example, uses generated data to (a) generate revenue through, e.g., individual offerings and personalization of the vehicle, (b) reduce costs through, e.g., better tailoring of products/services provided and (c) increase the safety and security by reducing the time for intervention. The industrial sector, through its dependency on manufacturing machinery, is also generating a massive amount of data. Initially driven to improve internal efficiencies and processes, companies started to interconnect these data, resulting in the possibility to improve external activities such as up- (e.g., supplier) and downstream (e.g., consumers) activities. Nowadays, manufacturing companies have the possibility to use the generated data over different stakeholders and the product lifecycle with improvement potential in e.g., development, manufacturing, services and/or end-of-life activities. With the availability of data, organizations need to reflect and analyze the current value offer to customers. Besides the possibility to offer and improve customized products and/or services, companies need an underlying concept to exploit industrial data in form of a data-driven business model. Every company needs to effectively and efficiently be able to create the willingness to pay as well as to realize and capture value added to find their specific sweet spot. For manufacturing companies, the journey towards a data-driven business model starts with their physical product and domain-specific knowledge. However, as the way to establish data-driven business model is not always linear, and there is no general recipe for success, the journey from a physical product to a data-driven business model may be different between companies. Hence, companies may experience different hurdles on their journey. This study aims to facilitate the journey by answering the question how companies along a value chain can monetize the insights derived from industrial data. To do so, the underlying procedure covering the identification of roles along the value chain, the value of machine sensor data and monetization opportunities will be presented alongside the respective outcomes.
  • Publication
    Always Beta - DevOps für cyber-physische Produkte
    ( 2020)
    Schuh, Günther
    ;
    Ays, Johanna
    ;
    Becker, Annika
    ;
    Britz, Alexander
    ;
    Dölle, Christian
    ;
    Hegener, Guido
    ;
    Hermann, Ulrich
    ;
    Wlecke, Shari
    Agile Entwicklungsmethoden beschreiben das iterative Entwickeln, Testen und Validieren von Produktinkrementen. Diese für die Entwicklung von cyber-physischen Produkten neuartigen Entwicklungsmethoden werden hauptsächlich in der Entstehungsphase genutzt. Dabei bietet besonders die Nutzungsphase enorme Potenziale zum Erkenntnisgewinn über Produkte und deren Nutzung. In der Softwarebranche wird durch DevOps die Zusammenarbeit der Bereiche Entwicklung und Betrieb beschleunigt, sodass die kurz-zyklische Weiterentwicklung von Produkten während der Nutzungsphase umgesetzt werden kann. Dieses Vorgehen übertragen auf cyber-physische Produkte stellt die zentrale Grundlage für Always Beta dar. Dabei beschreibt Always Beta den kontinuierlich weiter-entwickelbaren Zustand einer Produktversion als Basis für das jeweils darauffolgende, optimierte Produktrelease. Somit unterstützt DevOps eine neuartige Möglichkeit, auf Kundenbedürfnisse zu reagieren und die Produkte gezielt weiter zu entwickeln. Dementsprechend können die Potenziale der Agilität nochmals signifikant gesteigert werden. Das Internet of Production bietet die Infrastruktur für die Umsetzung von DevOps für cyber-physische Produkte. Entwicklungs- und Nutzungszyklus werden verbunden, indem Daten aus der Produktnutzung strukturiert in die Entwicklung zurückgeführt werden. Somit können Optimierungspotenziale systematisch identifiziert und in Form von Software- und Hardware-Releases in das Produkt implementiert werden. Durch eine gezielte Produkt-weiterentwicklung können Zielgrößen wie die Overall Equipment Efficiency gesteigert und zur Schonung von Ressourcen beigetragen werden.
  • Publication
    Worldwide Lab - Garantierte Produktivitätssteigerung durch Lernen im Netzwerk
    ( 2020)
    Schuh, Günther
    ;
    Burggräf, Peter
    ;
    Gottschalk, Sebastian
    ;
    Gützlaff, Andreas
    ;
    Dannapfel, Matthias
    ;
    Thomas, Katharina
    ;
    Ebade Esfahani, Matthias
    ;
    Geukes, Corinna
    ;
    Welsing, Martin
    ;
    Klein, Andreas
    ;
    Tschöpe, Sebastian
    ;
    Henrichs, Marco
    ;
    Weber, Wolfgang
    ;
    Holtbrügge, Johannes
    ;
    Benninghaus, Christoph
    ;
    Feike, Sebastian
    ;
    Mairl, Paul
    ;
    Hülsmann, Nikolas
    Als Konsequenz und Reaktion auf die Globalisierung haben viele Unternehmen ihre Wertschöpfung auf globale Produktionsnetzwerke verteilt. Zur Optimierung solcher Produktionsnetzwerke wurden in der Vergangenheit insbesondere die Aktivitäten und Aufgaben der einzelnen Standorte untersucht und verbessert. Neue Optimierungspotentiale bietet das Zusammenspiel und der Informationsaustausch der jeweiligen Standorte im Netzwerk. Insbesondere durch die zunehmende Vernetzung der Produktion im Rahmen von Industrie 4.0 und der weltweiten Verfügbarkeit dieser Daten in Cloudumgebungen können mehr Informationen zwischen den einzelnen Standorten ausgetauscht und somit auch genutzt werden. Auf dieser Grundlage wurde im Rahmen des Forschungsprojektes Internet of Production (IoP) das Konzept d es Worldwide Labs erarbeitet. Das Worldwide Lab sieht vor, dass sämtliche Datenpunkte in globalen Produktionsnetzwerken verfügbar gemacht und wie experimentelle Beobachtungsdaten behandelt werden, um Produktivitätssteigerungen zu erreichen. Der Vorteil dieser Datenbasis ist die große Anzahl an Faktoren, die berücksichtig werden können, da die Anzahl an potentiellen Experimentaldaten so deutlich gesteigert wird. Zudem können bereits vorhandene Daten ex post zur Validierung von Hypothesen genutzt werden. Für die erfolgreiche Einführung und Nutzung des Worldwide Labs in produzierenden Unternehmen müssen verschiedene Aspekte beachtet werden, die in den einzelnen Unterkapiteln erläutert und mit Praxisbeispielen veranschaulicht werden. Zunächst muss mit nutzbaren Daten die technische Grundlage geschaffen werden. Zur Realisierung dieses Nutzens muss das Unternehmen zudem in lernenden Prozessen operieren, die von flexiblen Teams umgesetzt werden.
  • Publication
    Subskriptionsmodelle im Maschinen- und Anlagenbau
    ( 2020)
    Schuh, Günther
    ;
    Boshof, Julian
    ;
    Dölle, Christian
    ;
    Kelzenberg, Christoph
    ;
    Tittel, Jonas
    Die Industrialisierung hat dazu geführt, dass eine signifikante Unterauslastung von Ressourcen über eine lange Zeit rentabel war. Fraglich ist jedoch, ob diese Ressourcenverschwendung auch weiterhin, insbesondere unter der Nachhaltigkeitsbetrachtung, möglich ist. Der deutsche Maschinen- und Anlagenbau ist eine Branche, die in der Vergangenheit von der Industrialisierung signifikant profitierte. Allerdings verliert der deutsche Maschinen- und Anlagenbau innerhalb der letzten Jahre weltweit Marktanteile, weshalb fraglich ist, ob die Branche mit ihren aktuellen Geschäftsmodellen zukunftsfähig aufgestellt ist. Um dieses Problem zu adressieren, liegt aufgrund der zunehmenden Möglichkeiten der Digitalisierung ein besonderes Potenzial in der Neuinterpretation von industriellen Subskriptionsmodellen. Diese führen zu einer Angleichung der Interessen von Hersteller und Kunde, weil Überkapazitäten durch eine bedarfsgerechte Ressourcenbeanspruchung reduziert werden. Die Digitalisierung muss deshalb als ultimativer Nachhaltigkeitstreiber verstanden werden, um gleichzeitig die kundenseitige Produktivität und die herstellerseitige Marge zu verbessern. Die Auslegung industrieller Subskriptionsmodelle erfordert die Fusion des Business Model Canvas als methodischer Befähiger zur ganzheitlichen Entwicklung von Geschäfts-modellen und des Internet of Production (IoP) als praktischen Befähiger zur Operationalisierung von Geschäftsmodellen. In diesem Beitrag werden fünf zentrale Interaktionen der beiden Ordnungsrahmen beschrieben, welche für eine erfolgreiche Umsetzung industrieller Subskriptionsmodelle im Maschinen- und Anlagenbau zwingend erforderlich sind.
  • Publication
    Value Capture - Datengetriebene Geschäftsmodelle erfolgreich in produzierenden Unternehmen implementieren
    ( 2020)
    Schuh, Günther
    ;
    Breit, Stefan
    ;
    Echterfeld, Julian
    ;
    Graberg, Tim
    ;
    Kreutzer, Ramon
    ;
    Manz, Stephan
    ;
    Michaelis, Marc
    ;
    Patzwald, Marc
    ;
    Pieper, Thorsten
    ;
    Schön, Nico
    ;
    Volm, Matthias
    Die digitale Vernetzung hat heute einen signifikanten Einfluss auf die Lebensrealität von Privatpersonen. Seit der Einführung des ersten iPhones im Jahr 2007 ist bei digitalen Produkten, Dienstleistungen und Geschäftsmodellen eine rapide Marktdurchdringung zu beobachten. Produzierende Unternehmen erschließen die Potenziale, die mit der digitalen Vernetzung verbunden sind, jedoch nur langsam, obwohl insbesondere die Verwendung von Daten aus dem Nutzungszyklus von Produkten große Chancen zur Realisierung neuer Umsatzerlöse darstellt. Wesentliche Ursache dafür ist, dass die Unternehmen sich mit der Herausforderung aus erforderlicher Geschwindigkeit zur erfolgreichen Umsetzung von digitalen Innovationen und der Bindung durch ihre Produktionsassets konfrontiert sehen. Dieser Beitrag soll produzierenden Unternehmen einen Impuls aufzeigen, wie sie zusätzlichen Kundennutzen generieren können und mit welchen Vehikeln dieser den Kunden bereitgestellt werden kann. Anhand von fünf konkreten Fallstudien wird dargelegt, wie die theoretisch hergeleiteten und begründeten Ansätze in der Praxis bereits erfolgreich von produzierenden Unternehmen umgesetzt werden und welches dabei wesentliche Erfolgs-faktoren waren.
  • Publication
    Organisation, Qualität und IT-Systeme für Planung und Betrieb
    ( 2017)
    Niehues, Michael
    ;
    Reinhart, Gunther
    ;
    Schmitt, Robert H.
    ;
    Schuh, Günther
    ;
    Brambring, Felix
    ;
    Ellerich, Max
    ;
    Elser, Hannes
    ;
    Frank, Daniel
    ;
    Groggert, Sebastian
    ;
    Gützlaff, Andreas
    ;
    Heinrichs, Verena
    ;
    Hempel, Thomas
    ;
    Kostyszyn, Kevin
    ;
    Ngo, Hao
    ;
    Niendorf, Laura
    ;
    Permin, Eike
    ;
    Prote, Jan-Philipp
    ;
    Reuter, Christina
    ;
    Türtmann, Robin
  • Publication
    Technology platforms
    ( 2017)
    Brecher, Christian
    ;
    Schuh, Günther
    ;
    Bräkling, André
    ;
    Özdemir, Denis
    ;
    Wassong, Anja
    ;
    Weber, Anja
    The Cluster of Excellence (CoE) focuses on foundational research within production engineering as the basis for future innovation in high-wage countries. Turning the results of basic research into subsequent future innovation requires bi-directional knowledge transfer between universities and industry. Therefore, the CoE evolved the idea of so-called technology platforms. This includes new cooperation and communication structures, such as virtual platforms as well as new education and training concepts. This chapter provides an overview of the communication means and technology platforms that were established during the duration of the CoE. However, motivation, research questions, and the-state-of-the-art of technology platforms are outlined beforehand.
  • Publication
    Social media applications for knowledge exchange in organizations
    ( 2016)
    Valdez, André Calero
    ;
    Schaar, Anne Kathrin
    ;
    Bender, Jens
    ;
    Aghassi, Susanne
    ;
    Schuh, Günther
    ;
    Ziefle, Martina
    With the broad success of Web 2.0, organizations have become interested in using social media for professional applications. To date related research has mainly focused on the social impact of social media. However, little is known about the circumstances under which employees will invest time in using social media, especially the perceived benefits and its barriers within enterprises need further research. Different aspects of organizational knowledge management bring along different requirements for social-media-based solutions. This chapter focusses on providing both a theoretical background on social media acceptance and concepts, as well as empirical findings from practice and research investigating acceptance-relevant needs and demands of social media users in different contexts. Findings from practice corroborate that the complexity of the plethora of communication paths can be supported by social media. Findings from research reveal that regarding the users' (emotive) needs is critical when dealing with sensitive communication/data. Combining both practice and research tries to bridge the knowledge gap existing in fast paced developments like social media.