Dies ist eine Fortsetzung unserer Geschichte über „Die Service Shift“ in Automotive (Link). Die Meta-Forschung zeigt eine ausgeprägte Verschiebung der Einnahmen auf, weg vom traditionellen Geschäft des Verkaufs von Fahrzeugen oder Hardware und hin zum Anbieten von Mobilitätsdienstleistungen. Es wird vorausgesagt, dass die Verschiebung groß, episch und schnell sein wird. Was bedeutet sie also für etablierte Betreiber (besorgt um Karriere und Gehälter), Investoren (Rendite) und politischen Entscheidungsträger (Beschäftigung)? Dieser Artikel erklärt weiter, wie die „Power Shift“ zu Stande gekommen ist. Im heutigen Automobilgeschäft ist das Fahrzeug selbst die Quelle der Power, die es den Autoherstellern oder Originalausrüstungsherstellern, kurz OEMs, ermöglicht, die Kontrolle über Design, Funktionen, Technologie, Zeitpläne, Beschäftigung, Karriere und Rentabilität zu erhalten.
Die autofreie-Autofirma
Der Hauptgrund für die Veränderungen ist Chinas regulierte Umstellung von Fahrzeugen mit Verbrennungsmotoren (ICE) auf Fahrzeuge mit neuer Energie (NEV, Absatzziel von 25% bis 2025 laut Chinas Ministerium für Industrie und Informationstechnologie, MIIT). China hat sich zum größten Automarkt der Welt entwickelt, und die NEV-Regulierung hat eine Verlagerung neuer Produkte weg von ICE-Antriebssträngen hin zu batterieelektrischen Fahrzeugen (BEV) ausgelöst. Eine Lawine von BEVs ist in der Pipeline: „Die Zahl der Elektrofahrzeugmodelle, die europäischen Käufern zur Verfügung stehen, wird nach Angaben des Datenunternehmens IHS Markit bis Ende 2020 von weniger als 100 auf 175 steigen. Bis 2025 werden es mehr als 330 sein.“ (Jolly 2019, auch Riley 2019).
Das Problem der traditionellen Automobilhersteller besteht nicht darin, dass Fabriken und Lieferketten umgerüstet werden müssen oder dass es Software-Entwickler statt Maschinenbauer braucht. Das Problem ist, dass das Fahrzeug selbst nicht mehr die Power-Quelle in der Industrie sein wird: egal ob es elektrifiziert, angeschlossen, autonomisiert … oder ob es in Bianco-Eldorado-Weiß oder Trüffel-Glimmer-Grau … oder mit vorhergesagter Musik oder personalisierten Mikroklimazonen geliefert wird. Das Fahrzeug wird nicht länger eine Power-Quelle sein. Warum? Zum einen: Wenn Neueinsteiger wie chinesische Autohersteller sich darauf vorbereiten, Elektrofahrzeuge schneller als ausländische Unternehmen zu bauen, und wenn ein Start-up wie Tesla etablierte Luxusgüterhersteller wie Mercedes-Benz, BMW und Audi übertrifft (Neil 2018), können Fahrzeuge keine Eintrittsbarriere mehr darstellen, und folglich entgleitet ihnen die Power. Um diesen Punkt zu verstärken: Auf der CES 2020 in Las Vegas präsentierte Sony, ein Unternehmen der Unterhaltungselektronik, ein Elektroauto, und Tier-1-Zulieferer wie Bosch & Benteler demonstrierten ein EV-Fahrgestell oder ein „EV-Skateboard“, das anderen als White-Label-Plattform angeboten wurde, um ein Auto darauf zu setzen.
Des Weiteren verlagern „Apps & Alexa“ die Kaufgewohnheiten weg vom traditionellen autozentrischen Marketing & Verkauf hin zu direkteren Wegen der Interaktion mit den Verbrauchern (Crosby & S. Langdon 2017). Diese Verbraucherkanäle sind bereits besetzt, sogar dominiert von mächtigen und kapitalkräftigen Social-Media-Unternehmen wie Google (siehe unseren Kurs MGT 378 Social Media Analytics, Link). Letztendlich wiederholt sich die Geschichte vielleicht nicht exakt, aber die Zukunft des Automobils könnte dem Weg des Computers folgen, der sich von der Hardware zur Cloud entwickelt hat – gut vorhergesagt in der bahnbrechenden Analyse von „The Computerless Computer Company“, einem Gewinner des jährlichen McKinsey-Preises für den besten Artikel der Harvard Business Review (Rappaport & Halevi 1991).
Abbildung: Verschiebung der Einnahmen im Autogeschäft zu Diensten und Daten-Power
Von Hardware zu Daten
Die Power – und damit der Gewinn – verlagert sich vom Fahrzeug auf die Daten. Aktienbewertungen spiegeln bereits den Konsens unter den Anlegern wider, dass Daten die Autohardware überholen (siehe Abbildung). Das klingt provozierend – insbesondere und verständlich für die Autoleute – aber es ist weder Magie noch eine Überraschung. Es ist schon einmal passiert, und zwar in vielen Bereichen, nicht nur in der Informatik. Wir haben es schon in Branchen gesehen, die von Zeitungen bis zu Musik reichen (Schlueter Langdon & Shaw 2002, 1997). Die Zeitungen fühlten sich hinter Druckmaschinen und der Last-Mile-Auslieferung gut geschützt, nur um dann von Daten überholt zu werden. Während die papierbasierten Verlage von oben nach unten gingen, entstanden Datenfresser wie Google und Facebook, die die Werbung dominierten.
Der Schlüssel zu dieser Dominanz war nicht die Exzellenz im Schreiben, die Expertise im Erzählen von Geschichten und die redaktionelle Kompetenz; stattdessen ging es darum, Zugang zu Daten zu schaffen (mit Apps, opt -in defaults), das Wissen, um die richtigen Daten zu sammeln (Typen, Skalen, Verhaltensvariablen) und die Kompetenz, die richtigen Dinge zu tun, wie z.B. die Verwendung von Analysen für beschreibende (Trend-Spotting), diagnostische (Segmentierung) und präskriptive Zwecke (personalisierte Empfehlungen).
Im Automobilbereich sind einige schon vor Jahren mit der Einführung neuer Mobilitätsdienste vorangekommen. Mit Car2Go hat Daimler vor einem Jahrzehnt Pionierarbeit im Carsharing geleistet. Diese Dienste werden mit Daten betrieben. Vom Marketing (wer sind meine Kunden, Studenten oder Touristen?), über den Verkauf (nach Fahrt oder Dauer oder Entfernung abrechnen oder ein Abonnement anbieten?) und den Betrieb (wo sollen die Fahrzeuge platziert, Hubs und Ladegeräte hinzugefügt werden?) bis hin zur Wartung (wie kann die Betriebszeit der Fahrzeuge erhöht werden?) – Profit liegt in den Daten (ein beispielhaftes Entscheidungs-Dashboard hier: link). Getreu seinen automobilen Wurzeln startete Daimler mit seiner eigenen Fahrzeugflotte, dem ikonischen Smart, und anfangs konnten die Smart-Autos nicht mit dem Smartphone eines Kunden kommunizieren. Die nächste Generation neuer Mobilitätspioniere wie Uber und Lyft übersprangen die Hardware und startete nur mit Datenplattformen.
Daten verstehen
Die meisten von uns haben in der Schule einen Statistikkurs besucht, aber nur wenige würden sich freiwillig melden, um anderen einen t-Test zu erklären. Bei Daten ist es genau das Gegenteil: Jeder hat eine Meinung zu Daten, doch nur wenige haben eine formale Ausbildung oder einen entsprechenden Kurs darüber belegt. In der Praxis stellt sich heraus: Daten sind ein kompliziertes Thema. Vieles ist unklar geblieben, zum Beispiel wie man die Größe der Daten bestimmt. Die Monetarisierung von Daten ist aufregend, aber wie würde jemand überhaupt Daten kaufen? Ein kg oder Pfund (lb.) Daten, bitte? Gegenwärtig gibt es unterschiedliche Arten die Größe von Daten zu bestimmen (siehe „Daten: Wie werden sie gemessen?“, Link). Viele werden argumentieren, dass Qualität wichtiger ist als Quantität; doch auch hier hat sich keine klare Metrik herauskristallisiert (siehe „Daten: Qualität oder Quantität?“, Link). Dieser Mangel an Messgrößen ist eine Hürde, während ihre Schaffung eine Quelle für Wettbewerbsvorteile sein könnte. Im Ingenieurwesen zum Beispiel profitierte die deutsche Industrie eindeutig von ihren frühen DIN-Normen (Deutsches Institut für Normung), um Qualitätslücken gegenüber britischen und US-amerikanischen Wettbewerbern zu schließen (Yates & Murphy 2019).
Dieser Artikel basiert auf einer längeren Version mit Erkenntnissen aus der fortgeschrittenen Anwendung der Datenanalyse von Langdon auf Drucker Customer Lab: Link
Quellen
MIIT. 2017. Parallel Management regulation for corporate average fuel consumption and new energy vehicle credits for passenger cars,
Neil, D. 2018. Think Electric Vehicles Are Great Now? Just Wait… The Wall Street Journal (2018-12-26) Rappaport, A. S., and S. Halevi. 1991. The Computerless Computer Company. Harvard Business Review (July-August), link
Jolly, J. 2019. 2020 set to be year of the electric car, say industry analysts. The Guardian (December 25th), link
Riley, C. 2019. The Future of Autos: The great electric car race is just beginning, By Charles Riley, CNN Business (August), link
Schlueter Langdon, C., and M.J. Shaw. 2002. Emergent Patterns of Integration in Electronic Channel Systems. Communications of the ACM, 45(12): 50-55
Schlueter Langdon, C., and M.J. Shaw. 1997. A Strategic Framework for Developing Electronic Commerce. IEEE Internet Computing, 1(6): 20-28
Yates, J.A., and C.N. Murphy. 2019. Engineering Rules: Global Standard Setting Since 1880. John Hopkins University Press: Baltimore, Maryland
