Skip to main content

Forschungsprojekt ZeroAdmin

Automatisierung der Angebotserstellung bei Schweizer KMUs durch die Entwicklung einer selbstlernenden Angebots-Engine.

ibe-newsletter_dezember-2016-5.jpg

Ausgangslage

Der anhaltende Kostendruck zur Verlagerung von Fertigungsaufträgen aus der Schweiz ins Ausland führt dazu, dass immer mehr Auftragsvolumen von Bauteilen im Bereich Mechatronik mit einfachen Fertigungsanforderungen und relativ wenig Wertschöpfungstiefe heute praktisch gänzlich in der EU oder in Billiglohnländern gefertigt werden. Dieser Trend setzt sich fort und aktuell wandern vermehrt auch anspruchsvollere Bauteile, also Aufträge mit Know-how intensiven Fertigungsanforderungen und mittlerem bis grossem Wertschöpfungsanteil, aus der Schweiz ab. Genau bei diesen Bauteilen, bei welchen die Qualitätsanforderungen hoch sind sowie Flexibilität und kurze Liefertermine gefordert sind, setzt die Innovation des Forschungsprojekts ZeroAdminan, um auch künftig diese Bauteile gewinnbringend in der Schweiz produzieren zu können. Gleichzeitig steigt auch der Trend, dass Einkäufer bei einer Vielzahl von Zulieferfirmen in der Schweiz und parallel auch im benachbarten EU-Raum Angebote einholen. Der zeitliche Aufwand für die Erstellung der steigenden Zahl von Angebotsanfragen nimmt zu, bei gleichzeitiger Abnahme der Erfolgswahrscheinlichkeit für die Auftragsgewinnung. Zulieferunternehmen kämpfen in diesem negativen Kreislauf mit stark steigenden Administrationskosten.

Die KMUs im Bereich Mechatronik, wie es die 26 Mitglieder der Virtuellen Fabrik (VF) grösstenteils sind, betrifft dies besonders hart, da sie als Zulieferer ausschliesslich für Kunden produzieren, welche ihre Produkte zu einem grossen Teil exportieren. In den vergangenen Jahren haben diese Zulieferer sehr viele Ressourcen in verbesserte Produktionsabläufe und modernste Produktionstechnologien investiert. Entsprechend klein ist das Potential, die Margen mit weiteren Investitionen in diesem Bereich zu verbessern. Die steigenden Kosten in der Administration für die Auftragsgewinnung erodieren die Erträge aus den wertschöpfenden Tätigkeiten.

MachineLearning & Data Mining

Ein wichtiger Beitrag zur Stärkung der Wettbewerbsfähigkeit der KMUs in der Schweiz liegt in der drastischen Reduktion des administrativen Aufwands bei der Angebotserstellung und der Nachkalkulation.

Im Rahmen des KTI-Forschungsprojektes ZeroAdmin wird in Zusammenarbeit mit Forschungs-und Industriepartnern eine selbstlernende Angebots-Engine entwickelt und realisiert, welche automatisch auf den Kunden optimierte Angebote für Zeichnungsteile rechnet und erstellt.

ibe-newsletter_dezember-2016-6.jpg

Die Automatisierung und Digitalisierung dieses Teilprozesses mit Einsatz von lernenden Technologien, wie es zum Beispiel das Machine Learning ist, eröffnet neue Möglichkeiten, Angebote automatisiert, genauer und auf den Kunden ausgerichtet zu erstellen. Das Produkt ist eine Engine, welche mit jedem gerechneten Angebot intelligenter wird und sich aus den gemachten Erfahrungen (Berechnungen) heraus automatisch optimiert.

Die Technologien im Bereich Machine Learning & Data-Mining haben sich in den letzten Jahren substanziell weiterentwickelt und stehen heute für die Anwendung zur Lösungsentwicklung auch im KMU-Umfeld zur Verfügung. Als Forscher wollen wir mit dieser einzigartigen, exemplarischen und praxisorientierten Anwendung die Chancen und Grenzen dieser Technologien ermitteln, um aufbauend auf den Erkenntnissen künftig weitere Bausteine für die Umsetzung der "Vision Industrie 4.0 für KMU" zu realisieren.

Neben der Reduktion des administrativen Aufwands bietet diese Engine weiteren Nutzen in den Bereichen Qualität und Kundenbindung. So wird die Engine mit einer wesentlich höheren Genauigkeit als die in der aktuellen Praxis angewandten Methoden rechnen und Angebote in immer gleichbleibender Qualität erstellen. Durch Data Mining im CRM und ERP sind kundenspezifische Angebote möglich, welche durch die 24h / 7 Tage -online verfügbare Kalkulation noch fester an das Unternehmen gebunden werden.

Autoren: Lidija Stoilova, Charles Huber

Diese Seite teilen: