Content uploaded by Carsten Knauer
Author content
All content in this area was uploaded by Carsten Knauer on Apr 15, 2020
Content may be subject to copyright.
BME-Logistikumfrage
Digitalisierung in Supply Chains
Bundesverband Materialwirtschaft, Einkauf und Logistik e.V. (BME)
1. Auage
BME-Logistikumfrage: Digitalisierung in Supply Chains
1
12
BME-Logistikumfrage
Digitalisierung in Supply Chains
Herausgeber: Bundesverband Materialwirtschaft, Einkauf und Logistik e.V.
Durchführung: Bundesverband Materialwirtschaft, Einkauf und Logistik e.V./Hochschule Fulda
Autoren: Michael Huth, Carsten Knauer, Tobias Ruf
Quelle Titelbild: pixabay.com
Eschborn, März 2019
BME-Logistikumfrage: Digitalisierung in Supply Chains
Inhalt
1
1
3
1 Einleitung ............................................................................................................................. 9
1.1 Ausgangsituation und Zielsetzung der Umfrage ................................................................. 9
1.2 Vorgehensweise und Struktur des Dokuments ................................................................. 10
2 Berücksichtigte Digitalisierungstechnologien ................................................................... 10
2.1 Auswahl der Digitalisierungstechnologien ........................................................................ 10
2.2 Kurzdarstellung der ausgewählten Digitalisierungstechnologien ....................................... 12
2.2.1 Übersicht ............................................................................................................. 12
2.2.2 Blockchain .......................................................................................................... 12
2.2.3 Cloud Computing ................................................................................................ 13
2.2.4 Digital Identiers (Smart Sensor Tags and Biometrics) ........................................... 14
2.2.5 Internet of Things (IoT)......................................................................................... 15
2.2.6 Low-cost Sensor Technology ................................................................................ 15
2.2.7 Uberization of freight .......................................................................................... 16
2.2.8 3D-Druck ............................................................................................................. 16
2.2.9 Drohnen .............................................................................................................. 16
2.2.10 Roboter und Automatisierung .............................................................................. 17
2.2.11 Selbstfahrende Fahrzeuge .................................................................................... 17
2.2.12 Bionic Enhancement („Wearables“) ..................................................................... 18
2.2.13 Virtual Reality (VR)/Augmented Reality (AR) .......................................................... 18
2.2.14 Big Data Analytics ................................................................................................ 19
2.2.15 Digitaler Zwilling .................................................................................................. 19
2.2.16 Künstliche Intelligenz (KI)/Articial Intelligence (AI) ............................................... 20
3 Erhebungsdesign und Erhebungsumfang ......................................................................... 21
3.1 Erhebungsdesign ............................................................................................................. 21
3.2 Erhebungsumfang ........................................................................................................... 22
4 Ergebnisse ........................................................................................................................... 24
4.1 Bekanntheit von Digitalisierungstechnologien .................................................................. 24
4.2 Einsatz von Digitalisierungstechnologien .......................................................................... 27
4.3 Prozessbezogener Einsatz von Digitalisierungstechnologien .............................................. 31
4.4 Erfahrungen mit Digitalisierungstechnologien .................................................................. 33
4.5 Zukünftige Anwendung von Digitalisierungstechnologien ................................................ 35
4.6 Treiber und Hemmnisse für den Einsatz von Digitalisierungstechnologien ......................... 41
4.6.1 Treiber des Einsatzes von Digitalisierungstechnologien ......................................... 41
4.6.2 Hemmnisse für den Einsatz von Digitalisierungstechnologien ............................... 42
5 Fazit und Schlussfolgerungen ............................................................................................ 45
6 Literatur- und Quellenverzeichnis ...................................................................................... 47
7 Über uns .............................................................................................................................. 50
8 Impressum ........................................................................................................................... 51
Inhaltsverzeichnis
1
14
Abbildungsverzeichnis
BME-Logistikumfrage: Digitalisierung in Supply Chains
1
14
Abbildung 1: Entwicklung der Suchanfragen nach den Begriffen „Digitalisierung“ und
„Industrie 4.0“ von 2004 bis 2018 ....................................................................... 9
Abbildung 2: Logistics Trend Radar mit ausgewählten Digitalisierungstechnologien .................. 11
Abbildung 3: Gartner Hype Cycle for Emerging Technologies ................................................... 11
Abbildung 4: Übersicht über berücksichtigte Digitalisierungstechnologien ................................ 12
Abbildung 5: Top-Level-Prozesse des SCOR-Modells ................................................................. 22
Abbildung 6: Teilnehmerstruktur nach Branchen ...................................................................... 23
Abbildung 7: Teilnehmerstruktur nach Umsatz ......................................................................... 23
Abbildung 8: Bekanntheit von Digitalisierungstechnologien ..................................................... 24
Abbildung 9: Ergänzende Informationen zu den einzelnen Digitalisierungstechnologien .......... 25
Abbildung 10: Kenntnisse zu Digitalisierungstechnologien ......................................................... 26
Abbildung 11: Einsatz von Digitalisierungstechnologien ............................................................. 27
Abbildung 12: Anwendung ausgewählter Digitalisierungstechnologien im Regelbetrieb
nach Branche (Anteil an der Gesamtzahl an Unternehmen, die eine
Digitalisierungstechnologie im Regelbetrieb anwenden) ...................................... 29
Abbildung 13: Anwendung ausgewählter Digitalisierungstechnologien im Regelbetrieb
nach Unternehmensgröße (Anteil an der Gesamtzahl an Unternehmen,
die eine Digitalisierungstechnologie im Regelbetrieb anwenden) ......................... 30
Abbildung 14: Zeitlicher Horizont des zukünftigen Einsatzes von Digitalisierungstechnologien ... 36
Abbildung 15: Zukünftiger Einsatz von Digitalisierungstechnologien nach Unternehmens-
größe (Einsatz geplant innerhalb von maximal fünf Jahren, nur Technologien
mit 25 oder mehr geplanten Anwendungen) ...................................................... 38
Abbildung 16: Zukünftiger Einsatz von Digitalisierungstechnologien nach Unternehmensgröße
(aggregiert) (Einsatz geplant innerhalb von maximal fünf Jahren,
nur Technologien mit 25 oder mehr geplanten Anwendungen) ........................... 38
Abbildung 17: Einsatzbreite ausgewählter Digitalisierungstechnologien
(durchschnittliche Anzahl an SCOR-Prozessen, in denen eine
Digitalisierungstechnologie eingesetzt wird, nur Technologien mit 15
oder mehr geplanten Anwendungen) ................................................................. 40
Abbildung 18: Treiber für den Einsatz von Digitalisierungstechnologien ...................................... 41
Abbildung 19: Hemmnisse für den Einsatz von Digitalisierungstechnologien .............................. 43
1. Einführung
1
5
1
5
BME-Logistikumfrage: Digitalisierung in Supply Chains
Tabelle 1: Durchschnittliche Anzahl gut bekannter Technologien nach
Unternehmensgröße (bezogen auf den Umsatz) ................................................. 27
Tabelle 2: Anwendung ausgewählter Digitalisierungstechnologien in
SCOR-Prozessen (Einsatz im Regel- oder Testbetrieb; nur Technologien
mit 10 oder mehr Anwendungen) ....................................................................... 31
Tabelle 3: Erfahrungen mit ausgewählten Digitalisierungstechnologien
(Einsatz im Regel- oder Testbetrieb; nur Technologien mit 10 oder mehr
Anwendungen) ................................................................................................... 33
Tabelle 4: Zukünftige Anwendung ausgewählter Digitalisierungstechnologien
in SCOR-Prozessen (nur Technologien mit 15 oder mehr
geplanten Anwendungen) .................................................................................. 39
Tabellenverzeichnis
16
Grußworte
Sehr geehrte Damen und Herren,
Die digitale Transformation ist für Einkauf, Logistik und Supply Chain Management Chance und Herausforde-
rung zugleich. Denn: Sie erfasst alle Glieder der Wertschöpfungs- und Lieferketten. Es herrscht großer Informa-
tionsbedarf zu diesem wichtigen Megatrend, der ebenso wie Globalisierung und War for Talents nachhaltige
Lösungen zur Sicherung der Wettbewerbsfähigkeit der Unternehmen erfordert. Der BME trägt dem seit Lan-
gem Rechnung und unterstützt seine Mitglieder durch eine Vielzahl von Veranstaltungen.
Es freut uns sehr, dass wir dem Zukunftsthema Industrie 4.0 mit der jetzt von BME und Hochschule Fulda ge-
meinsam veröffentlichten Logistik-Umfrage „Digitalisierung in Supply Chains“ ein weiteres Kapitel hinzufügen
können. Anlass für unsere Studie war die Suche nach Antworten auf wichtige Fragen, die Einkauf, Logistik und
SCM gleichermaßen bewegen: Nutzen diese Entscheidungsträger bereits die ganze Bandbreite neuster Techno-
logien zur Digitalisierung ihrer Lieferketten? Sind Sie t genug für das Internet of Things?
Ich kann Ihnen versichern, liebe Leserinnen und Leser, dass unsere Befragung unter den 251 Supply Chain
Managern und Führungskräften angrenzender Bereiche wie IT, Logistik, Produktion oder Materialuss Erstaun-
liches und Überraschendes zutage gefördert hat. So sind viele der aktuellen Digitalisierungstechnologien wie
Roboter und Automatisierung oder Selbstfahrende Fahrzeuge den befragten Supply Chain Managern zwar
bekannt; dennoch gibt es auch elektronische Lösungen wie Digitaler Zwilling, Uberization of freight oder Low-
cost Sensor Technology, die von ihnen kaum oder gar nicht genutzt werden. Daher unsere dringende Empfeh-
lung an die Entscheidungsträger, bestehende Wissenslücken schnell zu schließen. Ansonsten besteht insbeson-
dere für KMU die reale Gefahr, den Digitalisierungszug zu verpassen.
Jetzt aber wünsche ich Ihnen viel Vergnügen beim Lesen dieser – hoffentlich für Sie spannenden und zugleich
informativen Fachlektüre sowie viel Erfolg bei der Digitalisierung Ihrer Supply Chains.
Dr. Silvius Grobosch
Hauptgeschäftsführer des BME
1. Einführung
1
1
7
Grußworte
1
1
7
Sehr geehrte Damen und Herren,
die BME-Logistikumfrage zur Digitalisierung in Supply Chains ist das erste gemeinsame Projekt des Bundesver-
bands Materialwirtschaft, Einkauf und Logistik e.V. und der Hochschule Fulda. Wir freuen uns sehr, dass diese
Kooperation zustande gekommen ist und die Hochschule Fulda mit ihrer Kompetenz im Fachgebiet Logistik
dazu beitragen kann, zu einem so hochaktuellen Thema eine Bestandsaufnahme vorzulegen. Und genauso
freut uns, dass unsere Wissenschaftlerinnen und Wissenschaftler auf Basis der Studienergebnisse Empfeh-
lungen mit dem Ziel formulieren können, gerade auch mittleren und kleineren Unternehmen Anhaltspunkte
für ihre jeweilige Digitalisierungsstrategie zu liefern.
Auch für uns als Hochschule sind die Studienergebnisse wertvoll: Sie zeigen auf, wo Optimierungsbedarf be-
steht und liefern damit wichtige Hinweise für einen bestmöglichen Wissenstransfer von der Wissenschaft in
die Praxis.
Dass es noch Potenzial gibt, diesen Transfer zu optimieren, zeigt die Studie deutlich. Nicht selten, so führen die
Ergebnisse der Umfrage vor Augen, kommen Lösungen noch gar nicht in der Praxis an. Vor allem gilt dies mit
Blick auf die kleineren und mittleren Unternehmen. Verwundern kann das kaum. Denn um Digitalisierungsstra-
tegien umzusetzen, bedarf es personeller Ressourcen – in quantitativer wie qualitativer Hinsicht. Die Unterneh-
men sind gefordert, verstärkt Know-how im Bereich Digitalisierung aufzubauen.
Keine leichte Aufgabe, stehen doch viele Mittelständler vor dem Problem, dass sie kaum noch Nachwuchskräfte
nden. Hier bietet sich gerade für KMU eine Zusammenarbeit mit Hochschulen für Angewandte Wissenschaf-
ten an. So können sie frühzeitig Kontakt zu Absolventinnen und Absolventen aufnehmen – etwa über die
Vergabe von Bachelor- und Masterarbeiten – und sich damit den Nachwuchs und das erforderliche Know-how
sichern.
Übrigens: Auch an der vorliegenden Studie hat ein Masterstudent der Hochschule Fulda mitgearbeitet und auf
dieser Basis seine Abschlussarbeit verfasst.
Eine anregende Lektüre wünscht Ihnen
Prof. Dr. Steven Lambeck
Vizepräsident für Forschung und Entwicklung an der Hochschule Fulda
Grußworte
Digitalisierung scheint überall zu sein: Ob es im Privatleben um das „Smart Home“ oder intelligente
Lautsprecher mit Sprachassistenten geht oder ob an Produktionslinien scheinbar durch Geisterhand
ausgewählte Bauteile automatisch angeliefert werden, um dann durch Roboter verbaut zu werden
– Deutschland spielt bei der Digitalisierung in der ersten Liga mit. Das zumindest lässt sich vermuten,
denn angesichts der Vielzahl an Publikationen in der Wissenschaft, aber auch durch Beratungsgesell-
schaften, die auf die Potenziale der Digitalisierung und zukünftige Geschäftsmodelle hinweisen, scheint
es für den Einsatz moderner Technologien kaum Grenzen zu geben.
Viele der Potenziale und „Business Cases“ betreffen die Logistik oder – weiter gefasst – das Supply
Chain Management, also das Management ganzer Wertschöpfungsketten. Damit stellt sich unweiger-
lich die Frage: Ist die Digitalisierung in Supply Chains bereits vollumfänglich „angekommen“? Wie stark
nutzen Unternehmen in ihren Supply Chains bereits Digitalisierungstechnologien? Wird die Blockchain
bereits in Wertschöpfungsketten eingesetzt, welche Erfahrungen sind damit verbunden? Nutzen Un-
ternehmen Low-Cost Sensor Technology, und welche Treiber haben zu ihrem Einsatz geführt? Wenden
Akteure in Supply Chains künstliche Intelligenz ein, und welche Hemmnisse verzögern den Einsatz?
All diese Fragen interessierten uns, zumal zwar ausreichend „Best-Practice- Beispiele“ beschrieben wer-
den, es aber nur wenig Informationen darüber gab, wie der Status Quo aussieht. Im Rahmen der BME-
Fachgruppe „Supply Chain Management“, bei denen neben einzelnen Vertretern der Wissenschaft
vor allem Unternehmen aller Couleur vertreten sind, führten wir Gespräche zum Thema Digitalisierung
und stellten fest, dass auf der einen Seite wenig Transparenz über den Einsatz von Digitalisierungstech-
nologien in Supply Chain vorhanden war, dass auf der anderen Seite aber das Interesse an derartigen
Informationen groß war.
Diese Lücke zwischen Informationsbedürfnis und Informationsangebot führte dazu, eine erste BME-
Logistikumfrage zur „Digitalisierung in Supply Chains“ zu planen und durchzuführen. Unser Ziel war
dabei aber nicht nur, unter wissenschaftlichen Gesichtspunkten das Informationsdezit zu beheben.
Vielmehr ging es uns auch darum, Unternehmen einen Benchmark dafür zu liefern, wie weit ihre
eigenen Digitalisierungsumsetzungen in Supply Chains im Vergleich zu anderen gediehen sind, welche
Technologien mit welchem Zeithorizont umgesetzt werden und welche Treiber und Hemmnisse bei
der Umsetzung zu beachten sind. Mit anderen Worten: Mit den Ergebnissen der BME-Logistikumfrage
möchten wir Unternehmen hilfreiche Informationen an die Hand geben, um die eigene Digitalisierungs-
strategie zielgerichtet vorantreiben zu können. Dazu haben wir 15 Technologien untersucht, die uns
wesentlich erschienen. Die Spanne der Technologien reicht von Automatisierung und Robotern über
Big Data Analytics und künstliche Intelligenz bis hin zu Uberization of Freight und damit einem Konzept
der Sharing Economy. In dieser Auswahl, die auf der Analyse gängiger Trendreports basiert, sind mit
Sicherheit auch Technologien enthalten, die für Ihre Supply Chain relevant ist.
Steigen Sie also ein in die Ergebnisse der BME-Logistikumfrage und nutzen Sie die Informationen für
die digitale Ausgestaltung Ihres Unternehmens. Natürlich bleiben auch wir am Ball: Wir werden die
Entwicklungen der nächsten Jahre aufmerksam beobachten und untersuchen, ob die untersuchten
Technologien tatsächlich wie in der Umfrage erhoben in der nahen und mittleren Zukunft in Supply
Chains eingesetzt werden.
Ihnen eine spannende Lektüre wünschen
Vorwort
18
Carsten Knauer
Leiter Sektion Logistik
BME e.V.
Prof. Dr. Michael Huth
Fachbereich Wirtschaft, insbesondere Logistik
1. Einleitung
1
1
9
Digitalisierung und Industrie 4.0 sind Begriffe, die
derzeit – sowohl im IT-Umfeld als auch in der Wirt-
schaft – beinahe allgegenwärtig sind. Abbildung 1
zeigt die Entwicklung der Suchanfragen bei Google
nach den Begriffen „Digitalisierung“ und „Industrie
4.0“. Die Abbildung verdeutlicht, dass der Begriff der
Digitalisierung nicht neu ist, sondern bereits seit den
frühen 2000er Jahren immer wieder gesucht wurde.
Dennoch ist seit Beginn 2014 ein starker Anstieg in
den Suchanfragen zu nden. Der Begriff „Industrie
4.0“ war bis etwa 2011 nicht bekannt; die Suchanfra-
gen nach diesem Begriff beginnen ab Ende 2011 und
steigen ab 2013 deutlich an.
Abbildung 1: Entwicklung der Suchanfragen nach den Begriffen „Digitalisierung“ und „Industrie 4.0“ von 2004 bis 20181
Abbildung 1 visualisiert die Bedeutung, die die Be-
griffe „Digitalisierung“ und „Industrie4.0“ seit etwa
2013 erlangt haben – zumindest in den Suchanfra-
gen bei Google. Gleichzeitig stellt sich die Frage,
ob die Digitalisierung auch in der Wirtschaft „an-
gekommen“ ist, das heißt, ob Unternehmen Digi-
talisierungstechnologien im Sinne von Industrie 4.0
um- und einsetzen. Zwar weisen Anbieter von Digi-
talisierungstechnologien sowie Unternehmensbera-
tungen auf Anwendungspotenziale und den Nutzen
der Digitalisierung hin. Dennoch ist unklar, inwieweit
Unternehmen diesen Nutzen bereits realisieren kön-
nen und wollen. Diese Frage stellt sich umso mehr
im Bereich des Supply Chain Managements, also des
Managements von unternehmensübergreifenden
Wertschöpfungsketten.
1 Der Wert 100 steht für die höchste Beliebtheit dieses Suchbegriffs. Der Wert 50 bedeutet, dass der Begriff halb so beliebt ist, und der
Wert 0 bedeutet, dass für diesen Begriff nicht genügend Daten vorlagen. Quelle: Eigene Darstellung auf Basis von Google Trend, URL:
https://trends.google.de/trends/explore?date=all&geo=DE&q=digitalisierung,Industrie%204.0.
Einleitung 1
1. Einleitung
1.1 Ausgangsituation und Zielsetzung der Umfrage
Berücksichtigte
Digitalisierungstechnologien
1
1
10
2
1
1
2
2 In der vorliegenden Studie wird aus Gründen der besseren Lesbarkeit ausschließlich die männliche Form verwendet. Diese Form bezieht
sich auf Personen jeden Geschlechts.
Mit der BME-Logistikumfrage „Digitalisierung in Sup-
ply Chains“ ist vor diesem Hintergrund die überge-
ordnete Zielsetzung verbunden, Transparenz in die
aktuelle und geplante Umsetzung von Digitalisie-
rungstechnologien in Supply Chains zu bringen. Un-
ternehmen sollen dadurch Informationen erhalten,
die für ihre eigene Digitalisierungsentwicklung im
Bereich des Supply Chain Managements wertvoll sein
können. Unterhalb dieser Zielsetzung sollen folgende
Ziele erreicht werden:
• Zunächst soll derUmsetzungsstand von Digitali-
sierungstechnologien in Supply Chains ermittelt
und dokumentiert werden. Dabei werden auch
die Erfahrungen erfasst, die Unternehmen mit
dem Technologieeinsatz gemacht haben. Dieses
aktuelle Bild der Digitalisierung kann Unterneh-
mens als Vergleichsmaßstab für ihren eigenen
Umsetzungsstand bieten.
• Weiterhin soll die zukünftige Entwicklung hin-
sichtlich der Digitalisierung in Supply Chains auf-
gezeigt werden. Unternehmen erhalten damit
Indikatoren und eine „Road Map“, welche Tech-
nologien in welchen Zeiträumen implementiert
werden sollen.
• LetztendlichistesfürUnternehmenauchwichtig,
Treiber und Hemmnisse für die Umsetzung von
Digitalisierung zu kennen, um diese zielgerichtet
aktivieren oder abbauen zu können.
2.1 Auswahl der Digitalisierungstechnologien
Wie lässt sich Digitalisierung greifbar machen, sodass
letztendlich der Umsetzungsstand der Digitalisierung
in Supply Chains möglichst gut abgebildet wird? Eine
Umfrage kann – allein schon aus Akzeptanzgründen –
nicht alle Digitalisierungstechnologien mit sämtlichen
Varianten aufführen und abfragen. Für die BME-Logi-
stikumfrage wurden daher 15 verschiedene Techno-
logien und Konzepte herangezogen, die im Rahmen
der Digitalisierungsentwicklung für Supply Chains
eine besondere Relevanz aufweisen. Um die Handha-
bung sowohl in der Online-Erhebung und den Exper-
teninterviews als auch in der vorliegenden Studie zu
erleichtern, wird grundsätzlich von „Digitalisierungs-
technologien“ gesprochen.
Grundlage für die Entscheidung, welche Digitalisie-
rungstechnologien in der BME-Umfrage berücksich-
tigt werden, waren
• das „Logistics Trend Radar“ von DHL Customer
Solutions & Innovation in der Version von 2016
(siehe Abbildung 2) und
• der„GartnerHypeCycleforEmergingTechnolo-
gies“ von 2017 (vgl. dazu Abbildung 3).
2 Berücksichtigte Digitalisierungstechnologien
1.2 Vorgehensweise und Struktur des Dokuments
Um die im vorherigen Abschnitt genannten Ziele zu
erreichen, wurde folgende Vorgehensweise gewählt:
1) Eine erste und standardisierte Erfassung von Pri-
märdaten erfolgt im Rahmen einer Online-Erhe-
bung.
2) Anschließend werden mit ausgewählten Teilneh-
mern2 der Online-Erhebung telefonische Exper-
teninterviews geführt, um Einzelaspekte ausführ-
licher zu diskutieren.
Die Ergebnisse der Online-Erhebung und der Exper-
teninterviews werden in der vorliegenden Studie
dokumentiert. Bevor sie dargestellt und diskutiert
werden, sollen zunächst diejenigen Digitalisierungs-
technologien vorgestellt werden, die im Rahmen der
BME-Logistikumfrage berücksichtigt wurden. Diese
Übersicht, die für das weitere Verständnis hilfreich
ist, ndet sich in Kapitel 2. In Kapitel 3 werden das
Erhebungsdesign und der Erhebungsumfang doku-
mentiert, um den Rahmen der Erhebung zu verste-
hen. Kern des vorliegenden Dokuments ist Kapitel
4, in dem die detaillierten Ergebnisse der Erhebung
grasch dargestellt und ausführlich dokumentiert und
diskutiert werden. Die Studie schließt in Kapitel 5 mit
einem Fazit und Schlussfolgerungen.
Berücksichtigte
Digitalisierungstechnologien
1
1
11
3 Quelle: mit eigenen Ergänzungen übernommen von DHL Customer Solutions & Innovation (2016), S. 14–15.
4 Quelle: mit eigenen Ergänzungen übernommen von Panetta, K. (2017).
Basierend auf den dort aufgeführten Digitalisierungs-
technologien wurde – unter der Maßgabe, maximal
15 Technologien auszuwählen – mit der Fachgruppe
„Supply Chain Management“ des BME die nale Aus-
wahl diskutiert und abgestimmt.
2
Abbildung 2: Logistics Trend Radar mit ausgewählten Digitalisierungstechnologien3
Abbildung 3: Gartner Hype Cycle for Emerging Technologies4
Berücksichtigte
Digitalisierungstechnologien
1
1
12
2.2.1 Übersicht
Die ausgewählten Digitalisierungstechnologien,
die im folgenden Abschnitt beschrieben werden,
lassen sich in vier Bereiche gruppieren, die in Ab-
bildung 4 dargestellt werden. Dabei wird unter-
schieden zwischen:
• Erfassung, Austausch und Vorhaltung von
Daten
• Automatisierung
• InteraktionzwischenMenschundMaschine
• AnalysevonDatenundSystemen
2.2 Kurzdarstellung der ausgewählten Digitalisierungs-
technologien
2.2.2 Blockchain
Die Blockchain-Technologie ist besonders im Zu-
sammenhang mit Geldgeschäften bekannt ge-
worden. Im Jahr 2008 wurde die Technologie mit
der digitalen Währung Bitcoin von Satoshi Na-
kamoto entwickelt. Das Konzept ermöglicht es,
Zahlungstransaktionen ohne einen Intermediär,
zum Beispiel eine Bank, abzuwickeln.6 Daneben
kann die Technologie auch für den Transfer allge-
meiner digitaler Daten genutzt werden. Statt ei-
ner zentralen Speicherung der Daten beim Inter-
mediär sichert das gesamte Teilnehmernetzwerk
die Informationen auf den eigenen Servern, da-
mit also dezentral.7 Die Blockchain ist eine Da-
tenreihe bestehend aus Blöcken. Jeder Block
hängt dabei vom vorangegangenen ab, wobei
diese Verbindungen mathematisch belegbar sind
und so die Kette vor Manipulation geschützt ist.8
Jeder Block besteht wiederum aus Transaktionen
und enthält die Prüfsumme (den sogenannten
Hash), mit der der vorherige Block versiegelt wur-
de. Für die Erstellung eines neuen Blocks muss
22
Abbildung 4: Übersicht über berücksichtigte Digitalisierungstechnologien5
5 Quelle: Eigene Darstellung in Anlehnung an Szozda (2017), S. 403.
6 Vgl. Pfohl (2018), S. 377 und Nakamoto (2008), S. 2.
7 Vgl. Stölzle, Schmidt, Kille et al.(2018), S. 12, und Bader (2018).
8 Vgl. Kurz, Rehak (2018).
Berücksichtigte
Digitalisierungstechnologien
1
1
13
9 Vgl. Flossbachvonstorck.de (2018).
10 Vgl. Pfohl (2018), S. 378.
11 Vgl. Gmür, Göbel (2018), online.
12 Vgl. Mertens, Bodendorf, König et al. (2017), S. 23f.
13 Vgl. Schulte (2017), S. 100f.
14 Vgl. Mell, Grance (2011), S. 2.
15 Vgl. ten Hompel, Wolf, Daniluk et al. (2012), S. 130f.
eine mathematische Rechnung gelöst werden.
Hierfür stellen bestimmte Teilnehmer (die Miner)
ihre Rechenleistung zur Verfügung. Wurde die
Aufgabe gelöst, darf der betreffende Miner den
Block erstellen und wird dafür belohnt (zum Bei-
spiel in Form von Bitcoins). Alle anderen Miner
und Teilnehmer übernehmen nach eigener Prü-
fung (Konsensmechanismus) den Block für die
neue Blockchain.9
Für das Supply Chain Management könnte das
Blockchain-Konzept insbesondere für den Aus-
tausch von standardisierten Dokumenten oder
die Schaffung transparenter Warenüsse inte-
ressant sein. Zudem könnten „Smart Contracts“,
die auf einem ereignisgesteuerten Algorithmus
beruhen, realisiert werden. Dabei wird automa-
tisch ein Vertrag geschlossen, wenn ein festge-
legtes Ereignis eintritt.10 Dennoch bestehen noch
rechtliche und technische Hürden. So sind die
Auditierung und die Zertizierung der Techno-
logie durch staatliche Einrichtungen noch nicht
möglich. Da alle Teilnehmer die gleichen Da-
tenblöcke speichern und mit jeder Transaktion
die „Blockkette“ zunimmt, vergrößert sich das
Speichervolumen an Blockchain-Daten für alle
Nutzer. Des Weiteren gibt es keine verbindlichen
Standards für Geschäftsprozesse oder Business-
dokumente.11
2.2.3 Cloud Computing
Der Begriff Cloud Computing umschreibt die
Möglichkeit, zeit- und ortsunabhängig Daten auf
externen und über das Internet erreichbaren Ser-
vern zu speichern oder zu verarbeiten.12 Da aus
Sicht der Nutzer die Daten auf einem externen
System gespeichert werden, spricht man von ei-
ner Cloud. Der Zugriff auf die Daten bedarf einer
Internetverbindung und einer Autorisierung.13
Eine Cloud lässt sich durch fünf Eigenschaften
charakterisieren: on-demand self-service, broad
network access, resource pooling, rapid elastici-
ty sowie measured service. Gemäß dem ersten
Merkmal können die Nutzer jederzeit und ohne
menschliche Interaktion mit dem Cloud-Betrei-
ber auf die Serverleistungen zugreifen. Des Wei-
teren bestehen verschiedene Zugangsmöglich-
keiten zu den Daten, ohne über ein bestimmtes
Computerprogramm verfügen zu müssen. Die
Ressourcen (zum Beispiel Speicherplatz, aber
auch Anwendungsprogramme) des Serveranbie-
ters werden unter den Nutzern geteilt. Die Leis-
tungen können dabei exibel breitgestellt und
beansprucht werden. Als fünfte Eigenschaft lässt
sich die Messung gebrauchter Dienstleistungen
nennen, wodurch der Serviceanbieter und der
Nutzer die Inanspruchnahme der Services nach-
vollziehen können.14
Die Serviceleistungen der Dienstleister können in
Infrastructure as a Service (IaaS), Platform as a
Service (PaaS) und Software as a Service (SaaS)
unterschieden werden: Bei IaaS stellt der Ser-
verbetreiber lediglich die Speicherkapazität und
Rechenleistungen zur Verfügung. Stellt der An-
bieter dem Nutzer Ressourcen zur Entwicklung
einer individuellen Software zur Verfügung, han-
delt es sich um eine PaaS. Bei einer Cloud mit
SaaS wird den Anwendern Software (zum Bei-
spiel ein ERP-System) zur Verfügung gestellt, mit
der direkt gearbeitet werden kann. Der Cloud-
Betreiber verantwortet dabei die Wartung und
Aktualisierung der Software. Aufgrund anfal-
lender Nutzungsentgelte entstehen den Kunden
keine zusätzlichen Investitionskosten.15
2
Berücksichtigte
Digitalisierungstechnologien
1
1
14
22
16 Vgl. Leimeister (2015), S. 54.
17 Vgl. Hausladen (2016), S. 55 und 61.
18 Vgl. Piontek (2016), S. 245.
19 Vgl. Finkenzeller (2015), S. 9 und 11.
20 Vgl. Piontek (2016), S. 245.
21 Vgl. Finkenzeller (2015), S. 516.
22 Vgl. Langer, Roland (2010), S. 6.
23 Vgl. Finkenzeller (2015), S. 73f.
24 Vgl. Kern (2011), S. 187.
25 Vgl. Hausladen (2016), S. 61.
Es lassen sich vier unterschiedliche Formen von
Clouds unterscheiden: Handelt es sich um eine
öffentliche Cloud, werden die Systemressourcen
unter mehreren Anwendern (Unternehmen) ge-
teilt. Bei einer privaten Cloud werden beispiels-
weise Daten innerhalb eines Unternehmens zwi-
schen verschiedenen Niederlassungen geteilt,
wobei der Zugang meist via Intranet oder das
Virtual Privat Network (VPN) erfolgt. Eine hybri-
de Cloud vermischt beide genannten Typen, um
die Sicherheit der privaten Cloud und die hohe
Anpassungsfähigkeit der öffentlichen Cloud hin-
sichtlich Speichergrößen (Skalierbarkeit) zu kom-
binieren. So können sensible Daten im privaten
Serverbereich und unkritische Informationen im
öffentlichen Teilbereich gespeichert werden. Eine
weitere Form stellt die Community Cloud dar,
nach der mehrere private Clouds zu einer ver-
bunden werden und alle Unternehmen Zugriff
auf die geteilte Cloud haben.16
2.2.4 Digital Identiers (Smart Sensor
Tags and Biometrics)
Digital Identiers (deutsch: digitale Identizie-
rungstechnologien) sind Systeme, die in der Lage
sind, einzelne Objekte wie Güter oder Güterbün-
del (zum Beispiel Paletten), aber auch Personen
zu identizieren und zu erfassen.17 Eine Möglich-
keit der automatisierten Identikation und Sen-
dungsverfolgung von Produkten bietet die RFID-
Technologie (Radio Frequency Identication).
Hierbei werden die Produkte mit Transpondern
(Tags), Mikrochips mit integrierter Antenne, be-
stückt. Dabei gibt es unterschiedliche Typen von
Transpondern, die sich nach Frequenzbereichen,
dem Weg der Datenübertragung und Preisen
unterscheiden. Im Vergleich zum gedruckten
Barcode lassen sich die gespeicherten Informa-
tion verändern.18 Zum Auslesen der Datei wird
ein RFID-Lesegerät (oftmals mit Schreibfunktion)
benötigt, das mit magnetischen oder elektro-
magnetischen Feldern das Tag auslesen kann.19
Wenn der Transponder eine eigene Stromquel-
le besitzt, werden kontinuierlich Daten ausge-
sendet – man spricht dann von einem aktiven
Tag. Passive Transponder haben hingegen keine
Energiequelle und übermitteln daher erst Infor-
mationen, wenn das Lesegeräte Radiowellen
aussendet, die der Transponder als Energie zur
Rückmeldung der gespeicherten Informationen
nutzt.20
Die Technologie der Near Field Communication
(NFC) ermöglicht, ähnlich der RFID, einen phy-
sisch-kontaktfreien Datenaustausch zwischen
zwei elektronischen Apparaten. Geräte mit
NFC-Funktion können zudem mit RFID-Tags in-
teragieren, das heißt, diese auslesen oder Daten
ändern.21 In Abgrenzung zur RFID-Technologie
können jedoch die NFC-Geräte abwechselnd als
„Transponder“ oder „Lesegerät“ fungieren.22
Für die Datenübertragung dürfen beide Geräte
einen Abstand von maximal 20 Zentimetern von-
einander haben, weshalb man vom Near Field
spricht. Für die Kommunikationsdurchführung
nehmen die Geräte unterschiedliche Rollen wie
den NFC-Initiator (Einleitung der Kommunikati-
on) und NFC-Targets (Kommunikationspartner)
ein.23 Als NFC-Gerät lassen sich beispielsweise
Mobiltelefone nutzen, um RFID-Etiketten auszul-
esen oder elektronische Tickets zu buchen.24
Bei der biometrischen Identikation steht nicht
das Logistikobjekt im Vordergrund, sondern die
ausführende Person. Daher wird Biometrie vor
allem im Sicherheitsbereich eingesetzt, um nur
berechtigten Personen Zugang zu bestimmten
Räumlichkeiten zu gewähren.25 Zur Identikati-
Berücksichtigte
Digitalisierungstechnologien
1
1
15
26 Vgl. Finkenzeller (2015), S. 5f.
27 Vgl. Andelnger, Hänisch (2015), S. 10.
28 Vgl. Günthner, Chisu, Kuzmany (2010), S. 43f.
29 Vgl. DHL (2018), S. 44.
30 Vgl. Ferstl (2008), S. 186 und Bousonville (2017), S. 19.
31 Vgl. Schulte (2017), S. 193.
32 Vgl. Schöpker (2015), S. 59f.
on können Fingerabdrücke, Handabdrücke, die
Sprachidentizierung sowie die Netzhauterken-
nung angewandt werden. So wird zum Beispiel
bei der Fingerabdruckprüfung die Fingerspitze
auf ein Lesegerät gedrückt, das aus dem Ab-
druckmuster versucht, die Person zu identizie-
ren. Bei der Spracherkennung muss die Person
zur Identizierung auf die Fragen eines Com-
puters antworten. Die gesagten Worte werden
über ein Mikrofon in Daten umgewandelt und
versucht, dem Sprachmuster der richtigen Person
zuzuordnen.26
2.2.5 Internet of Things (IoT)
Internet of Things (kurz: IoT, deutsch: Internet
der Dinge) beschreibt die Vernetzung von ver-
schiedenen Objekten (zum Beispiel Maschinen,
Smartphones, Computer und Fahrzeuge) durch
Informations- und Kommunikationstechnolo-
gien. Dies wird durch die Miniaturisierung elek-
trischer Bauteile wie Antennen oder RFID-Tags
ermöglicht. Sind die Objekte mit elektronischen
Bauteilen ausgerüstet, können diese untereinan-
der kommunizieren. Dadurch kann beispielswei-
se das Einkaufen zukünftig ohne Kassierer er-
möglicht werden, indem jedes Produkt über ein
RFID-Tag verfügt, das automatisch am Lesegerät
der Kasse erfasst wird. Die Bezahlung kann dann
durch das Mobiltelefon per NFC-Technologie
stattnden.27
In der Intralogistik kann das Internet der Dinge
dazu beitragen, die Materialuss-Steuerung zu
dezentralisieren und modular aufzubauen, wo-
durch die Komplexität bestehender zentralge-
steuerter Systeme reduziert werden kann. Als
Vorbild dient dabei das Internet selbst, das durch
seine Dezentralität als besonders robust gilt.
Autonome Behälter und Ladungsgüter können
sich selbstständig in Interaktion mit intelligenten
Fahrzeugen zum Zielort lotsen. Alle Objekte kön-
nen sich in diesem hierarchielosen System an
eine wechselnde Nachfrage oder Maschinenaus-
fälle eigenständig anpassen.28
2.2.6 Low-cost Sensor Technology
Die Preise für Sensoren haben sich in den vergan-
genen Jahren durch den massenhaften Einbau in
Smartphones deutlich vergünstigt. Durchschnitt-
lich benden sich in einem Mobiltelefon 14
Sensoren, die verschiedene Zustände (Beschleu-
nigung, Luftfeuchtigkeit, Temperatur usw.) mes-
sen. Durch die reduzierten Preise wird die Sen-
sortechnologie auch für andere Einsatzbereiche
interessant, in denen sie zuvor nicht wirtschaft-
lich gewesen wäre. So lassen sich Sensoren zur
Datenerfassung beispielsweise zur Abmessung
von Ladegütern einsetzen.29
Im Allgemeinen ist es mit Sensoren möglich, den
Zustand eines Leistungssystems zu messen. Dabei
wird die Barriere zwischen physischem Zustand
und digitalen Vorgaben überwunden, indem
Sensoren beispielsweise Temperatur, Druck oder
Energieverbrauch eines Gegenstands messen
und an ein Informationssystem weiterleiten.30
Aktoren können in Abgrenzung zu Sensoren den
Systemzustand an den Zielzustand anpassen,
zum Beispiel über eine elektrische Ventilsteue-
rung zur Druckanpassung.31
Als Beispiel lassen sich Lkw mit Tür-, Brems- und
Temperatursensoren bestücken, um die Ladegü-
ter vor Diebstahl, Verderb oder Verlust zu schüt-
zen. Die Türsensoren dokumentieren über einen
Magnetschalter, ob die Tür richtig geschlossen
ist, während die Bremssensoren den Verschleiß
überwachen. Für wärmeempndliche Güter
lassen sich Temperatursensoren installieren, die
rechtzeitig Hinweise auf eine Überschreitung der
Mindesttemperatur oder ungenügende Kühlmit-
telvorräte geben.32
2
Berücksichtigte
Digitalisierungstechnologien
1
1
16
22
33 Vgl. Smith, Lewis, Menzies (2017), S. 1.
34 Vgl. Kreutzer (2017), S. 54.
35 Vgl. McKinnon (2018), S. 141f.
36 Vgl. Schulte (2017), S. 751.
37 Vgl. Fastermann (2012), S. 7.
38 Vgl. Westkämper, Warnecke (2010), S. 262f.
39 Vgl. Fritz, Schulze (2015), S. 120.
40 Vgl. Westkämper Warnecke (2010), S. 265.
41 Vgl. Fastermann (2012), S. 117f.
42 Vgl. Schulte (2017), S. 751f.
43 Vgl. Ivanov, Tsipoulanidis, Schönberger (2018), S. 508.
2.2.7 Uberization of freight
„Uberization of freight“ ist eine neuartige Be-
zeichnung, die den Unternehmensnamen
Uber mit logistischen Aufgaben in Verbindung
bringt.33 Das Geschäftsmodell des amerika-
nischen Unternehmens Uber basiert auf der Ver-
mittlung von Fahrgästen an private Fahrer mit
eigenem Auto oder Mietwagen sowie an Taxis.
Die Nachfrage und die Angebote werden durch
eine Mobiltelefon-App oder via Internetseite zu-
sammengeführt.34 Diese Geschäftsstrategie lässt
sich auf die Logistik abstrahieren, indem mittels
internetfähiger Mobiltelefone vorhandene Lade-
kapazitäten über eine Internetplattform angebo-
ten oder nachgefragt werden könnten. Durch
die dann gesteigerte Transparenz über Angebot
und Nachfrage sowie durch den Einsatz mathe-
matischer Verfahren soll sich so die Auslastung
der Verkehrsmittel verbessern.35
2.2.8 3D-Druck
Unter dem Begriff 3D-Druck wird eine additive
(das heißt auftragende), schichtweise Fertigung
von Werkstücken verstanden werden. (Gegen-
teilige Verfahren sind subtraktiv, zum Beispiel
Bohren, Schleifen und Fräßen, hierbei wird Ma-
terial der Grundform abgetragen, um das fertige
Produkt zu erstellen.36) Dem eigentlichen Ferti-
gungsprozess des 3D-Drucks gehen jedoch eini-
ge Arbeitsschritte voraus. Ausgangslage ist eine
dreidimensionale CAD-Zeichnung (CAD: Com-
puter-Aided Design), die die Körperoberächen
des zu druckenden Gegenstands darstellt. Im
nächsten Schritt wird die Zeichnung in ein Netz
mit dreieckigen Flächen umgewandelt, bevor die
Datei in ein bestimmtes Format (STL: Standard
Triangulation Language) gebracht wird.37 Dieses
Format ermöglicht es der 3D-Druck-Software,
die Zeichnung in dünne Schichten zu zerlegen.
Anschließend werden diese Schichten einzeln
gedruckt und ergeben zusammen den fertigen
Gegenstand.38
Unter dem Begriff 3D-Druck werden oftmals
sämtliche additiven Verfahren subsumiert, ob-
wohl dieser nach der VDI-Richtline 3405 ein
einziges Verfahren darstellt.39 Demnach funk-
tioniert der 3D-Drucker ähnlich einem Tinten-
strahldrucker, wobei ein Druckkopf Bindemittel
auf Pulver aufträgt und dieses schichtweise zu
einer ersten Produktschicht verklebt.40 Die erste
gedruckte Schicht liegt dabei auf einer Plattform,
die im nächsten Schritt abgesenkt wird, um so
frisches Pulver mittels Walzen auf die erste Pro-
duktschicht zu bewegen und die nächste Schicht
drucken zu können. Nach dem Fertigstellen des
Produkts kann dieses imprägniert werden, um
die Robustheit zu erhöhen.41
Im Logistikbereich ist die Technologie besonders
für das Ersatzteilmanagement interessant, da
hierdurch die Kapitalbindung und die Lagerä-
chennutzung reduziert werden können. Durch
die digitale Vorhaltung der Produkte können zu-
dem Verbesserung vorgenommen werden, ohne
das physischer Lagerbestand veraltet, da erst bei
Bedarf gedruckt wird.42
2.2.9 Drohnen
Bei einer Drohne handelt es sich um einen unbe-
mannten Flugkörper (englisch: unmanned aeri-
al vehicle, kurz: UAV). Die Lenkung der Drohne
erfolgt dabei entweder ferngesteuert durch eine
Person oder automatisiert durch die Nutzung
von Sensoren und GPS-Daten.43
Drohnen wurden ursprünglich für militärische
Zwecke entwickelt. Für den zivilen Gebrauch ist
Berücksichtigte
Digitalisierungstechnologien
1
1
17
44 Vgl. Andelnger, Hänisch (2017), S. 23–25.
45 Vgl. Landrock, Baumgärtel (2018), S. 1–4.
46 Vgl. Ivanov, Tsipoulanidis, Schönberger (2018), S. 508.
47 Vgl. Andelnger, Hänisch (2017), S. 25.
48 Vgl. Ivanov, Tsipoulanidis, Schönberger (2018), S. 505f.
49 Vgl. DHL (2018), S. 46.
50 Vgl. Rhode (2016), S. 36.
51 Vgl. Flämig (2015), S. 378f.
52 Vgl. Flämig (2015), S: 380f.
die Technologie vor allem für schwer zugängliche
Bereiche interessant. So können Drohnen bei In-
spektionen von Windkraftanlagen oder Stromlei-
tungen die Kontrollen beschleunigen.
Es gibt verschiedene Drohnenarten, wobei die
sogenannten Quadcopter mit vier Rotoren sehr
verbreitet sind. Eine Drohne mit einem einzigen
Rotor wird dabei über die Rotorblätter gesteuert,
wohingegen Multicopter die einzelnen Rotoren
unterschiedlich ansteuern, um die Drohne zu
manövrieren.44 Eine Drohne mit starren Flügeln
kann lange Flüge durch deren aerodynamischen
Aufbau absolvieren und dabei schwere Lasten
transportieren. Ein Multicopter mit mehreren Ro-
toren hingegen ist für den Kraftug ausgerichtet
und erfüllt ab sechs Rotoren bestimmte Sicher-
heitsaspekte: So kann beim Ausfall eines Rotors
die Drohne noch sicher gelandet werden.45
Für die Logistik bieten sich Einsatzgebiete in der
Zustellung von Paketen oder Gütern sowie zur
Überwachung des Lagerbestands oder zur Durch-
führung einer Inventur mittels RFID-Lesegerät.46
Führende Logistikdienstleister und Online-Han-
delsunternehmen wie DHL oder Amazon testen
dabei den Einsatz von Drohnen für die Zustellung
von Sendungen in entlegenen Regionen.47
2.2.10 Roboter und Automatisierung
Roboter sind Maschinen, die automatisiert mit
der physischen Welt interagieren, um so die Ef-
zienz von monotonen oder sich wiederholenden
Tätigkeit zu erhöhen. Roboter weisen folgende
drei typische Merkmale auf: Sie nutzen Sensoren
wie Kameras oder Temperatursensoren, um die
Umgebung zu erfassen. Mittels Aktoren können
die Roboter auf die Umwelt einwirken. Des Wei-
teren gibt es ein Kontrollsystem, über das der
Roboter Handlungsanweisungen (beispielsweise
durch künstliche Intelligenz) erhält.48
Für die Logistik ergeben sich vielfältige Einsatzbe-
reiche vom Kommissionieren über das Assistieren
der Lagermitarbeiter bis hin zur Entladung von
Lkw.49 Die meisten Roboter in der Logistik wer-
den aktuell zur Kommissionierung, Palettierung
und Depalettierung, Sortierung und Verpackung
eingesetzt.50
2.2.11 Selbstfahrende Fahrzeuge
Selbstfahrende Fahrzeuge können sich selbst
ohne menschliches Zutun vom Startpunkt zu
einem Ziel manövrieren. Dies kann zum einen
außerbetrieblich für den Güterverkehr auf al-
len Verkehrsträgern und zum anderen innerbe-
trieblich für den Materialuss genutzt werden.
Innerbetrieblich-selbstfahrende Fahrzeuge oder
fahrerlose Transportsysteme (FTS) sind im Ver-
gleich zu anderen Technologien bereits gut eta-
bliert. So wurden zum Beispiel Bandanlagen als
automatische Fördersysteme bereits unter Henry
Ford eingesetzt. Als fahrerlose Transportsysteme
in der Intralogistik können die oben erwähnten
Kommissionier- und Transportroboter aufgeführt
werden, was die schwache Trennschärfe zwi-
schen den Digitalisierungstechnologien zeigt.51
Die Orientierung und die Positionsbestimmung
erfolgen durch Bodenmarker (Transponder,
Metalle) sowie mit Lasertechnologie oder per
GPS-Ortung. Die Kontaktaufnahme zwischen
mobilem und stationärem Gerät wird durch
Breitbandtechnologien (WLAN) gewährleistet,
über die die Transportaufträge an die Systeme
übermittelt werden.52
Für außerbetriebliche Transporte wird eben-
falls an automatisierten Fahrzeugen wie Lkw
2
Berücksichtigte
Digitalisierungstechnologien
1
1
18
22
53 Vgl. Ritz (2018), S. 85–88.
54 Vgl. Flämig (2015), S. 394.
55 Vgl. Lehmacher (2017), S. 85.
56 Vgl. Flämig (2015), S. 379.
57 Vgl. Ritz (2018), S. 94f.
58 Vgl. Nachtigall (1998), S.5.
59 Vgl. Wischmann, Hartmann (2018), 240.
60 Vgl. DHL (2018), S. 40.
61 Vgl. Lehmacher (2013), S. 90
62 Vgl. DHL (2018), S. 40.
63 Vgl. Zijm, Heragu, Klumpp et al. (2018), S. 22.
64 Vgl. Bracht, Geckler, Wenzel (2018), S.146–148.
geforscht. Dabei lassen sich die Systeme nach
Automatisierungsgraden unterscheiden, die die
notwendige Aufmerksamkeit des Fahrers fest-
legen. Die höchste Automatisierungsstufe stel-
len dabei fahrerlose Lkw dar, die keine Lenk-
und Ruhezeiten einhalten müssen und dadurch
Transportkosten senken.53 Da neben technischen
vor allem auch schwierige rechtliche Fragen ge-
klärt sein müssen, sind autonome Lkw in naher
Zukunft nicht zu erwarten.54
Im Zusammenhang mit selbstfahrenden Lkw
wird häug der Begriff Platooning verwendet.
Dabei bilden mehrere Lkws eine Kolonne, wobei
der Sicherheitsabstand zum vorgelagerten Lkw
automatisch eingehalten wird und durch das Fa-
hren im Windschatten Kosteneinsparungen er-
zielt werden können.55 Zu den selbststeuernden
Systemen kann auch die Nutzung von Drohnen
als autonomer Flugkörper gezählt werden.56 Im
Werkverkehr, das heißt auf dem unternehmens-
eigenen Gelände, werden auch autonome Fahr-
zeuge eingesetzt, beispielsweise beim Container-
transport innerhalb eines Containerterminals.57
2.2.12 Bionic Enhancement („Wearables“)
Der Fachbegriff Bionik setzt sich aus den Wörtern
Biologie und Technik zusammen. Das Ziel der Bi-
onik ist es dabei, biologische Verfahrensweise
zur Lösung technischer Herausforderungen zu
nutzen. Die Einsatzbereiche der Bionik sind da-
bei vielfältig.58 Einen dieser Bereiche stellen pro-
duktionsbezogene robotische Systeme dar, die in
Interaktion zum Menschen stehen. Hierbei benö-
tigen die Systeme menschliche Motorik, um die
notwendige Sicherheit der Schnittstelle Mensch–
Maschine gewährleisten zu können.59 In Bezug
auf die Logistik stellen vor allem Wearables das
heißt tragbare Geräte oder Systeme, die die Logi-
stiker bei ihrer Arbeit unterstützen, ein aktuelles
Thema dar.60 So können Außenskelette (Exoske-
lette) die Tragkraft der Mitarbeiter für schwere
Gegenstände enorm erhöhen.61 Des Weiteren
können kognitive Fähigkeiten erweitert werden,
indem durch intelligente Kontaktlinsen – ähnlich
den Datenbrillen (vgl. den Abschnitt zu Virtual
(VR)/Augmented Reality (AR) – dem Träger mehr
Informationen als in der realen Welt vorliegen.
Zudem können Chipimplantate für Zugangskon-
trollen oder Sicherheitsverfahren des Personals
genutzt werden.62
2.2.13 Virtual Reality (VR)/
Augmented Reality (AR)
Unter Virtual Reality und Augmented Reality
werden computerbasierte Erweiterungen der
Realitätswahrnehmung verstanden. Augmented
Reality (AR, deutsch: erweiterte Realität) knüpft
an reale Gegenstände virtuelle Informationen.
Diese Informationen können die Anwender mit-
tels Datenbrille wahrnehmen.63 Neben einer Da-
tenbrille werden eine portable Computereinheit
und eine an der Brille befestigte Kamera zur Er-
fassung der physischen Umgebung benötigt. Um
die richtigen Informationen darzustellen, müssen
kontinuierlich Abgleiche zwischen realen und
virtuellen Objekten stattnden. Des Weiteren
kann es notwendig sein, Nutzer im Sinne einer
Ortung über Bewegungsdaten zu tracken, um
das Zielobjekt richtig zu identizieren und den
Anwendern die passenden Informationen zu lie-
fern. In räumlich kleinen Umgebungen kann die
Identizierung durch Kameras erfolgen, indem
Markierungen der realen Welt erkannt werden
und sich somit die Ortung der Anwender erüb-
rigt.64 Augmented Reality wird oftmals auch als
Berücksichtigte
Digitalisierungstechnologien
1
1
19
65 Vgl. Wannenwetsch (2014), S. 325 und Bracht, Geckler, Wenzel
(2018), S. 148.
66 Vgl. Wannenwetsch (2014), S.325.
67 Vgl. Berndt, Gohla, Seidel et al.(2015), S. 188.
68 Vgl. Liebetruth (2016), S. 135.
69 Vgl. Fallenbeck, Eckert (2014), S. 399.
70 Vgl. Ivanov, Tsipoulanidis, Schönberger (2018), S. 494.
71 Vgl. Huber (2018), 22f.
72 Vgl. Ivanov, Tsipoulanidis, Schönberger, (2018), S. 58.
73 Vgl. Mertens, Bodendorf, König, et al. (2017), S. 57f.
Mixed Reality bezeichnet.65 Das System eignet
sich in der Logistik besonders für Kommissionie-
rungsaufgaben, zum Beispiel im Rahmen eines
„Pick-by-Vision“.66
In Abgrenzung zu Augmented Reality bietet
Virtual Reality (VR, deutsch: virtuelle Realität)
die Möglichkeit, als Nutzer in eine vollständig
virtuelle Welt einzutauchen und mit deren In-
halten zu interagieren. Um die virtuelle Realität
darzustellen, bedarf es einer Datenbrille und
einer Großbildleinwand oder eines Raumes zur
Projektion einer dreidimensionalen Welt auf den
Wänden (CAVE-Umgebung). Für die Interaktion
innerhalb der VR sind spezielle Eingabegeräte
wie Spacemouse, Flystick oder Datenhandschuh
nötig.67 Diese Systemlösung wurde anfangs für
Übungen eingesetzt, die im realen Betrieb zu
teuer, gefährlich und zeitintensiv gewesen wä-
ren. In Bezug auf das Supply Chain Management
kann die Nutzung dieser Technologie insbeson-
dere für die Simulation logistischer Prozesse, zur
Schulung von Technikern oder zur Organisation
von Arbeitsplätzen interessant sein.68
2.2.14 Big Data Analytics
Ein Phänomen der Digitalisierung ist die konti-
nuierliche Erzeugung von riesigen Datenmen-
gen. Diese wachsende Menge an Daten wird
von Menschen, Maschinen, Prozessen oder Pro-
dukten erzeugt. Aus unternehmerischer Sicht ist
es ein Anliegen, aus diesen Daten Erkenntnisse zu
gewinnen, um unter anderem den Ressourcen-
einsatz und damit die wirtschaftliche Efzienz zu
verbessern.69 Da die Daten aus unterschiedlichen
Quellen stammen, sind sie oft unstrukturiert. Die
Auswertung nach herkömmlichen Verfahren ist
dadurch sehr aufwendig.70 Daher werden zu-
nehmend spezische Technologiebündel (Big
Data Analytics) zur Auswertung eingesetzt, die
die Verarbeitung schneller durchführen können.
Diese Bündel bestehen aus statistischen Model-
len und Methoden des maschinellen Lernens. Zu-
dem beschleunigt sich die Antwortzeiten durch
In-Memory-Lösungen, wobei die Verarbeitung
der Daten hauptsächlich im Arbeitsspeicher statt
auf der Festplatte erfolgt.71
Als Kriterien für den Einsatz von Big Data An-
wendungen werden meist die 5V geprüft: volu-
me, variety, velocity, veracity und value.72 Volume
(Menge) zielt dabei auf die großen Datenmen-
gen, die erst den Einsatz von Big Data Analytics
lohnenswert machen. Variety (Struktur) bezieht
sich die unterschiedlichen Datenformate und de-
ren Struktur. Daten aus der Kommunikation zwi-
schen Menschen sind unstrukturiert, während
Daten aus relationalen Datenbanken strukturiert
sind. Velocity bezeichnet die Geschwindigkeit,
in der Daten erzeugt werden oder verarbeitet
sein sollen. Veracity (Genauigkeit) adressiert die
Genauigkeit der Daten. Da die Werte aus unter-
schiedlichen Quellen stammen, können sie eine
heterogene Struktur aufweisen und somit zu-
nächst eine Bereinigung notwendig sein. Value
(Wert) fokussiert auf den wirtschaftlichen Nut-
zen, der durch die Daten erzeugt werden kann.
Zum Beispiel können Datenanalysen auf Wachs-
tumspotenziale oder neue Geschäftsfelder auf-
merksam machen.73
2.2.15 Digitaler Zwilling
Der digitale Zwilling ist ein computergestütztes
Abbild eines materiellen oder immateriellen Ob-
jekts, beispielsweise eines Produkts. Dabei ndet
ein Datenaustausch zwischen Objekt und Abbild
statt. Des Weiteren lassen sich mit dem digitalen
Abbild Veränderungen des physischen Objekts
2
Berücksichtigte
Digitalisierungstechnologien
1
1
20
22
74 Vgl. Ivanov, Tsipoulanidis, Schönberger (2018), S. 495f.
75 Vgl. Huber (2018), S. 91-93.
76 Vgl. Göpfert (2019), S. 250.
77 Vgl. PwC (2018), S. 6.
78 Vgl. Göpfert (2019), S. 249.
79 Vgl. PwC (2018), S. 6.
80 Vgl. Göpfert (2019), S. 249.
81 Vgl. Heinrich, Stühler (2018), S. 79–81.
simulieren, um so Fehlkonstruktionen zu vermei-
den.74 Es lassen sich mehrere Typen unterschei-
den: Neben dem oben beschriebenen Produkt-
Zwilling werden noch der Produktions-Zwilling
und der Leistungs-Zwilling unterschieden. Beim
Produktions-Zwilling wird ein Infrastruktur-
modell mit einer Materialuss-Simulation und
Produktionsprozessen digital dargestellt. Der
Leistungs-Zwilling misst hingegen Qualität, Fer-
tigungszeiten und Durchlaufzeiten des Systems.
Durch die Integration von digitaler Planung oder
Simulation und realem Unternehmen wird eine
erhöhte Prozesssicherheit realisiert.75 Im Hinblick
auf das Supply Chain Management ist es zukünf-
tig denkbar, den gesamten Wertschöpfungspro-
zess durch einen digitalen Zwilling darzustellen.
Dabei könnten die Maschinen und Transport-
mittel selbstständig Entscheidungen treffen, die
programmiert oder selbst angelernt sind.76
2.2.16 Künstliche Intelligenz (KI)/
Articial Intelligence (AI)
Künstliche Intelligenz (kurz: KI, englisch: Articial
Intelligence, kurz: AI) besitzen Systeme, die die
Fähigkeit haben, aufgrund der analysierten Um-
gebung und gemachter Erfahrungen selbststän-
dig handeln zu können.77 KI lässt sich in folgende
vier Felder untergliedern: Assisted Intelligence,
Automated Intelligence, Augmented Intelli-
gence und Autonomous Intelligence. Assisted
Intelligence (deutsch: assistierende Intelligenz)
hilft beispielsweise Führungskräften bei der Ent-
scheidungsndung, während durch Automated
Intelligence (deutsch: automatisierte Intelligenz)
wiederholende Aufgaben automatisiert erledigt
werden.78 Beide Ausprägungsformen sind da-
bei nicht lernfähig, bilden aber die Grundlage
für intelligente Systeme und können daher der
KI zugerechnet werden. Augmented Intelligence
(deutsch: erweiterte Intelligenz) baut auf As-
sisted Intelligence auf, wobei das System auch
beim Entscheidungsprozess unterstützt und
durch die Zusammenarbeit mit Menschen lernfä-
hig ist.79 Für Autonomous Intelligence (deutsch:
autonome Intelligenz) bildet Automated Intelli-
gence die Basis, wonach die KI-Systeme in un-
terschiedlichen Situationen handlungsfähig sind
und keiner menschlichen Hilfe bedürfen.80
Computer mit künstlicher Intelligenz lernen neue
Dinge ähnlich wie neuronale Netze, wie sie im
Gehirn eines Menschen vorzunden sind. Dabei
lassen sich Unterformen des KI-Lernens unter-
scheiden. Grundsätzlich passen die Systeme auf
Basis der gewonnenen Erfahrungen ihre Parame-
ter an und modizieren sich durch eigene Richt-
linien selbst. Ein wesentlicher Faktor sind zudem
die Trainingsdatensätze, in denen beispielsweise
Bilder durch Menschen beschrieben und so ein
Zusammenhang zwischen Bild und Beschreibung
aufgebaut werden kann. Das maschinelle Lernen
kann in den Untertypen überwacht, bestärkend
oder selbstorganisiert stattnden. Beim über-
wachten Lernen überprüft ein Lehrer die Maschi-
nen und zeigt die Differenzen zwischen falscher
und richtiger Antwort auf. Das bestärkende Ler-
nen hingegen kommt zum Einsatz, wenn dem
System die Ausgaben nur als richtig oder falsch
angezeigt werden sollen. Beim selbstorganisier-
ten Lernen erfolgt keine Unterstützung durch
einen Lehrer, weshalb sich das System selbst
kontrolliert. Beim sogenannten Deep Learning
werden nur noch Informationen durch den Men-
schen bereitgestellt, woraufhin Analyse, Progno-
se und Entscheidung vom System autonom aus-
geführt werden.81
1
1
21
Erhebungsdesign
und Erhebungsumfang
3
Berücksichtigte
Digitalisierungstechnologien
1
1
21
3
3 Erhebungsdesign und Erhebungsumfang
3.1 Erhebungsdesign
Um die in der Einleitung festgelegten Ziele zu errei-
chen, wurde folgendes Erhebungsdesign entwickelt:
• Eine internetbasierte Erhebung dient dazu, in
standardisierter Form von einer Vielzahl von Teil-
nehmern den Status quo, die Bewertung und den
zukünftigen Einsatz von Digitalisierungstechnolo-
gien zu erfassen.
• Expertengespräche im Nachgang zu der Online-
Erhebung geben die Möglichkeit, bestimmte The-
men oder Auffälligkeiten der Internetbefragung
zu diskutieren.
Die Online-Erhebung wurde mit questback EFS Fall
2018 unter Berücksichtigung der DSGVO durchge-
führt. Dabei wurden fünf Fragenbereiche abgedeckt:
1) Der erste Fragenkomplex betraf den Status quo
des Einsatzes von Digitalisierungstechnologien in
den befragten Unternehmen. Abgefragt wurden
dabei
• derKenntnisstandzudenausgewähltenDigita-
lisierungstechnologien,
• die Art des Einsatzes der Digitalisierungstech-
nologien sowie
• dieNutzungderTechnologieninSupply-Chain-
Prozessen.
2) Im zweiten Fragenbereich ging es um die posi-
tiven und möglicherweise auch negativen Erfah-
rungen, die aufgrund des Technologieeinsatzes
gemacht wurden.
3) Der dritte Fragenbereich fokussierte auf den zu-
künftigen Einsatz von Digitalisierungstechnolo-
gien. Dabei ging es
• um die zeitliche Planung für die Anwendung
der Technologien sowie
• um die Supply-Chain-Prozesse, die für einen
Technologieeinsatz infrage kommen.
4) Im vierten Fragenkomplex sollten Treiber und
Hemmnisse für den Einsatz von Digitalisierungs-
technologien erfasst werden.
5) Statistische Angaben zu den Unternehmen sowie
zu den Teilnehmern waren Kern des fünften und
abschließenden Fragenbereichs.
Da sich BME-Logistikumfrage auf Supply Chains be-
zieht, sollten – wie oben skizziert – der derzeitige
und der zukünftige Einsatz von Digitalisierungstech-
nologien auch anhand von Supply-Chain-Prozessen
erhoben werden. Um eine einheitliche Basis für die
Supply-Chain-Prozesse zu erhalten, wurde das Supply
Chain Operations Reference Model, kurz: SCOR-Mo-
dell, verwendet, das von Supply-Chain Council ent-
wickelt und gepegt wird. Das SCOR-Modell eignet
sich zur Darstellung verschiedenster Prozesse auf un-
terschiedlichen, hierarchisch-angeordneten Detailie-
rungsstufen.
Auf der obersten Ebene bildet das SCOR-Modell die
elementaren Wertschöpfungsprozesse Plan (Planen),
Source (Beschaffen), Make (Herstellen), Deliver (Lie-
fern), Return (Zurückgeben) und Enable (Ermöglichen)
ab. Im Prozess „Plan“ werden die zukünftige Nachfra-
ge und das Angebot bestimmt. Daraus ergeben sich
die nachgelagerten Kapazitäts-, Produktions- und
Vertriebs- oder Bestandsplanungen. Der Vergleich von
Lieferquellen, die Warenannahme, die Eingangsprü-
fung, die Lieferantenbezahlung sowie der Abschluss
von Rahmenverträgen mit Lieferanten können dem
Hauptprozess „Source“ zugeordnet werden. Neben
den eigentlichen Produktionsaktivitäten ist es die Auf-
gabe des „Make“-Prozesses, die Fertigungsschnitt-
stellen abzustimmen. Anschließende Tätigkeiten wie
die Angebotserstellung, die Kundenstammdatenpe-
ge, die Zusammenstellung der Bestellung und der
Warenversand lassen sich dem Prozess „Deliver“ zu-
ordnen. Der Prozess „Return“ umfasst die Ersatzteil-
versorgung, die Kontrolle defekter Produkte und die
Festlegung von Gewährleistungsregeln. Dem Prozess
„Enable“ sind Aufgaben wie die Datenaufbereitung,
die Regelung der Zusammenarbeit innerhalb der
Wertschöpfungskette und das Informationsmanage-
ment zugeordnet.
1
1
22
Erhebungsdesign
und Erhebungsumfang
Wie Abbildung 5 darstellt, können durch das
SCOR-Modell sowohl sämtliche unternehmens-
bezogenen relevanten Supply-Chain-Prozesse als
auch die gesamte unternehmensübergreifende
Supply Chain abgebildet werden.
Innerhalb des Fragebogens wurden Technolo-
gien, die nicht bekannt waren oder nicht ge-
nutzt wurden, je nach Fragestellung ausgeblen-
det, damit die Teilnehmer nur Fragen der für sie
relevanten Technologien beantworten mussten.
Ebenfalls wurden Filter für einzelne Fragestel-
lungen festgelegt.
3
Abbildung 5: Top-Level-Prozesse des SCOR-Modells82
82 Quelle: Eigene Darstellung.
3.2 Erhebungsumfang
Die Online-Erhebung wurde im Zeitraum vom
17.September 2018 bis 31. Oktober 2018
durchgeführt. Zur Teilnahme an der Erhebung
wurde auf unterschiedliche Weise eingeladen:
• E-Mail-NewsletterdesBMEunddesBMÖ
• PressemitteilungdesBME
• Nachrichtenauf denInternetseiten desBME
und der Hochschule Fulda
• BeiträgeinGruppenindensozialenNetzwer-
ken XING und LinkedIn
• persönlicheKontaktlistenderBeteiligten
• E-MailandieMitgliederderSektionLogistik
im BME e.V.
Angesprochen wurden vornehmlich Supply
Chain Manager, aber auch Führungskräfte in
angrenzenden Funktionen, wie zum Beispiel IT,
Logistik, Produktion oder Materialuss.
An der Erhebung haben 251 Personen teilge-
nommen. 143 der Teilnehmer haben den Fra-
gebogen vollständig beantwortet (Weitere 108
Personen haben die Beantwortung des Fragebo-
gens an unterschiedlichen Stellen innerhalb der
Erhebung abgebrochen; ihre Antworten wurden
jedoch zum Zeitpunkt des Abbruchs gespeichert
und ossen ebenfalls in die Auswertung ein).
Abbildung6 zeigt, in welchen Branchen die
Teilnehmer beheimatet sind. Dabei dominieren
die Lager- und Transportbranche, die Automo-
bil- und Automobilzulieferbranche, der Maschi-
nenbau sowie die Pharma- und Chemiebranche.
Diese vier Branchen decken mit 46 % knapp die
Hälfte der Teilnehmer ab.
Mit Blick auf die Unternehmensgröße, die im
Rahmen der Erhebung durch den Jahresumsatz
repräsentiert wird, stellen Großunternehmen mit
1
1
23
Erhebungsdesign
und Erhebungsumfang
3
83 Quelle: Eigene Darstellung. n = 147. Abweichung der Summe zu 100 % durch Runden
84 Quelle: Eigene Darstellung. n = 149. Abweichung der Summe zu 100 % durch Runden.
Abbildung 7:
Teilnehmerstruktur
nach Umsatz 83
Abbildung 6:
Teilnehmerstruktur
nach Branchen83
1
1
24
Erhebungsdesign
und Erhebungsumfang
3
85 Quelle: Eigene Darstellung. n = 206.
Ein erster Indikator, der den Stand der Digitali-
sierung in Supply Chains beschreibt, ist die Be-
kanntheit von Digitalisierungstechnologien. Die
Bekanntheit wurde durch die Frage „Welche der
folgenden ausgewählten Digitalisierungstechno-
logien kennen Sie?“ abgedeckt.
4 Ergebnisse
4.1 Bekanntheit von Digitalisierungstechnologien
Abbildung 8: Bekanntheit von Digitalisierungstechnologien85
einem Jahresumsatz von mehr als einer Milliarde
Euro die stärkste Gruppe (vgl. Abbildung 7). Alle
anderen Unternehmensgrößen sind mit Anteilen
von 10% bis knapp 17% vertreten.
Für die Experteninterviews wurden zwölf Exper-
ten ausgewählt, die sowohl an der Online-Erhe-
bung teilgenommen als auch sich bereit erklärt
hatten, an den Expertengesprächen teilzuneh-
men. 11 Experteninterviews wurden telefonisch
geführt. Ein Experteninterview kam nicht zustan-
de; der Gesprächspartner beantwortete die Fra-
gen via E-Mail.
1
1
25
4
Ergebnisse
Abbildung 9: Ergänzende Informationen zu den einzelnen Digitalisierungstechnologien
Abbildung 8 verdeutlicht, welche Digitalisierungstech-
nologien besser und welche weniger bekannt sind.
Mit Robotern und Automatisierung ist eine Technolo-
gie am besten bekannt, die nicht zu den „emerging
technologies“ zählt, also nicht zu den Technologien,
die derzeit erst am Beginn ihrer Entwicklung und ihres
Einsatzes stehen. Diese Technologie lässt sich bereits
der dritten industriellen Revolution („Industrie 3.0“)
zuordnen, die in den 1970er Jahren begann.
Weitere Digitalisierungstechnologien, die von mehr
als 80 % der Teilnehmer als gut bekannt angesehen
werden, sind 3D-Druck, selbstfahrende Fahrzeuge
und Drohnen.
Ein deutlicher Bruch im Bekanntheitsgrad ist zwischen
Internet of Things und Blockchain auszumachen:
Während das Internet of Things noch für knapp zwei
Drittel der Teilnehmer gut bekannt ist, kennen sich
nur 43 % der Befragten gut mit dem Thema Block-
chain aus. Immerhin weitere 44 % der Teilnehmer
kennen Blockchain zumindest vom Namen her. Die
Berichterstattung in den Medien – und zwar sowohl
in den Fachmedien als auch in Tages- und Wochenzei-
tungen sowie Magazinen – ist einer der wesentlichen
Gründe für diese insgesamt hohe Bekanntheit. Block-
chain ist damit die Technologie mit dem höchsten
Anteil an Teilnehmern, die zwar die Technologie vom
Namen her und damit ober ächlich kennen, jedoch
wenig über Funktion, technische Hintergründe oder
Verwendungszweck wissen.
„Die Blockchain-Technologie verbinden die Unter-
nehmen noch zu häufi g mit der digitalen Wäh-
rung Bitcoin, ohne die technischen Möglichkeiten
und deren Sicherheitsaspekte für das Supply
Chain Management zu berücksichtigen.“ (Prof.
Dr.-Ing. Volker Bräutigam, Professor, Hoch schule
für angewandte Wissenschaften Würzburg-
Schweinfurt)
Bei einigen Digitalisierungstechnologien mag der ge-
ringe Bekanntheitsgrad auch mit unbekannten und/
oder missverständlichen Bezeichnungen zusammen-
hängen. In der Online-Erhebung bestand die Möglich-
keit, ein Informationssymbol mit der Maus zu berüh-
ren und dadurch eine kurze Erklärung sowie teilweise
auch Beispiele zu erhalten (vgl. Abbildung 9). Den-
noch ergaben sich auch in den Experteninterviews
Situationen, in denen Missverständnisse hinsichtlich
der Bezeichnungen deutlich wurden. RFID oder Tem-
peratursensoren sollten als Begrif ichkeiten durchaus
bekannt – und oftmals auch genutzt – sein; trotzdem
weisen die entsprechenden Technologien, die durch
die Oberbegriffe „Digital Identi ers“ beziehungswei-
se „Low-cost Sensor Technology“ bezeichnet sind,
relativ geringe Bekanntheitsgrade auf.
1
1
26
Ergebnisse
4
86 Quelle: Eigene Darstellung. n = 206.
Durchschnittlich kennen Unternehmen knapp neun
Digitalisierungstechnologien gut. Abbildung 10 zeigt
die Verteilung, wie viele Digitalisierungstechnologien
als gut bekannt eingeschätzt werden. Jede Säule
repräsentiert den Anteil der Unternehmen, der ge-
nau x Technologien gut kennt. Beispielsweise gaben
5,8 % der Unternehmen an, mit keiner der aufge-
führten Technologien gut vertraut zu sein. Durch die
grasche Darstellung als Wasserfall-Diagramm lässt
sich anhand der Y-Achse ablesen, wie viele Unterneh-
men x oder weniger Technologien gut kennen. Die
Verteilung zeigt beispielsweise, dass rund 20% der
Befragten maximal fünf Digitalisierungstechnologien
gut kennen. Immerhin knapp die Hälfte der Teilneh-
mer kennt zehn oder mehr Technologien gut. Knapp
3 % kennen sämtliche 15 Digitalisierungstechnolo-
gien gut.
Tabelle 1 verdeutlicht, dass die Kenntnisse mit der Un-
ternehmensgröße zunehmen. Während Großunter-
nehmen durchschnittlich neun Technologien gut ken-
nen, können kleine Unternehmen deutlich geringere
Kenntnisse vorweisen.
Wenig überraschend ist dagegen, dass „Uberization
of freight“ – ein App-basierter Abgleich von Angebot
an und Nachfrage nach Laderaum, um eine bessere
Nutzung verfügbarer Kapazitäten zu erreichen – ei-
nen geringen Bekanntheitsgrad aufweist. Diese Tech-
nologie ist nur für maximal zwei der untersuchten
Prozesse („Source“, „Deliver“) und in der Regel eher
für Logistikunternehmen, und damit für Spediteure
und Transporteure, von Bedeutung. Dennoch spielt
auch in dieser Teilbranche die Digitalisierung eine zu-
nehmend wichtige Rolle.
„Eine höhere Auslastung von Lkw lässt sich vor
allem durch horizontale Kooperationen der Verla-
der erreichen. Die Digitalisierung spielt dafür eine
wichtige Rolle.“ (Jacek Tarkowski, Sales Director,
Alpega Group)
Abbildung 10: Kenntnisse zu Digitalisierungstechnologien86
1
1
27
4
87 Quelle: Eigene Darstellung. n = 206.
88 Quelle: Eigene Darstellung. 74 ≤ n ≤ 180, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt oder
gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
Ergebnisse
Abbildung 11: Einsatz von Digitalisierungstechnologien88
4.2 Einsatz von Digitalisierungs technologien
Die Bekanntheit von Digitalisierungstechnologien gibt
einen ersten Hinweis darauf, wie weit die Digitali-
sierung von Supply Chains fortgeschritten ist. Einen
konkreten Anhaltspunkt liefern dagegen die Antwor-
ten auf die Frage: „Welche der folgenden Digitalisie-
rungstechnologien haben Sie in Ihrem Unternehmen
im Einsatz?“
Dazu wurden den Befragten jeweils nur diejenigen
Technologien angezeigt, die sie in der vorherigen
Frage mit „Kenne ich vom Namen“ oder „Ist mir gut
bekannt“ gekennzeichnet hatten. Die Anzahl der Be-
fragten variiert damit von Technologie zu Technologie.
Abbildung 11 zeigt die Ergebnisse, wobei die Digita-
lisierungstechnologien absteigend nach der Summe
Tabelle 1: Durchschnittliche Anzahl gut bekannter Technologien nach Unternehmensgröße (bezogen auf den Umsatz)87
1
1
28
Ergebnisse
4
aus den Prozentwerten für den Einsatz im Regelbe-
triebe und den derzeitigen Testbetrieb sortiert sind.
Abbildung 11 liefert ein ernüchterndes Bild zum
Stand der Anwendung von Digitalisierungstechnolo-
gien in Supply Chains.
Derzeit werden mit Cloud Computing, Robotern und
Automatisierung sowie Big Data Analytics nur drei
der ausgewählten 15 Digitalisierungstechnologien in
einem nennenswerten Umfang von denjenigen Be-
fragten, die die entsprechende Technologie kennen,
entweder im Regelbetrieb oder im Testbetrieb in Sup-
ply Chains eingesetzt. Mit beinahe 62% liegt Cloud
Computing an der Spitze der Umsetzung, wobei wei-
tere knapp 20% der Teilnehmer einen Test oder Ein-
satz derzeit prüfen. Damit ist Cloud Computing nur
für weniger als 20 % der Befragten nicht relevant
oder wurde zwar getestet, dann aber nicht weiter-
verfolgt. Ähnlich, mit etwas niedrigeren Werten, sieht
das Bild beim Einsatz von Robotern und Automatisie-
rung aus. Bei Big Data Analytics ist die Nutzung im
Regelbetrieb geringer als bei den beiden anderen Top-
Technologien. Allerdings ist der Anteil der Befragten,
die diese Technologie derzeit testen oder einen Test
prüfen, mit knapp 42% deutlich höher.
„Big Data ist einer der wichtigsten Trends. Gleich-
zeitig erscheint Big Data nach Rücksprache mit
Software-Herstellern aufgrund hoher Anfangs-
investitionen erst für Unternehmen mit einer be-
stimmten Größe rentabel.“ (Christopher Pflaum,
Teamleiter Einkauf/Produktionsmaterial, Walter
Speck GmbH & Co. KG)
„Für uns als mittelständisches Unternehmen spielt
Big Data keine Rolle, obwohl der Gedanke, mit-
tels Analysetools Nachfrage zu strukturieren und
besser vorherzusagen, einleuchtend ist. Jedoch
ist die Datenmenge bei uns zu gering, um daraus
Rückschlüsse ziehen zu können.“ (Geschäftsfüh-
rer, Unternehmen der Lager- und Transportbran-
che)
Alle anderen Digitalisierungstechnologien spielen in
der derzeitigen Situation (noch) keine wesentliche
Rolle: So liegt der Anteil der Unternehmen, die die-
se Technologien im Regelbetrieb einsetzen, zwischen
4 % und 17 %. Auch im Testbetrieb sieht das Bild
ähnlich aus: Nur zwischen 4% und 11% der Unter-
nehmen testen die Digitalisierungstechnologien aktu-
ell. Immerhin ist der Ausblick positiv: Einen Test oder
Einsatz prüfen derzeit bis zu 30 % der Unternehmen.
Technologien, für die ein Test oder Einsatz geprüft
werden soll, sind: künstliche Intelligenz, Internet of
Things, Uberization of freight, Blockchain, Virtual Re-
ality/Augmented Reality, Low-cost Sensor Technology
sowie Digital Identiers.
„Datenbrillen sind derzeit noch nicht im Einsatz.
Es gibt aber schon Überlegungen, wie man mit
derartigen Brillen in unsere Anlagen ‚einsteigen‘
kann. Wir gehen davon aus, dass der Bedarf für
derartige Anwendungen – auch aufgrund des
Fachkräftemangels – zunehmen wird.“ (Michael
Fichtel, Leiter Produktmanagement, b+m surface
systems GmbH)
Selbst bei RFID, einer inzwischen etablierten Tech-
nologie, bestehen oftmals Grenzen für einen ä-
chendeckenden Einsatz, die in diesem Fall weniger
technischer Natur sind, sondern vielmehr wirtschaft-
liche Gründe haben: So ist ein Einsatz von RFID auf
Produktebene in vielen Bereichen immer noch nicht
lohnenswert. Andererseits gibt es auch Anwendungs-
bereiche, in denen nachweislich ein wirtschaftlicher
Einsatz machbar und sinnvoll ist. Auch kann RFID zu
Prozessverbesserungen beitragen.
„RFID-Tags auf Produktebene in der Bekleidungs-
branche rechnen sich, abhängig von der zu be-
schaffenden Stückzahl und der durch den Einsatz
erzielten Prozessverbesserung, heute schon.“
(Mathias Schenk, Managing Consultant SCM &
Logistics, encuble GmbH)
„In unserem Unternehmen haben wir die RFID-
Technologie mit dem KANBAN-Prinzip gekop-
pelt. Dabei werden KANBAN-Karten durch einen
RFID-Drucker erzeugt und mit dem Ladungsträ-
ger verbunden. Die Waren können so via RFID-
Lesegerät erfasst werden. Es entfällt zudem die
Umetikettierung, da werksübergreifend dieselben
Nummernkreise angewandt werden.“ (Projektlei-
ter, Unternehmen der Automobil- und Automo-
bilzulieferindustrie)
Gleichzeitig gibt es bei den zwölf Digitalisierungstech-
nologien, die im Gegensatz zu den Top-3-Technolo-
gien nur einen geringen aktuellen Anwendungsgrad
zeigen, auch einen jeweils hohen Anteil der Unter-
nehmen, die in den Technologien keine Relevanz für
die eigene Supply Chain erkennen können: Diese
Werte bewegen sich in einer Bandbreite von 34% für
Internet of Things über 61% für selbstfahrende Fahr-
zeuge und Bionic Enhancement bis hin zu 76% für
1
1
29
4
Ergebnisse
Abbildung 12: Anwendung ausgewählter Digitalisierungstechnologien im Regelbetrieb nach Branche (Anteil an der
Gesamtzahl an Unternehmen, die eine Digitalisierungstechnologie im Regelbetrieb anwenden)89
Eine derartige Voraussetzung kann auch dann erfor-
derlich sein, wenn es um den Austausch von – mögli-
cherweise sensiblen – Daten geht.
„Um Predictive Maintenance im Anlagenbau um-
zusetzen, benötigt man die Maschinendaten von
Kunden, weshalb die Datenfreigabe vom Nut-
zer erfolgen muss.“ (Michael Fichtel, Leiter Pro-
duktmanagement, b+m surface systems GmbH)
Abbildung 12 zeigt die Anwendung ausgewählter
Digitalisierungstechnologien im Regelbetrieb. Dabei
werden die Werte für die vier Branchen ausgewie-
sen, die den größten Anteil an Teilnehmern an der
Erhebung aufweisen. Deutlich wird die teilweise über-
proportional starke Anwendung von Technologien in
einzelnen Branchen:
89 Quelle: Eigene Darstellung. 74 ≤ n ≤ 180, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt oder
gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
den Einsatz von Drohnen. Dass das Einsatzpotenzial
bei Drohnen als sehr niedrig angesehen wird, obwohl
diese zu den bekanntesten Technologien gehören,
dürfte vor allem an der unklaren rechtlichen Situation
sowie an Sicherheitsbedenken liegen.
Eine wichtige Voraussetzung für den Einsatz von Di-
gitalisierungstechnologien kann die Zusammenarbeit
mit anderen Unternehmen sein. Dies betrifft sowohl
Kunden als auch Lieferanten und Lohnfertiger oder
Netzwerkpartner.
„Die Nutzung unternehmensübergreifender IT-Ar-
chitektur wie Cloud-Lösungen hängt oftmals von
der Aufgeschlossenheit des Partnerunternehmens
ab.“ (Peter Stelter, Bereichsleiter EDV/Organisati-
on, Zentis GmbH & Co. KG)
1
1
30
Ergebnisse
4
• Die Automobil- und Automobilzulieferindustrie
zeichnet sich durch einen insgesamt deutlichen
Einsatz von Digitalisierungstechnologien aus. Dies
gilt vor allem für die Umsetzung und Anwendung
von 3D-Druck, Big Data Analytics, dem Internet
of Things, Low-cost Sensor Technology sowie den
Einsatz von Robotern und Automatisierung.
„Unter IoT, welches in unserem Unternehmen
zum Einsatz kommt, verstehe ich die digitale
Vernetzung von Sensoren, Anwendung von Di-
gital Twins mit übergreifendem Datenaustausch
und die Cloudnutzung.“ (Guido Roßbach, Global
Supply Chain Director, Walterscheid Powertrain
Group)
„Wir nutzen bereits Big Data Analytics, um mit
genaueren Prognosedaten schneller auf Nach-
frageschwankungen reagieren zu können. Die
Schwierigkeit bei der Implementierung der Tech-
nologie lag darin, die relevanten Informations-
quellen zu identifi zieren und die enthaltenen
Daten konsistent und kompatibel aufzubereiten.“
(Projektleiter, Unternehmen der Automobil- und
Automobilzulieferindustrie)
• Unternehmen der Lager- und Transportbranche
sind bei der Anwendung von Digitalisierungstech-
nologien eher zurückhaltend: Einzig bei dem Ein-
satz von Cloud Computing und künstlicher Intelli-
genz entspricht der Anteil dem durchschnittlichen
Anteil dieser Branche an den Befragten. Einzelne
Technologien werden gar nicht genutzt.
• ImMaschinenbauwerdenvorallemder3D-Druck,
Roboter und Automatisierung sowie selbstfahren-
de Fahrzeuge eingesetzt.
• AuchdiePharma-undChemiebrancheistbezüg-
lich des Einsatzes von Digitalisierungstechnolo-
gien im Regelbetrieb recht weit: So werden vor
allem Cloud Computing, künstliche Intelligenz,
Low-cost Sensor Technology, Roboter und Auto-
matisierung sowie in starkem Maße selbstfahren-
de Fahrzeuge eingesetzt.
Abbildung 13: Anwendung ausgewählter Digitalisierungstechnologien im Regelbetrieb nach Unternehmensgröße (Anteil
an der Gesamtzahl an Unternehmen, die eine Digitalisierungstechnologie im Regelbetrieb anwenden)90
90 Quelle: Eigene Darstellung: 74 ≤ n ≤ 180, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt oder
gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
1
1
31
4
Ergebnisse
Weiterhin stellt sich die Frage, ob die Umsetzung von
Digitalisierungstechnologien eine Frage der Unter-
nehmensgröße ist. Abbildung 13 zeigt die Verteilung
für ausgewählte Technologien.
Abbildung 13 verdeutlicht, dass bei der Umsetzung
und Anwendung aktueller Digitalisierungstechnolo-
gien große Unternehmen die Nase vorn haben. Auch
wenn Unternehmen mit einem Umsatz von minde-
stens 1 Milliarde Euro nur knapp 30 % der Teilnehmer
ausmachen, beträgt ihr Anteil an den Teilnehmern,
die viele der aufgeführten Technologien nutzen, rund
50 % und mehr. Bei künstlicher Intelligenz und beim
Internet of Things ist der Anteil der Großunterneh-
men mit 75 % respektive 61 % sogar noch größer.
„Die Aufklärung über die Möglichkeiten der Digi-
talisierung sollte gerade für den Mittelstand ver-
stärkt werden.“ (Teilnehmer der Online-Erhebung)
Neben der grundsätzlichen Anwendung von Digitali-
sierungstechnologien in Unternehmen interessiert im
Besonderen, ob und in welchen Supply-Chain-Prozes-
sen ausgewählte Technologien verstärkt eingesetzt
werden.
Basis für diese Untersuchung ist das in Kapitel 3 erläu-
terte SCOR-Modell. Auf Ebene 1 des SCOR-Modells
werden die Prozesse Plan (Planen), Source (Beschaf-
fen), Make (Herstellen), Deliver (Liefern), Return (Zu-
rückgeben) und Enable (Ermöglichen) deniert. Die
Prozesse auf dieser obersten Ebene fungieren als
Grundlage für die Erfassung des derzeitigen prozess-
bezogenen Technologieeinsatzes.
4.3 Prozessbezogener Einsatz von Digitalisierungs-
technologien
Tabelle 2: Anwendung ausgewählter Digitalisierungstechnologien in SCOR-Prozessen (Einsatz im Regel- oder Testbetrieb;
nur Technologien mit 10 oder mehr Anwendungen)91
91 Quelle: Eigene Darstellung. 14 ≤ n ≤ 89, durch die Filterung auf diejenigen Digitalisierungstechnologien, die im Regel- oder im Test-
betrieb eingesetzt werden (Frage 2), kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
Plan Source M ake Deliver Return Enable
3D-Druck 16,7% 21,4% 59,5% 2,4% 2,4% 4,8%
Big Data Analytics 59,7% 40,3% 31,2% 33,8% 18,2% 27,3%
Bionic Enhancement �(„Wearables“) 14,3% 21,4% 57,1% 35,7% 7,1% 14,3%
Blockchain 40,9% 18,2% 22,7% 27,3% 9,1% 18,2%
Cloud Computing 51,7% 40,4% 32,6% 37,1% 19,1% 30,3%
Digital Identifiers (Smart �Sensor Tags and Biometrics) 15,4% 19,2% 26,9% 30,8% 19,2% 3,8%
Digitaler Zwilling 44,4% 5,6% 44,4% 11,1% 11,1% 22,2%
Drohnen 27,8% 16,7% 38,9% 38,9% 5,6% 5,6%
Internet of Things (IoT) 30,6% 33,3% 41,7% 30,6% 8,3% 19,4%
Künstliche Intelligenz (KI)/�Artificial Intelligence (AI) 39,4% 27,3% 24,2% 18,2% 9,1% 24,2%
Low-cost Sensor Technology 17,4% 21,7% 39,1% 34,8% 13,0% 17,4%
Roboter und Automatisierung 17,4% 17,4% 65,1% 18,6% 4,7% 5,8%
Selbstfahrende Fahrzeuge 16,7% 6,7% 53,3% 30,0% 13,3% 3,3%
Virtual Reality (VR)/�Augmented Reality (AR) 35,5% 9,7% 22,6% 12,9% 6,5% 16,1%
Tabelle 2 zeigt für ausgewählte Digitalisierungstech-
nologien, in welchem SCOR-Prozess sie in welchem
Umfang eingesetzt werden. Die Tabelle ist dabei zei-
lenweise zu lesen: Bezogen auf die Unternehmen,
die eine bestimmte Technologie im Regel- oder im
Testbetrieb nutzen, zeigt jeder Wert den prozentu-
alen Anteil an Unternehmen, die diese Technologie
im entsprechenden Supply-Chain-Prozess einsetzen.
1
1
32
Ergebnisse
4
Von den Unternehmen, die den 3D-Druck nutzen,
setzen 16,7% diese Technologie im Prozess „Plan“
ein, 21,4% im Prozess „Source“ und so weiter. Da
eine Technologie in mehreren SCOR-Prozessen Einsatz
nden kann, ergeben die Zeilensummen in der Regel
Werte größer als 100%.
Die in der Tabelle grün hinterlegten Werte verdeut-
lichen je Technologie diejenigen Prozesse, die den
höchsten Anwendungsgrad aufweisen. Die in der Ta-
belle rot hinterlegten Werte stellen dagegen je Tech-
nologie diejenigen Prozesse heraus, die den gering-
sten Anwendungsgrad aufweisen.
Der Anwendungsgrad je Technologie und SCOR-Pro-
zess, der die aktuelle Situation bei den befragten Un-
ternehmen wiederspiegelt, lässt sich auch als Anwen-
dungspotenzial interpretieren. Damit zeigen die grün
hinterlegten Werte diejenigen SCOR-Prozesse auf, die
sich für bestimmte Digitalisierungstechnologien be-
sonders eignen. (Ein Vergleich der Werte für einzelne
SCOR-Prozesse über verschiedene Technologien und
damit über mehrere Zeilen in Tabelle 2 ist allerdings
nicht zulässig, weil je Digitalisierungstechnologie auf-
grund der Filter eine andere Stichprobe befragt wurde.)
Viele der Werte sind per se plausibel. So ist der hohe
Anwendungsgrad von Robotern und Automatisie-
rung in Produktionsprozessen („Make“) gut nachvoll-
ziehbar. Andere Werte erscheinen dagegen fragwür-
diger: So ist der Anwendungsgrad von Drohnen mit
27,8 % im Planungsprozess („Plan“) überraschend.
Eine Erklärung für anscheinend unplausible Werte
liegt im SCOR-Modell. Auch wenn das SCOR-Modell
als Referenzmodell im Supply Chain Management gilt,
ist es doch vielen Unternehmen nicht bekannt. Zwar
wurde im Rahmen der Online-Erhebung eine kurze
Einführung in das SCOR-Modell und die damit ver-
bundenen Prozesse auf der obersten Ebene gegeben;
dennoch gibt es durchaus Interpretationsspielraum,
welche konkreten Aktivitäten einem SCOR-Prozess
auf Ebene 1 zugeordnet werden können oder sollten.
Ohne eine vertiefte Kenntnis der weiteren Ebenen
des SCOR-Modells lassen sich diese Zuordnungsfra-
gen nicht lösen. Dieser Interpretationsspielraum zeigt
sich zumindest teilweise in den Ergebnissen in Tabel-
le 2. Unabhängig davon überwiegen die Vorteile des
SCOR-Modells für die vorgenommene Erhebung und
Auswertung.
Aus den in Tabelle 2 ausgewiesenen Werten lassen
sich folgende Schlussfolgerungen ziehen:
• Die ausgewählten Digitalisierungstechnologien
werden derzeit hauptsächlich in Planungs- oder
Herstellungsprozessen eingesetzt.
• Ein besonders breites Einsatzpotenzial weisen
Cloud Computing und Big Data Analytics auf:
Diese beiden Technologien werden in allen SCOR-
Prozessen mit relativ hohem Anwendungsgrad
eingesetzt. Bis auf den „Return“-Prozess werden
diese Technologien je Supply-Chain-Prozess von
27 % bis 60 % der Unternehmen eingesetzt.
Cloud Computing unterstützt, als SaaS-Lösung,
insbesondere auch Planungsprozesse, wenn –
wie durch das Zitat skizziert – das ERP-System als
Cloud-basierte Applikation verfügbar ist.
„Mit unserer Cloud können unsere Mitarbeiter
jederzeit und überall auf ERP-Daten zugreifen.“
(Christopher Pflaum, Teamleiter Einkauf/Produkti-
onsmaterial, Walter Speck GmbH & Co. KG)
• Digital Identiers werden bevorzugt im Herstel-
lungs-, aber auch im Auslieferprozess eingesetzt.
Das beinhaltet vor allem auch die Steuerung der
internen Materialuss-Systeme durch digitale
Identikationstechnologie.
„Die Verwendung von Barcodes führte früher zu
Erfassungsproblemen, da diese von der Druck-
qualität und Sauberkeit des Strichcodes abhin-
gen. Mit der RFID-Technologie haben wir diese
Probleme nicht mehr, weshalb wir diese seither
zur internen Materialfluss-Steuerung nutzen.“
(Sebastian Retzlaff, Bereichsleiter Kundenservice
& Logistik, Unternehmen im Groß- und Einzel-
handel)
• Sowohlder3D-DruckalsauchRoboterundAuto-
matisierung werden hauptsächlich in „Make“-Pro-
zessen eingesetzt (Werte jeweils größer als 50%).
„In unserer GKN Schwestergesellschaft Sinter
Metals können wir mit dem 3D-Druckverfahren
bereits sehr effizient Metallteile fertigen.“ (Guido
Roßbach, Global Supply Chain Director, Walter-
scheid Powertrain Group)
„Wir setzen in der Produktion vom Mitarbeiter
angelernte Cobots ein, die die Produkte transpor-
tieren und Fertigungsschritte ausführen. Exoske-
lette (Bionic Enhancement) zum Heben schwerer
Lasten werden momentan noch nicht eingesetzt“
(Guido Roßbach, Global Supply Chain Director,
Walterscheid Powertrain Group)
Abbildung 13: Anwendung ausgewählter Digitalisierungstechnologien im Regelbetrieb nach Unternehmensgröße (Anteil
an der Gesamtzahl an Unternehmen, die eine Digitalisierungstechnologie im Regelbetrieb anwenden)90
1
1
33
4
Ergebnisse
• Der „Return“-Prozess und – mit Abstrichen –
auch der Prozess „Enable“ weisen geringe An-
wendungsgrade der Digitalisierungstechnologien
auf. Dies kann mit einer geringeren Relevanz die-
ser Prozesse für die Befragten zusammenhängen,
aber auch mit der oben angesprochenen teilwei-
sen Unklarheit über die Bedeutung der SCOR-Pro-
zesse. So ist der „Return“-Prozess oftmals nicht
von oberster Priorität im Vergleich mit anderen
Supply-Chain-Prozessen. Die konkreten Inhalte
des „Enable“-Prozesses sind weniger nahelie-
gend als diejenigen der klassischen Logistik- und
Produktionsprozesse.
• EinenochgeringeAnwendungsbreitehabenVir-
tual oder Augmented Reality. Dennoch ist hier Po-
tenzial in bestimmten Bereichen vorhanden, wie
das nachfolgende Zitat zeigt.
„Insbesondere Augmented Reality ist im Einsatz
zur Unterstützung der Serviceleistung am Kun-
den. App-basiert unterstützen wir mittels VR den
Kunden, gewisse Wartungsarbeiten am Endpro-
dukt selbst vorzunehmen.“ (Teilnehmer der On-
line-Erhebung)
Wichtig ist jedoch für einen effektiven Einsatz von
Digitalisierungstechnologien, dass die Grundlage vor-
handen ist: Etablierte und stabile Prozesse mit einem
möglichst hohen Reifegrad. Zu häug jedoch sind die-
se Voraussetzungen nicht gegeben. Damit fehlt eine
wesentliche Voraussetzung, um die Vorteile digitaler
Technologien zu realisieren.
„Damit Digitalisierungstechnologien Nutzen brin-
gen, müssen die Hausaufgaben erledigt werden.
Das heißt vor allem: Der oftmals noch niedrige
Reifegrad von Prozessen muss erhöht werden.“
(Prof. Dr.-Ing. Volker Bräutigam, Professor, Hoch-
schule für angewandte Wissenschaften Würz-
burg-Schweinfurt)
4.4 Erfahrungen mit Digitalisierungstechnologien
Für den Einsatz von Digitalisierungstechnologien sind
auf der einen Seite die grundsätzlichen Anwendungs-
bereiche (im Sinne der genutzten Supply-Chain-Pro-
zesse) von Bedeutung. Auf der anderen Seite sind
die bereits gemachten Erfahrungen relevant, um das
Anwendungspotenzial besser abschätzen zu können.
„Digitalisierte Prozesse ermöglichen eine ver-
besserte Sichtbarkeit, Vorhersehbarkeit und An-
passungsfähigkeit von Unternehmen in Supply
Chains.“ (Jacek Tarkowski, Sales Director, Alpega
Group)
Koste n-
einsparung
Zeitgewinn
Qualitäts-
verbesserung
Stärke re Kun-
denbindung
Höhere
Flexibilität
Negative
Erfahrungen
3D-Druck 34,0% 38,0% 20,0% 14,0% 44,0% 8,0%
Big Data Analytics 42,9% 45,5% 64,9% 26,0% 37,7% 1,3%
Bionic Enhancement �(„ Wearables“) 52,9% 52,9% 35,3% 11,8% 23,5% 11,8%
Blockchain 29,6% 25,9% 22,2% 18,5% 11,1% 0,0%
Cloud Computing 44,4% 43,3% 32,2% 12,2% 38,9% 5,6%
Digital Identifiers (Smart �Sensor Tags and Biometrics) 19,4% 45,2% 38,7% 9,7% 6,5% 0,0%
Digitaler Zwilling 26,3% 36,8% 73,7% 15,8% 10,5% 5,3%
Drohn en 25,0% 40,0% 15,0% 10,0% 15,0% 5,0%
Internet of Things (IoT) 37,5% 50,0% 35,0% 30,0% 20,0% 0,0%
Künstliche Intelligenz (K I)/�Artificial Intelligence (AI) 45,7% 45,7% 40,0% 22,9% 28,6% 0,0%
Low -cost Sensor Techno logy 44,0% 28,0% 52,0% 4,0% 12,0% 0,0%
Roboter und Automatisierung 78,8% 68,2% 57,6% 7,1% 27,1% 0,0%
Selbstfahrende Fahrzeuge 64,7% 41,2% 26,5% 8,8% 23,5% 8,8%
Virtual Reality (VR)/�Augmented Reality (AR) 33,3% 38,9% 30,6% 25,0% 16,7% 5,6%
Tabelle 3: Erfahrungen mit ausgewählten Digitalisierungstechnologien (Einsatz im Regel- oder Testbetrieb; nur Technolo-
gien mit 10 oder mehr Anwendungen)92
92 Quelle: Eigene Darstellung. 14 ≤ n ≤ 89, durch die Filterung auf diejenigen Digitalisierungstechnologien, die im Regel- oder im Testbe-
trieb eingesetzt werden (Frage 2), kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
1
1
34
Ergebnisse
4
Tabelle 3 zeigt die Erfahrungen, die die Befragten
beim Einsatz im Regel- oder Testbetrieb ausgewähl-
ter Digitalisierungstechnologien gesammelt haben.
Die Tabelle ist zeilenweise zu lesen: Bezogen auf die
Unternehmen, die eine bestimmte Technologie im
Regel- oder im Testbetrieb nutzen, zeigt jeder Wert
den prozentualen Anteil an Unternehmen, die eine
entsprechende Erfahrung mit dieser Technologie ge-
macht haben. So haben 34,0 % der Unternehmen,
die 3D-Druck im Regel- oder Testbetrieb nutzen, Ko-
steneinsparungen und 38,0 % Zeitgewinne realisie-
ren können. Da Unternehmen je Technologie mehrere
Erfahrungen sammeln können, ergeben die Zeilen-
summen in der Regel Werte größer als 100 %.
Die in der Tabelle grün hinterlegten Werte verdeutli-
chen je Technologie diejenigen Erfahrungen, die von
einem besonders hohen Anteil an Unternehmen re-
alisiert werden. Auf der anderen Seite stellen die in
der Tabelle rot hinterlegten Werte je Technologie die-
jenigen Erfahrungen heraus, die nur selten gemacht
werden.
Aus den in Tabelle 3 ausgewiesenen Werten lassen
sich folgende Schlussfolgerungen ziehen:
• Die eingesetzten Digitalisierungstechnologien
führen in erster Linie zu Kosteneinsparungen
oder zu Zeitgewinnen – oder im Falle von Bio-
nic Enhancements und künstlicher Intelligenz zu
beidem. Roboter und Automatisierung sorgen
bei drei Viertel der Unternehmen für niedrigere
Kosten; durch den Einsatz von selbstfahrenden
Fahrzeugen haben immerhin zwei Drittel der Be-
fragten Kosteneinsparungen realisieren können.
„Die Einführung einer neuen Digitalisierungstech-
nologie hängt im Wesentlichem vom Kostensen-
kungspotenzial, von erhöhtem Kundennutzen
oder von Qualitätssteigerungen ab.“ (Geschäfts-
führer, Unternehmen der Lager- und Transport-
branche)
„Als wesentliche Schlüsselkomponente zur Ein-
führung neuer Technologiekonzepte gilt die Pro-
fitabilität, die bei uns durch eine Wirtschaftlich-
keitsberechnung, einem Business Case und einer
zeitlichen Umsetzungsplanung ermittelt wird.“
(Inhouse Consultant, Deutsche Bahn AG)
• DreiTechnologienführenvorallemzuVerbesse-
rungen der Qualität: Dies ist in besonderem Maße
beim digitalen Zwilling der Fall, durch den 75%
der Unternehmen Qualitätsverbesserungen reali-
sieren können.
„Mit dem digitalen Zwilling können wir eine vir-
tuelle Inbetriebnahme des Produkts beim Kunden
simulieren. Mögliche Fehler können so bereits im
Vorfeld identifiziert und behoben werden.“ (Mi-
chael Fichtel, Leiter Produktmanagement, b+m
surface systems GmbH)
• DieQualitätsaspektestehenauchbeiderVerwen-
dung von Low-cost Sensor Technology und – in
etwas geringerem Maße – bei Digital Identiers
im Vordergrund.
„Die Sensor-Technologie ist in der Pharmalogistik
gerade im Hinblick auf die Sicherung der Kühl-
ketten von herausragender Bedeutung.“ (Klaus
Kauer, Head of Quality Management, Frigo-Trans
GmbH)
• NurvergleichsweisewenigeUnternehmenhaben
durch die Nutzung der Technologien eine stär-
kere Kundenbindung registriert. Einzig aus dem
Einsatz von Big Data Analytics und künstlicher
Intelligenz resultierte bei etwa einem Viertel der
Unternehmen auch eine solche intensivere Kun-
denbindung. Auch eine höhere Flexibilität wird
durch den Einsatz von Digitalisierungstechnolo-
gien weniger realisiert. Allerdings lässt sich dieses
Flexibilitätspotenzial in erster Linie durch den Ein-
satz von 3D-Druck realisieren.
• ÜberalleinderErhebungaufgeführtenKriterien
hinweg werden besonders viele positive Erfah-
rungen mit Robotern und Automatisierung sowie
mit Big Data Analytics gesammelt.
• DagegenführenBlockchainundDrohnenbisher
eher weniger zu positiven Erfahrungen, wenn
man alle in der Erhebung aufgeführten Kriterien
berücksichtigt.
Ein Teil der Unternehmen machte auch negative
Erfahrungen im Rahmen des Regel- oder Testbe-
triebs. Allerdings ist der Anteil der Unternehmen, die
schlechte Erfahrungen machten, gering: Nur bei Bi-
onic Enhancements, selbstfahrenden Fahrzeugen so-
wie beim 3D-Druck haben zwischen 8% und knapp
12% der Befragten Nachteile oder Schwächen regis-
triert. Verbale Rückmeldungen der Teilnehmer zu den
Nachteilen waren:
• Im Falle von Bionic Enhancements wurde eine
nicht ausreichende Funktionsfähigkeit bemän-
1
1
35
4
Ergebnisse
gelt: Sie seien im Bereich der Konsumgüter „nicht
für Bewegungsabläufe im Arbeitsalltag der hoch-
frequenten Kommission geschaffen“.
• Bei selbstfahrenden Fahrzeugen wurdendieins-
gesamt hohen Kosten, die auch von der gege-
benen Infrastruktur abhängen, als Nachteil auf-
geführt.
• Beim3D-Druck wurden ebenfalls diehohenKo-
sten als Schwäche angesehen. Ein „Nutzen im
Massengeschäft“ wird nicht gesehen. Außerdem
wurde die Einschränkung hinsichtlich der nutz-
baren Werkstoffe als Schwäche aufgeführt.
• Im Bereich des Cloud Computing wurden tech-
nische Kritikpunkte (System-/Netzwerk¬stabilität,
langsame Übertragungsraten) und rechtliche As-
pekte (keine Konformität mit der Datenschutz-
Grundverordnung bei einem Cloud-Server au-
ßerhalb der EU) geäußert. Letzterer Problematik
begegnen Unternehmen dagegen auch durch
den eigenverantwortlichen Betrieb einer Cloud-
Lösung.
„Wir nutzen aufgrund der Datenschutzthematik
unsere eigene Cloud, das heißt, die Datenhoheit
liegt durch eigene Server bei uns selbst.“ (Seba-
stian Retzlaff, Bereichsleiter Kundenservice & Lo-
gistik, Unternehmen im Groß- und Einzelhandel)
• BeiDrohnenwurdedienochunausgereifteFunk-
tionsfähigkeit, bei Virtual Reality und Augmented
Reality wurden die noch zu geringen Anwen-
dungsmöglichkeiten genannt.
4.5 Zukünftige Anwendung von Digitalisierungs-
technologien
Die bisherigen Ergebnisse verdeutlichten den Kennt-
nis- und Anwendungsstand von Digitalisierungstech-
nologien in Supply Chains sowie die Erfahrungen, die
die Befragten mit dem Einsatz der Technologien ge-
sammelt haben.
Insbesondere bei neuen Technologien ist aber auch
der Blick in die Zukunft von Interesse. Mit anderen
Worten: Welche Digitalisierungstechnologien für
Supply Chains planen Unternehmen, in den nächsten
Jahren einzusetzen?
Abbildung 14 verdeutlicht, wie die Planung der Teil-
nehmer für die ausgewählten Technologien aussieht.
Dabei wurden für die Befragten jeweils die Techno-
logien aufgelistet, die sie gut oder zumindest vom
Namen her kennen. Die Auistung der Ergebnisse
erfolgt nach dem Gesamtanteil für die Umsetzung in-
nerhalb der kommenden fünf Jahre (und damit für die
Summe der beiden ersten Kategorien).
„Das Einsatzgebiet verschiedener Technologien ist
zu Teilen noch ungewiss und es ändert sich auch
immer wieder. Insofern kann der Plan in zwei Jah-
ren schon wieder ganz anders aussehen. Auf alle
Fälle muss man nah dran sein.“ (Teilnehmer der
Online-Erhebung)
Abbildung 14 vergegenwärtigt, dass auch in den
kommenden fünf Jahren diejenigen drei Technolo-
gien vorrangig genutzt werden, die auch derzeit von
den meisten Unternehmen eingesetzt werden: Cloud
Computing, Big Data Analytics sowie Roboter und
Automatisierung sind die Technologien, die – für die
kommenden fünf Jahre – von mehr als 70% der Un-
ternehmen weiterhin eingesetzt werden oder deren
Einsatz ausgeweitet wird.
Die Dynamik für die Nutzung dieser drei Technologien
zeigt sich auch bei den Plänen für die kommenden
zwei Jahre: Zwei von drei Unternehmen planen den
kurzfristigen Einsatz von Cloud Computing und je-
weils mehr als die Hälfte die Nutzung von Big Data
Analytics sowie von Robotern und Automatisierung.
Im Vergleich zum aktuellen Stand der Anwendung er-
geben sich für alle weiteren Digitalisierungstechnolo-
gien, die derzeit allesamt eine nur geringe Verbreitung
in Supply Chains aufweisen, deutliche Steigerungen:
• DasInternetofThings wollenzweivonfünfUn-
ternehmen innerhalb der nächsten zwei Jahre im-
plementiert haben. Ein weiteres von fünf Unter-
nehmen plant immerhin einen Einsatz innerhalb
der kommenden fünf Jahre.
1
1
36
Ergebnisse
4
• Auch im Bereich von Sensor-und Ident-Techno-
logie ist eine stärkere Verbreitung zu erwarten:
Low-cost Sensor Technology wollen rund 55 %
der Unternehmen innerhalb der nächsten fünf
Jahre einsetzen, Digital Identiers immerhin 50%
der Unternehmen.
„Wir testen momentan Low-cost Sensors und hof-
fen, mehrere Nutzen wie Sendungsverfolgung,
Behälterzustand und Inhaltskontrolle aus der Tech-
nologie ziehen zu können sowie die Anbindung
mit IoT zu realisieren.“ (Peter Stelter, Bereichsleiter
EDV/Organisation, Zentis GmbH & Co. KG)
„Der Konzern arbeitet mit starkem Fokus an di-
gitalen Erfassungssystemen, um nachhaltige prä-
ventive Maßnahmen ableiten und eine genauere
Planungsvorhersage generieren zu können.“ (In-
house Consultant, Deutsche Bahn AG)
• Selbst den Einsatz der Blockchain-Technologie,
die derzeit kaum genutzt wird, planen mehr als
40 % der Unternehmen für die nächsten fünf
Jahre.
„Ich glaube, dass der Mehrwert, den die Block-
chain-Technologie für die Logistik bringen soll,
vielen noch unklar ist. Sie wird Transparenz – ähn-
lich einem Grundbuch oder Register – in die Logi-
stikkette bringen. Aber ob und wo dieser Aspekt
gebraucht wird, muss sich noch entscheiden.“
(Peter Stelter, Bereichsleiter EDV/Organisation,
Zentis GmbH & Co. KG)
• KünstlicheIntelligenzwillkurzfristigmehralsein
Viertel der Unternehmen nutzen. Relativ hoch ist
hier jedoch der Anteil an Unternehmen, die noch
abzuwarten scheinen: Jedes siebte Unternehmen
plant einen Einsatz erst mittelfristig. Möglicher-
weise sind Nutzen und Anwendungspotenzial
dieser Technologie noch zu unklar, sodass Unter-
nehmen die zukünftige Entwicklung abwarten. In
diesem Zusammenhang wurde allerdings das Po-
tenzial von künstlicher Intelligenz mit Automation
– die sogenannte Autonomation – genannt, wie
das nachfolgende Zitat verdeutlicht.
„Autonomation ist ein kommendes Thema. Die
Flexibilität von Anlagen wird erheblich zuneh-
Abbildung 14: Zeitlicher Horizont des zukünftigen Einsatzes von Digitalisierungstechnologien93
93 Quelle: Eigene Darstellung. 50 ≤ n ≤ 132, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt
oder gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
1
1
37
4
Ergebnisse
men, wenn es uns gelingt, den Maschinen mehr
Intelligenz zu geben.“ (Inhouse Consultant, Deut-
sche Bahn AG)
Auf der anderen Seite gibt es auch einige Technologien,
für die ein Großteil der Unternehmen keinen Einsatz
plant. So sind Drohnen sowie eine Uberization of freight
für drei Viertel der Befragten kein Thema. Auch Bionic
Enhancements, ein digitaler Zwilling sowie selbstfahren-
de Fahrzeuge werden von mehr als 50% der Unterneh-
men als nicht relevant innerhalb der kommenden zehn
Jahre angesehen. Letztlich stehen auch die Blockchain-
Technologie sowie der 3D-Druck bei knapp der Hälfte
der Teilnehmer nicht auf der Agenda für die nächste
Dekade.
„Digitalisierung ist ein permanenter Prozess in
der Logistik, der stetig an Dynamik gewinnt. Die
Übersicht über Anwendungsmöglichkeiten zu
haben und diese in einen Nutzen für den Unter-
nehmenserfolg zu übersetzen, ist immer wieder
die Herausforderung.“ (Teilnehmer der Online-
Erhebung)
Für die Einführung einiger der ausgewählten Digitalisie-
rungstechnologien sind auch noch „Hausaufgaben“ zu
erledigen: Diese können darin bestehen, die zugrunde
liegenden Prozesse vorzubereiten und teilweise neu aus-
zurichten, die Infrastruktur auf die Belange der Techno-
logien abzustimmen oder sicherzustellen, dass die not-
wendigen Daten und Datenstrukturen vorhanden sind.
„Unsere Kunden werden zukünftig modernere
Lagertechnologien wie fahrerlose Staplersysteme
fordern. Jedoch müssen hierfür die verschiedenen
Artikelstrukturen mit den Systemen harmonisiert
werden.“ (Geschäftsführer, Unternehmen der La-
ger- und Transportbranche)
Neben den Hausaufgaben, die innerhalb eines Unter-
nehmens zu erledigen sind, können aber auch eine noch
fehlende Funktionalität oder ein zu niedriger technischer
Reifegrad der Technologien dazu führen, dass die Imple-
mentierung kurzfristig nicht erfolgt. Unternehmen war-
ten dann ab, bis die Entwicklung der Digitalisierungs-
technologien einen Stand erreicht hat, die den eigenen
Anforderungen entspricht.
„Bei einem Test von AR-Brillen im Lager stellte sich
heraus, dass die Datenbrillen einerseits zu schwer
sind und andererseits das Arbeiten mit eingeblen-
deten Informationen im Sichtfeld zu anstrengend
ist. Wir haben daher die Investition unterlassen
und warten auf eine höhere Produktreife.“ (Seba-
stian Retzlaff, Bereichsleiter Kundenservice & Lo-
gistik, Unternehmen im Groß- und Einzelhandel)
„Der Testeinsatz von selbstfahrenden Fahrzeugen
in der Intralogistik unseres Unternehmens hat
gezeigt, dass die Toleranz der Fahrzeugpositio-
nierung noch zu groß ist, als dass unsere wert-
vollen Paletten automatisiert transportiert werden
könnten.“ (Klaus Kauer, Head of Quality Manage-
ment, Frigo-Trans GmbH)
Gibt es Unterschiede zwischen eher kleineren und eher
großen Unternehmen, was den geplanten Einsatz von
Digitalisierungstechnologie betrifft? Diese Frage beant-
wortet Abbildung 15. Dort sind diejenigen Technologien
aufgeführt, deren Einsatz innerhalb der nächsten fünf
Jahre geplant ist (die also in der vorherigen Abbildung
14 durch die zwei linken Balkenreihen (in Blau und
Orange dargestellt sind).
Anhand von Abbildung 15 wird deutlich, dass kurzfristig
vor allem Großunternehmen den Einsatz von Digitalisie-
rungstechnologien planen. Dies wird beim geplanten
Einsatz von künstlicher Intelligenz besonders deutlich:
Beinahe die Hälfte der Einsatzplanungen entfällt auf
Unternehmen mit einem Umsatz von mehr als einer
Milliarde Euro. Kleine Unternehmen haben einen insge-
samt geringen Anteil: Den Extremfall bildet der Einsatz
des digitalen Zwillings, dessen Einsatz von den KMU mit
einem Umsatz von bis zu 50 Millionen Euro nur 4 %
planen, verglichen mit 42 % der Großunternehmen.
Anhand von Abbildung 16 wird das geschilderte Phäno-
men noch deutlicher. Der obere Balken zeigt für alle Di-
gitalisierungstechnologien mit 25 oder mehr geplanten
Einsätzen innerhalb der kommenden fünf Jahre die Ver-
teilung gemäß der Unternehmensgröße. Beispielsweise
entfallen 12,4 % der geplanten Technologieeinsätze
innerhalb der nächsten fünf Jahre auf Unternehmen
mit einem Umsatz von bis zu 50 Millionen Euro. Der
Vergleich zur Teilnehmerstruktur, die durch den unteren
Balken repräsentiert wird, macht deutlich: Große Unter-
nehmen weisen einen überproportionalen Anteil an den
geplanten Einsätzen von Digitalisierungstechnologien
auf; KMU sind dagegen nur unterproportional aktiv.
Auch beim künftigen Einsatz der Digitalisierung stellt
sich die Frage, welche Prozesse des SCOR-Modells für
die einzelnen Technologien besonders geeignet er-
scheinen. Erhoben wurden dabei nur die geplanten
Anwendungen innerhalb der ersten zwei Jahre durch
Abbildung 16: Zukünftiger Einsatz von Digitalisierungstechnologien nach Unternehmensgröße (aggregiert)95
(Einsatz geplant innerhalb von maximal fünf Jahren, nur Technologien mit 25 oder mehr geplanten Anwendungen)
1
1
38
Ergebnisse
4
94 Quelle: Eigene Darstellung. 25 ≤ n ≤ 86, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt oder
gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
95 Quelle: Eigene Darstellung. 25 ≤ n ≤ 86, durch die Filterung auf diejenigen Digitalisierungstechnologien, die in Frage 1 als bekannt oder
gut bekannt angegeben wurden, kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
Abbildung 15: Zukünftiger Einsatz von Digitalisierungstechnologien nach Unternehmensgröße94 (Einsatz geplant innerhalb
von maximal fünf Jahren, nur Technologien mit 25 oder mehr geplanten Anwendungen
1
1
39
4
Ergebnisse
die Frage: „In welchen Prozessen planen Sie die Ein-
führung ausgewählter Digitalisierungstechnologien
innerhalb der nächsten zwei Jahre?“ Tabelle 4 zeigt
die Ergebnisse für diejenigen Digitalisierungstechno-
logien je SCOR-Prozess, bei denen 15 oder mehr Un-
ternehmen eine Anwendung innerhalb der kommen-
den zwei Jahre planen
Tabelle 4 zeigt für ausgewählte Digitalisierungstech-
nologien, in welchem SCOR-Prozess ihre Umsetzung
innerhalb der nächsten zwei Jahre geplant ist. Die Ta-
belle ist dabei (analog zu Tabelle 2 auf Seite 31) zei-
lenweise zu lesen: Jeder Wert zeigt den prozentualen
Anteil an Unternehmen, die planen, eine bestimmte
Technologie innerhalb der kommenden zwei Jahre
96 Quelle: Eigene Darstellung. 17 ≤ n ≤ 78, durch die Filterung auf diejenigen Digitalisierungstechnologien, die gut oder vom Namen her
bekannt sind (Frage 1), kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
Tabelle 4: Zukünftige Anwendung ausgewählter Digitalisierungstechnologien in SCOR-Prozessen (nur Technologien mit 15
oder mehr geplanten Anwendungen)96
Plan Source M ake Deliver Return Enable
3D-Druck 13,3% 23,3% 73,3% 6,7% 0,0% 3,3%
Big Data Analytics 71,2% 52,5% 42,4% 35,6% 27,1% 52,5%
Blockchain 43,5% 43,5% 26,1% 47,8% 17,4% 26,1%
Cloud Computing 61,5% 53,8% 38,5% 44,9% 32,1% 42,3%
Digital Identifiers (Smart �Sensor Tags and Biometrics) 7,7% 38,5% 50,0% 53,8% 30,8% 11,5%
Digitaler Zwilling 47,1% 29,4% 35,3% 17,6% 5,9% 23,5%
Internet of Things (IoT) 51,2% 41,5% 46,3% 51,2% 12,2% 29,3%
Künstliche Intelligenz (KI)/�Artificial Intelligence (AI) 58,8% 35,3% 41,2% 32,4% 11,8% 35,3%
Low-cost Sensor Technology 9,1% 31,8% 59,1% 59,1% 18,2% 9,1%
Roboter und Automatisierung 26,2% 27,7% 66,2% 33,8% 9,2% 12,3%
Selbstfahrende Fahrzeuge 10,7% 14,3% 71,4% 42,9% 14,3% 3,6%
Virtual Reality (VR)/�Augmented Reality (AR) 29,2% 25,0% 41,7% 20,8% 25,0% 20,8%
im entsprechenden Supply-Chain-Prozess einzuset-
zen. So planen 13,3 % der Unternehmen, die den
3D-Druck gut oder vom Namen her kennen, diese
Technologie im Prozess „Plan“ einzusetzen, 23,3%
im Prozess „Source“ und so weiter. Da eine Techno-
logie in mehreren SCOR-Prozessen eingesetzt werden
kann, ergeben die Zeilensummen in der Regel Werte
größer als 100 %.
Die in der Tabelle grün hinterlegten Werte verdeutlichen
je Technologie diejenigen Prozesse, die den höchsten
geplanten Anwendungsgrad aufweisen. Die in der Ta-
belle rot hinterlegten Werte stellen dagegen je Tech-
nologie diejenigen Prozesse heraus, die den geringsten
geplanten Anwendungsgrad aufweisen.
Im Wesentlichen ähneln die Ergebnisse der Umset-
zungsplanung denjenigen des aktuellen Einsatzes (vgl.
Tabelle 2 auf Seite 31). Dennoch sind einige ergänzende
Schlussfolgerungen zu ziehen:
• Sämtliche Technologien sollen stärker genutzt
werden, als dies bisher der Fall ist. Während jede
Digitalisierungstechnologie aktuell durchschnitt-
lich in 1,4 SCOR-Prozessen eingesetzt wird, wol-
len die Unternehmen kurzfristig jede Technologie
in 2,0 SCOR-Prozessen anwenden – eine deutliche
Steigerung, die jedoch auf Basis der bisher gerin-
gen Umsetzung auch nachvollziehbar erscheint.
Deutlich stärker eingesetzt werden sollen Big
Data Analytics (in durchschnittlich 2,7 Prozessen),
Cloud Computing (2,7), Internet of Things (2,3),
künstliche Intelligenz (2,1) und Blockchain (2,0).
Abbildung 17 verdeutlicht die Veränderungen
in der Einsatzbreite für ausgewählte Digitalisie-
rungstechnologien.
• EineSteigerungergabsichauchfüreinzelneDigi-
talisierungstechnologien in ausgewählten SCOR-
Prozesse: So planen drei Viertel der Unternehmen,
3D-Druck im „Make“-Prozess einzusetzen, sowie
jeweils knapp drei Viertel, Big Data Analytics im
„Plan“-Prozess und selbstfahrende Fahrzeuge im
„Make“-Prozess zu nutzen.
• Die beiden Prozesse,indenendie Technologienin
der aktuellen Situation besonders intensiv genutzt
1
1
40
Ergebnisse
4
werden („Plan“, „Make“), sind nach Angaben der
Befragten auch zukünftig die Prozesse mit dem
höchsten Anwendungsgrad. Im „Plan“-Prozess
stechen Big Data Analytics mit einer geplanten
Umsetzung bei 71 % der Unternehmen sowie
Cloud Computing (62 %) und künstliche Intel-
ligenz (59 %) hervor. Im „Make“-Prozess domi-
nieren der 3D-Druck (73 % der Unternehmen),
selbstfahrende Fahrzeuge (71 %) sowie Roboter
und Automatisierung (66 %). Allerdings weist
auch der Auslieferungsprozess („Deliver“) ein
hohes Potenzial auf: Hier sind Low-cost Sensor
Technology (59 %), Digital Identiers (54 %) und
das Internet of Things (51 %) von besonderem
Interesse für die Unternehmen.
• Weiterhin eher unattraktiv für die Umsetzung
der Digitalisierungstechnologien erscheinen der
„Return“- und der „Enable“-Prozess. Dennoch
darf nicht übersehen werden, dass es auch in
diesen beiden Prozessen Potenziale gibt: Cloud
Computing und Digital Identiers sind Techno-
logien, für die mehr als 30 % der Unternehmen
im „Return“-Prozess einen Einsatz planen. Im
„Enable“-Prozess wollen Unternehmen Big Data
Analytics (53 %) und Cloud Computing (42%)
nutzen..
97 Quelle: Eigene Darstellung. 17 ≤ n ≤ 78, durch die Filterung auf diejenigen Digitalisierungstechnologien, die gut oder vom Namen her
bekannt sind (Frage 1), kann eine Stichprobengröße nur für jede Technologie einzeln angegeben werden.
Abbildung 17: Einsatzbreite ausgewählter Digitalisierungstechnologien (durchschnittliche Anzahl an SCOR-Prozessen, in
denen eine Digitalisierungstechnologie eingesetzt wird, nur Technologien mit 15 oder mehr geplanten Anwendungen)97
1
1
41
4
Ergebnisse
98 Quelle: Eigene Darstellung. n = 151.
Abbildung 18: Treiber für den Einsatz von Digitalisierungstechnologien98
4.6 Treiber und Hemmnisse für den Einsatz von
Digitalisierungstechnologien
4.6.1 Treiber des Einsatzes von
Digitalisierungstechnologien
Abschließend stellt sich die Frage, welche Faktoren
die Umsetzung und den Einsatz von Digitalisierungs-
technologien unterstützen und beschleunigen und
welche bremsend wirken. Während die Treiber in
diesem Abschnitt diskutiert werden, erfolgt eine Aus-
einandersetzung mit den Hemmnissen im nachfol-
genden Abschnitt.
In einem ersten Schritt wurde den Teilnehmer die Fra-
ge „Welche Treiber wirken in Ihrem Unternehmen
auf den Einsatz von Digitalisierungstechnologien?“
gestellt.
Abbildung 18 verdeutlicht, welche Parameter den Ein-
satz von Digitalisierungstechnologien vorantreiben:
• Von besonderer Bedeutung sind dabei die Un-
ternehmens- oder Digitalisierungsstrategie eines
Unternehmens. 60 % der Befragten – und damit
deutlich mehr als für andere Parameter – sehen
diesen Faktor als den wesentlichen Treiber für die
Digitalisierung.
“Ein Ziel unserer Unternehmensstrategie ist es,
unsere Geschäftsprozesse weitestgehend zu di-
gitalisieren.“ (Mathias Schenk, Managing Consul-
tant SCM & Logistics, encuble GmbH)
• FünfParameterhabenjeweils40%bis50%der
Befragten als Treiber genannt. Darunter nden sich
sowohl interne Faktoren, wie eine potenziell hö-
here Kundenorientierung, das Erkennen von mög-
lichen Vorteilen sowie die Unterstützung durch die
Geschäftsführung, als auch externe Faktoren, wie
1
1
42
Ergebnisse
4
die grundsätzliche technologische Entwicklung,
aber auch der Anstoß durch Kunden.
„Eine neue Digitalisierungstechnologie kann man
nicht einfach einführen, man muss notwendige
Prozessveränderungen, Wirtschaftlichkeit und
Qualität der Technologie im Vorfeld mitberück-
sichtigen.“ (Mathias Schenk, Managing Consul-
tant SCM & Logistics, encuble GmbH)
„Als Erfolgsfaktoren für eine Umsetzung von Digi-
talisierungsprojekten sind vor allem das entspre-
chende Mind-Set, die ausgebildeten Mitarbeiter
sowie die konkrete Implementierung zu nennen.“
(Inhouse Consultant, Deutsche Bahn AG)
• Wenigerrelevantsind alleanderenaufgeführten
Faktoren, darunter auch Lieferanten und Netz-
werkpartner. Dabei lassen sich – gerade für KMU
– durch Kooperationen, vor allem mit größeren
Unternehmen, die Möglichkeiten erheblich erwei-
tern, digitale Technologien einzuführen.
„KMU fehlt oftmals das Wissen zu Digitalisie-
rungstechnologien. Sie können aber von Koo-
perationen mit Großunternehmen profitieren.
Plattformen und Methoden, die sich bei Großun-
ternehmen etabliert haben, können dann auch
gegebenenfalls von KMU genutzt werden.“ (Prof.
Dr.-Ing. Volker Bräutigam, Professor, Hochschu-
le für angewandte Wissenschaften Würzburg-
Schweinfurt)
Zusätzlich wurden von Teilnehmern als Faktoren der
Wettbewerb mit dem in der Regel einhergehenden
Kostendruck, vorhandenes Know-how und Expertise
sowie auch die Anregung von Branchenverbänden
genannt.
Bei den Treibern kam – im Rahmen der Expertenge-
spräche – auch die Unternehmensgröße zur Sprache.
Dabei können, je nach Aufbau- und Ablauforganisation,
KMU Geschwindigkeitsvorteile bei der Initiierung und
Umsetzung von Digitalisierungsprojekten realisieren.
„Als Mittelständler können wir Digitalisierungspro-
jekte deutlich schneller als Großunternehmen ange-
hen.“ (Christopher Pflaum, Teamleiter Einkauf/Pro-
duktionsmaterial, Walter Speck GmbH & Co. KG)
„Unser Arbeitskreis zur Qualitätssicherung sucht
regelmäßig nach Digitalisierungslösungen, die ge-
mäß den Kriterien Kosten, Qualität, Schnelligkeit,
Kundenzufriedenheit attraktiv sein könnten. Wird
eine sinnvolle Lösung gefunden, die sich auch
unter Kostenbetrachtung lohnt, so wird diese
umgesetzt, wodurch wir agiler als Unternehmen
mit langen Strategiemeetings oder Findungspro-
zessen sind.“ (Geschäftsführer, Unternehmen der
Lager- und Transportbranche)
Ein weiterer Treiber, der bei der Umsetzung von Di-
gitalisierungsprojekten eine große Rolle spielt, ist die
Zusammensetzung der Projektteams. Dabei ist darauf
zu achten, Know-how aus unterschiedlichen Funk-
tionen zusammenzubringen; man spricht dann von
„crossfunktionalen Teams“.
„Ein Erfolgsfaktor für Digitalisierungsprojekte ist
die Diversität innerhalb der Projektteams: Cross-
funktionale Teams sind ein Muss, genauso wie
ein Gender-Mix.“ (Prof. Dr.-Ing. Volker Bräutigam,
Hochschule für angewandte Wissenschaften
Würzburg-Schweinfurt)
Ein Ansatz, sich der Herausforderung digitaler Techno-
logien zu nähern, ist, auf Start-ups zu setzen. Dabei
können einerseits vorhandene Start-ups akquiriert wer-
den, die bereits eine Technologie oder dazugehörige
Anwendungen entwickelt haben oder sich in der Ent-
wicklungsphase benden. Andererseits kann auch ein
eigenes Start-up gegründet werden, das losgelöst von
der bisherigen Unternehmensorganisation arbeitet.
„Für die Einführung neuer Technologien wie Pre-
dictive Maintenance in unserem Service Bereich
haben wir einen eigenen Value Stream geschaf-
fen, analog eines Start-up Unternehmens.“ (Gui-
do Roßbach, Global Supply Chain Director, Wal-
terscheid Powertrain Group)
„Wenn eine Zusammenarbeit sehr gut und lang-
jährig läuft, ist es keine Seltenheit, dass unser
Konzern die externe Firma aufkauft und über-
nimmt. Des Weiteren werden intern vermehrt
Mitarbeiter zu Projektleitern weitergebildet.“
(Projektleiter, Unternehmen der Automobil- und
Automobilzulieferindustrie)
4.6.2 Hemmnisse für den Einsatz von
Digitalisierungstechnologien
Auf der anderen Seite stellt sich die Frage, welche Ein-
ussgrößen den Einsatz von Digitalisierungstechnolo-
gie verhindern oder erschweren.
1
1
43
4
Ergebnisse
Abbildung 19: Hemmnisse für den Einsatz von Digitalisierungstechnologien99
99 Quelle: Eigene Darstellung. n = 149.
Abbildung 19 zeigt, welche Faktoren den Einsatz von
Digitalisierungstechnologien hemmen können:
• AnobersterStellefehlenrundderHälftederUn-
ternehmen derzeit die Personalressourcen, um
Digitalisierungstechnologien im gewünschten
Maße umzusetzen. Dies betrifft sowohl die not-
wendige Personalstärke als auch das notwendige
Know-how.
„Oftmals fehlt noch das Know-how, um Digitalisie-
rung umzusetzen. Gleichzeitig existieren aber auch
noch keine Qualikationsprole für die gesuchten
Mitarbeiter.“ (Teilnehmer der Online-Erhebung)
• WeitereFaktoren,die38%bis46%derBefragten
als Hemmnisse genannt haben, sind das Kosten-
Nutzen-Verhältnis derartiger Technologieprojekte,
das auch mehrmals explizit in den Kommentaren
der Online-Erhebung genannt wurde, die tech-
nischen Hürden aufgrund fehlender Vereinbarkeit
mit der existierenden Systemlandschaft sowie Da-
tenschutz und Cyber Security.
„Es besteht das Risiko, dass Arbeitnehmer nicht
rechtzeitig geschult werden und somit nicht mit
den Neuerungen mithalten können. Oft wird ver-
gessen, dass neben den Investitionskosten auch
Trainings- und Change-Management-Kosten be-
rücksichtigt werden müssen.“ (Teilnehmer der
Online-Erhebung)
Unsere übergreifenden Materialflüsse sind weit-
gehend digitalisiert und werden schon durch
neuste Software -Technologien unterstützt, aber
dadurch, dass an verschiedenen Standorten noch
unterschiedliche ERP-Systeme genutzt werden,
ergeben sich hieraus Inkompatibilitäten und
Schnittstellenprobleme. Diese gehen wir aber in
zukünftigen Projekten an. Ein ERP-übergreifendes
Analyse BI-System (Businees Intelligence-System)
ist der erste Schritt in diese Richtung und be-
reits eingeführt.“ (Guido Roßbach, Global Supply
Chain Director, Walterscheid Powertrain Group)
• DieThemenDatenschutzundCyberSecuritywer-
den jedoch nicht nur als mögliche Hemmnisse
gesehen, sondern auch als Aspekte, die zukünf-
1
1
44
Ergebnisse
4
tig essenziell für die Digitalisierung im Sinne von
Industrie 4.0 sind, also einer Vernetzung von Ak-
teuren und Systemen.
„Ich glaube, dass zukünftig den Themen Datensi-
cherheit, -integrität und Cybercrime eine höhere
Bedeutung zukommen wird.“ (Klaus Kauer, Head
of Quality Management, Frigo-Trans GmbH)
• MehralseinViertelderUnternehmensiehteinen
ungewissen Outcome als Verhinderer. In diesem
Zusammenhang wird oftmals auch von einem
fehlenden Verständnis von IT und Digitalisierung
gesprochen.
„Das Thema Digitalisierung wird in vielen Firmen
nach wie vor eher als Kostentreiber statt als Ko-
stensenker und Zukunftschance gesehen.“ (Teil-
nehmer der Online-Erhebung)
„Digitalisierung wird in der Breite nicht richtig ver-
standen. Für viele ist sie in der traditionellen IT
beheimatet, die schon seit jeher enorme Kosten
verursacht hat (IT = immer teuer).“ (Teilnehmer
der Online-Erhebung)
• Knapp ein Viertel der Unternehmen nennt eine
wenig unterstützende Unternehmenskultur als
Hemmnis.
„Die Digitalisierung bedarf sowohl der tech-
nischen Umsetzung als auch eines Umdenkens
der Arbeitswelt an sich.“ (Teilnehmer der Online-
Erhebung)
„Wichtig ist die Einbindung der Mitarbeiter in den
Wandel: Das bedeutet, ihnen Angst zu nehmen
und sie an Neues zu gewöhnen.“ (Teilnehmer der
Online-Erhebung)
• Jeder siebte Befragte nennt die Unternehmens-
führung oder den Betriebsrat sowie eine fehlende
Digitalisierungsstrategie als Hemmschuh. In dem
Zusammenhang besteht eine Herausforderung
darin, wie mit Fachkräften umzugehen ist, deren
Arbeit aufgrund von Digitalisierungstechnologien
entfällt oder eingeschränkt wird.
„Da die Digitalisierung oftmals menschliche Ar-
beitskraft ersetzt, müssen für diese betroffenen
Fachkräfte neue Aufgaben gefunden werden,
was eine Hürde für Digitalisierungsprojekte dar-
stellt.“ (Inhouse Consultant, Deutsche Bahn AG)
„Für mich bedeutet Digitalisierung, dass sich
Menschen auf das Wesentliche konzentrieren.
Die Re-Integration des Menschen in die Wert-
schöpfungskette ist erforderlich. Die menschli-
chen Fähigkeiten müssen neu bewertet werden.“
(Teilnehmer der Online-Erhebung)
Als weitere Hemmnisse führen die Befragten interne
Hürden an, wie zu viele Genehmigungsschritte für die
Umsetzung von Digitalisierungsprojekten sowie einen
geringen Reifegrad der eigenen Prozesse, der einer
Unterstützung durch Digitalisierungstechnologien im
Weg steht. Auch nicht ausreichende externe Ressour-
cen werden als Verhinderer genannt.
„Digitalisierung bedingt saubere Prozesse und
Stammdaten als Basis. Dies wird leider oftmals
vergessen.“ (Teilnehmer der Online-Erhebung)
„Aus reinen Abwicklungsdaten gemäß des Big-
Data-Gedankens Datenmuster zu erkennen und
Prognosen abzuleiten ist ein weiteres unserer
Ziele. Dabei müssen wir noch an der Datenqua-
lität arbeiten.“ (Peter Stelter, Bereichsleiter EDV/
Organisation, Zentis GmbH & Co. KG)
Teilweise gibt es auch noch andere „Hausaufgaben“
hinsichtlich der IuK-Systeme eines Unternehmens,
die zunächst erledigt werden müssen. So gilt die Ein-
führung neuer oder die Aktualisierung bestehender
Applikationen und Teile der Systemlandschaft oftmals
als wichtiger für einen effektiven Betrieb. Digitalisie-
rungsprojekte werden dadurch mit einer niedrigeren
Priorität versehen.
„Im Moment wird ein neues ERP-System bei ei-
nigen Tochterunternehmen eingeführt, welches
die Basis für sich anschließende Projekte wie KI,
Big Data oder Automatisierung bildet.“ (Mathias
Schenk, Managing Consultant SCM & Logistics,
encuble GmbH)
In den Expertengesprächen wurden zum Teil auch
die teilweise fehlenden rechtlichen Grundlagen oder
die ungenaue Rechtssituation angesprochen, die den
Einsatz von Digitalisierungstechnologien erschweren.
Rechtliche Fragestellungen werden auch in den Me-
dien beispielsweise besonders intensiv beim Thema
„autonomes Fahren“ diskutiert. Die Rechtslage stellt
sich aber auch beim Drohneneinsatz oder bei der Nut-
zung von AR-Brillen teilweise unklar dar.
1
1
45
5
Fazit und Schlussfolgerungen
5 Fazit und Schlussfolgerungen
In diesem letzten Kapitel werden die Kernaussagen
zusammengefasst, die sich in den Antworten der
Befragten zeigen. Weiterhin lassen sich Schlussfolge-
rungen ziehen und Empfehlungen zur Umsetzung der
Digitalisierung für Supply Chain Manager geben.
Digitalisierungstechnologien kennen!
Kernaussage: Viele der aktuellen Digitalisierungstech-
nologien sind gut bekannt. Doch einige Technolo-
gien, die für Supply Chains relevant sein können, sind
teilweise deutlich weniger als der Hälfte der Supply
Chain Manager gut bekannt.
Schlussfolgerung: Um richtige Entscheidungen zur
Digitalisierung von Supply Chains treffen zu können,
müssen Supply Chain Manager die relevanten Tech-
nologien kennen. Ansonsten besteht insbesondere
für KMU die Gefahr, bei der digitalen Transformation
abgehängt zu werden.
Empfehlungen: Supply Chain Manager sollten sich
verstärkt umfassend mit Digitalisierungstechnologien
auseinandersetzen. Das Berufsbild für Supply Chain
Manager muss damit einen stärkeren Bezug zur Digi-
talisierung als bisher beinhalten.
Bei der digitalen Transformation nicht abge-
hängt werden!
Kernaussage: Der derzeitige Umsetzungsstand von
digitalen Technologien ist gering. Einzig Cloud Com-
puting, Roboter und Automatisierung sowie – mit
Abstrichen – Big Data Analytics werden umfassend
eingesetzt. Alle anderen Digitalisierungstechnolo-
gien spielen derzeit keine große Rolle. Insbesondere
Technologien wie selbstfahrenden Fahrzeugen oder
Drohnen fehlen zudem rechtliche Grundlagen zur all-
gemeinen Nutzung. Dennoch sollten alle Unterneh-
men auch diese Digitalisierungstechnologien im Blick
behalten, da sie nach der Klärung der rechtlichen
Voraussetzungen erhebliche Nutzenpotenziale bieten
können. Der Blick in die Zukunft zeigt eine Intensivie-
rung der Digitalisierungsbestrebungen. Dennoch blei-
ben Unternehmen – zumindest in den kommenden
zwei Jahren – auch hier bis auf die drei oben genann-
ten Technologien zurückhaltend.
Schlussfolgerung: Unternehmen im deutschspra-
chigen Raum sind derzeit wirtschaftlich erfolgreich.
Dennoch besteht die Gefahr, bei der digitalen Trans-
formation abgehängt zu werden und mittelfristig
Wettbewerbsnachteile zu erfahren.
Empfehlungen: Die Implementierung und Nutzung
von Digitalisierungstechnologien ist immer auch
eine Frage des Kosten-Nutzen-Verhältnisses. Derzeit
erwartet man von der Nutzung der Digitalisierungs-
technologien noch keinen ausreichenden Nutzen, der
die hohen Kosten für Investitionen und die Umstruk-
turierung rechtfertigt. Dennoch kann es mittelfristig
sinnvoll sein, bereits jetzt Digitalisierungstechnologien
im eigenen Unternehmen umzusetzen: nicht nur, um
sich nicht abhängen zu lassen, sondern – im Gegen-
teil – um das Thema Digitalisierung proaktiv anzuge-
hen und frühzeitig Wettbewerbsvorteile zu sichern.
Die Antworten der Befragten zeigen deutlich, in wel-
chen Supply-Chain-Prozessen welche Technologien
einsetzbar sind und welche Digitalisierungsansätze
sich für welche SCOR-Prozesse eignen. Die Ergebnisse
können damit gute Anhaltspunkte liefern, die eige-
nen Supply-Chain-Prozesse gezielt zu analysieren und
einen Technologieeinsatz zu prüfen.
Gezielt Nutzen realisieren!
Kernaussage: Die untersuchten Digitalisierungstech-
nologien können zu konkreten Nutzen führen. Dabei
lassen sich vor allem Kosten sparen, die Zeitdauer
reduzieren sowie die Qualität verbessern. Bestimmte
Technologien führen auch zu einer Steigerung der Fle-
xibilität.
Schlussfolgerung: Je nach Wettbewerbsstrategie
kommen unterschiedliche Zielkriterien zum Tragen.
Der Einsatz von Digitalisierungstechnologien kann
dabei helfen, die jeweilige Wettbewerbsstrategie ziel-
gerichtet zu unterstützen.
Empfehlungen: Die Umsetzung von Digitalisierungs-
technologien sollte mit der Wettbewerbsstrategie
eines Unternehmens abgeglichen werden. Die Ergeb-
nisse der Erhebung zeigen nicht nur, welche Tech-
nologie sich für welchen SCOR-Prozess besser oder
schlechter eignet, sondern auch, welcher Digitalisie-
rungsansatz zu welchen Verbesserungen führen kann.
1
1
46
Fazit und Schlussfolgerungen
5
Damit erhalten Supply Chain Manager konkrete An-
haltspunkte, welche Technologien sich sinnvollerwei-
se im eigenen Unternehmen umsetzen lassen.
Dennoch ist klar, dass eine umfassende Bewertung
von Kosten und Nutzen notwendig ist. Vor allem ist
wichtig, keine Kostenaspekte zu „übersehen“, die im
Nachhinein eine große Tragweite aufweisen. Dabei
geht es nicht nur um die direkten Kosten der Tech-
nologieeinführung, sondern auch um Kosten, die mit
Prozessveränderungen einhergehen.
Treiber nutzen, Hemmnisse eliminieren!
Kernaussage: Wesentlicher Treiber für die Digitali-
sierungsbestrebungen ist die eigene Unternehmens-
oder Digitalisierungsstrategie. Hemmnisse für die
Umsetzung der Digitalisierung sind fehlende Perso-
nalressourcen, aber auch wirtschaftliche und tech-
nische Aspekte sowie Fragen des Datenschutzes und
der Cyber Security.
Schlussfolgerungen: Treiber und Hemmnisse können
entscheidend für die Umsetzung von Digitalisierungs-
ansätzen sein und damit auch die Wettbewerbssitua-
tion eines Unternehmens beeinussen. Diese Aspekte
nicht zu berücksichtigen kann zu Misserfolgen und
damit verbundenen negativen Konsequenzen bei der
Implementierung führen.
Empfehlungen: Treiber und Hemmnisse sollten bei
Digitalisierungsbestrebungen stets im Vorfeld ausrei-
chend berücksichtigt werden. Dies kann beispielswei-
se im Rahmen einer Kraftfeldanalyse erfolgen.
Für das wesentliche Hemmnis bei der Einführung von
Digitalisierungstechnologien, die fehlenden Personal-
ressourcen, lassen sich mehrere Empfehlungen ab-
leiten: Zunächst sind Stellenprole anzupassen oder
auch neu zu konzipieren, bei denen Know-how nicht
nur im Supply Chain Management, sondern auch –
und deutlich intensiver als bisher – im Bereich Digita-
lisierung explizit erwartet (aber auch gefördert) wird.
Die Zusammenarbeit mit Hochschulen bietet auch
KMU die Möglichkeit, frühzeitig Kontakt zu Absol-
venten aufzubauen und damit „frisches Wissen“ in
das eigene Unternehmen zu holen. Gut geeignete
Anknüpfungspunkte sind beispielsweise die Vergabe
von Bachelor- oder Master-Abschlussarbeiten.
1
1
47
Literatur- und
Quellenverzeichnis
Andelnger, V. P., Hänisch, T. (2015): Internet
der Dinge – Technik, Trends und Geschäfts-
modelle. Wiesbaden: Springer-Verlag.
Andelnger, V. P., Hänisch, T. (2017): Indus-
trie 4.0 – Wie cyber-physische Systeme die
Arbeitswelt verändern. Wiesbaden: Springer-
Verlag.
Bader, S. (2018): So funktioniert das: die Block-
chain. Von www.openinsights.de:
https://www.openinsights.de/so-funktioniert-
das-blockchain/ (abgerufen am 14.01.2019).
Berndt, D., Gohla, M., Seidel, H., Seiffert, U.
(2015): Produktionssysteme. In: Schenk, M.:
Produktion und Logistik mit Zukunft – Digital
Engineering and Operation (S. 151–244).
Berlin Heidelberg: Springer-Verlag.
Bracht, U., Geckler, D., Wenzel, S. (2018): Digi-
tale Fabrik – Methoden und Praxisbeispiele
– Basis für Industrie 4.0. Berlin: Springer-
Verlag.
DHL (2018): Logistics Trend Radar – Delivering
insight today, creating value tomorrow. Von
www.dhl.com:
http://www.dhl.com/en/about_us/logistics_
insights/dhl_trend_research/trendradar.html
(abgerufen am 15.01.2019).
DHL Customer Solutions & Innovation (2016):
Logistics Trend Radar – Delivering insight
today. Creating value tomorrow. Troisdorf.
Fallenbeck, N., Eckert, C. (2014): IT-Sicherheit
und Cloud Computing. In: Bauernhansl, T.,
ten Hompel, M., Vogel-Heuser, B.: Industrie
4.0 in Produktion, Automatisierung und
Logistik (S. 397–432). Wiesbaden: Springer-
Verlag.
Fastermann, P. (2012): 3D-Druck/Rapid Prototy-
ping. Eine Zukunftstechnologie – kompakt
erklärt. Berlin, Heidelberg: Springer-Verlag.
Ferstl, O. K. (2008): Informationssysteme in der
Logistik. In: Arnold, D., Isermann, H., Kuhn,
A., Tempelmeier, H., Fuhrmanns, K.: Hand-
buch Logistik (S. 181–193). Berlin, Heidel-
berg: Springer-Verlag.
Finkenzeller, K. (2015): RFID Handbuch – Grund-
lagen und praktische Anwendungen von
Transpondern, kontaktlosen Chipkarten und
NFC. München: Hanser Verlag.
Flämig, H. (2015): Autonome Fahrzeuge und
autonomes Fahren im Bereich des Gü-
tertransports. In: Maurer, M., Gerdes, C.,
Lenz, B., Winner, H.: Autonomes Fahren:
Technische, rechtliche und gesellschaftliche
Aspekte (S. 377–398). Berlin, Heidelberg:
Springer-Verlag.
Flossbachvonstorck.de (2018): Blockchain:
So entsteht ein Block. Von www.oss-
bachvonstorch.de: https://www.ossbach-
vonstorch.de/de/news/blockchain-so-ent-
steht-ein-block/ (abgerufen am 15.01.2019).
Fritz, A. H., Schulze, G. (2015): Fertigungstech-
niken. Berlin, Heidelberg: Springer-Verlag.
Gmür, A., Göbel, A. (2018): Blockchain: Der
Teufel steckt im Detail, von www.dvz.de:
https://www.dvz.de/rubriken/digitalisierung/
detail/news/blockchain-der-teufel-steckt-im-
detail.html (abgerufen am 15.01.2019).
Göpfert, I. (2019): Logistik der Zukunft – Lo-
gistics for the future. Wiesbaden: Springer-
Verlag.
Günthner, W. A., Chisu, R., Kuzmany, F. (2010):
Die Vision vom Internet der Dinge. In: Gün-
thner, W. A., ten Hompel, M.: Internet der
Dinge in der Intralogistik (S. 43–46). Berlin,
Heidelberg: Springer-Verlag.
Hausladen, I. (2016): IT-gestützte Logistik. Syste-
me – Prozesse – Anwendungen. Wiesbaden:
Springer Fachmedien.
Heinrich, C., Stühler, G. (2018): Die Digitale
Wertschöpfungskette: Künstliche Intelligenz
im Einkauf und Supply Chain Management.
In: Gärtner, C., Heinrich, C.: Fallstudien zur
Digitalen Transformation – Case Studies für
Literatur- und Quellenverzeichnis 6
1
48
die Lehre und praktische Anwendung (S.
77–88). Wiesbaden: Springer-Verlag.
HERZIG, VVWL. (2018): Digitale Transformation
in der Transportbranche. Freund oder Feind?
Von www.herzigmarketing.de: https://
www.herzigmarketing.de/herzig-logistik-
marketing/studien-reports/ (abgerufen am
14.01.2019).
Huber, W. (2018): Industrie 4.0 kompakt. Wie
Technologien unsere Wirtschaft und unsere
Unternehmen verändern – Transformation
und Veränderung des gesamten Unterneh-
mens. Wiesbaden: Springer-Verlag.
Ivanov, D., Tsipoulanidis, A., Schönberger, J.
(2018): Global Supply Chain and Operations
Management – A Decision-Oriented Intro-
duction to the Creation of Value. Cham:
Springer imprint.
Kern, C. (2011): RFID für Bibliotheken. Berlin,
Heidelberg: Springer-Verlag.
Kreutzer, R. T. (2017): Treiber und Hintergründe
der digitalen Transformation. In: Schallmo,
D., Rusnjak, A., Anzengruber, J., Werani,
T., Jünger, M.: Digitale Transformation von
Geschäftsmodellen: Grundlagen, Instru-
mente, Best Practices (S. 33–58). Wiesbaden:
Springer-Verlag.
Kurz, C., Rehak, R. (2018): Nur eine Kette aus
Blöcken. Von www.faz.net: https://www.faz.
net/aktuell/feuilleton/aus-dem-maschinen-
raum/der-hype-um-blockchain-hat-deutlich-
abgenommen-15932936.html (abgerufen
am 14.01.2019).
Landrock, H., Baumgärtel, A. (2018): Die Indus-
triedrohne – der iegende Roboter. Professi-
onelle Drohnen und ihre Anwendung in der
Industrie 4.0. Wiesbaden: Springer-Verlag.
Langer, J., Roland, M. (2010): Anwendungen
und Technik von Near Field Communication
(NFC). Berlin, Heidelberg: Springer-Verlag.
Lehmacher, W. (2013): Wie Logistik unser Leben
prägt. Wiesbaden: Springer-Verlag.
Lehmacher, W. (2017): The Global Supply
Chain: How Technology and Circular Thin-
king Transform Our Future. Cham: Springer-
Verlag.
Leimeister, J. M. (2015): Einführung in die
Wirtschaftsinformatik. Berlin, Heidelberg:
Springer-Verlag.
Liebetruth, T. (2016): Prozessmanagement in
Einkauf und Logistik – Instrumente und
Methoden für das Supply Chain Process Ma-
nagement. Wiesbaden: Springer-Verlag.
McKinnon, A. (2018): Decarbonizing Logistics –
Distributing Goods in a Low Carbon World.
London, New York, New Delhi: KoganPage-
Verlag.
Mell, P., Grance, T. (2011): The NIST Denition
of Cloud Computing. Von www.nist.gov:
https://www.nist.gov/programs-projects/nist-
cloud-computing-program-nccp (abgerufen
am 15.01.2019).
Mertens, P., Bodendorf, F., König, W., Schuh-
mann, M., et al. (2017): Grundzüge der Wirt-
schaftsinformatik. Berlin: Springer Verlag.
Nachtigall, W. (1998): Grundlagen und Beispiele
für Ingenieure und Naturwissenschaftler.
Berlin: Springer-Verlag.
Nakamoto, S. (2008): Bitcoin: A Peer-to-Peer
Electronic Cash System. Von www.bitcoin.
org: https://bitcoin.org/de/bitcoin-paper (ab-
gerufen am 15.01.2019).
Panetta, K. (2017): Top Trends in the Gartner
Hype Cycle for Emerging Technologies. Von
www.gartner.com: https://www.gartner.
com/smarterwithgartner/top-trends-in-the-
gartner-hype-cycle-for-emerging-technolo-
gies-2017/ (abgerufen am 15.01.2019).
Pfohl, H.-C. (2018): Logistiksysteme – Betriebs-
wirtschaftliche Grundlagen. Berlin: Springer-
Verlag.
Piontek, J. (2016): Bausteine des Logistikma-
nagements – Supply Chain Management, E-
6
Literatur- und
Quellenverzeichnis
1
1
49
Logistics, Logistikcontrolling, Green Logistics,
Logistikinstrumente. Herne: NWB Verlag.
PwC (2018): Auswirkungen der Nutzung von
künstlicher Intelligenz in Deutschland. Von
pwc.de: https://www.pwc.de/de/business-
analytics/sizing-the-price-nal-juni-2018.pdf
(abgerufen am 15.01.2019).
Rhode, A.-K. (2016): Robotik in der Logistik –
Einsatzpotenziale, Herausforderungen und
Trends. In: Molzow-Voit, F., Quandt, M., Frei-
tag, M., Spöttl, g.; Robotik in der Logistik –
Qualizierung für Fachkräfte und Entscheider
(S. 23–42). Wiesbaden: Springer-Verlag.
Ritz, J. (2018): Mobilitätswende – autonome
Autos erobern unsere Straßen: Ressourcen-
verbrauch,ÖkonomieundSicherheit.Wies-
baden: Springer-Verlag.
Schöpker, U. (2015): Fracht und Trailer immer
in Echtzeit – volle Transparenz. In: Voß, P. H.:
Logistik – eine Industrie, die (sich) bewegt.
Strategien und Lösungen entlang der Supply
Chain 4.0 (S. 55–62). Wiesbaden: Springer-
Verlag.
Schulte, C. (2017): Logistik – Wege zur Opti-
mierung der Supply Chain. München: Franz
Vahlen-Verlag.
Smith, A., Lewis, A., Menzies, N. (2017): The
Uberization of Freight? Perhaps – But It Will
Be a Long Haul. Von www.lek.com: https://
www.lek.com/insights/uberization-freight-
perhaps-it-will-be-long-haul (abgerufen am
15.01.2019).
Stölzle, W., Schmidt, T., Kille, C., Schulze, F.,
Wildhaber, V. (2018): Digitalisierungswerk-
zeuge in der Logistik – Einsatzpotenziale, Rei-
fegrad und Wertbeitrag. Göttingen: Cuvillier.
Szozda, N. (2017): Industry 4.0 and its impact
on the functioning of supply chains. In: Log-
Forum. Scientic Journal of Logistics, 13 (4),
S. 401–414.
ten Hompel, M., Wolf, O., Daniluk, D., Rahn,
J. (2012): Logistics Mall – Software aus der
Steckdose. In: Stölzle, W., Lieb, T. C.: Busi-
ness Innovation in der Logistik – Chancen
und Herausforderungen für Wissenschaft
und Praxis (S. 127–146). Wiesbaden: Sprin-
ger-Verlag.
Wannenwetsch, H. (2014): Integrierte Material-
wirtschaft, Logistik und Beschaffung. Berlin
Heidelberg: Springer-Verlag.
Westkämper, E., Warnecke, H.-J. (2010): Einfüh-
rung in die Fertigungstechnik. Wiesbaden:
Vieweg+Teubner Verlag.
Wischmann, S., Hartmann, E.-A. (2018): Tech-
nologie, Organisation, Qualikation. In:
Wischmann, S., Hartmann, E.-A.: Zukunft
der Arbeit – Eine praxisnahe Betrachtung (S.
233–244). Berlin: Springer-Verlag.
Zijm, H., Heragu, S., Klumpp, M., Regattieri, A.
(2018): Perspectives on Operations Manage-
ment Developments and Research. In: Zijm,
H., Klumpp, M., Regattieri, A., Heragu, S.:
Operations, Logistics and Supply Chain Ma-
nagement (S. 15–25). Berlin: Springer Verlag.
6
Literatur- und
Quellenverzeichnis
7
Über uns
Eine starke Gemeinschaft für Einkauf, Supply Chain Management und Logistik
Der 1954 gegründete Bundesverband Materialwirtschaft, Einkauf und Logistik e.V. (BME) ist der führen-
de Fachverband für Einkäufer, Supply Chain Manager und Logistiker in Deutschland und Kontinental-
europa. Wir verstehen uns als Dienstleister für unsere Mitglieder, die allen Branchen und Sektoren angehören:
Beispielsweise der Industrie, dem Handel, den öffentlichen Einrichtungen oder dem Finanzbereich. Zu unseren
Zielen gehören der Transfer von Know-how durch einen ständigen Erfahrungsaustausch, die Aus- und Wei-
terbildung von qualiziertem Personal und die wissenschaftliche Arbeit an neuen Methoden, Verfahren und
Techniken. Außerdem unterstützt der BME seine Mitglieder bei der Erschließung neuer Märkte und gestaltet
wirtschaftliche Prozesse und globale Entwicklungen mit.
Der BME blickt auf eine über 60 Jahre lange Geschichte zurück, in der seine Mitgliedszahl auf 9.750Mitglie-
der (Stand: 31.12.2018) angewachsen ist - von der Einzelperson bis zum Großunternehmen. Das Volumen der
von den Mitgliedern eingekauften Waren und Dienstleistungen beträgt jährlich rund 1,25 Billionen Euro. Das
entspricht ungefähr der Hälfte des deutschen Bruttoinlandsprodukts.
38 Regionen schaffen ein Netzwerk und veranstalten jährlich etwa 400 Treffen mit Fachvorträgen, Diskussi-
onen oder Firmenbesuchen. Mehr als 30 Fachgruppen erarbeiten zukunfts- und praxisorientierte Konzepte,
die der BME seinen Mitgliedern und der Fachöffentlichkeit zur Verfügung stellt. 4 Sektionen bündeln die
Aktivitäten in verschiedenen Tätigkeitsgebieten. Neben den Beschaffungskategorien zählen die Bereiche
Öffentliche Beschaffung, Logistik und Dienstleister dazu.
Seit der Gründung konnte der BME in seinen Aus- und Weiterbildungsangeboten rund 200.000 Teilneh-
mer begrüßen. Rund 900 Veranstaltungen werden jedes Jahr im In- und Ausland vom Verband und seinen
Tochtergesellschaften ausgerichtet. Die Palette reicht von zertizierten Lehrgängen, Seminaren und Ma-
nagementforen bis hin zu großen Kongressen. Auf dem BME-Symposium in Berlin, Europas größtem
Einkäuferkongress, kommen Jahr für Jahr weit mehr als 2.000 Einkaufsentscheider, Supply Chain Manager und
Logistiker zum fachlichen Austausch und zum Networking zusammen.
1
50
8
Impressum
Titel:
BME-Logistikumfrage (1. Auage)
Herausgeber:
Bundesverband Materialwirtschaft, Einkauf und Logistik e.V. (BME)
Frankfurter Straße 27
65760 Eschborn
Telefon.: 06196 / 58 28-0
E-Mail: info@bme.de
Ansprechpartner:
Carsten Knauer
Leiter Sektion Logistik
E-Mail: carsten.knauer@bme.de
Prof. Dr. Michael Huth
Hochschule Fulda
Professor für Allgemeine Betriebswirtschaftslehre, insbesondere Logistik
E-Mail: Michael.Huth@w.hs-fulda.de
Gestaltung/Layout/Druck:
CitySatz GmbH
Lektorat:
Juliane Streicher, Textwirtschaft.net
Erscheinungsdatum: März 2019
1
51
1
51
BME e.V.
Frankfurter Straße 27
65760 Eschborn
Telefon: 06196 / 5828-0
Telefax: 06196 / 5828-199
info@bme.de
www.bme.de
