IoT-Services erfolgreich monetarisieren mit doubleSlash

Heute im IoT Use Case Podcast sprechen wir über drei Stufen zu einem ganzheitlichen Ansatz, von Maschinendaten bis hin zum Geldverdienen, oder auch Connect, Make Smart, Monetize. Zu Gast von der Firma doubleSlash sind heute Jonas Kaltenbach, IT-Consultant und Product Owner IoT, sowie Marina Rast, IoT Sales und Partner Managerin. Wer außerdem erfahren möchte, wie viel digitale Produkte wiegen, bekommt hier die Antwort. Viel Spaß dabei.
Ich bin euer Podcast Co-Host Dr. Peter Schopf, für unsere Zuhörer gerne per du. Und hier im Studio sind wir heute zu dritt. Bevor wir uns nun etwas ausführlicher vorstellen, Jonas, warum lohnt sich diese Folge aus deiner Sicht?

Jonas

Wir wollen heute zeigen, was wir in unserer Historie alles gemacht haben und wie daraus unser Dreiklang Connect, Make Smart, Monetize entstanden ist. Wir geben spannende Einblicke in Projekte und zeigen, wie sich dieser Dreiklang von Connect bis Monetize bei uns entwickelt hat.

Da bin ich auf jeden Fall sehr gespannt. Marina, wie ist es aus deiner Sicht, was macht die Folge heute spannend?

Marina

IoT hat inzwischen wahrscheinlich jeder schon einmal gehört und es sollte heute nichts völlig Neues mehr sein. Es ist kein reines Zukunftsthema und auch nicht nur ein „nice to have“, das man irgendwann mal angeht. Wir wollen zeigen, dass IoT ein echter Umsatztreiber sein kann. Viele Unternehmen stehen heute an dem Punkt, dass sie vernetzte Produkte haben, diese aber noch nicht wirtschaftlich nutzen. Genau darin liegt für mich die Magie. IT ist nicht mehr nur interner Dienstleister, sondern kann zum Motor neuer Geschäftsmodelle werden. Mit der richtigen Architektur entsteht die Grundlage, digitale Services und Geschäftsmodelle aufzubauen und so neue Einnahmequellen zu generieren.

Ich glaube, das wird für viele interessant und relevant sein. Jetzt ist natürlich noch spannend: Warum reden wir darüber, wo seid ihr da verortet, was bietet ihr an? Wer ist doubleSlash und was macht ihr?

Marina

Sehr gern. Vielleicht einmal kurz zu mir: Ich bin Marina, Sales Consultant bei doubleSlash. Wir sind ein Software- und IT-Dienstleister mit Sitz in Friedrichshafen am Bodensee. Dort wurden wir 1999 gegründet, wir sind also seit mehr als 25 Jahren am Markt. Zusätzlich haben wir Standorte in Stuttgart und München. Insgesamt sind wir rund 300 Kolleginnen und Kollegen, die die Digitalisierung in Unternehmen vorantreiben. Wir machen IT-Design, Entwicklung und auch den Betrieb von Software. Das heißt, wir verstehen uns als ganzheitlicher Partner und sind besonders stark in den Branchen Mobilität, also bei OEMs und Zulieferern, im Maschinenbau einschließlich Medizintechnik und wir machen auch einiges im öffentlichen Sektor. Wir bieten die gesamte IoT-Wertschöpfungskette an, sprechen von unserem Dreiklang Connect, Make Smart, Monetize und haben den Anspruch, genau diese drei Teile in den Projekten zusammenzubringen.

Und wie lange bist du selbst schon bei doubleSlash dabei?

Marina

Ich bin jetzt seit über vier Jahren fest dabei und war davor bereits als Werkstudentin hier. Ich begleite doubleSlash also schon eine ganze Weile und doubleSlash begleitet mich ebenso schon eine ganze Weile.

Super. Jonas, ein bisschen noch zu dir. Wie lange bist du schon bei doubleSlash?

Jonas

Ich bin tatsächlich schon etwas länger dabei. Ich habe direkt nach meinem dualen Studium in Wirtschaftsinformatik vor neun Jahren bei doubleSlash als IT-Consultant angefangen. Das heißt, ich bin in den Projekten eher derjenige, der die Themen konzipiert, die Schnittstelle zwischen Fachbereich und Entwicklungsteam bildet und unsere Kunden berät, voranbringt und neue Software mitentwickelt und gestaltet. Mein Fokus, und das ist auch für heute besonders spannend, liegt im Bereich IoT. Wenn wir von unserem Dreiklang sprechen, bin ich bei Connect und Make Smart unterwegs, während Marina später einsteigt, wenn es in Richtung Monetize geht.

Ich finde es super, dass ihr das so ganzheitlich angeht, wirklich von der Shopfloor-Ebene, von konkreten Maschinen und Sensorik bis hin zu dem Punkt, an dem die Euros fließen. Und ich glaube, das ist gar nicht so einfach. Da gibt es eine ganze Reihe an Schwierigkeiten, die auf diesem Weg auftreten können. Lass uns doch mal bei Connect einsteigen, Jonas. Wie geht ihr da vor? Ist es so, dass die Kunden mit einem geplanten Geschäftsmodell kommen und ihr dann überlegt, welche Sensordaten dafür erforderlich sind? Oder kommt ihr von der Maschine, von den vorhandenen Daten und irgendwann kommt Marina ins Spiel und sagt: So können wir das monetarisieren?

Jonas

Vorweg muss man sagen: Wenn man von Connect spricht, ist das gar nicht so trivial. Man stellt sich zwar vor, man hat ein Gerät, eine Maschine oder eine Anlage und möchte diese einfach vernetzen. Das klingt zunächst simpel, ist es aber nicht. Man muss sich früh überlegen, welche Daten dieses Gerät überhaupt generiert und welche davon später sinnvoll genutzt werden können, gerade mit Blick auf Monetize. Welche Daten bringen einem echten Mehrwert? Welche helfen zum Beispiel Servicetechnikern oder dem Kundenservice? Solche Fragen gehören bereits ganz am Anfang auf den Tisch.
Hinzu kommt, dass man prüfen muss, wie ein Service überhaupt auf das Gerät gebracht werden kann, damit alle Daten einheitlich und standardisiert an eine Plattform geliefert werden. Diese heterogenen Daten müssen gesammelt, strukturiert und vor allem sicher zentral zusammenlaufen, damit sie später einen geschäftlichen Nutzen erfüllen. Daher gehen wir mit unseren Kunden so vor, dass wir bereits vor Projektstart mit unseren technischen Experten analysieren, was die tatsächliche Zielsetzung ist und was erreicht werden soll. Danach starten wir bewusst mit der Connect-Phase, diskutieren gemeinsam die passende Architektur und setzen dann den jeweiligen Use Case konsequent um.

Connect ist definitiv nicht einfach. Das kann ich aus meiner eigenen Projektvergangenheit bestätigen. Der Use Case und die Geschichte dahinter sind oft klar, aber die Umsetzung ist deutlich komplexer als gedacht. Deshalb ist es spannend zu verstehen, was in frühen Phasen eigentlich die treibende Kraft ist. Ist es der konkrete Anwendungsfall und das Zielbild? Oder eher die Verfügbarkeit der Daten und die Möglichkeiten, die sich daraus ergeben? Was steuert diese Gespräche aus deiner Erfahrung heraus stärker?

Jonas

Ich erinnere mich da an ein Projekt bei ZEISS Microscopy. Wir sind 2018 gestartet, mit dem Ziel Predictive Maintenance zu etablieren. Wir haben die Geräte relativ schnell connected, innerhalb von ein bis zwei Monaten. Dabei ging es um einen Gerätetyp von insgesamt rund zehn verschiedenen Typen im Portfolio. Relativ früh wurde klar: Predictive Maintenance ist nicht so einfach umzusetzen, wie man es sich oft vorstellt. Man braucht zunächst eine ausreichende Historie an Daten und diese müssen korrekt, einheitlich und standardisiert vorliegen. Erst dann können Data-Science-Teams wirklich sinnvolle Machine-Learning-Modelle entwickeln.
Man muss also zunächst die Basis schaffen, stabile Prozesse aufbauen und sicherstellen, dass Geräte sauber und sicher an die Plattform angebunden sind und die Daten korrekt übertragen werden. Erst danach kann man in Richtung Machine Learning gehen. In dem Projekt hatten wir diese Basis tatsächlich relativ früh geschaffen, aber bis das Ziel Predictive Maintenance wirklich erreicht war, hat es ungefähr zwei Jahre gedauert.

[09:11] Herausforderungen, Potenziale und Status quo – So sieht der Use Case in der Praxis aus

Da sind wir ja dann schon beim zweiten Schritt, Make Smart. Auch das ist nicht einfach, vor allem wenn man über KI in der Industrie spricht. Momentan wird KI stark gehypt, insbesondere generative KI bietet unglaublich viele neue Möglichkeiten. Aber die klassische KI, bei der für bestimmte Datensets ein eigenes Modell trainiert wird, gerade für Vorhersagen, gibt es ja schon länger. Sie war jedoch immer schwierig umzusetzen, weil man die passenden Daten braucht, auch negative Daten, Ausfälle, die in zuverlässigen Systemen wie bei ZEISS selten vorkommen. Welches Thema habt ihr bei ZEISS konkret adressiert?

Jonas

Wir waren bei ZEISS in der Mikroskopie-Sparte. Die meisten kennen ZEISS wahrscheinlich als Brillenglashersteller, aber hier geht es um Hightech-Mikroskope, nicht um die kleinen Modelle aus dem Schulunterricht. Diese Geräte bewegen sich im sechsstelligen Preisbereich. Unser Ziel war es, die Serviceabteilung von ZEISS zu unterstützen, sodass sie ihren Service optimieren und im Idealfall prädiktiv arbeiten kann.
Der Anwendungsfall war, mithilfe von Machine Learning die Daten so zu analysieren, dass Servicetechniker bereits vor einem Fehler im Feld aktiv werden können. Sie sollen gezielt auf Kunden zugehen und sagen können: „Hier läuft etwas nicht rund. Ich komme in zwei Wochen vorbei und kümmere mich darum.“ Das ist klassisches Predictive Maintenance, basierend auf Algorithmen, die auf Maschinendaten trainiert wurden.
Gleichzeitig kommt aber zunehmend generative KI ins Spiel. ZEISS macht hier große Fortschritte. Sie füttern die generative KI mit Wartungssessions, Anleitungen und Erfahrungswissen. Dadurch können auch weniger geschulte Kollegen über einen Chatbot die richtige Hilfestellung erhalten: Welche Materialien und Werkzeuge brauche ich? Welche Schritte müssen durchgeführt werden? Der Chatbot kann sogar kritische Fehler bewerten und konkrete Handlungsempfehlungen geben. Das ist eine sehr effiziente Weiterentwicklung des Make-Smart-Schritts im Projekt bei ZEISS.

Ein tolles Beispiel, um die zwei Welten klar zu machen. Die klassische KI, die auf spezifischen Daten trainiert Vorhersagen macht, und generative KI, die Wissen bereitstellt und unterstützt. Schön, dass ihr beides adressiert und umsetzen könnt.
Aber Marina, lass uns zum Bereich Monetize kommen. Das ist ja das Spannende, das ganzheitliche Vorgehen von der Konnektivität bis zur Monetarisierung. Welche Beispiele eignen sich gut, um das zu verstehen?

Marina

Es ist ganz spannend. Ich sage auch oft: Connect und Make Smart sind grundlegende Voraussetzungen dafür, überhaupt etwas monetarisieren zu können. Ich brauche vernetzte Geräte und ich brauche Daten. Erst dann kommen viele Kunden zu uns, manchmal mit einem fertigen Geschäftsmodell, manchmal nur mit einer Vision, was sie gerne monetarisieren möchten. Das kann zum Beispiel ein Remote Service für eine Maschine sein. Aber es gibt auch viele andere Szenarien.
Wir hatten zuletzt ein Projekt mit der EWE Go, das kennen vielleicht einige als E-Mobilitätsanbieter. Die Maschinen waren bereits vernetzt, digitale Angebote waren da, Daten konnten ausgelesen werden. Aber die IT-Architektur war nicht skalierfähig. Für die Abrechnung haben ein paar Softwarebausteine gefehlt, um das Volumen sauber und zuverlässig verarbeiten zu können. Deshalb haben wir einen Anbietervergleich gestartet. Wir haben geprüft, welche Produkte am Markt existieren und sich in die bestehende Architektur integrieren lassen. Das ist sehr individuell, von Kunde zu Kunde unterschiedlich.
Und es ist extrem wichtig, die richtigen Personen an einen Tisch zu bringen und alle Anforderungen sauber aufzunehmen. Auf uns kommen ganz unterschiedliche Rollen zu: Produktmanagement, Vertrieb oder die IT, wenn Systeme an ihre Grenzen kommen. Wir sprechen dann mit allen Bereichen, damit wir überhaupt ein System empfehlen können, das passt und das wir integrieren können. Das ist ein klassisches Beispiel aus dem Bereich Monetize.
Ein anderes Beispiel sind digitale Dienste im Fahrzeug. Das kennen viele privat schon. Bei neueren Fahrzeugen kann man Funktionen dazu buchen, etwa Fahrerassistenzsysteme, Entertainment oder Komfortfunktionen. In einem unserer Projekte betreuen wir die gesamte IT hinter Buchung und Abrechnung dieser Services, bis hin zum Third Level Support. Wenn eine Rechnung beim Kunden nicht durchgeht und wir sehen, das ist kritisch, landet das direkt bei uns. Das ist ebenfalls ein wichtiger Teil unserer Monetize-Themen.

Da hast du eine ganze Reihe spannender Themen angesprochen, gerade das Thema Abrechnung. Man denkt, das ist simpel. Ich war selbst in einem größeren Projekt involviert, in dem wir erstmals Software-as-a-Service angeboten haben, also Software, die regelmäßig bezahlt wird und dadurch immer aktuell bleibt. Anders als im klassischen Lizenzgeschäft, wo man einmal verkauft. Die Buchhaltungssysteme konnten das überhaupt nicht abbilden und es kam zu seltsamen Anforderungen und Workarounds, um es irgendwie möglich zu machen. Wie geht ihr das an? Das ist ja schon relativ mächtig.

Marina

Da gibt es tatsächlich die spannendsten Geschichten. Wenn Kunden von klassischen ERP-Systemen kommen, Maschinen verkaufen und dann plötzlich digitale Dienste, entstehen manchmal Notlösungen. Eine Ansprechpartnerin erzählte mir, dass sie für digitale Produkte einfach ein Gewicht von einem Kilo eingeben mussten, weil das ein Pflichtfeld war. Solche Themen begegnen uns immer wieder.
Wichtig ist für uns zuerst eine Bestandsaufnahme. Wir müssen verstehen, welche Systeme es gibt und was genau der Kunde verkaufen möchte. Wir müssen die Strategie und Vision dahinter kennen und natürlich zusammen mit der IT schauen, was bereits wie abgebildet ist. Manche Kunden stehen noch ganz am Anfang, andere haben schon selbst etwas ausprobiert und gemerkt, dass das System an Grenzen stößt. Wieder andere brauchen von Beginn an Beratung. Deshalb setzen wir uns in Workshops mit allen Kunden zusammen, um zu verstehen, was da ist und wo die Reise hingehen soll. Nur so lässt sich die richtige Lösung aufsetzen.

Das glaube ich sofort. Und du hast als zweiten Punkt den Anbietervergleich erwähnt und die Anforderungen, die man nicht nur aufnehmen, sondern dann auch konkret in eine Ausschreibung überführen muss. Oft sucht man ja im eigenen Partnernetzwerk nach passenden Lösungen. Habt ihr ein eigenes Ökosystem an Partnern, auf das ihr bevorzugt zurückgreift? Oder geht ihr offen in den Markt und nutzt Ausschreibungsportale?

Marina

Wenn ich vom Monetize-Bereich spreche, dann haben wir ein Partnernetzwerk, auf das wir sehr aktiv zurückgreifen. Wir halten es bewusst aktuell, weil sich rechtliche Rahmenbedingungen ständig ändern und immer neue Trendthemen aufkommen. Da müssen wir schauen, ob unsere Partner weiterhin passen, ob wir neue benötigen oder ob sich Partner auch mal thematisch anders entwickeln. Wir arbeiten daher eng zusammen und sind in ständigem Austausch. Grundsätzlich greifen wir lieber auf unser bestehendes Ökosystem zurück. Es kann aber auch vorkommen, dass Kunden bestimmte Komponenten bereits vorab getrennt ausschreiben und dann jemanden für Beratung und Integration suchen. Auch das funktioniert gut. Es ist immer spannend zu sehen, wie sich solche Zusammenarbeiten ergeben. Entscheidend ist, dass wir nah an unseren Partnern und nah am Kunden sind, um die bestmögliche Lösung zu finden.

[19:25] Lösungen, Angebote und Services – Ein Blick auf die eingesetzten Technologien

Wir haben jetzt Connect, Make Smart und Monetize als drei Stufen. Man kann sie einzeln betrachten, aber idealerweise greifen sie ineinander. Jonas, wie ist da euer Zusammenspiel? Übergibst du sozusagen irgendwann an Marina mit den Worten: „Jetzt bitte monetarisieren“?

Jonas

Das ist eher ein fließender Prozess. Die Basis muss stehen: Die Daten müssen vorhanden und angereichert sein, gegebenenfalls auch durch Fremdsysteme. Sobald wir erkennen, dass sich daraus Geschäftsmodelle ableiten lassen, gehen wir frühzeitig gemeinsam mit dem Kunden in den Austausch und binden die Experten aus dem Monetize-Bereich ein. Über Workshops und Schulungen zeigen wir dann die möglichen Wege auf. Und so wird ein Projekt Schritt für Schritt entlang unserer Kette Connect, Make Smart, Monetize weiterentwickelt und in die richtigen Expertenteams übergeben.

Ich kann mir vorstellen, dabei gibt es einige Herausforderungen, zum Beispiel die Make-or-Buy-Entscheidung. Gerade größere Unternehmen mit eigener IT und eigenen Data-Science-Teams stehen ja häufig vor der Frage: selbst machen oder Unterstützung holen? Was sind eure Erkenntnisse dazu?

Jonas

Wir haben die Erfahrung gemacht, dass viele Kunden bereits einen bunten Mix an Technologien im Haus haben. Grundsätzlich sind sie offen, Software einzukaufen. Standardsoftware ist aber oft sehr generisch gehalten. Um sie an die eigenen Anforderungen anzupassen, braucht es meist genauso viel Aufwand wie bei einer individuellen Lösung. Oder sie ist so starr, dass sie schlicht nicht funktioniert. Unser Ansatz bei doubleSlash ist daher nicht, ein starres Standardprodukt zu vertreiben, sondern zuerst zu verstehen, was der Kunde wirklich braucht. Dann prüfen wir, welche Bausteine aus unserem eigenen Werkzeugkoffer passen. Wir haben vorgefertigte Module, die wir je nach Anwendungsfall kombinieren und integrieren können. Natürlich ist Customizing nötig, aber wir starten nicht jedes Mal bei Null. Das gibt uns die Flexibilität, keine Einheitslösung aufzuzwingen, sondern eine passgenaue Lösung aus mehreren Komponenten zusammenzustellen.

Ihr habt viel Erfahrung gesammelt, gerade weil ihr das Thema so ganzheitlich anschaut. Welche Fettnäpfchen sollte man vermeiden, wenn man digitale Services neu aufbaut?

Marina

Was wir im Monetize-Bereich immer wieder erleben: Alle denken, wir seien super in der Zeit, alles läuft, und plötzlich kommen Anforderungen auf den Tisch, von denen vorher niemand wusste. Oft liegt es daran, dass jemand nicht eingebunden wurde oder jemand einfach nicht informiert war. Da haben wir gelernt, früh sehr konsequent nachzufragen: Sind wirklich alle relevanten Personen am Tisch?
Ein weiterer großer Faktor sind steuerliche Themen in verschiedenen Ländern. Unsere Kunden sind oft international tätig und gerade bei der IT-Konzeption muss man genügend Zeit einplanen. Brasilien ist da ein klassisches Beispiel: Dort gibt es in jedem Bundesstaat unterschiedliche Steuerregelungen. Auch in den USA ist das von State zu State anders. Manchmal vergeht ein halbes Jahr allein damit, alles korrekt zu berücksichtigen. Es gibt zwar Produkte, die solche Steuersätze integriert haben, aber auch das muss geprüft und sauber umgesetzt werden. Diese Themen können sehr bremsen und sind frustrierend, wenn man sie erst spät erkennt.

Das verstehe ich. Stakeholder-Management ist ein wichtiges Thema. Und Zielbilder sind unglaublich zentral, gerade wenn Projekte größer werden. Das habe ich auch erst mit der Zeit gelernt. Du sagst, es seien insbesondere große Kunden, Konzerne. Das hat natürlich Vorteile. Wir haben ebenfalls ein KI-Projekt bei E.ON, einem sehr großen Kunden, und da wird viel in Stakeholder-Management und Trainings investiert. Aber könnt ihr auch kleineren Kunden im Mittelstand helfen, die nicht so viele Kapazitäten dafür haben? Wie unterstützt ihr diese Zielgruppe?

Jonas

Das ist uns ein wirklich wichtiger Punkt. Wir unterstützen mittelständische Unternehmen dabei, Lösungen mit einem kostensensitiveren Ansatz umzusetzen. Ein gutes Beispiel ist unser Update Manager. Das ist ein einfach konfigurierbares Tool, das wir mitbringen. Egal, ob der Kunde Microsoft Azure nutzt oder PTC ThingWorx, unsere Lösung ist adapterfähig. Wir können schnell eine Lösung bieten, ohne ein großes Budget vorauszusetzen. Gerade mit Blick auf die Anforderungen des Cyber Resilience Act wird diese Art von Lösung sehr relevant.

[26:10] Übertragbarkeit, Skalierung und nächste Schritte – So könnt ihr diesen Use Case nutzen

Wenn wir jetzt noch ein bisschen nach vorne schauen und sehen, wie sich euer Markt entwickelt: Die Dynamik ist hoch, wir haben vorhin über KI gesprochen. Was ist eure Vision für die Zukunft, vor allem aus Monetize-Perspektive? Wo wird es besonders spannend?

Marina

Eine Entwicklung der letzten Jahre ist ganz klar: Geschäftsmodelle entwickeln sich schneller, wenn ein B2C-Ansatz dahintersteht. Ein Endnutzer kann allein entscheiden und ausprobieren. Deshalb sehen wir digitale Dienste im Pkw schon länger als im Nutzfahrzeugbereich. Im B2B-Umfeld entscheidet dagegen ein komplettes Buying Center. Das dauert länger, kommt aber ebenfalls stark in Bewegung.
Und egal wo es geht, wird KI eingesetzt werden. Zum Beispiel im Online-Shop-Kontext. Wenn Kunden digitale Dienste vergleichen wollen, müssen die Daten maschinenlesbar sein, also KI-lesbar. Das wird für uns ein großes Thema.
Was wir außerdem stark beobachten: Viele haben Connect inzwischen weitgehend abgeschlossen. Jetzt wollen sie wirklich mit digitalen Diensten und Remote Services Geld verdienen. Und auch da spielt KI eine Rolle. Sie kann beispielsweise Kundendaten auswerten und helfen, Angebote individueller, attraktiver und profitabler zu gestalten. Ich glaube, genau in diese Richtung entwickelt sich der Markt gerade sehr deutlich.

Ich finde das ganz interessant, dass du sagst, Connect ist in vielen Fällen abgeschlossen. Sicherlich nicht bei allen, aber du hast recht, Unternehmen arbeiten daran schon sehr lange. Jahrzehnte teilweise. Und jetzt ist die Basis da, so dass man aufbauen kann. Das geht nicht von heute auf morgen, das haben wir immer gepredigt. Man muss anfangen, Daten sammeln und Strukturen schaffen. Dein Beispiel von ZEISS zeigt das sehr gut. Viele haben ihre Hausaufgaben gemacht und können jetzt schneller vorangehen.
Ich würde da liebend gern noch viel tiefer mit euch einsteigen. Ich gehe davon aus, dass unsere Hörerinnen und Hörer da viele Fragen haben. Wie kann man euch am besten erreichen? Und was würdet ihr ihnen mitgeben auf den Weg?

Marina

Man kann uns ganz einfach über LinkedIn erreichen und uns dort anschreiben. Und ich würde mir wünschen, dass IoT und die Vernetzung von Geräten nicht als Selbstzweck gesehen werden, sondern als Schlüssel für neue digitale Geschäftsmodelle. Ich hoffe, dass Unternehmen künftig mutiger werden und in Richtung Monetize denken. Vielleicht ein Service-Abo anbieten oder Wartung teilweise in die Hände ihrer Kunden legen. Kreativ werden und mutiger sein, das würde ich mir wünschen.

Jonas

Der durchgängige Ansatz ist entscheidend. Nicht nur Geräte anbinden und Daten abgreifen, sondern sich früh fragen, welche Geschäftsmodelle dahinterstecken und wie wiederkehrende Einnahmen aus Gerätedaten entstehen können. Mit dem ganzheitlichen Ansatz, den wir über viele Jahre mit unseren Kunden verfeinert haben, können sich Unternehmen gut für die Zukunft aufstellen, weil sie dabei nicht nur Geräte vernetzen und Daten erfassen, sondern aus diesen Daten auch neue Geschäftsmodelle entwickeln.

Vielen Dank euch beiden für die Einblicke. Mir hat das Gespräch richtig Spaß gemacht und ich bin gespannt auf das Feedback unserer Community. Bis zum nächsten Mal!

Marina

Vielen Dank, tschüss!

Jonas

Danke schön, ciao!