oxaion Blog
Immer auf dem Laufenden

Das klassische Individualentwicklungsprojekt im Unternehmensumfeld wird zunehmend von der agilen und leichtgewichtigen Umsetzung individueller Lösungen mittels Low-Code Technologie verdrängt. Zu Recht, denn Individualentwicklungen sind bekanntermaßen teuer, langwierig und starr. Nicht selten nimmt die Umsetzung so viel Zeit in Anspruch, dass sich die Anforderungen an die Lösungen schon währenddessen immer wieder ändern und das Projekt dadurch noch komplexer und aufwändiger wird.

Es ist also nachvollziehbar, weshalb der Trend, Enterprise-Applikationen auf Basis von Low-Code und No-Code-Plattformen zu realisieren, ungebrochen ist. Das Analystenhaus Gartner sagt für 2024 voraus, dass Unternehmen mehr als 65% ihrer Software-Anwendungen mit Low-Code realisieren werden. Kein Wunder: Denn Low-Code ist flexibel, Schnittstellen-kompatibel und agil. Es verschafft Unternehmen je nach eingesetzter Technologie einen Produktivitäts- und damit Kosten- und Zeitvorteil um Faktor 10 bis 20 im Vergleich zur Individualprogrammierung.

Die Einführung einer Unternehmenslösung ist ein komplexes Projekt, das Kapital, Zeit und Personal bindet. Gerade mittelständische Unternehmen mit oftmals nur begrenzten Ressourcen können sich hier kaum Nachlässigkeiten erlauben. Es gilt die Faustregel: Um ein ERP-Projekt erfolgreich zum Abschluss zu bringen, müssen alle Beteiligten von Anfang an gut zusammenarbeiten. Doch was zeichnet ein gutes Projektteam aus? Welche Voraussetzungen müssen gegeben sein, damit die Zusammenarbeit im Team und mit dem ERP-Anbieter gelingt? Und warum scheitern manche Projekte, während andere zu einem guten Abschluss gebracht werden?

Nun, die erste Frage, die sich Entscheider noch vor dem eigentlichen Auswahlprozess stellen sollten, ist: Was wollen wir mit der Einführung einer Unternehmenssoftware grundsätzlich erreichen? Denn, was ein Projektteam tatsächlich leisten muss, um eine ERP-Lösung erfolgreich produktiv zu setzen, hängt immer von den Gegebenheiten im Projekt ab: Wie sind also die Ausgangsbedingungen? Wird an einem oder gleich an mehreren Standorten eingeführt? Welche Rollout-Strategie soll verfolgt werden? Und wie lange darf sich die ERP-Einführung maximal hinausziehen? Selbstverständlich spielt auch das Know-how des Projektteams sowie dessen Kapazität eine große Rolle.

Nach den Prinzipien von Taiichi Ohno werden im Lean-Management sieben Arten der Verschwendung unterschieden. Beispiele hierfür gibt es in jeder Fertigung, sei es im Mittelstand oder bei den großen Konzernen. Eine vollständige Elimination der Verschwendungen – also der nichtwertschöpfenden Prozesse – ist leider nicht möglich. Allerdings können Korrelationen erkannt und die Ursachen von Prozessschwächen identifiziert werden. Eine genaue Analyse des Produktionsgeschehens liefert Prodaso. Die selbstlernende Produktionssoftware des gleichnamigen Bielefelder Unternehmens erkennt in Echtzeit Prozesszusammenhänge und bereichert ERP-Plattformen und MES-Systeme um Vorhersagen sowie Handlungsempfehlungen für den optimalen Produktionsablauf.

Smart-Factory-Projekte liegen bei Industrieunternehmen im Trend, das zeigt aktuell eine Studie des IDC und InterSystems. Untersucht wurde der digitale Reifegrad von Unternehmen und inwieweit Praktiken der Smart Factory bereits Einzug in den Unternehmensalltag gehalten haben. Produktionsüberwachung und die vorausschauende Wartung stellen dabei das Mindestmaß an digitaler Reife dar, während besonders fortschrittliche Unternehmen immer mehr auf Künstliche Intelligenz (KI) setzen. Konkrete Anwendungsfälle finden sich meist in den Bereichen Produktionsmonitoring, Advanced Planning und Predictive Maintenance. 

Größere Unternehmen und Konzerne investieren hier bereits erheblich und der Aufwand scheint sich auszuzahlen: Laut Studie erhöhten die Vorreiter im Bereich KI ihre Gesamtanlageneffektivität (Overall Equipment Effectiveness – OEE) im Durchschnitt um zehn Prozent, während sich die Produktionskosten parallel um zehn Prozent verringerten. Davon beflügelt liebäugeln jetzt schon einige mit besonders datengetriebenen Anwendungsfällen, wie sie bisher nur selten implementiert wurden, etwa in den Bereichen Anomalie-Erkennung, autonome Transportfahrzeuge oder digitale Zwillinge.

Seite 1 von 21