Die Produktionsstrukturen in Unternehmen werden immer komplexer, während gleichzeitig die Menge an verfügbaren Produktionsdaten und die Informationskomplexität rasant wachsen. Diese Entwicklungen bringen einfache Analyse- und Entscheidungssysteme im Produktionscontrolling von kleinen und mittleren Unternehmen (KMU) an ihre Grenzen.
Hier setzt Data Analytics an. Um komplexer werdende Entscheidungen fundiert zu unterstützen, werden verschiedene Arten von Analysen differenziert, die sich hinsichtlich ihres Mehrwerts und ihrer Komplexität unterscheiden.
Deskriptive Analysen (Descriptive Analytics) werten aus, was in der Vergangenheit passiert ist. Dazu gehört beispielsweise die Analyse von historischen Auftragsdurchlaufzeiten. Deskriptive Analysen bringen einen vergleichsweise geringen Mehrwert, weil sie lediglich den vergangen Ist-Zustand der Produktion abbilden, sind in der Regel jedoch einfach umsetzbar.
Prädiktive Analysen (Predictive Analytics) prognostizieren, was in der Zukunft passieren wird, etwa in Form von konkreten Lieferzeitprognosen.
Präskriptive Analysen (Prescriptive Analytics) leiten hingegen ab, was in der Zukunft passieren sollte. Sie weisen eine hohe Komplexität auf, generieren aber auch den größten Mehrwert, da sie eine zukunftsorientierte Handlungsempfehlung ermöglichen. Ergebnis einer präskriptiven Analyse ist zum Beispiel, dass es einer Bestandsreduzierung in der Produktion bedarf, um zukünftig eine Verlängerung von Durchlauf- und Lieferzeit über die Toleranzgrenzen strategischer Zielsetzungen hinaus zu vermeiden.
Data Analytics: Chancen und Herausforderungen für KMU
Der gezielte Einsatz dieser fundierten Analysemethoden macht Einflüsse auf die logistische Leistungsfähigkeit von Produktionssystemen beschreibbar und für das Produktionscontrolling nutzbar. Auf diese Weise können Unternehmen konkrete Maßnahmen für eine signifikante Leistungssteigerung identifizieren und umsetzen. So gelingt es, eine hohe logistische Leistung – wie kurze Lieferzeiten und eine hohe Liefertermintreue – zu erzielen und gleichzeitig die logistischen Kosten auf einem niedrigen Niveau zu halten.
Das Institut für Fabrikanlagen und Logistik (IFA) hat jedoch erkannt, dass KMU beim Einsatz dieser fortschrittlichen Analysemethoden vor erheblichen Hürden stehen. Häufig fehlt das fachliche Know-how der Mitarbeitenden, da die Implementierung solcher Modelle tiefgreifende Kenntnisse in Programmiersprachen erfordert. Der extreme Mangel an IT-Fachkräften sowie knappe Budgets bremsen KMU beim Ausschöpfen ihrer Digitalisierungspotenziale zusätzlich drastisch aus.
Potenziale durch den Einsatz von Low-Code-Applikationen
Um diese Hürden für die Industrie zu überwinden, rückt das IFA den Ansatz des Low-Code in den Fokus. Low-Code ist ein Werkzeug, das es den Benutzenden ermöglicht, Software und Datenanalysen ohne tiefgreifende Kenntnisse der Programmierung zu entwickeln. Anstatt komplizierte Programmierzeilen zu schreiben, nutzen die Anwendenden visuelle Drag-and-Drop-Bausteine. Hierbei fügen sie verschiedene vorgefertigte Analysekomponenten wie Puzzleteile zu einem vollständigen Arbeitsprozess zusammen.
Zunächst wählen die Nutzenden Bausteine für den Datenimport aus, um die Produktionsrohdaten in das System zu laden. Danach reihen sie Standardbausteine für die Datenvorverarbeitung aneinander, um die Daten beispielsweise zu bereinigen oder zusammenzuführen. Schließlich ziehen sie den gewünschten Baustein für die eigentliche logistische Analyse – zum Beispiel für eine Lieferzeitprognose – per Maus in den Ablauf. Individuelle Gewichtungen oder Anpassungen nehmen die Anwendenden dann ganz einfach über visuelle Menüs vor, völlig ohne einen Eingriff in den zugrundeliegenden Programmcode.
Dies birgt enorme Potenziale für KMU: Sogenannte Citizen Developer – Mitarbeitende aus allen Fachabteilungen außerhalb der IT-Abteilung – erstellen somit selbstständig Softwareanwendungen. Dadurch reduzieren Unternehmen ihre Entwicklungszeiten und Entwicklungskosten signifikant. Der Einsatz von Low-Code befähigt die Unternehmen, fortschrittliche logistische Analysen selbst durchzuführen und somit ihre Marktstellung durch eine messbar verbesserte Logistikleistung und Logistikkostenstruktur langfristig zu sichern.
Praxisnahe Low-Code-Applikationen für KMU
Mit dem Forschungsvorhaben LowDA überführt das IFA diese theoretischen Potenziale direkt in die industrielle Praxis. Das IFA entwickelt dafür eine frei nutzbare Bibliothek von Low-Code-Applikationen, die speziell auf logistische Fragestellungen zugeschnitten ist. Zusätzlich erarbeitet das IFA geeignete Methoden und didaktisch aufbereitete Leitfäden, die KMU bei der essenziellen Vorverarbeitung und Bereinigung großer Datenmengen unterstützen. Diese Schritte der Datenvorverarbeitung sind zwingend erforderlich, um verlässliche Analyseergebnisse zu erzielen. Referenzbeispiele runden das Projekt ab und erleichtern den Unternehmen den Einstieg in die Materie.
Am Ende des Forschungsprojekts im Herbst 2027 wird das IFA der Industrie einen interaktiven Online-Leitfaden zur Verfügung stellen, der KMU die eigenständige und reproduzierbare Anwendung komplexer Analysen im Produktionscontrolling ermöglicht.
