Pay-per-Stress

Belastungsorientierte, datenbasierte Bezahlmodelle im Maschinenbau

Technologiebereich: Blockchain/Distributed-Ledger-Technologie; (Mathematische) Optimierung & Planung, Data & Service Management

Das Projekt Pay-per-Stress erforscht Bezahlmodelle für Werkzeugmaschinen, die – anders als klassische Leasing-Modelle – auf der tatsächlichen Belastung der Maschinen basieren. Die Lösung nutzt Methoden der künstlichen Intelligenz (KI) und der Blockchain-Technologie, um ein transparentes, nachverfolgbares und rechtskonformes Geschäftsmodell zu entwickeln.

Herausforderung
Die hohen Kosten für die Anschaffung komplexer Maschinen stellen insbesondere kleine und mittlere Unternehmen der fertigenden Industrie vor große finanzielle Herausforderungen. Leasing-Modelle sind eine Möglichkeit, die Investitionen gering zu halten. Beim klassischen Leasingmodell bestehen jedoch Interessensgegensätze zwischen Kunde und Anbieter: Der Leasingnehmer bezahlt nach Zeit und hat damit den Anreiz, seine Produktivität über die Maschinenauslastung zu maximieren. Die kontinuierlich hohe Auslastung oder Überlastung kann jedoch Schäden an der Maschine zur Folge haben. Der Leasinggeber muss daher eine Risikoprämie einberechnen, was die Kosten erhöht.

Umsetzung
Zur Erarbeitung eines belastungsorientierten Bezahlmodells wurden zuerst auf Basis vorhandener Daten die am stärksten belasteten Komponenten einer Werkzeugmaschine identifiziert und dann praktische Methoden und Modelle entwickelt, um deren tatsächliche Belastung im Betrieb zu messen und zu quantifizieren. Die gewonnenen Messdaten werden mit Hilfe von KI vorverdichtet und zusammengeführt, um dann in den Stressfaktor einzufließen. Dieser soll sich aus einem direkt und einem indirekt belastungsäquivalenten Anteil und einem Basisanteil zusammensetzen und wird noch genauer definiert. An den Modellen zur letztendlichen Übertragung in monetäre Werte wird gearbeitet. Das Datenmanagement wird über ein dezentrales Blockchain-System erfolgen.

Anwendung und Nutzen
Mit Pay-per-Stress entstehen neuartige Bezahlmodelle mit neuen Optionen für alle Beteiligten. Durch die Kenntnis des sensorisch gemessenen Verschleißzustands der Maschine werden Kostenersparnisse für Leasingnehmer und Leasinggeber möglich. Gleichzeitig gewinnen die Maschinennutzer wertvolle Daten zur Optimierung ihrer Bearbeitungsprozesse und über den zu erwartenden Wartungsbedarf. Ebenso erhalten die Maschinenhersteller wichtige Hinweise über die Verschleißmechanismen ihrer Maschinen. Unter Berücksichtigung der Interessen aller Seiten werden bereits entsprechende rechtssichere Leasingverträge entworfen.

Konsortium
pro-micron GmbH, DECKEL MAHO Pfronten GmbH, Alois Berger GmbH & Co. Präzisions-Maschinenbauteile KG, F. Zimmermann GmbH, Technische Universität Darmstadt, EBS Universität für Wirtschaft und Recht

Ansprechpartner

pro-micron GmbH

Dr. Silja Wunderlich

01.08.2019-31.07.2022