Maschinenbau kann „Pay per Part“ – wenn Wissen zum Geschäftsmodell wird

Viele Maschinenbauer verkaufen seit Jahrzehnten nach dem gleichen Muster: Maschine raus, Service rein, Ersatzteile später. Das funktioniert – bis Kunden stärker auf Auslastung, Fachkräftemangel und planbare Kosten schauen. Dann zählt nicht mehr „die Maschine ist gut“, sondern: Wie schnell wird produziert? Wie stabil? Mit wie wenig Aufwand?

TRUMPF: Pay-per-Part als Antwort auf Engpässe

 

TRUMPF beschreibt sein Modell „Pay per Part“ als Ansatz, bei dem TRUMPF Betrieb, Programmierung und Wartung der Fertigungszelle mitsteuert und Störungen früh erkennt, weil das System remote überwacht wird. 

Die Logik dahinter ist entscheidend: Der Anbieter verdient nicht am Verkauf – sondern am Ergebnis beim Kunden.

Das ist mehr als ein Preismodell. Es ist Wissen als Wettbewerbsvorteil:

• Wissen über Ausfallmuster.

• Wissen über reale Auslastung.

• Wissen darüber, welche Parameter die Teilekosten treiben.

 

Warum das für KMU so wertvoll ist

 

Viele mittelständische Kunden haben ähnliche Probleme:

• Maschinen laufen nicht konstant durch.

• Rüstzeiten sind zu hoch.

• Personal fehlt für Programmierung und Optimierung.

• Stillstände sind teuer, aber schlecht dokumentiert.

 

Wenn ein Anbieter diese Punkte datenbasiert sichtbar macht und löst, entsteht ein sehr einfacher Nutzen:

Mehr Output pro Stunde, weniger Stress, bessere Kalkulation.

Was „tiefes Wissen“ hier konkret heißt

 

Für solche Modelle brauchst du drei Wissensschichten:

1. Zustandswissen: Was macht die Maschine gerade wirklich?

2. Ursachenwissen: Warum steht sie? Material, Programm, Bedienung, Wartung?

3. Wirtschaftswissen: Was kostet eine Stunde Stillstand – und was bringt eine Maßnahme?

 

KI hilft vor allem bei Schicht 1 und 2: Muster in Sensordaten, Anomalien, Prognosen.

Menschen sind entscheidend bei Schicht 3: Priorisierung, Wirtschaftlichkeit, Verantwortung.

Der Transfer für Maschinenbauer im Mittelstand

 

Du musst nicht sofort „Pay per Part“ machen. Aber du kannst das Prinzip nutzen:

• Servicepakete an Verfügbarkeit koppeln.

• Wartung vorausschauend planen.

• Kunden eine klare OEE-/Stillstands-Logik liefern.

• Piloten definieren: 1 Linie, 1 Kunde, 90 Tage.

 

Was KMU daraus mitnehmen

 

• Gute Produkte reichen nicht mehr. Gute Ergebnisse gewinnen.

• Daten sind kein IT-Projekt, sondern ein Geschäftsmodell-Baustein.

• KI wirkt am stärksten, wenn sie auf echte Engpässe zielt (Stillstand, Rüstzeit, Ausschuss).

• Starte klein, aber messbar: 90 Tage, klare Zielwerte.