Internet of Things

Das Internet prägt seit Jahrzenten die Unternehmungen auf allen Ebenen. Durch den Gebrauch des Internets haben sich neue, innovative Geschäftsmodelle ergeben. Mit dem Internet of Things (IoT) steht die nächste Generation des Internet „vor der Tür“. (Fleisch, Weinberger & Wortmann, 2015, S. 445)

Die Idee ist die Ausweitung des Internets in die reale Welt hinein. Dementsprechend sollen Alltagsgegenstände bzw. Things zu Teilen des Internets werden. Diese „Things“ können Informationen generieren und weitergeben oder als Zugangspunkte zum Internet dienen, womit sich weitreichende Möglichkeiten eröffnen (Pampel, 2018, S. 21).

Das Internet der Dinge kommt bereits heute in vielen Geschäftsbereichen zur Anwendung. So zum Beispiel in Unternehmungen im Bereich „Industrie 4.0“, zu Hause mit dem „Smart Home“ aber auch in der Energiebranche mit „Smart Energy“. (Fleisch et al., 2015, S. 446, zit. in Atzori/Iera/Morabito, 2010, S. 2793ff; Vermesan et al., 2014, S. 30ff.)

Durch die drahtlose Vernetzung und Echtzeit Kommunikation steigert das IoT die Effizienz, senkt Kosten und spart Zeit ein.

Definition

Der Begriff Internet of Things (Deutsch: Internet der Dinge) oder abgekürzt IoT, beschreibt die Kombination der physischen mit der digitalen Welt.

Eine offizielle Definition gibt es jedoch nicht. "Sinnesgemäss wird es auch oft als die digitale Ver-netzung beliebiger Gegenstände des Alltags auf der Basis standardisierter Internettechnologien beschrieben. Ziel dabei ist, dass die vernetzten Gegenstände in einer für den Menschen nützlichen Weise miteinander Daten austauschen und interagieren können“ (Sinsel, 2020, S.4).

Das Internet of Things ist bereits heute ein stetiger Begleiter im Alltag. Smartphones, Smartwat-ches, aber auch Fernseher und Kaffeeautomaten sind alles Geräte, welche ins IoT eingebunden sind. Durch die hohe Vernetzung können immer mehr strukturierte Daten (Big Data) generiert werden, welche anschliessend zu Analyse- und Optimierungszwecken verwendet werden (KMU-Portal, online). So ermöglicht die neue Technologie den Kundinnen und Kunden ergänzende Produkte oder auch sogenannte Ökosysteme anzubieten und so als ergän-zendes Element zum Menschen zu fungieren. (Fleisch et al., 2015, S. 444).

Inzwischen übersteigt die Anzahl vernetzter Geräte, sogenannter «intelligenter Gegenstände» (KMU-Portal, online), weltweit gar die Milliardengrenze. Dem gegenüber gibt es auch das «Internet of People» (IoP), welches für die Vernetzung der Personen steht (HewlettPackard Enterprise, online).

In vielen Fachliteraturen über das IoT stösst man zudem immer wieder auf den Begriff Industrial Internet of Things (IIoT) oder Industrie 4.0. Der Unterschied zwischen IoT und IIoT ist lediglich der Anwendungsbereich. Denn beispielhafte Anwendungsbereiche für das IoT sind im privaten Umfeld, Transport, Gesundheitswesen oder Smart Homes. Das IIoT hingegen, wie es der Name bereits sagt, bezieht sich auf industrielle Umgebungen.

Ziele

Die Idee dieser neuen Technologien besteht darin, die bestehenden Produkte mit Sensoren auszustatten, damit diese Daten über das Produkt selber und deren Nutzung sowie die Umwelt sammeln. Auch die Verknüpfung mit anderen solchen „smarten“ Produkten soll dadurch möglich sein.

Für den Nutzer selber, soll sich durch diese Sensoren keinen Nachteil in deren Nutzung zeigen. Diese Sensoren sollen nämlich nicht augenfällig platziert werden, so dass sie vom Menschen kaum wahrgenommen werden. Denn das Produkt selber (z.B. eine Glühbirne) soll weiter-hin seiner ursprünglichen Verwendung dienen. (Fleisch et al., 2015, S. 445, zit. in Vermesan et al., 2014; Yoo/Henfridsson/Lyytinen, 2010, S. 724f.).

Die Ziele vom IoT decken sich stark mit den Zielen der Digitalisierung. So hat das IoT folgende Ziele (Informatik-aktuell, online):

• Automatisierung von Abläufen:

Durch die Automatisierung kann die Effizienz gesteigert und Ressourcen eingespart werden, was wiederum auch Zeit spart.

• Sicherung der Nachhaltigkeit:

Warnsysteme können alarmieren und Einfluss nehmen, bevor ein grösserer Schaden ent-steht. So können beispielsweise Geräte, bei welchen ein Defekt droht, frühzeitig warnen und Ersatz für das defekte Element fordern. Damit können grössere oder auch Folgeschäden verhindert werden.

• Bessere Mensch-Maschinen-Interaktion:

Durch Touchpanels wird vieles einfacher und intuitiver gestaltet. Über das Smartphone kön-nen beispielsweise Geräte in der Wohnung auch von auswärts gesteuert werden.

• Höhere Sicherheit:

Durch die Vernetzung der Dinge können Notsituationen früher bemerkt werden. Durch Mik-rochips in der Skiausrüstung können Lawinenopfer schneller gefunden werden. Aber auch die boomenden Fitness-Tracker zur Überwachung des Herzschlages können schnell auf all-fällige Notlagen hinweisen.

Internet of Things im Unternehmen

Einfluss auf Geschäftsmodelle

Um mit dem Trend der digitalen Transformation Schritt zu halten ist es essentiell, sich mit der Gestaltung neuer Geschäftsmodelle auseinander zu setzten. Die Verbindung von neuen techno-logischen Ideen, welche sich positiv auf den wirtschaftlichen Erfolg der Unternehmung auswirken. (Fleisch et al., 2015, S. 445)

Jedoch herrscht bei den Unternehmungen immer noch eine gewisse kritische Haltung gegen-über neuartigen Technologien. Es besteht immer noch eine grosse Unsicherheit bezüglich des gewinnbringenden Einsatzes solcher Technologien, auch wenn diese den Horizont der neuartigen Geschäftsmodelle erweitern mögen. (Fleisch et al., 2015, S. 444–445)

Gestaltung neuer Geschäftsmodelle

Durch das Internet der Dinge können bestehende Muster von Geschäftsmodellen erweitert und/oder eigenständige Geschäftsmodelltypen erschaffen werden (Horváth, 2017, S.119).

Zwei Beispielkategorien für eigenständige Geschäftsmodelltypen im Internet der Dinge sind:

Damit sich solche neuen Geschäftsmodelle und die Gestaltung von Ökosystemen überhaupt ermöglicht, sind die Vorlieben und Wünsche der Kundinnen und Kunden von grosser Bedeutung. Dank der immer stärker werdenden Vernetzung der Gesellschaft durch den Gebrauch von sozialen Netzwerken stehen somit grosse Datenmengen über die Interessen der Nutzer zeitnah quasi in «real time» zur Verfügung, an welchen man sich bedienen kann. Da natürlich nicht alle Informationen dieser Datenflut für die Unternehmung von Relevanz sind besteht die Herausforderung darin, die "wichtigen und relevanten Informationen herauszufiltern, diese miteinander zu kombinieren und somit große Datenmengen in intelligente Erkenntnisse zu verwandeln.“ (Huber & Kaiser, 2015, S. 685–686)

Integration von IoT in die Unternehmung

Wie auch unser Ökosystem der Umwelt und Natur bildet auch das IoT eine Art Ökosystem. Einzelne Anwendungen werden aufeinander abgestimmt, und zu einem grossen Ganzen zusammengefasst.

An erster Stelle steht dabei die Ermittlung der, fürs Unternehmen, passenden Plattform über welche die Daten gewonnen und ausgetauscht werden sollen. Dabei ist es gleichzeitig auch von Bedeutung eine Strategie und Ziele zu definieren, was mit IoT erreicht werden will und was aus den Daten gewonnen werden soll.

Auch die Maschinen und die ganzen IT-Systeme müssen auf IoT umgerüstet werden, damit es überhaupt möglich wird die Daten zu generieren und anschliessend auch auszuwerten. Das heisst die Maschinen und Geräte müssen miteinander kommunizieren, nicht nur mit internen Geräten, sondern beispielsweise auch mit Geräten bei Liefe-ranten und Kunden. So können die Daten in Echtzeit ausgetauscht und anschliessend auch verarbeitet werden.

Bei der Analyse ist es wichtig zu wissen, welche Information aus den Daten genau gewonnen werden sollen. Geht es darum einen möglichst hohen Servicelevel bei Kunden und Lieferanten zu erreichen oder allenfalls die Bedürfnisse der Kunden besser zu kennen. Die Ziele des erhöhten Datenflusses:

• Steigerung des Kundenwerts
• Reduktion der Kosten
• Verbesserung Kommunikation zwischen Kunden und Lieferanten
• Einfluss auf Umwelt

Wertschöpfungsstufen einer Anwendung im IoT

Laut Fleisch, Weinberger & Wortmann (2015) erfolgt im IoT die Digitalisierung physischer Gegenstände durch die Ergänzung von IT auf mehreren Wertschöpfungsstufen (S. 446). Diese fünf Ebenen (siehe Abb. 1) werden im folgenden Abschnitt am Beispiel einer LED-Lampe er-klärt (S. 446-447).

Ebene 1, Physisches Ding

Die erste Ebene des Wertschöpfungsmodells bildet ein physisches Ding, wie z.B. eine LED-Lampe. Der Nutzen dieser LED-Lampe für den Anwender ist das Licht.

Ebene 2, Sensor / Aktuator

Dem physischen Ding wird ein Minicomputer mit Sensorik und Aktuatorik hinzugefügt. Bei einer LED-Lampe misst ein Sensor ob Menschen im Raum präsent sind. Die Sensorik misst also lokale Daten. Der Aktuator hingegen liefert lokale Services und erzeugt damit lokalen Nut-zen, in dem der Aktuator die Lampe in Abhängigkeit der An- bzw. Abwesenheit der Menschen automatisch ein- und ausschaltet.

Ebene 3, Konnektivität

Dabei geht es um das Sicherstellen eines Zugangs zum Internet und damit des globalen Zugriffes. Somit kann die LED-Lampe über ein eingebautes Funkmodul ihren Zustand autorisierten Abonnenten auf der ganzen Welt bekanntgeben.

Ebene 4, Analytik

Diese Ebene sammelt, speichert, plausibilisiert und klassifiziert Sensordaten, webt Erkenntnisse anderer Webservices mit ein und errechnet Konsequenzen für die Aktuatorik. Im LED-Beispiel speichert Ebene 4 u.a. die Ein- und Ausschaltzeiten von Lampen in einem Haushalt, klassifiziert Bewegungsmuster und führt die Betriebsstunden einzelner Lampen mit.

Ebene 5, Digitaler Service

Bei der obersten Ebene werden die Möglichkeiten aus den unteren Ebenen in digitale Dienstleis-tungen strukturiert, in geeigneter Form gebündelt (als Webservice oder mobile Applikation) und global zur Verfügung gestellt. Erst hier wird aus der LED-Lampe mit Anwesenheitssensor eine Sicherheitslampe. Denn der Besitzer kann auf App-Knopfdruck Anwesenheit vorspielen, indem er die Lampe beispielsweise über sein Smartphone einschaltet. Im Fall eines unwillkommenen Eindringlings kann die Lampe einen Alarm an den Besitzer, seine Nachbarn oder die Polizei absetzen oder im „Fight-Back-Modus“ den Einbrecher mit rotem Blitzlicht zu vertreiben versu-chen. Wie in Abbildung 1 zu sehen ist, sind die Pfeile bidirektional gezeichnet. Das heisst, dass die fünf Ebenen nicht unabhängig voneinander erstellt werden können. Eine werthaltige IoT-Lösung ist in der Regel nicht die reine Addition der Ebenen, sondern eine bis in die physische Ebene hineinreichende Integration (Fleisch et al., 2015, S. 447)

Anwendungsbereiche

Das IoT hat unzählige Anwendungsbereiche, denn das Potenzial ist praktisch unbegrenzt. Das IoT verbindet Wertschöpfungsketten zu Netzwerken und findet Lösungen in einer immer kom-plizierteren Umwelt. Dies kann das IoT deshalb, weil es an jedem Punkt der Wertschöpfungskette die relevanten Daten schnell integrieren kann (Erner, 2019, S. 48).

Beispiel 1

«Das System erkennt datenbasiert und in „realtime“, dass ein Lieferant im Netzwerk nicht in der Lage sein wird, rechtzeitig zu liefern. Somit wird automatisch und sofort eine Suche nach einem alternativen und lieferfähigen Lieferanten innerhalb des Netzwerks gestartet und diesem ein entsprechender Auftrag erteilt. Damit kann gesichert werden, dass der Produktionsplan keine Unterbrechung erleidet. Auf diese Weise werden die Produktion des Herstellers/des Kunden und seine Liefertreue abgesichert, was wiederum dessen Kunden zugutekommt» (Er-ner, 2019, S. 48).

Beispiel 2

«In der Transportlogistik verbessert das IoT nicht nur die Materialflüsse, sondern auch die globale Positionierung und automatische Identifikation der Fracht. Es erhöht ausserdem die Energieeffizienz und verringert den Energieverbrauch. Zusammenfassend wird das IoT mass-gebliche Veränderungen in der globalen Supply Chain mittels intelligenter Frachtbewegung er-möglichen. Dies wird erreicht durch konstante Synchronisation der Supply Chain Informatio-nen und Echtzeit-Verfolgung von Objekten. Dies macht die Supply Chain transparent, sichtbar und kontrollierbar und ermöglicht somit die intelligente Kommunikation zwischen Personen und der Fracht/den Gütern» (Bassi et al., 2013, S. 3. eigene Übersetzung).

Anwendungsbereiche im Controlling

Gemäss Pampel (2017) ist es nicht primär die Aufgabe des Controllings sich mit den unmittelbaren Potenzialen der digitalen Technologien zu befassen. Vielmehr fokussiert sich das Controlling auf die wirtschaftlichen Auswirkungen dieser Technologien. Pampel unterscheidet dabei drei wesentliche Probleme, welche das Controlling zu lösen hat (S. 21):

Innovationsproblem

Das Controlling muss sich mit Business Model Innovation (BMI)und den dazugehörigen Management-Instrumenten wie Design Thinking, Open Innovation, Business Canvas etc. auseinandersetzen und ein Grundverständnis dafür entwickeln. Die durch die BMI entwickelten neuen Geschäftsmodelle werden durch die Digitalisierung technologisch ermöglicht. Dennoch besteht ein Grossteil der Innovation im Design von neuen Prozessen und Strukturen, für welche es noch keine Erfahrungswerte gibt. Die Aufgabe des Controllers ist es, die Grundstruktur für die Beurteilung der Erfolgsaussichten dieser neuen Geschäftsmodelle herauszuarbeiten (Pampel, 2017, S. 22-23).

Skalierung- und Performanceproblem

Die zentrale Aufgabe des Controllings ist es, ein Performance Management für relevante Unternehmensaktivitäten zu gewährleisten. Abb. 1 zeigt mögliche strategische und operative Erfolgsfaktoren und Steuerungsgrössen von neuen, digitalen Geschäftsmodellen, wie z.B. die Skalierbarkeit (Entkoppelung von Marktwachstum und Personalkosten infolge der Automatisierung), das Timing (Analyse der Reife des Konzepts sowie des Wettbewerbs), das Change Management (besonders dann, wenn bei den eigenen Mitarbeitenden und Partnern des Unternehmens die Akzeptanz für die Innovation erst noch gewonnen werden muss) und weitere gemäss Abb. 1 (Pam-pel, 2017, S.24).

Strategieproblem

Beim Übergang vom analogen zum neuen, digitalen Geschäftsmodell sind Ressourcenknapphei-ten durch die Konkurrenz zwischen dem bisherigen und dem neuen Geschäftsmodell zu Vermeiden. Ausserdem birgt die BMI immer auch das Risiko von anfänglichen Fehlern oder geringer Akzeptanz bisheriger Kunden. Deshalb erhalten neue Geschäftsmodelle in den Unternehmen oft zu wenig Aufmerksamkeit. Dieser Effekt wird verstärkt, je grösser das Kannibalisierungspotenzial des neuen Geschäftsmodells gegenüber dem Alten ist. Dabei gilt es psychologische Barrieren zu durchbrechen, wobei das neutrale Controlling, dass sowohl die aktuelle Performance der Ge-schäftsfelder, wie auch deren strategische Bewertung in Zukunft berücksichtigt, eine zentrale Rolle spielt (Pampel, 2017, S. 25-27).

Phasen der BMI und Instrumente des Controllings

Die Abb. 2 zeigt verschiedene Phasen eines typischen Business Model Innovation-Ablaufs und die dazugehörigen Controlling-Instrumente. In der Ideenphase kann das Controlling mit klassi-schen Analysen von Markentwicklungen und der eigenen Performance diejenigen Geschäftsbe-reiche herausfiltern, die von disruptiven Veränderungen betroffen sind. Ausserdem kann sich das Controlling in dieser Phase kritisch mit ersten Ideen zur Digitalisierung auseinandersetzen (Pampel, 2017, S. 27-28).

Nach Durchführung von Marktanalysen und ersten Konzeptentwürfen beginnt das Controlling auf Basis der Business Canvas erste Kalkulationen z.B. in Excel zu erfassen (Pampel, 2017, S. 28).

Der Investitionsentscheid wird durch Investitionsrechnungen unterstützt. Bei der Implementie-rung ist ein Projektcontrolling durchzuführen. Anschliessend wird ein Performance Management auf Basis der in Abb 1. gezeigten Erfolgsfaktoren und Steuerungsgrössen geführt. Weitere Tools sind echtzeitorientierte Forecasts sowie Predictive Analytics (Pampel, 2017, S. 28).

Forecast und Predictive Analytics

Laut Stich (2015, S. 17-18) ist das Controlling heute oft retrospektiv auf Produkte und Produktion ausgerichtet. Insbesondere neue Formen der Wertschöfpung wie nachgelagerte digitale Dienst-leistungen können so nur schwer erfasst werden. Das Controlling wird sich deshalb in Zukunft nebst den klassischen Datenquellen auch mit der echtzeitbasierten und kontinuierlichen Auswer-tung der Daten beschäftigen. Aufgrund dieser Datenbasis werden Vorhersagen (Forecasts) abge-leitet. Neu werden so auch nicht-finanzielle KPIs mittels Big Data Analysen ermittelt werden. Nicht-monetäre Kennzahlen werden an Bedeutung gewinnen. Ausserdem werden die Produktionsdaten mit weiteren in- und externen Daten, wie Social-Media-Analysen, Analysen von volks-wirtschaftlichen Entwicklungen oder Wettbewerbsanalysen ergänzt.

Nebst dem Forecasting wird auch Predictive Analytics einen wichtigen Bestandteil von modernem Controlling darstellen. Iffert (2016, S. 17) beschreibt Predictive Analytics wie folgt: «Dank mo-derner Funktionen verarbeiten Predictive-Analytics-Werkzeuge auch Big Data, also umfangreiche, polystrukturierte Datenmengen, und liefern Informationen über Zukunftswerte. Sie beantworten Fragen wie ‘Was wird mit welcher Wahrscheinlichkeit unter welchen Voraussetzungen passie-ren?’ oder ‘Was sollte passieren?’.»

Abb. 3 zeigt, wie sich das vergangenheitsbezogene Reporting hin zur Analyse von echtzeitbasierten Daten und der daraus abgeleiteten Forecasts und Planungen wandelt, was sowohl den Frei-heitsgrad für den Anwender, als auch die Komplexität der eingesetzten Instrumente ansteigen lässt.

Quellen

Literaturverzeichnis

• Pampel, J. R. (2017). Digitale Horizonterweiterung. Controlling, 29 (2), S. 21-29.
• Paulus, T. & Zeibig, S. (2015). Controlling & Industrie 4.0 aus Sicht eines Maschinen- und Anlagenbauers. Controlling, 27 (8-9), S. 504-509.

Weiterführende Literatur

• Fleisch, E., Weinberger M. & Wortmann, F. (2015). Geschäftsmodelle im Internet der Dinge. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, 67 (4), S. 444–465.
• Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389-430). Berlin, Heidelberg: Springer.

Autoren

Yasmin Schmidmajer, Seline Stirnimann, Raphael Suter, Nico Wernas