Produktentwicklung

Worin besteht die Herausforderung?

Forschungs- und Entwicklungsprozesse rund um die Produktentwicklung umfassen Markt- und Zielgruppenanalysen, Erstellung von Lastenheften und Zielkosten- und Preisdefinition oder auch Umsetzungs- und Testphasen. Die Herausforderung besteht in der Natur der Produktentwicklung selbst, die von vielen unsicheren Variablen und einem hohen Investitionsrisiko geprägt sein kann. Steigende Marktdynamiken erfordern jedoch eine schnelle und gelingende Produktentwicklung. Um diese möglichst optimal am Kunden auszurichten, spielt auch die Co-Kreation mit den (industriellen) Kunden eine zunehmend wichtige Rolle in der Produktentwicklung. Diese birgt ihre eigenen Herausforderungen im Wissenstransfer und der interpretativen Unsicherheit (z. B. verschiedene Fachkenntnisse, kulturell bedingte Missverständnisse, örtliche Verteilung der Partner).

Welche Daten können hier helfen?

  • Kundendaten und Marktdaten zur Nachfrage nach Produkten bei bestimmten Preisen oder mit bestimmten Merkmalen
  • Experimental- und Umfragedaten 
© Shutterstock
Datennutzungskategorie: Produktentwicklung

Wie kommt der Nutzen aus den Daten?

Markt-, Nutzungs- und Kundendaten können Hinweise auf neue Kundenbedürfnisse liefern und damit die Produktentwicklung lenken. Digitales Prototyping mithilfe von Softwareprogrammen dient dazu, digitale Zwillinge von künftigen Produkten zu entwickeln und deren Verhaltensweisen in bestimmten Anwendungskontexten zu simulieren und Anpassungen vorzunehmen. Der Nutzen besteht hier in der schnelleren und kostengünstigeren Antizipation des Produktverhaltens und im Aufzeigen von möglichen Fehlern. Im Bereich der gemeinsamen Produktentwicklung zwischen herstellendem Unternehmen und (industriellen) Kunden bieten digitale Lösungen (z. B. Anwendungen mit erweiterter und virtueller Realität) neue Potenziale, die Co-Kreation zu optimieren, um so möglichst marktrelevante Produkte zu entwickeln.

Wo wird diese Datennutzung bereits angewendet?

Im Forschungsbereich »Advanced Materials & System Research« entwickelt der Chemiekonzern BASF neue Strukturmaterialien, Dispersionen und Funktionen. Dafür werden Experimentaldaten erstellt und mit Kundendaten verknüpft. So können beispielsweise maßgeschneiderte Lacke kreiert werden. 

Der Autohersteller Jaguar bindet seine Kundinnen und Kunden mithilfe von Umfragedaten stärker in den Entwicklungsprozess seiner Autos mit ein. Dazu werden sie vor und nach dem Kauf mündlich und schriftlich befragt. Diese Umfragedaten fließen in die Produktentwicklung neuer und Weiterentwicklung bestehender Automodelle ein.

Das Softwareunternehmen Autodesk bietet Lösungen für alle Phasen der datengestützten Produktentwicklung. So können mit »Autodesk 3d Max« Bilder und interaktive Videos eingebunden werden oder mit dem Softwaremodul »Autodesk Simulation 360« Simulationen von digitalen Produktzwillingen erstellt werden.

Das Unternehmen für Automationslösungen AH Automation AB setzt in der Produktentwicklung auf Zusammenarbeit mit seinen industriellen Kunden und gestaltet diese mithilfe von digitalen Lösungen. Durch VR-Anwendungen werden neue Automatisierungsprodukte gemeinsam gestaltet und optimiert.

Die Fahrzeuge des Automobilherstellers Daimler AG sammeln auf der Fahrt aktiv Daten (z. B. zu Abständen und Geschwindigkeiten) und werten diese in Echtzeit aus. Auf dieser Datenbasis werden neue Fahrassistenten und Produktmodule wie der Abstands-Assistent DISTRONIC entwickelt.

Welchen Beitrag leistet diese Datennutzung zur Wertschöpfung?

Die Nutzung von Daten in den Teilschritten der Produktentwicklung sorgt für eine erhöhte Transparenz und verbesserte Entscheidungsgrundlagen. Die Unsicherheiten und das Investitionsrisiko können kompensiert und die Erfolgswahrscheinlichkeit der Neuprodukteinführung am Markt erhöht werden. Dies stärkt die bestehende Wertschöpfung und kann neue Wertschöpfung rund um das neue Produkt generieren bzw. optimieren. Durch Nutzung digitaler Lösungen bzw. Datenteilung mit Kunden wird zudem die Kundenbeziehung gestärkt.  

Ziel der Datennutzung

Quellen: BASF (2017), Niessing, J. & Henry, B., Harvard Business Review (2018), Autodesk GmbH (2020), Kostis, A. & Ritala, P., California Management Review (2020), Daimler AG (2017)