Advertisement

Smart Services und ihr Einfluss auf die Wertschöpfung und Geschäftsmodelle von Unternehmen

  • Ute Paukstadt
  • Gero StrobelEmail author
  • Stefan Eicker
  • Jörg Becker
Living reference work entry
  • 996 Downloads
Part of the Springer Reference Wirtschaft book series (SRW)

Zusammenfassung

In den letzten Jahren wurde die Digitalisierung verstärkt vor dem Hintergrund des Internets der Dinge betrachtet, bei dem jegliche Bestandteile des täglichen Lebens zu intelligenten Objekten (Smart Products) werden und mit dem Internet verbunden sind. Aufbauend auf den Smart Products entstehen neue digitale Dienstleistungen, sogenannte Smart Services. Mit diesen intelligenten Dienstleistungen werden völlig neue Wertschöpfungspotenziale erschlossen, die sich ebenfalls auf die Geschäftsmodelle von Unternehmen auswirken. Ziel dieses Beitrages ist es, einerseits einen allgemeinen Einstieg in den Themenkomplex der Smart Services zu bieten und selbige andererseits spezifisch vor dem Hintergrund ihres Wertschöpfungspotenzials für Geschäftsmodelle und Ökosysteme näher zu beleuchten.

Schlüsselwörter

Smart Services Intelligente Dienstleistungen Smart Products Smart-Service-Systeme Geschäftsmodelle 

1 Einleitung

Aufgrund des anhaltenden Digitalisierungstrends wird zunehmend Informations- und Kommunikationstechnologie (IKT) in Dienstleistungssystemen eingesetzt. Der Einsatz von IKT zur Erweiterung von Diensten ermöglicht eine verbesserte Produktivität und vereinfacht sowohl Koordinierungs- als auch Kooperationsaktivitäten sowie Dienstleistungsinnovationen (Barrett et al. 2015; Ostrom et al. 2015). Insbesondere durch letztere können Unternehmen eine neue Marktposition finden, Vorteile gegenüber Wettbewerbern erzielen und neue Geschäftsmodelle entwickeln (Johne und Storey 1998; Hauser et al. 2006; Dreher et al. 2011). So gelingt es innovativen Unternehmen, etablierte Unternehmen unter Druck zu setzen, indem sie auf neue, digitale Trends reagieren und ihre Wertschöpfung adaptieren (Zott und Amit 2010; Peters et al. 2016). Als besonders disruptiver technologischer Trend gilt derzeit das Internet der Dinge (engl. ‚Internet of Things‘), das unterschiedliche physische Objekte mit Soft- sowie Hardware ausstattet und mit dem Internet verbindet (Bower und Christensen 1995; Sundmaeker et al. 2010). Aus den entstehenden intelligenten, vernetzten Produkten (Smart, connected Products) gehen neue, intelligente, IKT-gestützte Dienstleistungen (Smart Services) und darauf aufbauende Geschäftsmodelle hervor (Allmendinger und Lombreglia 2005; Porter und Heppelmann 2014). Aus unternehmerischer Sicht müssen IKT-gestützte Dienstleistungsinnovation jedoch einen kommerziellen Gewinn erzielen, um als erfolgreich zu gelten (Storey et al. 2016). Hierfür ist eine Geschäftsmodellperspektive notwendig, die einen Mehrwert aus der IKT-basierten Dienstleistungsinnovation schafft (Barrett et al. 2015).

Die Verbreitung des Internets der Dinge in Form von Smart Products wird auch unter Dienstleistungsforschern als bedeutender Trend gesehen, der zu einer allgegenwärtigen, ständig mit dem Internet verbundenen, untereinander vernetzten, intelligenten und globalen Welt führt. Dabei wird sowohl die Kundenerfahrung sowie die gemeinsame Wertschöpfung als auch die Bereitstellung von Front- und Backstage-Diensten tief greifend verändert. Ferner wirkt sich der technologisch induzierte Wandel auf Serviceorganisationen, Netzwerke sowie Service-Ökosysteme aus (Ostrom et al. 2015). Demzufolge wird die Erforschung der Auswirkungen von IKT auf die Dienstleistungs- und Geschäftsmodellinnovation als eine der obersten Prioritäten in der Dienstleistungs- und Geschäftsmodellforschung bezeichnet (Ostrom et al. 2015; Wirtz et al. 2016). Die Forschung zu Smart Services und darauf aufbauenden Geschäftsmodellen hat in den letzten Jahren zugenommen und bereits erste Ansätze und Konzeptualisierungen hervorgebracht, jedoch befinden sich sowohl Forschung als auch Praxis in einer frühen Phase (Fleisch et al. 2014; Westerlund et al. 2014; Chan 2015; Wünderlich et al. 2015; Maglio und Lim 2016; Beverungen et al. 2017).

Um ein besseres Verständnis hinsichtlich Smart Services und den darunterliegenden Smart Products zu erhalten, werden in Abschn. 2 verwandte Konzepte letzterer kontrastiert. Hierauf aufbauend definiert Abschn. 3 Smart Services und beschreibt deren Rolle in der Wertschöpfung und in Geschäftsmodellen. Bevor der Beitrag ausgeleitet wird, zeigt Abschn. 4 am Beispiel der Domäne Smart Home ein Smart-Service-Ökosystem auf, durch das die Wertschöpfung und Mehrwerte für jeden Akteur gesteigert werden können.

2 Technologische Konzepte und Entwicklungen als Wegbereiter für Smart Services

Die Erfindung von Watts Dampfmaschine im Jahr 1775 ermöglichte eine bis dahin nie da gewesene Effizienzsteigerung in der Industrie und konstituierte das erste Maschinenzeitalter. Heutzutage wird vom zweiten Maschinenzeitalter gesprochen, welches durch die rasant steigende Rechenleistung in der Informationstechnologie begründet wird. Abb. 1 zeigt, wie rapide sie in den letzten Jahrzehnten in unterschiedlichen Bereichen angestiegen ist.
Abb. 1

Anstieg der Rechenleistung von Chips und Datenübertragung (Brynjolfsson und McAfee 2014)

Gleichzeitig werden Hardwarekomponenten kleiner und kostengünstiger, wodurch die Welt zunehmend mit intelligenten Objekten ausgestattet werden kann. Außerdem können Innovationen immer schneller vorangetrieben werden, da Informationen zu geringen Kosten verbreitet und riesige Datenmengen mithilfe maschineller Lern- und Analyseverfahren ausgewertet werden können (Brynjolfsson und McAfee 2014). Um die verschiedenen technologischen Entwicklungsphasen in der Wirtschaft zu beschreiben, wird anstelle des Begriffs des zweiten Maschinenzeitalters besonders in Deutschland häufig von der Industrie 4.0 bzw. der vierten industriellen Revolution gesprochen (Drossel et al. 2018; Wollert o. J.). Die erste Phase der industriellen Revolution wurde mit der Einführung maschineller Produktionsanlagen festgesetzt, wohingegen die zweite Phase elektrische Energie nutzte und Massenproduktion ermöglichte. In der dritten Phase wurde Elektronik und IT zur Automatisierung eingesetzt. Hierauf aufbauend charakterisiert sich die vierte Phase, in der die Produktion mit moderner IKT auf der Grundlage des Internets verzahnt wird (Drossel et al. 2018). Diese Phase beschreibt die Digitalisierung und Vernetzung von Maschinen, Förder- und Lagersystemen, Robotern sowie Produktionseinheiten untereinander in produzierenden Unternehmen, wodurch dynamische Geschäftsprozesse entstehen. Die Systeme in intelligenten Fabriken arbeiten dabei autonom, indem sie sich selbst steuern, konfigurieren und optimieren. Ebenso handeln die Systeme selbstständig untereinander die optimalen Prozesse für die jeweilige Situation aus (Kagermann 2014).

Das Konzept Industrie 4.0 verfolgt damit das Ideal, die gesamte Wertschöpfungskette zu digitalisieren und kundenorientierte Produkte herzustellen, indem Mensch, Maschine und IT-System miteinander vernetzt werden (Bruhn und Hadwich 2017). Systeme, die die vierte Phase der Industrialisierung prägen, werden häufig als Cyber-Physical-Systems (CPSs) bezeichnet (Kagermann 2014). CPSs bestehen aus physischen Systemen mit eingebetteten Computern und Netzwerken. Demnach besitzen sie sowohl physische als auch digitale Komponenten. Letztere überwachen und steuern die physischen Prozesse wobei die physischen die digitalen Prozesse beeinflussen und umgekehrt (Lee 2008). Das Konzept der cyber-physischen Systeme wird von der International Organization for Standardization mit dem Internet der Dinge gleichgesetzt (ISO/IEC 2015). Ähnlich hierzu beruhen die Konzepte Ubiquitous Computing, Industrie 4.0 und Smart (Connected) Products auf der Verschmelzung von physischen und digitalen Komponenten und haben die Vision, zu selbstoptimierenden Automatisierungssystemen zu werden, die sich selbstständig vernetzen, überwachen und anpassen. Der permanente Informationsaustausch über das Internet spielt hier eine Schlüsselrolle (Drossel et al. 2018). Industrie 4.0 und CPSs werden vorwiegend im industriellen Kontext verwendet, jedoch werden Objekten ebenfalls außerhalb dieses Kontextes vernetzt. Abseits vom industriellen Bereich sind verschiedene Endkundenprodukte heutzutage miteinander verbunden, beispielsweise intelligente Thermostate im Smart-Home-Sektor, welche die Temperatur automatisch nach den Gewohnheiten des Bewohners einstellen (Porter und Heppelmann 2014). Domänenunabhängig kann diese Entwicklung als Internet der Dinge oder Internet of Everything bezeichnet werden (Kagermann 2014). Die dem Internet der Dinge zugrunde liegenden intelligenten Objekte werden in der Literatur als Smart (Connected) Products (Porter und Heppelmann 2014), Smart Things (Püschel et al. 2016) oder Smart Objects (López et al. 2011; Fleisch et al. 2015) bezeichnet. Diese unterschiedlichen Begriffe, die aber für ein grundlegend ähnliches Konzept stehen, entstanden einerseits im Laufe der Jahre und wurden andererseits in unterschiedlichen Ländern verwendet. Das erstmalige Erscheinen der verschiedenen Konzepte zeigt Abb. 2 in einer zeitlichen Übersicht.
Abb. 2

Entstehung der Konzepte zur Informatisierung und Vernetzung jeglicher Objekte (angelehnt an Wollert o. J.)

Mark Weiser äußerte bereits 1988 erstmals die Idee des Ubiquitous Computing, d. h. des allgegenwärtigen Computers (Weiser 1991; Wollert o. J.), der als Vorläufer der CPSs, des Internets der Dinge und der Smart Products gesehen werden kann. Über CPSs sprach 2006 erstmals Helen Gill von der National Science Foundation, um die Verschmelzung von physischen mit IKT-Komponenten zu beschreiben (Gill 2008). Als Kevin Ashton in einer Präsentation bei Procter und Gamble anhand von RFID (engl. ‚Radio-Frequency Identification‘) die Steuerung von Wertschöpfungsketten mithilfe von Internettechnologien demonstrierte, schuf er den Term ‚Internet of Things‘ (Ashton 2010). Die Verwendung des Konzepts des Internets der Dinge im industriellen Rahmen ist ein US-amerikanisch geprägtes Thema. Als Reaktion auf die weltweite Entwicklung prägte eine deutsche Initiative die Industrie 4.0 als Gegengewicht (Wollert o. J.). Im Jahr 2014 führten Porter und Heppelmann (2014) ‚Smart, connected Products‘ in einem Beitrag im Harvard Business Journal ein, um die unterschiedlichen Fähigkeitsstufen intelligenter Objekte und deren disruptive Kraft auf den Wettbewerb sowie verschiedene Lebensbereiche aufzuzeigen. Da Smart (Connected) Products über den industriellen Kontext hinaus verwendet werden und außerdem als Konzept greifbarer als das Internet der Dinge sind, orientiert sich der Artikel an diesem Begriff.

Die historische Entwicklung der Begrifflichkeiten macht deutlich, dass die Konzepte keine neuartigen Ansätze sind. Vielmehr haben sie sich über einen längeren Zeitraum parallel zu den technologischen Möglichkeiten entwickelt. Insbesondere durch die rasanten technologischen Weiterentwicklungen wie steigender Rechenleistung, Mikronisierung von Hardwarekomponenten und einer verbesserten Internetverbindung haben Smart Products in den letzten Jahren stark an Bedeutung gewonnen. Als besonders wertvoll werden hierbei die Datenbasen angesehen, die infolge der informationstechnologischen Vernetzung von Menschen, Gegenständen und Maschinen entstehen und auf denen neuartige Dienste aufbauen (Kagermann 2014; Beverungen et al. 2017). Experten gehen davon aus, dass bis zum Jahr 2020 6,5 Milliarden Menschen und 18 Milliarden Objekte miteinander vernetzt sein werden. Dabei lassen sich aktuell die Hälfte dieser vernetzen Geräte dem Konsumenten- und Haustechnikbereich zuordnen, ein Viertel dem Bereich Mobilität und ein Fünftel dem industriellen Kontext (Acatech 2015). In Deutschland wird im dominierenden Bereich Smart Home mit 2,3 Milliarden Euro Umsatz im Jahr 2015 und einem Wachstum auf 19 Milliarden Euro bis 2025 gerechnet (Kagermann 2014).

Intelligente Produkte sind bereits allgegenwärtig, ob in Produktionsmaschinen, die sich selbst sowie ihre Produktionsabläufe steuern, in Landmaschinen, die selbstständig Äcker bearbeiten oder automatische Heizungs- und Lichtsteuerungen in Privathaushalten, die kontextsensitiv auf ihre Umgebung reagieren. Somit generieren Smart Products primär ihren Mehrwert und Beitrag zur Wertschöpfung, indem sie über die technologischen Fähigkeiten hinaus Nutzen für Menschen stiften. Smart Products können überdies als Plattformen für neue intelligente Dienstleistungen, die Smart Services, fungieren, auf denen neue disruptive Geschäftsmodelle aufbauen können (Kagermann 2014).

Bereits heute macht die Dienstleistungswirtschaft einen Großteil der Wertschöpfung in Deutschland aus. Etwa drei Viertel aller Erwerbstätigen in Deutschland sind dem Dienstleistungssektor zuzurechnen und der Anteil der Dienstleistungen am Bruttoinlandsprodukt liegt bei 68 % (Statistisches Bundesamt 2019). Die zentrale Bedeutung intelligenter Dienstleistungen und entsprechender Geschäftsmodelle für die wirtschaftliche Zukunft zeigt sich außerdem darin, dass die Bundesregierung über das Bundesministerium für Wirtschaft und Energie (BMWi) verstärkt Forschung in diesem Themenfeld initiiert: Mit ‚Smart Service Welt I‘ und ‚Smart Service Welt II‘ fördert das BMWi zwei Programme zur Entwicklung intelligenter Dienstleistungen mit einem Gesamtfördervolumen von über 90 Millionen Euro. Beide Förderprogramme sind Teil der ‚Digitalen Agenda‘, der ‚Hightech-Strategie für Deutschland‘ und der ‚Digitalen Strategie 2025‘ des BMWi (2016).

3 Wertschöpfung und Geschäftsmodelle durch Smart Services

Nach der Theorie der Service-Dominanten Logik unterliegen Dienstleistungen allen wirtschaftlichen Austauschbeziehungen. Ferner werden sie als Prozesse betrachtet, bei denen kontextspezifische Werte zwischen mehreren Akteuren gemeinsam geschaffen werden (Vargo und Lusch 2004). Verschiedene Akteure und Ressourcen teilen ihre spezifischen Fähigkeiten und Kompetenzen, um den Nutzen für jeden Teilnehmer zu verbessern (Maglio et al. 2009; Vargo und Lusch 2016). Basierend auf Koordination und Zusammenarbeit erzeugen die verschiedenen Akteure und Ressourcen gemeinsam neue Dienstleistungen, was als ‚Ko-Kreation‘ bezeichnet wird (Vargo und Lusch 2004, 2016). Der Kunde wird bei der Service-Dominanten Logik ebenfalls als aktiver Teilnehmer im Rahmen der Dienstleistungserstellung gesehen, der einen Beitrag für die gemeinsame Ko-Kreation leistet und deshalb für die Servicegestaltung von besonderer Bedeutung ist (Vargo und Lusch 2004, 2016). Häufig werden Dienstleistungen definiert als „die Anwendung von Fachkompetenzen (Wissen und Fähigkeiten) durch Taten, Prozesse und Leistungen zugunsten einer anderen Einheit oder der Einheit selbst“ (Vargo und Lusch 2004, S. 2, aus dem Englischen übersetzt). Da mehrere Teilnehmer beteiligt sein können, werden Dienstleistungen außerdem als Service-Systeme betrachtet, die durch Menschen, Informationen, Organisationen und Technologien konfiguriert sind und für den gegenseitigen Nutzen zusammenarbeiten (Maglio et al. 2009). Durch die Einführung von Smart Products wandeln sich Dienstleistungen zu Smart Services und Dienstleistungssysteme zu Smart-Service-Systemen (Beverungen et al. 2017). In Smart-Service-Systemen stellen Smart Products Grenzobjekte dar, die es Dienstleistungsanbietern ermöglichen, Ressourcen und Akteure digital zu vernetzen und hierbei ein individualisiertes, kooperativ erzeugtes Wertversprechen mit gegenseitigem Nutzen zu schaffen (Beverungen et al. 2017). Abb. 3 zeigt die Bestandteile der Wertschöpfung, die aus intelligenten Produkten, Daten und Dienstleistungen entsteht, und verdeutlicht dies am Beispiel eines smarten Endgerätes, das Energieverbrauchsdaten erfasst (z. B. eine intelligente Lampe).
Abb. 3

Bestandteile der Wertschöpfung durch Smart Products (angelehnt an Acatech 2015)

Smart Products bilden die unterste Ebene der Wertschöpfung und fungieren als technologische Enabler (Acatech 2015). Mithilfe unterschiedlicher Sensoren können Zustands-, Bewegungs- und Nutzungsdaten gesammelt und durch die Anbindung an das Internet ausgetauscht werden (Beverungen et al. 2017). Neben den Daten, die durch die Nutzung des Produktes generiert werden, können über die Vernetzung mit dem Internet externe, kontextrelevante Daten wie Energiepreise im Beispiel der smarten Lampe eingebunden werden. Außerdem können über die Sensoren Daten aus der unmittelbaren Umgebung des intelligenten Produktes, zum Beispiel Bewegungen von Personen, die Temperatur oder die Luftfeuchtigkeit erfasst werden (Beverungen et al. 2017; Pitì et al. 2017). Auf diese Weise sammeln sich große und komplexe Datenmengen an, die häufig als Big Data bezeichnet werden (Manyika et al. 2011). Diese werden zunächst in cloudbasierten Datenspeichern abgelegt, um dort mithilfe unterschiedlicher statistischer und maschineller Verfahren ausgewertet und aufbereitet zu werden (George et al. 2014). Durch Kombination der aufbereiteten Daten mit physischen oder digitalen Dienstleistungen werden diese verbessert oder es werden neue Dienstleistungsmodelle geschaffen (Medina-Borja 2015).

Da Smart Services Sach- und Dienstleistungen kombinieren, werden sie in der Literatur ebenfalls als (Smart)-Product-Service-Systems oder hybride Leistungsbündel bezeichnet (Becker et al. 2009; Valencia et al. 2014). Sie bündeln somit verschiedene Leistungsbestandteile und liefern den eigentlichen Geschäfts- und Kundenmehrwert (Acatech 2015). In den meisten Fällen wird dieser Mehrwert dem Kunden über eine Smartphone- oder mobile Webapplikation zur Verfügung gestellt (Wellsandt et al. 2017).

Dabei gilt: Je größer das Netzwerk an interagierenden, intelligenten Produkten ist, desto innovativer und attraktiver können die darauf aufbauenden Smart Services gestaltet werden (Westerlund et al. 2014; Acatech 2015). So wie intelligente Produkte miteinander zu umfangreichen physischen Plattformen verknüpft werden, können unterschiedliche Datenbasen und die darauf aufbauenden smarten Dienstleistungssystemen zu neuen Software- und Service-Plattformen verbunden werden. Die daraus entstehenden Service-Netzwerke können auf verschiedenen funktionalen sowie fachlichen Ebenen gebildet werden. Werden nicht nur einzelne intelligente Produkte oder Services, sondern ganze Plattformen miteinander vernetzt, können hieraus komplexe Service-Ökosysteme entstehen, wodurch sich der Mehrwert einzelner Services und Produkte deutlich erhöht. Die Vernetzung verschiedener Systeme wird als System of Systems bezeichnet. Diesen digitalen Ökosystemen, die branchendivergent auf umfassenden Smart-Product- und Service-Plattformen aufbauen, wird ein besonders hohes disruptives Potenzial für Geschäftsmodelle zugesprochen (Porter und Heppelmann 2014; Acatech 2015). Im Kontext der Digitalisierung werden mit Smart Services im allgemeinen drei Strategien verfolgt (Ross et al. 2017; Weiß et al. 2018):
  • operationelle Prozessoptimierung und Effizienz

  • Kundenbindung und -erlebnis

  • neue Produkte und Dienstleistungen

Die operationale Prozessoptimierung und Effizienz sowie der vermehrte Fokus auf Kundenbindung und -erlebnis schließt oftmals eher inkrementelle Dienstleistungsinnovationen ein, wohingegen neue Produkte und Dienstleistungen ein radikaleres Innovationspotenzial besitzen (Johnson et al. 2000; Gassmann et al. 2014). Die Nutzung von Smart Services zur kleinschrittigen Verbesserung operativer Prozesse wird im Innovationsmanagement als Exploitation bezeichnet. Diese beruht auf Routine und auf der bestmöglichen Ausnutzung der vorhandenen Ressourcen zur Steigerung von Effizienz sowie der kontinuierlichen Optimierung bestehender Produkte und Prozesse. Der Vorteil der Exploitation ist, dass sie schnell zu Ergebnissen führt, wohingegen Exploration auf die Erkundung mit ungewissen Ergebnissen ausgerichtet ist.

Exploration versucht auf experimentelle Art, neue Möglichkeiten zu entdecken und hat daher tendenziell längerfristige Auswirkungen (Hauschildt et al. 2016). Demzufolge ist Exploration eher auf das Entwickeln gänzlich neuer Dienstleistungen ausgerichtet. Wenn ein Unternehmen beginnt, Maschinen in der Produktion mit Sensoren, Software und Kommunikationsinfrastruktur auszustatten, können die Produktionsabläufe besser aufeinander abgestimmt und Produktverbesserungen angestrebt werden (Exploitation). Smart Services können hierbei auf den gesamten Produktentstehungszyklus klassischer Produkte und Dienstleistungen einwirken (Allmendinger und Lombreglia 2005). Von Predictive Maintenance für Produktionsmaschinen und einer selbstgesteuerten Produktion profitiert vorwiegend das Unternehmen selbst. Gleichzeitig können die intelligent vernetzen Produktionsmaschinen als Grenzobjekte ebenfalls Kundennutzen stiften, indem die Kunden etwa über den Status ihrer Bestellung informiert werden oder die Produktion in Echtzeit mitverfolgen können (Beverungen et al. 2017).

Indem von verkauften Produkten Daten gesammelt und ausgewertet werden, können Smart Services ferner zur Produktverbesserung in der Forschungs- und Entwicklungsabteilung beitragen. Bestehende Produkte können darüber hinaus inkrementell verbessert werden, indem ein zusätzlicher Mehrwert zum eigentlichen Produkt angeboten wird, wie die Fernwartung während der Nutzungsphase oder eine persönliche Beratung zu weiteren, ergänzenden Produkten auf Basis gesammelter Nutzungsdaten.

Die zweite Strategie im Rahmen der Digitalisierung zielt auf eine vermehrte Kundenbindung und das Kundenerlebnis ab. Dieses Ziel kann verfolgt werden, indem über die gesammelten und ausgewerteten Kundendaten maßgeschneiderte Angebote erstellt werden. Es können ebenfalls frühzeitig Gegenmaßnahmen (z. B. Rabatte) initiiert werden, wenn absehbar ist, dass ein Kunde abwandern will.

Abb. 4 zeigt beispielhaft verschiedene Smart Services und die Weise, wie diese die Daten aus den Smart Products entlang des Produktentstehungsprozess in einem Produktionsunternehmen nutzen können. Es wird deutlich, dass Smart Services häufig einen zusätzlichen Mehrwert erbringen, ohne radikal neue Dienstleistungsinnovationen hervorzubringen (Fleisch et al. 2015).
Abb. 4

Smart Services im klassischen Produktentstehungszyklus

Disruptive Geschäftsmodelle lassen sich mit der dritten Strategie verfolgen, indem neue Produkte und Dienstleistungen entwickelt und in attraktiven Geschäftsmodellen kombiniert werden (Exploration). Smart Products und Services können vor allem in Produktionsunternehmen zu radikalen Veränderungen führen, denn das produzierende Gewerbe hat das Internet bislang zumeist nur für die interne Prozessoptimierung verwendet oder über den Internetvertrieb Kostenreduzierungen und Effizienzsteigerungen erzielt. Durch die Verbreitung intelligenter Produkte dehnt sich das Internet jedoch weiter aus und Geschäftsmodelle, die bisher nur für die Digitalbranche relevant waren, können ebenfalls in der physischen Industrie an Bedeutung gewinnen (Fleisch et al. 2014, 2015).

Im Zuge der weiteren technologischen Diffusion versuchen sich unterschiedliche neue, teilweise digital geborene Wettbewerber wie Google (z. B. mit Nest)1 oder Amazon (z. B. mit Amazon Echo)2 am Produktmarkt zu platzieren. Oftmals zwingen disruptive Technologien etablierte Unternehmen dazu, ihr Geschäftsmodell zu verändern; so können technologische Umbrüche neue Fähigkeiten eines Unternehmens erfordern oder die Produktpräferenzen von Kunden verändern (Anderson und Tushman 1990; Markides 2006; Chesbrough 2010; Bergek et al. 2013). Das Internet der Dinge mit intelligenten, miteinander verbundenen Produkten kann als eine solche disruptive Technologie angesehen werden (Bower und Christensen 1995; Sundmaeker et al. 2010).

Um als Unternehmen im Rahmen der digitalen Transformation zu bestehen, bedarf es demnach mehr als des reinen Fokus auf Technologien (Barrett et al. 2015). Etablierte Unternehmen sind angehalten, nicht nur inkrementelle Verbesserungen über Exploitation voranzutreiben, sondern auf explorative Innovationen zu setzen, die nicht nur die Dienstleistungen umfassen, sondern das gesamte Geschäftsmodell berücksichtigen (Gassmann et al. 2014).

Darüber hinaus muss aus unternehmerischer Sicht eine IKT-gestützte Dienstleistungsinnovation kommerziellen Gewinn erzielen, um erfolgreich zu sein (Storey et al. 2016). Normalerweise beinhaltet das Servicedesign jedoch nicht die Kommerzialisierung des Dienstes (Witell et al. 2016). Wirtschaftlicher Gewinn kann stattdessen erzielt werden, indem eine Geschäftsmodellperspektive einbezogen wird, die einen Mehrwert aus der IKT-basierten Dienstleistungsinnovation erzeugen kann (Barrett et al. 2015). Grundlegendes Ziel bei der Gestaltung von Geschäftsmodellen ist es, einen Wert für die am Dienstleistungssystem beteiligten Akteure zu definieren (Zott und Amit 2010; Kleinschmidt und Peters 2017). Dieser Zweck wird ebenfalls durch die Definition des Wert- bzw. Leistungsversprechens adressiert, das „den Nutzen beschreibt, den Kunden von Produkten und Dienstleistungen erwarten können“ (Osterwalder et al. 2015, S. 6). Umgekehrt betrachtet die Service-Dominante Logik Dienstleistungen als Kernfundament der Wertschöpfung. Damit wird deutlich, dass das Leistungsversprechen den zentralen Anker zwischen Dienstleistungen und Geschäftsmodellen darstellt. Darüber hinaus dient aus Geschäftsmodellsicht das Wertversprechen als Grundlage für die Umsätze des Unternehmens (Osterwalder und Pigneur 2010).

Im Gegensatz zur partiellen Optimierung z. B. eines Produktes erfordert die Gestaltung von Geschäftsmodellen eine Perspektive auf Systemebene (Zott und Amit 2010). Es ist ungenügend, lediglich die Produkte und Dienstleistungen oder Prozesse zu betrachten (z. B. Veränderungen in Produktions- und Logistikprozessen), jedoch die Werteerfassung in Form von Einnahmequellen zu vernachlässigen. Denn dies resultiert mit hoher Wahrscheinlichkeit in einem wirtschaftlich nicht nachhaltigen Geschäftsmodell (Chatterjee 2013).

Aus diesem Grund ist die Gestaltung von Smart-Service-Systemen an entsprechenden Geschäftsmodellen auszurichten (Vargo und Lusch 2004, 2016; Kleinschmidt et al. 2016). Hierbei sind Service- und Geschäftsmodellkonzept derart miteinander verknüpft, dass sich beide gegenseitig beeinflussen. So stellen Services in der Regel das Wert- bzw. Leistungsversprechen eines Geschäftsmodells dar (Osterwalder und Pigneur 2010; Osterwalder et al. 2015). Andererseits kann ein digitales Geschäftsmodell ebenfalls die Wertschöpfung in Smart-Service-Systemen verändern (Veit et al. 2014). Unter Betrachtung der wesentlichen Komponenten von Geschäftsmodellen (Wertversprechen, Profitformel, Schlüsselressourcen und -prozesse) (Johnson et al. 2008), können Smart Services potenziell auf jeden dieser Bausteine einwirken (siehe Abb. 5):
Abb. 5

Auswirkungen von Smart Services auf Geschäftsmodelle (angelehnt an Johnson et al. 2008)

Das Wertversprechen kann beeinflusst werden, indem die gesammelten Nutzer-, Nutzungs- und Produktdaten verwendet werden, um dem Nutzer individualisierte Inhalte zu präsentieren. Im Kontext einer Fitness-Applikation können beispielsweise die gesammelten Daten verwendet werden, um dem Nutzer Vergleichswerte von Freunden oder anderen Personengruppen zu senden, die in dessen Leistungsklasse liegen. Damit kann der Nutzer zwar motiviert werden, allerdings sollten ihm nur die für ihn relevanten Inhalte präsentiert werden. Dabei treffen die Algorithmen im Hintergrund lediglich Annahmen darüber, ob die präsentierten Inhalte für den Nutzer von Bedeutung sind. Das Wertversprechen kann ebenfalls im Bereich Komfort und Bequemlichkeit angesiedelt sein, indem Smart Products eigenständige Aktionen und Selbstoptimierungen vornehmen. So kann ein smartes Thermostat über die Zeit das Verhalten und die Vorlieben der Bewohner erlernen und seine Parameter beispielsweise derart einstellen, dass die Wohnung bereits vorgeheizt ist, wenn der Bewohner nach Hause kommt (Yang und Newman 2013).

Smart Services ermöglichen ebenfalls eine individualisierte Preispolitik, da die Daten der Nutzer potenziell Aufschluss über Einkommen, Bildung, Einstellungen und Bezahlpräferenzen geben können. Hierdurch kann ein Produkt oder eine Dienstleistung für verschiedene Nutzer zu unterschiedlichen Preisen und mit verschiedenen Bezahlverfahren angeboten werden (Beckel et al. 2014).

Baut ein Unternehmen verstärkt auf intelligente Dienstleistungen, müssen Schlüsselressourcen und -prozesse verändert werden. Primär müssen Produkte mit intelligenten Komponenten wie Mikrocomputern und Sensoren ausgestattet werden. Ferner sind neue Fähigkeiten im Bereich der Analytik zur Datenauswertung notwendig. Je nach Art des intelligenten Produktes beziehungsweise dessen Ausstattung mit Aktoren oder komplexer Robotik können Prozesse ferngesteuert oder autonom durchgeführt werden, was die Schlüsselprozesse eines Unternehmens maßgeblich beeinflussen kann. Oftmals werden außerdem Hardware- durch Softwareressourcen ersetzt, z. B. werden anstelle von haptischen Bedienelementen Touchscreens eingesetzt, weil diese wartungsärmer, kostengünstiger und besser konfigurierbar sind. Ein anderes Beispiel in diesem Zusammenhang ist die Motorenentwicklung: In der Vergangenheit war es üblich, für jede Motorisierung einen eigenständigen Motor zu entwickeln und zu produzieren. Heutzutage wird ein Standardmodell entwickelt und dessen Leistung je nach Fahrzeug über entsprechende Steuerungssoftware vorgegeben (Porter und Heppelmann 2014).

Smart Services können entweder einzelne Aspekte oder das gesamte Geschäftsmodell verändern. Insgesamt unterstützt das Geschäftsmodellkonzept Unternehmen dabei, Wege zu finden, um von Technologien und deren Möglichkeiten zu profitieren (Chesbrough 2007). Indem Unternehmen ihr Geschäftsmodell hinsichtlich neuer technologischer Herausforderungen analysieren, notwendige Fähigkeiten für die Veränderung von Geschäftsaktivitäten identifizieren und umsetzen, können sie die gewünschten wirtschaftlichen Ergebnisse erzielen (Osterwalder 2004). Unternehmen müssen hierzu ihre Ressourcen und Prozesse analysieren, unter Umständen neue IT-Infrastrukturen sowie -Kompetenzen aufbauen und ihr bisheriges Preismanagement, Marktverhalten und die Mitbewerbersituation überdenken, um erfolgreich am Markt zu bleiben (Zott und Amit 2010). Neben der Veränderung der Schlüsselressourcen sowie -prozesse und dem Wertversprechen können innovative Geschäftsmodelle ebenso über neuartige Profitformeln entstehen, die erst durch vernetzte Produkte ermöglicht werden, ähnlich wie Digitalunternehmen dies mit dem Freemium-Modell aufgezeigt haben (Fleisch et al. 2014). Die Geschäftsmodellperspektive unterstützt dabei, indem sie den Blick von einem Teilsystem (z. B. den Dienstleistungen) zu einer umfassenden Systemperspektive lenkt (Zott und Amit 2010).

4 Smart-Service-Ökosysteme am Beispiel Smart Home

Im Zuge des Internets der Dinge sind oftmals diverse Unternehmen in Netzwerken und auf Plattformen an der gemeinsamen Wertschöpfung beteiligt. Diesen Smart-Service-Ökosystemen wird großes Potenzial in Bezug auf die Wertentfaltung von Dienstleistungen aufgrund der netzwerk- und plattformorientierten Bereitstellung zugesprochen (Westerlund et al. 2014; Fleisch et al. 2015). Als aussagekräftiges Beispiel für Ökosysteme gelten Smart-Home-Plattformen, weil sie diverse Funktionen aus unterschiedlichen Kategorien erfüllen können und hierbei ursprünglich getrennt agierende Branchen zusammenführen, um gemeinsam neue Werte zu schaffen (Giordano und Fulli 2012; Wilson et al. 2017). Darüber hinaus ist die Domäne Smart Home ein Anwendungsfeld smarter Produkte und Dienstleistungen, welche vielen Privatverbrauchern bekannt ist und im Gegensatz zum vielbehandelten Themenfeld Industrie 4.0 primär einen Endkundenfokus besitzt.

Bislang gibt es in der Literatur keine einheitliche Definition für Smart Home. Alam et al. (2012, S. 1190) definieren beispielsweise „Smart Home als eine Anwendung aus dem Bereich des Ubiquitous Computing[…], die in der Lage ist, kontextbezogene automatisierte oder unterstützende Dienste in Form von Ambient Intelligence, Remote Home Control oder Home Automation anzubieten (aus dem Englischen übersetzt).“ Wie diese Definition bereits andeutet, steigert ein Smart Home oft Komfort und Bequemlichkeit, da den Bewohnern über die Steuerung und Automatisierung manuelle Tätigkeiten abgenommen werden. Eine der maßgeblichen Eigenschaften des Smart Home ist die Gerätesteuerung (Alam et al. 2012). Diese kann von der einfachen Fernsteuerung über die Konfiguration und Verwendung von Automatisierungsregeln bis hin zu intelligenten, autonom arbeitenden Systemen reichen (Ford et al. 2017). Sie ermöglicht dem Nutzer, die Dienste an seine Bedürfnisse anzupassen (Humble et al. 2003). Da die Funktionalitäten und die technologische Reife von Smart-Home-Systemen stark variieren können, sind ferner die damit verbundenen Produkte und Dienstleistungen variabel. Dementsprechend lassen sich Unterschiede am Smart Home-Markt feststellen, die von Standard- und Do-it-yourself-Geräten bis hin zu hochwertigen, voll integrierten und professionell installierten Häusern reichen (Strengers und Nicholls 2017). Smart Home kann hierbei verschiedenen Zwecken dienen, etwa dem Energiemanagement (Alam et al. 2012; Fabi et al. 2017; Ford et al. 2017). Zu diesem Bereich werden zu dem Smart-Home-Konzept weitere Smart Products wie Photovoltaikanlagen, Elektrofahrzeuge, Energiespeicher und Smart Meter gezählt (Geelen et al. 2013; Risteska Stojkoska und Trivodaliev 2017).

Eine zentrale Rolle spielen ferner jegliche elektrische Haushaltsgeräte, die im Optimalfall bereits ‚smart‘ sind, z. B. smarte Steckdosen, Beleuchtung oder Thermostate (Ford et al. 2017). In diesem Anwendungsszenario werden Smart-Home-Systeme auch als Home-Energy-Management-Systeme (HEMSs) bezeichnet. HEMSs sind Zwischengeräte, die den Energieverbrauch der Bewohner beeinflussen. Dies reicht von der Rückmeldung des Energieverbrauchs auf Grundlage der überwachten Daten bis hin zur Verwaltung von Funktionen, mit denen kontrolliert werden kann, ob und wann Geräte Energie verbrauchen. HEMSs können nicht nur zu Energieeinsparungen im eigenen Haus führen, sondern genauso zur Stabilität der Netzlast beitragen (Van Dam et al. 2010). Außerdem können sie die Energieflüsse im Haus optimieren und die Selbstversorgung erhöhen, etwa durch Photovoltaikanlagen und Batteriespeicher (Byun et al. 2011; Pitì et al. 2017).

Ein konkretes Szenario für ein energieeffizientes Smart Home ist eine intelligente Spülmaschine mit angebundenem Smart Meter. Smart Meter sind digitale Messgeräte für den Energieverbrauch, die über ein Gateway mit dem Internet verbunden sind und somit eine bidirektionale Kommunikation von Versorger und Verbraucher ermöglichen. Hierdurch ist es dem Versorger möglich, gesammelte Verbrauchsdaten auf In-Home-Displays oder Smartphone-Applikationen des Kunden in Echtzeit bereitzustellen (Wunderlich et al. 2012). Einige Smart Meter verfügen über Steuereinheiten, die es gestatten, angeschlossene intelligente Verbraucher zentral und direkt zu steuern (Darby 2010). So sind sie in der Lage, eine intelligente Spülmaschine selbstständig zu einem günstigen Tarif oder bei entsprechender Produktionskapazität der Photovoltaikanlage anzuschalten. Unter gewissen Voraussetzungen prognostizieren Smart Meter auf Basis von Kontextdaten wie Wetter und Tageszeit, ob und wann die meiste Sonne gespeichert wird und ob dies für den Betrieb der Spülmaschine ausreichend ist. Die intelligente Spülmaschine wiederum erkennt ihren eigenen ‚Waschbedarf‘ abhängig vom Verschmutzungsgrad und der Beladung, sodass sie selbst entscheidet, wie lange und bei welcher Temperatur sie waschen muss.

An diesem Beispiel wird deutlich, dass der Nutzen in Form von Komfort und Energieeffizienz in Wertschöpfungsnetzwerken einen wesentlich größeren Nutzen entfaltet als es ein einzelnes Smart Product; so liefert ein Smart Meter allein meist nur Verbrauchsinformationen auf der Ebene des Gesamthaushaltes. Eine intelligente Spülmaschine bietet allein zwar im eigenständigen Gebrauch aufgrund ihres Funktionsumfanges Komfortgewinne, sofern sie aber über das Smart Meter mit dem Smart Grid3 verbunden ist, kann sie von günstigen Tarifen, grünem Strom oder anderen Anreizen profitieren. Voraussetzung für dieses Zusammenspiel stellt die Kommunikationsfähigkeit der intelligenten Produkte miteinander auf Basis eines Standards dar. Ferner müssen Hersteller konkrete Mehrwerte anpreisen; so sollte im Rahmen des Vertriebs nicht die intelligente Spülmaschine im Vordergrund stehen, sondern das Wertversprechen des Komfortgewinns und der Energieeinsparung.

Aus einer übergeordneten Perspektive ist das Smart Home ein Bestandteil des Smart Grid, das dem Energieversorger ermöglicht, diverse Informationen wie Last-, Einspeise- und Netzinformationen zu erheben und zu verarbeiten. Auf der Verbraucherseite können im Gegenzug Informationen über das Energieverbrauchsverhalten gewonnen werden.

Neben der Vernetzung der Kunden im eigenen Zuhause sind auf dieser übergeordneten Betrachtungsebene weitere Akteure wie Netz- und Großanlagenbetreiber auf der Energieversorgerseite beteiligt. Dabei kann einerseits das Smart Home eines Kunden bereits als System of Systems verstanden werden, weil hier diverse intelligente Produkte miteinander verknüpft sind. Es kann beispielsweise das eigene Elektroauto mit dem Smart Home verbunden sein, sodass eine intelligente Ladung und Entladung des Fahrzeugspeichers zu entsprechend günstigen Energiepreisen oder gemäß der aktuellen Erzeugungsleistung der eigenen Photovoltaikanlage erfolgen kann. Abseits des Energieszenarios sind weitere Systems of Systems vor dem Hintergrund der Multifunktionalität von Smart-Home-Systemen ersichtlich. Einige Smart-Home-Anbieter wie ROCKETHOME4 bieten offene Plattformen an, welche die Geräte verschiedener Hersteller miteinander vernetzen und Kundenlösungen für Probleme wie Sicherheitsmechanismen anbieten. Auf solchen umfassenden Smart-Home-Plattformen können sich diverse Rollen ausbilden wie die des Daten- oder Hardwarespezialisten, des Energieversorgers und des Smart-Home-Anbieters (Giordano und Fulli 2012; Bullinger et al. 2017). Abb. 6 zeigt ein solches Netzwerk mit den verschiedenen Akteuren:
Abb. 6

Beispiel für ein System of Systems in der Energiedomäne (SH = Smart Home)

Der Smart-Home-Anbieter sowie der Hardwarespezialist bieten die reinen Smart-Home-Lösungen an. Jedoch können Smart Products wie Smart Meter oder intelligente Stromerzeugungs- und Speicherlösungen außerdem über den Energieversorger bezogen werden. Darüber hinaus können Datenspezialisten die gewonnenen Daten über die Energienutzung und den -verbrauch an Dritte oder für Mehrwertlösungen an den Energieversorger oder die Soft- und Hardwareentwickler verkaufen. Zu beachten ist, dass ein Unternehmen mehrere Rollen (z. B. Energieversorger und Smart-Home-Anbieter) einnehmen kann. Ebenfalls denkbar ist, dass weitere Akteure wie Haushaltsgeräte- und Unterhaltungselektronikhersteller oder die Elektromobilitätsbranche angebunden werden. Bisher oftmals getrennt betrachtete Branchen werden verknüpft, wodurch neue Mehrwerte für Kunden und Unternehmen entstehen. Demzufolge führt der zunehmende Einsatz von intelligenten, vernetzten Produkten dazu, dass unterschiedliche Branchen zusammenwachsen, wodurch ein Netzwerk an Smart Services mit zusätzlichen Vorteilen generiert werden kann.

5 Schlussbetrachtung

Wie die einleitende Betrachtung von Smart Products und Smart Services gezeigt hat, handelt es sich bei beiden Konzepten um keine neue Idee, sondern vielmehr um eine kontinuierliche Entwicklung der letzten Jahre. Die Möglichkeiten intelligenter Dienstleistungsnetzwerke sind durch den technologischen Fortschritt in den vergangenen Jahren vor allem durch die rasant gestiegene Rechenleistung sowie kostengünstigere Hardware und Internettechnologien erheblich gestiegen. Mittlerweile haben sich intelligente Produkte und Dienstleistungen bereits bei Endkunden im Konsumgütermarkt etabliert (Kagermann 2014; Acatech 2015). Selbstlernende Geräte wie das intelligente Thermostat ‚Nest‘, das die Gewohnheiten der Bewohner erlernt und die Temperatur daran anpasst, sind ein Beispiel für zukunftsträchtige Entwicklungen im Bereich der Smart Services.

Hierbei betonen die Smart Services eine gemeinsame Ko-Kreation und gegenseitige Wertstiftung sowohl für Kunden als auch für Unternehmen, die mit intelligent vernetzten Produkten einhergeht (Beverungen et al. 2017). Die Betrachtung von Smart Services lenkt den Blick weg von rein technischen Überlegungen und fokussiert die Möglichkeiten, wie aus Smart Products neue Mehrwerte geschafft werden können. Im Rahmen der wissenschaftlichen Forschung wurde begonnen, Smart Services zu konzeptualisieren (Beverungen et al. 2017) und Methoden sowie Techniken dafür zu entwickeln (Maglio und Lim 2016). Ebenso hat die Forschung damit angefangen, die Auswirkungen von Smart Services auf Geschäftsmodelle zu betrachten sowie ihre Integration darin zu untersuchen und hierzu Lösungen zu liefern (Wünderlich et al. 2015). Dieser Beitrag dient daher als Einstieg in das Themenfeld, indem verwandte Konzepte erläutert, auf bisher bekannten Smart-Service-Definitionen aufgebaut sowie die Wertschöpfung von Smart Services und deren Einfluss auf Geschäftsmodelle und Ökosysteme aufgezeigt wird.

Fußnoten

  1. 1.
  2. 2.
  3. 3.

    Der Begriff Smart Grid steht hierbei für ein intelligentes Stromnetz, das in der Lage ist, bidirektionale Informationen zu verarbeiten (Farhangi 2010).

  4. 4.

Literatur

  1. Acatech. 2015. SMART SERVICE WELT Umsetzungsempfehlungen für das Zukunftsprojekt Internetbasierte Dienste für die Wirtschaft. Berlin.Google Scholar
  2. Alam, Muhammad Raisul, Mamun Bin Ibne Reaz, und Mohd Alauddin Mohd Ali. 2012. A review of smart homes – Past, present, and future. IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews 42:1190–1203.CrossRefGoogle Scholar
  3. Allmendinger, Glen, und Ralph Lombreglia. 2005. Four strategies for the age of smart services. Harvard Business Review 83:131–145.Google Scholar
  4. Anderson, Philip, und Michael L. Tushman. 1990. Technological discontinuities and dominant designs: A cyclical model of technological change. Administrative Science Quarterly 35:604.CrossRefGoogle Scholar
  5. Ashton, Kevin. 2010. That „Internet of Things“ thing. RFID Journal. 22:97–114.Google Scholar
  6. Barrett, Michael, Elizabeth Davidson, und Stephen L. Vargo. 2015. Service innovation in the digital age: Key contributions and future directions. MIS Quarterly 39:135–154.CrossRefGoogle Scholar
  7. Beckel, Christian, Leyna Sadamori, Thorsten Staake, und Silvia Santini. 2014. Revealing household characteristics from smart meter data. Energy 78:397–410. Elsevier.CrossRefGoogle Scholar
  8. Becker, Jörg, Daniel Beverungen, Ralf Knackstedt, Christoph Glauner, Marco Stypmann, Christoph Rosenkranz, Robert Schmitt, et al. 2009. Ordnungsrahmen für die hybride Wertschöpung. Dienstleistungsmodellierung – Methoden, Werkzeuge und Branchenlösungen. Heidelberg: Physica-Verlag HD.Google Scholar
  9. Bergek, Anna, Christian Berggren, Thomas Magnusson, und Michael Hobday. 2013. Technological discontinuities and the challenge for incumbent firms: Destruction, disruption or creative accumulation? Research Policy 42:1210–1224. North-Holland.CrossRefGoogle Scholar
  10. Beverungen, Daniel, Oliver Müller, Martin Matzner, Jan Mendling, und Jan Vom Brocke. 2017. Conceptualizing smart service systems. Electronic Markets 1–12 (November).Google Scholar
  11. BMWi. 2016. Smart Service Welt. http://www.bmwi.de/DE/Themen/Digitale-Welt/Digitale-Technologien/smart-service-welt.html. Zugegriffen am 25.11.2018.
  12. Bower, Joseph L., und Clayton M. Christensen. 1995. Disruptive technologies: Catching the wave. Harvard Business Review 73:43–53.Google Scholar
  13. Bruhn, Manfred, und Karsten Hadwich. 2017. Dienstleistungen 4.0 – Erscheinungsformen, Transformationsprozesse und Managementimplikationen. In Dienstleistungen 4.0, 1–39. Wiesbaden: Springer Fachmedien Wiesbaden.Google Scholar
  14. Brynjolfsson, Erik, und Andrew McAfee. 2014. The second machine age: Work, progress, and prosperity in a time of brilliant technologies. New York: W.W. Norton.Google Scholar
  15. Bullinger, Hans-Jörg, Walter Ganz, und Jens Neuhüttler. 2017. Smart Services – Chancen und Herausforderungen digitalisierter Dienstleistungssysteme für Unternehmen. In Dienstleistungen 4.0, 97–120. Wiesbaden: Springer Fachmedien Wiesbaden.CrossRefGoogle Scholar
  16. Byun, Jin Sung, Insung Hong, Byeongkwan Kang, und Sehyun Park. 2011. A smart energy distribution and management system for renewable energy distribution and context-aware services based on user patterns and load forecasting. IEEE Transactions on Consumer Electronics 57:436–444.CrossRefGoogle Scholar
  17. Chan, Hubert C. Y. 2015. Internet of Things business models. Journal of Service Science and Management 8:552–568.CrossRefGoogle Scholar
  18. Chatterjee, Sayan. 2013. Simple rules for designing business models. California Management Review 55:97–124. Sage, Los Angeles.CrossRefGoogle Scholar
  19. Chesbrough, Henry. 2007. Business model innovation: It’s not just about technology anymore. Strategy & Leadership 35:12–17.CrossRefGoogle Scholar
  20. Chesbrough, Henry. 2010. Business model innovation: Opportunities and barriers. Long Range Planning 43:354–363. Pergamon.CrossRefGoogle Scholar
  21. Dam, Sonja S van, Conny A. Bakker, und J. D. M. Van Hal. 2010. Home energy monitors: Impact over the medium-term. Building Research and Information 38:458–469. Routledge.Google Scholar
  22. Darby, Sarah. 2010. Smart metering: What potential for householder engagement? Building Research and Information 38:442–457.CrossRefGoogle Scholar
  23. Dreher, Sebastian, Ruth Stock-Homburg, und Nicolas Zacharias. 2011. Dienstleistungsinnovationen – Bedeutung, Herausforderungen und Perspektiven. In Dienstleistungsproduktivität, 35–57. Wiesbaden: Gabler.CrossRefGoogle Scholar
  24. Drossel, Welf-Guntram, Steffen Ihlenfeldt, Tino Langer, und Roman Dumitrescu. 2018. Cyber-Physische Systeme. In Digitalisierung, 197–222. Berlin/Heidelberg: Springer.CrossRefGoogle Scholar
  25. Fabi, Valentina, Giorgia Spigliantini, und Stefano Paolo Corgnati. 2017. Insights on smart home concept and occupants’ interaction with building controls. Energy Procedia 111:759–769.CrossRefGoogle Scholar
  26. Farhangi, Hassan. 2010. The path of the smart grid. IEEE Power and Energy Magazine 8:18–28.CrossRefGoogle Scholar
  27. Fleisch, Elgar, Markus Weinberger, und Felix Wortmann. 2014. Geschäftsmodelle im Internet der Dinge. HMD Praxis der Wirtschaftsinformatik 51:812–826. Wiesbaden: Springer Vieweg.CrossRefGoogle Scholar
  28. Fleisch, Elgar, Markus Weinberger, und Felix Wortmann. 2015. Business models and the Internet of Things (extended abstract). In Lecture notes in computer science, Bd. 9001, 6–10. Cham: Springer.Google Scholar
  29. Ford, Rebecca, Marco Pritoni, Angela Sanguinetti, und Beth Karlin. 2017. Categories and functionality of smart home technology for energy management. Building and Environment 123: 543–554. Elsevier.CrossRefGoogle Scholar
  30. Gassmann, Oliver, Karolin Frankenberger, und Michaela Csik. 2014. The business model navigator. 55 models that will revolutionise your business. Harlow: Pearson.Google Scholar
  31. Geelen, Daphne, Angèle Reinders, und David Keyson. 2013. Empowering the end-user in smart grids: Recommendations for the design of products and services. Energy Policy 61:151–161. Elsevier.CrossRefGoogle Scholar
  32. George, Gerard, Martine R. Haas, und Alex Pentland. 2014. Big data and management. Academy of Management Journal 57:321–326. Academy of Management, Briarcliff Manor.CrossRefGoogle Scholar
  33. Gill, Helen. 2008. A continuing vision: Cyber-physical systems. In Fourth annual Carnegie Mellon conference on the electricity industry, Cluj-Napoca, Romania.Google Scholar
  34. Giordano, Vincenzo, und Gianluca Fulli. 2012. A business case for smart grid technologies: A systemic perspective. Energy Policy 40:252–259. Elsevier.Google Scholar
  35. Hauschildt, Jürgen, Sören Salomo, Karsten Schultz, und Alexander Kock. 2016. Innovationsmanagement, 6. Aufl. München: Vahlen.CrossRefGoogle Scholar
  36. Hauser, John, Gerard J. Tellis, und Abbie Griffin. 2006. Research on innovation: A review und agenda for marketing science. Marketing Science 25:687–717.CrossRefGoogle Scholar
  37. Humble, Jan, Andy Crabtree, Terry Hemmings, K. P. Akesson, Boriana Koleva, Tom Rodden, und Pär Hansson. 2003. „Playing with the bits“ user-configuration of ubiquitous domestic environments. In UbiComp 2003 proceedings, 256–263. Berlin/Heidelberg: Springer.CrossRefGoogle Scholar
  38. ISO/IEC. 2015. Internet of Things (IoT) preliminary report 2014. https://www.iso.org/files/live/sites/isoorg/files/developing_standards/docs/en/internet_of_things_report-jtc1.pdf. Zugegriffen am 19.08.2018.
  39. Johne, Axel, und Chris Storey. 1998. New service development: A review of the literature and annotated bibliography. European Journal of Marketing 32:184–251. MCB UP Ltd.CrossRefGoogle Scholar
  40. Johnson, Susan Paul, Larry J. Menor, Aleda V. Roth, und Richard B. Chase. 2000. A critical evaluation of the new service development process: Integrating service innovation and service design. In New service development: Creating memorable experiences, 1–32. London: Sage.Google Scholar
  41. Johnson, Mark W., Clayton M. Christensen, und Henning Kagermann. 2008. Reinventing your business model. Harvard Business Review 86:57–68.Google Scholar
  42. Kagermann, Henning. 2014. Industrie 4.0 und Smart Services. In Wirtschaftsinformatik in Wissenschaft und Praxis, Hrsg. Walter Brenner und Thomas Hess, 299–308. Berlin: Springer.Google Scholar
  43. Kleinschmidt, Stefan, und Christoph Peters. 2017. Fostering business model extensions for ICT-enabled human-centered service systems. In 13th International Conference on Wirtschaftsinformatik (WI), St. Gallen, 897–911.Google Scholar
  44. Kleinschmidt, Stefan, Barbara Burkhard, Manuel Hess, Christoph Peters, und Jan Marco Leimeister. 2016. Towards design principles for aligning human-centered service systems and corresponding business models. In International conference on information systems (ICIS), Dublin, 2–11.Google Scholar
  45. Lee, Edward A. 2008. Cyber physical systems: Design challenges. In 2008 11th IEEE international symposium on object and component-oriented real-time distributed computing (ISORC), 363–369. IEEE: Orlando, USAGoogle Scholar
  46. López, Tomás Sánchez, Damith Chinthana Ranasinghe, Bela Patkai, und Duncan McFarlane. 2011. Taxonomy, technology and applications of smart objects. Information Systems Frontiers 13: 281–300. Springer US.CrossRefGoogle Scholar
  47. Maglio, Paul P., und Chie-hyeon Lim. 2016. Innovation and big data in smart service systems. Journal of Innovation Management 1:11–21.Google Scholar
  48. Maglio, Paul P., Stephen L. Vargo, Nathan Caswell, und Jim Spohrer. 2009. The service system is the basic abstraction of service science. Information Systems and e-Business Management 7: 395–406.CrossRefGoogle Scholar
  49. Manyika, James, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, und Angela Byers. 2011. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute.Google Scholar
  50. Markides, Constantinos. 2006. Disruptive innovation: In need of better theory*. Journal of Product Innovation Management 23:19–25. Wiley/Blackwell (10.1111).CrossRefGoogle Scholar
  51. Medina-Borja, Alexandra. 2015. Editorial column – Smart things as service providers: A call for convergence of disciplines to build a research agenda for the service systems of the future. Service Science 7:ii–v.Google Scholar
  52. Osterwalder, Alexander. 2004. The business model ontology – A proposition in a design science approach. Dissertation. Lausanne: University of Lausanne.Google Scholar
  53. Osterwalder, Alexander, und Yves Pigneur. 2010. Business model generation: A handbook for visionaries, game changers, and challengers. New Jersey: Wiley.Google Scholar
  54. Osterwalder, Alexander, Yves Pigneur, Greg Bernarda, und Alan (Designer) Smith. 2015. Value proposition design: How to create products and services customers want. Hoboken: Wiley.Google Scholar
  55. Ostrom, Amy L., A. Parasuraman, David E. Bowen, Christopher A. Voss, Lia Patrício, Christopher A. Voss, Lia Patricio, und Christopher A. Voss. 2015. Service research priorities in a rapidly changing context. Journal of Service Research 18:127–159. Los Angeles: Sage.Google Scholar
  56. Peters, Christoph, Paul Maglio, Ralph Badinelli, Robert R. Harmon, Roger Maull, James C. Spohrer, Tuure Tuunanen, et al. 2016. Emerging digital frontiers for service innovation. Communications of the Association for Information Systems 39:136–149.CrossRefGoogle Scholar
  57. Pitì, Alessandro, Giacomo Verticale, Cristina Rottondi, Antonio Capone, und Luca Lo Schiavo. 2017. The role of smart meters in enabling real-time energy services for households: The Italian case. Energies 10:1–25. Multidisciplinary Digital Publishing Institute.CrossRefGoogle Scholar
  58. Porter, Michael E., und James E. Heppelmann. 2014. How smart, connected products are transforming competition. Harvard Business Review 1:3–23.Google Scholar
  59. Püschel, Louis, Maximilian Röglinger, Helen Schlott, und Maximilian Röglinger. 2016. What’s in a smart thing? Development of a multi-layer taxonomy. In 37th International conference on information systems (ICIS), Dublin, Bd. 4801, 1–19.Google Scholar
  60. Risteska Stojkoska, Biljana L., und Kire V. Trivodaliev. 2017. A review of Internet of Things for smart home: Challenges und solutions. Journal of Cleaner Production 140:1454–1464. Elsevier.CrossRefGoogle Scholar
  61. Ross, Jeanne W., Ina M. Sebastian, und Cynthia M. Beath. 2017. How to develop a great digital strategy. MIT Sloan Management Review 58:7–9.Google Scholar
  62. Statistisches Bundesamt (Destatis). 2019. Volkswirtschaftliche Gesamtrechnungen (VGR). https://www.destatis.de/DE/ZahlenFakten/GesamtwirtschaftUmwelt/VGR/VolkswirtschaftlicheGesamtrechnungen.html. Zugegriffen am 20.02.2019.
  63. Storey, Chris, Pinar Cankurtaran, Paulina Papastathopoulou, und Erik Jan Hultink. 2016. Success factors for service innovation: A meta-analysis. Journal of Product Innovation Management 33: 527–548. Wiley/Blackwell (10.1111).CrossRefGoogle Scholar
  64. Strengers, Yolande, und Larissa Nicholls. 2017. Convenience and energy consumption in the smart home of the future: Industry visions from Australia and beyond. Energy Research and Social Science 32:86–93. Elsevier.CrossRefGoogle Scholar
  65. Sundmaeker, Harald, Patrick Guillemin, Peter Friess, und Sylvie Woelfflè. 2010. Vision and challenges for realising the Internet of Things. Cluster of European research projects on the Internet of Things, European Commision 3.3. Luxembourg: Publications Office of the European Union.Google Scholar
  66. Valencia, Ana, Ruth Mugge, Jan P. L. Schoormans, und Hendrik N. J. Schifferstein. 2014. Challenges in the design of smart product-service systems (PSSs): Experiences from practitioners. In 19th DMI: Academic design management conference, London, 1–21.Google Scholar
  67. Vargo, Stephen L., und Robert F. Lusch. 2004. Evolving to a new dominant logic for marketing. Journal of Marketing 68:1–17. American Marketing Association.CrossRefGoogle Scholar
  68. Vargo, Stephen L., und Robert F. Lusch. 2016. Institutions and axioms: An extension and update of service-dominant logic. Journal of the Academy of Marketing Science 44:5–23. Springer US.CrossRefGoogle Scholar
  69. Veit, Daniel, Eric Clemons, Alexander Benlian, Peter Buxmann, Thomas Hess, Dennis Kundisch, Jan Marco Leimeister, Peter Loos, und Martin Spann. 2014. Business models: An information systems research agenda. Business and Information Systems Engineering 6:45–53.CrossRefGoogle Scholar
  70. Weiser, Mark. 1991. The computer for the 21st century. Scientific American. Scientific American, a division of Nature America, Inc.Google Scholar
  71. Weiß, Peter, Andreas Zolnowski, Markus Warg, und Thomas Schuster. 2018. Service dominant architecture: Conceptualizing the foundation for execution of digital strategies based on S-D logic. Hawaii International Conference on System Sciences 9:1630–1639.Google Scholar
  72. Wellsandt, Stefan, Jürgen Anke, und Klaus-Dieter Thoben. 2017. Modellierung der Lebenszyklen von Smart Services. In Smart service engineering, 233–256. Wiesbaden: Springer.CrossRefGoogle Scholar
  73. Westerlund, Mika, Seppo Leminen, und Mervi Rajahonka. 2014. Designing business models for the Internet of Things. Technology Innovation Management Review 4:5–14.CrossRefGoogle Scholar
  74. Wilson, Charlie, Tom Hargreaves, und Richard Hauxwell-Baldwin. 2017. Benefits and risks of smart home technologies. Energy Policy 103:72–83.CrossRefGoogle Scholar
  75. Wirtz, Bernd W., Adriano Pistoia, Sebastian Ullrich, und Vincent Göttel. 2016. Business models: Origin, development and future research perspectives. Long Range Planning 49:36–54.  https://doi.org/10.1016/j.lrp.2015.04.001. Pergamon.CrossRefGoogle Scholar
  76. Witell, Lars, Hannah Snyder, Anders Gustafsson, Paul Fombelle, und Per Kristensson. 2016. Defining service innovation: A review and synthesis. Journal of Business Research 69: 2863–2872.  https://doi.org/10.1016/j.jbusres.2015.12.055. Elsevier.CrossRefGoogle Scholar
  77. Wollert, Jörg. o. J. Industrie 4.0 – warten bis die Revolution vorbei ist? | VDI Wissensforum. https://www.vdi-wissensforum.de/news/industrie-40-warten-bis-die-revolution-vorbei-ist/. Zugegriffen am 15.09.2018.
  78. Wunderlich, Philipp, Johann Kranz, Dirk Totzek, Daniel Veit, und Arnold Picot. 2012. The impact of endogenous motivations on adoption of IT-enabled services: The case of transformative services in the energy sector. Journal of Service Research 16:356–371. Sage.CrossRefGoogle Scholar
  79. Wünderlich, Nancy V., Kristina Heinonen, Amy L. Ostrom, Lia Patricio, Rui Sousa, Chris Voss, und Jos G. A. M. Lemmink. 2015. „Futurizing“ smart service: Implications for service researchers and managers. Journal of Services Marketing 29:442–447.CrossRefGoogle Scholar
  80. Yang, Rayoung, und Mark W. Newman. 2013. Learning from a learning thermostat: Lessons for intelligent systems for the home. In UbiComp 2013 proceedings, Zurich, 93–102.Google Scholar
  81. Zott, Christoph, und Raphael Amit. 2010. Business model design: An activity system perspective. Long Range Planning 43:216–226. Elsevier.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Ute Paukstadt
    • 1
  • Gero Strobel
    • 2
    Email author
  • Stefan Eicker
    • 2
  • Jörg Becker
    • 3
  1. 1.ERCIS – European Research Center for Information SystemsWestfälische Wilhelms-Universität MünsterMünsterDeutschland
  2. 2.paluno – The Ruhr Institute for Software TechnologyUniversität Duisburg-EssenEssenDeutschland
  3. 3.ERCIS – European Research Center for Information SystemsWestfälische Wilhelms-Universität MünsterMünsterDeutschland

Personalised recommendations