Peter Seidenschwang, Head of Industry, Expleo:
„Digitale Transformation ist für viele Unternehmen eine Herausforderung“
Wenige Produzenten können in der Entwicklung Kompetenz für alle Techniktrends vorhalten. Engineering-Dienstleister bringen dieses Wissen in Projekte und federn etwa Auslastungsspitzen ab. So wie die weltweit agierende Firma Expleo, die vor kurzen noch Assystem hieß und 5.000 neue Mitarbeiter begrüßte. Wir haben mit Peter Seidenschwang über die Hintergründe der Umfirmierung und das neue Angebot der Firma gesprochen.
Assystem Technologies heißt jetzt Expleo. Warum denn?
Peter Seidenschwang: Anfang 2018 haben wir uns mit der SQS-Software Quality Solutions zusammengeschlossen. Die Umfirmierung ist ein Zeichen in Richtung Kunde und Öffentlichkeit, dass hier zwei relevante Player im Engineering-, Quality- und Absicherungsumfeld ihre Leistungen kombiniert haben. Wir möchten uns noch klarer als Entwicklungs- und Qualitätspartner für innovative Industrie-4.0-Lösungen positionieren.
Haben Sie einige Zahlen zur Akquisition für uns?
Seidenschwang: Wir sind jetzt in der Gruppe weltweit ungefähr 15.000 Mitarbeiter, davon sind rund 5.000 durch die SQS zu uns gestoßen. Wir haben uns in mehreren Dimensionen ergänzt, in anderen vertieft. In den Marktvertikalen Automotive und Manufacturing, die beide Firmen bereits vorher adressierten, haben wir z. B. einen deutlich stärkeren vertikalen Zugang. Auf der anderen Seite können wir durch den Zusammenschluss nun sowohl umfassende Entwicklungs- als auch Qualitätsdienstleistungen liefern. Hier gab es keine Überlappungen, sondern eine komplementäre Lösungsergänzung. Deswegen können wir behaupten, ein End-to-End-Partner für Entwicklungsthemen zu sein. Dabei sind wir im weltweiten Maßstab für große Projekte, große Kunden und große Themen sehr gut aufgestellt.
Also vom Fachkräftemangel ist bei Ihnen keine Spur. Was machen Sie in dieser Situation?
Seidenschwang: Angreifen. Wir nutzen dieses Potenzial einerseits, um die vorhandene Kundenbasis umfangreicher und besser bedienen zu können, gerade mit den neuen Leistungsangeboten der Gruppe. Anderseits wollen wir natürlich neue Kunden erschließen. Zum Dritten ist uns wichtig zu verdeutlichen, dass wir auch die Größe haben, umfangreiche Projekte in kurzer Zeit umsetzen zu können. Ein Vorteil unserer Gruppe ist, dass wir mehrere Near- und Offshore-Center betreiben. Wir können für Projekte Onsite, Offshore und Nearshore kombinieren. Projektparameter wie Sprache, Zeitzone, Qualifikation und Umfang lassen sich so sehr effizient abbilden.
Wie ist Expleo aufgestellt, wenn es um kleinere Unternehmen und Projekte geht?
Seidenschwang: Auch da haben wir eine kritische Größe überschritten. In der DACH-Region arbeiten mehr als 2.000 Mitarbeiter in allen wesentlichen Zentren nah am Kunden. Das ist eine der Voraussetzungen, um kleinere aber innovative Unternehmen zu unterstützen. Viele dieser Firmen haben zwar Ideen, können sie aber alleine nicht auf die Straße bringen. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Haben Sie Beispiele?
Seidenschwang: Im Maschinenbau passiert sehr viel. Einiges davon auf dem Feld der Mechanik, doch meistens sind die Innovationen Software-getrieben. Viele kleine Firmen scheitern jedoch am Übergang vom Prototypen zur Serienreife. Ein Prototyp ist vielleicht schnell entwickelt, samt Software und Device – etwa eine Maschine oder ein Roboterarm. Das sehen sie auf jeder Messe. Es ist aber etwas ganz anderes, die Software für die Serie so zu gestalten, dass sie eine Versionsverwaltung unterstützt, sie Patches aufspielen können, eine Dokumentation erhält, eine TÜV-Reife, Abnahmereife und einen Nachweis der funktionalen Sicherheit. Hier stoßen kleine Unternehmen oft an Kapazitäts- und Wissensgrenzen. Bei all dem können wir unterstützen. Im einfachsten Falle dadurch, dass wir diesen Firmen mit unserer Erfahrung helfen, das ganze Projekt deutlich schneller umzusetzen.
Ihr Angebot wird maßgeblich von den Qualifikationen Ihrer Angestellten geprägt. Wo liegen Ihre Schwerpunkte?
Seidenschwang: Wir schreiben uns auf die Fahne, sowohl die IT – als auch die OT, also die operative Technik – zu verstehen. Typische Studiengänge sind bei uns natürlich Maschinenbau mit Schwerpunkt Automatisierungssoftware. Wir haben aber auch Mitarbeiter mit Physik-Hintergrund sowie reine Data Scientists, wie man sie für Industrie-4.0-Projekte, für Machine Learning und KI braucht. Wir bringen die Kompetenzen auch in den richtigen Mix, indem wir in den Projekten selbst weiter- und ausbilden. Der beste Data Scientist hilft nicht so viel, wenn er die Industrieumgebung nicht versteht. Welche Kompetenzen aktuell besonders gefragt sind, lesen Sie übrigens auch in der DIN-Spezifikationen 92222 [Anm.d.Red.: ‚Reference Model for Industrial Cloud Federation‘], an deren Erstellung wir mitgearbeitet haben. Darin werden Anforderungen an die Interoperabilität von Systemen aus Sicht des Maschinenbaus über die Anlagenbetreiber bis zu Cloud-Anbietern definiert sowie eine geeignete Architektur vorgeschlagen. All dies müssen wir verstehen, um vorne dabei zu sein. Im Netzwerk rund um die Spezifikation sind Partner mit ganz unterschiedlichem Hintergrund wie der VDMA, verschiedene Institute der Bitkom und die Fraunhofer Gesellschaft neben führenden Unternehmen aus dem Maschinen- und Anlagenbau vertreten. Wir können dort viel von unserer Erfahrung einbringen, aber auch die Perspektive der verschiedenen Welten besser verstehen lernen. Die klassische IT-Welt der Cloud-Infrastrukturen wird dort etwa durch Microsoft oder IBM repräsentiert.
Die beide mittlerweile weit in die OT hineinreichen.
Seidenschwang: Absolut. Hinter den Begriffen Industrial Internet of Things, Industrie 4.0 und den anderen Schlagworten steht der Trend, dass die Welten der IT und OT zusammenwachsen, ganz klar.
Eingangs erwähnten Sie die beiden Säulen von Expleo, Engineering und Quality. Wie bringen Sie die zusammen?
Seidenschwang: Beim Engineering geht es im Sinn des deutschen Wortes Entwicklung um Software schreiben, erzeugen und umsetzen. Quality ist auch Prozessbegleitung, Prozessberatung, Absicherung und zum Teil auch Testen. Dem Maß, in dem Sie Qualität in Produkten und Gewerken testen können, sind aber Grenzen gesetzt. Tatsächlich fängt Qualität früher an. Wenn Sie mit den richtigen Prozessen und Projektabläufen, mit den richtigen Inhalten anfangen und die passenden Beteiligten ins Boot holen, legen sie die Grundlage für eine hohe Qualität. Das Testen im Feld ist später dann nur eine Aufgabe von vielen. Was wir hier neu beobachten ist das Crowd-Testen, bei dem eine Gruppe von Anwendern über eine Smartphone-App vernetzt insbesondere die User Experience sehr gut testen kann. Ebenso können damit Rückschlüsse auf die tatsächliche Nutzung unterschiedlicher Funktionen gewonnen werden. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Sie erwähnen Prozessberatung, ein eigener Markt mit großen Playern. Wieviel Beratung leistet Expleo?
Seidenschwang: Wir sehen das als integriertes Angebot. Wir projektieren bei Bedarf End-to-End und stellen nicht nur z. B. Kapazität zur Softwareentwicklung zur Verfügung, wie es viele andere Unternehmen anbieten. Damit kümmern wir uns auch um Themen wie die Projektstruktur oder das Requirement Engineering über den gesamten Lebenszyklus des Produktes hinweg. Zu dieser ganzen Prozesskette und dem Verständnis für notwendige Veränderungen in der Organisation und im Ablauf beraten zu können, würde ich aber weniger Prozessberatung sondern Business Agility nennen. Denn angesichts immer neuer Anforderungen, die sich selbst bei schon eingeführten Produkten auf die Fertigung oder die nächste Produktgeneration auswirken, muss man eben beweglich agieren.
Auf welche Defizite stoßen Sie typischerweise, wenn Sie für ein Projekt in ein Unternehmen kommen?
Seidenschwang: Das ist sehr verschieden. Unsere Kunden haben ganz unterschiedliche Größen und bedienen verschiedene Segmente. Wir sehen aber häufig Fälle, wo Wachstum oder die aktuellen Digitalisierungsthemen Unternehmen vor Herausforderungen stellen. Ein klassischer Maschinenbauer hat vielleicht keinen Softwareentwicklungsprozess – eine Versionsverwaltung und Materialliste sieht dort traditionell ganz anders aus. Viele Firmen schaffen diesen Übergang von den Abläufen des klassischen Maschinenbaus hin zum Softwareentwicklungsprozess sehr gut, andere haben Schwierigkeiten. Diesen Unternehmen empfehlen wir passende Methoden und gegebenenfalls auch Tools und Abläufe.
Wie sieht es mit Expleos eigenem Wachstum mit eigenen Lösungen aus?
Seidenschwang: Wir stellen keine Produkte oder Geräte her. Mit unserer Familie Smart Animo haben wir jedoch Komponenten für das Machine Learning im Maschinenumfeld entwickelt. So müssen wir bei solchen Projekten nicht immer bei Null anfangen, sondern können auf vorkonfektionierte Komponenten aufbauen. Damit verringern wir die Laufzeit dieser Projekte und senken auch die Einstiegskosten.
Per Baustein zum KI-Projekt – hört sich einfach an. Gehören solche Lösungen schon zum Standard?
Seidenschwang: Ich glaube in unterschiedlichen Aspekten und Ausprägungen, ja. Es geht ja los mit Handlungsempfehlungen für den Maschinenbediener, Warnungen und so weiter. Hier würde ich noch nicht von KI sprechen. Man kann aber auch weiter in Richtung Predictive Quality gehen, wo sich über Machine Learning abweichende Parameter in Prozessen relativ gut erkennen lassen. Der Parade-Use-Case Predictive Maintenance ist bedeutend schwieriger. Doch am Ende will man auch bei der vorausschauenden Instandhaltung anhand gewisser Prozessdaten das Normverhalten von Maschinen und Anlagen erkennen, um aus den Abweichungen davon auf den optimalen Wartungszeitpunkt zu schließen. Also weg von starren Zyklen hin zu kontextabhängigen Wartung. Hier treffen sich OT und IT, um aus Daten Wert zu schöpfen. Der Ansatz dafür ist einfach Data Science.
