Psst, bloß nicht laut von PLM reden!

Puhh, als PLM-Fan musste man in der vergangenen Woche tief Luft holen: Gleich zwei bekannte Blogger senkten in den Überschriften ihren Daumen nach unten: Joe Barkai: „Why I Don’t Do PLM“ und Oleg Shilovitsky: „Are PLM conferences dead?“.

Kurioserweise ziehen beide an den entgegengesetzten Enden des Seils. Für Barkai greift die klassische Sichtweise von PLM als „single version oft the truth“ zu kurz, während Shilovitsky die Basics hinter der PLM-Idee beschwört.

Barkai: „I find it fascinating that traditional PLM software vendors are not realizing how the Internet of Things and the connected enterprise are breathing a new life into the PLM space that does not quite know how to reinvent itself. After decades of using enterprise PLM software, it is still common to hear at a PLM conference a speaker announcing, “Let me give you my definition of PLM.” Or those never-ending debates about eBOMs and mBOMs and where PDM ends and PLM begins.“

Shilovitsky: “I know many people struggling with their PLM decisions and fighting alone to balance tools, budgets, organizational and cultural changes and timelines. Companies are struggling with very basics things – Part Numbers, Change Management, Revisions, and others. To discuss the real problems, can be an opportunity. This is the foundation – the story. This is a single unit… If a single unit doesn’t sell, making it broader or scaling it up won’t solve the problem.”

Ehrlich gesagt, je nachdem mit welchen Kollegen ich bei uns spreche, könnte es ähnlich ausgehen. Bei einer Sache sind wir uns dabei aber alle ziemlich sicher: PLM groß auf eine Einladung oder eine Anzeige zu schreiben, dazu gehört heute schon etwas Mut.

Sind die besten Zeiten von PLM also vorbei?

Unternehmen bestehen deshalb am Markt, weil sie ihren Kunden zuhören und ihr Angebot immer wieder rechtzeitig an neue Anforderungen und Möglichkeiten anpassen! Ja, die Basics sind immer noch die low hanging fruits,  und die Vorreiter kümmern sich um die anspruchsvolleren Potentiale im Produktlebenszyklus, wo es um die Integration von Disziplinen, Tools und Prozessen geht. Einige PLM-Anbieter nutzen zum Beispiel ihre Erfahrung und ihr bisheriges Portfolio rund um das virtuelle Produkt, um ihr Angebot Richtung Internet of Things und den digitalen Zwilling zu erweitern.

Dies macht das Dilemma deutlich: PLM war im Gegensatz zu ERP oder auch der Finanzbuchhaltung nie ein Selbstläufer. Immer schon musste die PLM-Idee bei den Geldgebern besonders überzeugend motiviert werden.

Und das ist oft nicht gut gelungen, wie mein Kollege Rolf Stübbe es in seinem Blog-Beitrag „20 Jahre PLM: Warum zweifeln Viele noch immer am Nutzen?“ auf den Punkt bringt: „Trotz der wieder steigenden Aufmerksamkeit für PLM bemerke ich, dass dem Begriff unverändert die Geschmacksnoten groß, schwerfällig, langwierig, unwirtschaftlich anhaften.“ Vermeintliche Leuchtturmprojekte wie die schier endlose Teamcenter-Einführung bei VW und Dassaults Lizenzpolitik, die mit ursächlich für die Code of PLM Openness Initiative war, stehen stellvertretend für die vielen Nadelstiche, die den Ruf von PLM mit der Zeit ramponiert haben.

Fazit

Man kommt sich vor wie bei Monty Python in der Fawlty Towers Folge “The Germans“: „Don‘t mention the war!“. PLM: Jeder denkt dran, aber alle versuchen, dem Begriff aus dem Weg zu gehen. 

Dabei waren Zeiten für die PLM-Idee nie besser als heute. Der Druck in den Unternehmen ist hoch und steigt weiter, um die Chancen der Digitalen Transformation zu nutzen. Aber das Storytelling muss besser werden. Da taugen die alten Geschichten und komplizierten Definitionen sicher nicht mehr, und der PLM-Begriff als Werbeträger nur noch bedingt. Storytelling und Projektmarketing gehören von Anfang an zusammen. Das fängt mit den Zielen an. Da bin ich bei Oleg Shilovitsky: Wir sollten das Kind nicht mit dem Bade ausschütten. Krude Versprechungen und obskure Visionen, die zum Scheitern verurteilt sind, helfen nicht, im Gegenteil. Lieber die low hanging fruits attraktiv verpacken, dem Projekt einen sinnstiftenden Namen geben und alles dafür tun, dass die ersten, überschaubaren Ziele auch erreicht werden.

PLM-Fauxpenness hat keine Zukunft

PLM-Blogger Oleg Shilovitsky, der sich wiederum auf einen Beitrag von Monica Schnitger bezieht, verdanke ich die Entdeckung eines wundervollen Begriffs, der ursprünglich in der Open Source Community geprägt wurde: Fauxpenness. Er bezeichnet eine Software, die vorgibt Open (Source) zu sein, aber es nicht wirklich ist. Der Begriff lässt sich prächtig auf die PLM-Hersteller und ihre Produkte übertragen, die aller Lippenbekenntnisse und der Unterzeichnung des Code of PLM Opennness (CPO) zum Trotz noch längst nicht so offen sind, wie sie sein müssten, um den wachsenden Kundenanforderungen in punkto Interoperabilität zu genügen. „PLM-Fauxpenness hat keine Zukunft“ weiterlesen

Data Science verstehen – Revolutionäres Potential aus vier Megatrends!

Wir befinden uns an der Schwelle zu einem neuen Zeitalter, weil verschiedene Strömungen zusammenkommen und damit ein einzigartiges Umfeld schaffen. Vieles (manche würden sagen: alles) wird digital. Damit ist auch das Interesse an den Themen Datenanalyse und -exploration – also Data Science – enorm gestiegen. Data Science ist der Konvergenzpunkt von vier Megatrends, die die letzten Jahren dominiert haben und auch die kommenden dominieren werden: Cloud Computing, IoT, Big Data und algorithmische Analyse.

Was sind die Gründe für das Zusammenkommen verschiedener Strömungen und damit eines neuen, einzigartigen Umfeldes?

  1. Zum ersten Mal in der Geschichte der Künstliche Intelligenz, die in den 1950er Jahren als Disziplin begonnen hat, steht die notwendige Rechenleistung zu niedrigen Kosten zur Verfügung, um praktische Probleme mit den schon länger verfügbaren Algorithmen zu lösen.
  2. Die Algorithmen für das Machine Learning sind deutlich verbessert worden und können nun mit vertretbarem Aufwand für praktische Probleme eingesetzt werden.
  3. Die Popularität von Data Science trägt dazu bei, seine Methoden aus den akademischen Zirkeln in die Breite zu tragen, so dass eine große experimentierfreudige Community eine rapide Weiterentwicklung fördert.
  4. Heutzutage gibt es vor allem durch das Internet, die sozialen Netzwerke und die großen Einkaufsplattformen einen Datenschatz in nie gekannter Größenordnung, der auf seine Auswertung wartet.
  5. Das Internet der Dinge wird für weitere Datenströme sorgen, die zu neuen Geschäftsmodellen führen, die mit Hilfe von Data Science erschlossen werden.

Diese Faktoren haben dazu beigetragen, Data Science als eigene wissenschaftliche Fachdisziplin und Ergänzung zur klassischen Statistik zu etablieren. Data Scientist mit ihren Fähigkeiten im Bereich Programmierung, Statistik und neuerer Algorithmik bringen die erforderliche Expertise mit, um die heutigen Möglichkeiten der Datenanalyse gewinnbringend zu nutzen. Die verschiedenen Data Science Techniken lassen sich nach algorithmischen Verfahren oder nach dem Einsatzzweck grob so kategorisieren:

  • Regression
  • Klassifikation
  • Anomalienerkennung
  • Clustering
  • Reinforcement Learning

Auf der einen Seite der bestehenden Software-Landschaft gibt es bereits sehr spezifische Lösungen für gut umrissene Probleme, zum Beispiel im Einzelhandel oder in der Finanzindustrie. Am anderen Ende des Spektrums stehen die Anbieter von Software-Paketen, die ein abgestimmtes Toolset für den Spezialisten im Bereich Data Science zur Verfügung stellen.

Die meisten Lösungen basieren dabei auf Open Source Software. Im Bereich Toolsets dominieren vor allem zwei Sprachen den Markt: R and Python. Python hat sich zur Standardsprache für Data Scientists entwickelt, vor allem im Bereich Machine Learning.

Die gewaltigen Investitionen und die anziehenden Umsätze von großen Commodity-Plattformen wie Amazon, Microsoft und Google zeigen: Die Megatrends Cloud Computing, IoT, Big Data und algorithmische Analyse bestimmen bereits heute oder in naher zukunft die Geschäftsprozesse, und dass bis in die letzten Winkel. Für Unternehmen, die dieses Thema näher interessiert, hat CONTACT ein neues Data Science White Paper herausgebracht. Dies kann hier heruntergeladen werden.