Wenn digitale Services gratis bleiben, wächst der Aufwand mit dem Personal – der Umsatz aber nicht mit der installierten Basis. Die Konsequenz liegt nahe: digitale Leistungen je Maschine als Vertrag, KPI und Preislogik führen, statt sie im Stundensatz zu verstecken.
Kurz gesagt geht es um drei Punkte:
- vom Einsatz zur Vertragslogik: Leistungen je Asset statt einzelner Stunden
- vom Datenzugang zum Serviceprodukt: erst Sichtbarkeit, dann Analyse, dann Ergebnisverantwortung
- von verstreuten Daten zur Abrechnung: mit sauberer Datenbasis, klaren KPIs und prüfbarem Nachweis
Die drei Monetarisierungsstufen im Überblick:
- Stufe 1: Asset-Datenzugang als wiederkehrende Leistung
- Stufe 2: Monitoring, Analyse und Expertenreview gegen laufende Gebühr
- Stufe 3: Managed Service mit Verfügbarkeits- oder Nutzungslogik
- Voraussetzung: je Asset eine klare Basislinie, Datenquelle und Rechenregel
- Startpunkt: erst die installierte Basis ordnen, dann vernetzen, danach Preislogik festlegen
Der Kern ist Steuerbarkeit, weniger die Technik: Was genau liefern Sie? Wofür zahlt der Kunde? Und wie weisen Sie die Leistung pro Maschine nach? Genau dort beginnt aus Serviceaufwand ein Serviceprodukt.
Wo Marge verloren geht: kostenlose Zusatzleistungen und Stundensatzabrechnung
Digitale Leistungen sind oft schnell eingeführt. In der Abrechnung tauchen sie dann trotzdem nicht als eigener Posten auf. Wenn am Ende nur Stunden- und Tagessätze berechnet werden, bleibt der digitale Anteil wirtschaftlich unsichtbar. Genau dort geht Marge verloren, und genau dort scheitert oft der Schritt vom Serviceaufwand zum Serviceprodukt.
Warum der Stundensatz das Servicewachstum bremst
Beim Stundensatzmodell hängt der Umsatz an verfügbaren Technikerstunden und einzelnen Einsätzen. Das funktioniert, solange Service vor allem reaktiv organisiert ist. Mit wachsender Maschinenzahl stößt dieses Modell jedoch an klare Grenzen: Mehr Anlagen im Feld führen zu mehr Aufwand, aber nicht automatisch zu mehr Erlös.
Für Serviceleiter und Geschäftsführung ist der Punkt einfach: Das Modell skaliert mit dem Personal statt mit der installierten Basis. Wer zusätzliche digitale Leistungen erbringt, etwa Fernunterstützung, Zustandsdaten-Auswertung oder digitale Dokumentation, gibt oft mehr ab, ohne dafür einen eigenen Preis durchzusetzen.
Sobald Maschinen vernetzt sind, verschiebt sich der wirtschaftliche Hebel. Dann wird der Vertrag pro Asset zur eigentlichen Größe, weniger die einzelne Stunde. In der Praxis zeigt sich: Erst wenn die Leistung an die Zahl vernetzter Maschinen gekoppelt wird, lässt sich Service vom Personaleinsatz entkoppeln.
Warum die installierte Basis der eigentliche Hebel ist
Für Serienfertiger mit großer installierter Basis liegt der stärkste Hebel im Servicegeschäft – in der strukturiert geführten Bestandsbasis, nicht im einzelnen Einsatz. Wer jedes Asset sauber erfasst – Typ, Baujahr, Betriebsstunden, Zustand und Vertragsstatus – schafft die Grundlage für ein Serviceportfolio mit klarem Preispunkt.
Genau hier setzt die Digitale Maschinenakte (IOTAM) an: Sie macht aus verteilten Anlagendaten eine belastbare Sicht auf die installierte Basis. Damit wird sichtbar, welche Maschinen für Standardverträge, Zustandsservices, Modernisierung oder Remote Support infrage kommen. In Salesforce lässt sich daraus ein durchgängiger Blick auf Kunde, Maschine und Servicevertrag ableiten.
Strategisch hilft dabei ein einfaches Reifegradmodell: Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Erst wenn die installierte Basis sauber digital erfasst und vernetzt ist, können Hersteller Leistungen systematisch bepreisen, statt sie still im Stundensatz zu verstecken. Darauf bauen die drei Monetarisierungsstufen auf.
Digitale Services, die heute gratis mitlaufen – aber kein eigener Umsatz sind?
In 30 Minuten ordnen wir Ihre installierte Basis ein und zeigen, welche Leistungen sich je Asset schon heute als Vertragsprodukt führen lassen – kein Folientermin.
→ Erstgespräch vereinbaren
Vom vernetzten Asset zum bepreisbaren Serviceprodukt
Wenn Maschinen im Feld Daten liefern, entsteht daraus nicht automatisch ein Servicegeschäft. Der erste Schritt ist nüchtern: Aus der installierten Basis muss ein Vertragsobjekt werden, das für den Kunden verständlich und für den Hersteller sauber abrechenbar ist. Monetarisierung beginnt deshalb mit Transparenz, nicht mit KI. Danach folgen Analyseleistungen; erst am Ende steht Ergebnisverantwortung.
Das passt zur Reifegradlogik Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Für Serviceleiter ist das mehr als ein Modell: Es zeigt, ab wann sich welche Leistung belastbar bepreisen lässt. Wer zu früh Verfügbarkeit zusagt, ohne Datenlage, Zuständigkeiten und Eskalation im Griff zu haben, verkauft ein Risiko statt eines Serviceprodukts.
Stufe 1: Asset-Datenzugang als kostenpflichtiger Einstieg
In der ersten Stufe werden Daten der installierten Basis zu einer klaren Leistung gebündelt. Der Kunde erhält strukturierte Asset-Daten je Maschine sowie Zugriff auf eine Statusübersicht im Portal. Verkauft wird hier Sichtbarkeit, noch keine Diagnose: Welche Maschine ist wo im Einsatz, in welchem Zustand befindet sie sich, und welche Grunddaten liegen vor?
Für viele Hersteller ist das ein sinnvoller Einstieg, weil sich die Leistung klar abgrenzen lässt. In Salesforce kann dieser Zugang als wiederkehrende Vertragsposition geführt werden, etwa je Maschine, Standort oder Baureihe. Die Digitale Maschinenakte (IOTAM) schafft dafür die Datengrundlage, damit Informationen zu Bestand, Historie und Status nicht in einzelnen Systemen oder Postfächern liegen.
Der Nutzen für den Kunden ist einfach zu greifen: weniger Suchaufwand, ein einheitlicher Blick auf die Assets und eine belastbare Basis für Servicegespräche. Für den Hersteller entsteht damit der erste Schritt zu wiederkehrendem Umsatz.
Stufe 2: Monitoring, Analyse und Expertenreview als Vertragsleistung
Ab der zweiten Stufe reicht der reine Datenzugang nicht mehr aus. Jetzt bezahlt der Kunde für Auswertung und Einordnung. Anomalieerkennung, Condition-Monitoring-Berichte und ein Expertenreview machen aus Rohdaten eine Vertragsleistung, die im Alltag hilft: Abweichungen werden früher sichtbar, Wartungsfenster lassen sich besser planen, und Entscheidungen stützen sich auf belastbare Daten. Während Stufe 1 den Asset-Datenzugang verkauft, verkauft Stufe 2 Interpretation und Handlungssicherheit.
Gerade hier wird Wissen zum Engpass. Wenn Hinweise aus Sensordaten, Servicenotizen und Fehlerhistorien zusammenlaufen, muss der Techniker oder Servicekoordinator schnell zu einer belastbaren Einschätzung kommen. Wo Wissensmanagement in den Prozess gehört, ist Empolis ein naheliegender Baustein: logicline hat die Salesforce-Integration von Empolis Service Express mitentwickelt. So lassen sich Diagnosewissen, bekannte Fehlerbilder und Servicelogik dort nutzbar machen, wo Entscheidungen fallen.
Wenn zusätzlich KI-gestützte Diagnose oder Claim-Bewertung ins Spiel kommt, gehört eine belastbare Intelligenzschicht dazu. Service Decision Intelligence (SDI) ist dafür der passende Rahmen, weil Empfehlungen mit Quellennachweis ausgegeben werden können und die Datenhoheit in der Kundeninfrastruktur bleiben kann. Für viele Industrieunternehmen ist genau das ein Punkt, wenn Vorgaben zu EU-Konformität und Nachvollziehbarkeit erfüllt werden müssen.
Stufe 3: Managed Service und Outcome-based Pricing als Premium-Modell
Mit der dritten Stufe verschiebt sich der Schwerpunkt. Jetzt übernimmt der Hersteller einen Teil der Ergebnisverantwortung – über Daten und Analysen hinaus. Typisch sind Zusagen zur Verfügbarkeit, verlängerte Wartungsintervalle oder ein Preismodell, das sich am messbaren Ergebnis orientiert statt am reinen Aufwand.
Das ist wirtschaftlich reizvoll, aber nur dann sauber steuerbar, wenn die Regeln eindeutig sind: Welche Kennzahl gilt, welche Datenquelle ist maßgeblich, welche Einflussfaktoren liegen beim Kunden, und wann greift eine Eskalation? Ohne diese Klarheit wird Outcome-based Pricing schnell zum Streitfall.
Diese Reihenfolge ist keine Theorie. Ein öffentlich dokumentiertes Beispiel liefert der Turbomaschinen-Hersteller Everllence (vormals MAN Energy Solutions, Augsburg): Dessen gestufte Digital Service Agreements führen von Konnektivität und Datenzugang (PrimeServ Connect) über Monitoring, Analytik und dedizierte Service-Engineers (PrimeServ Assist) bis zum managed Premium-Vertrag mit maßgeschneiderter Wartungsstrategie. Im Whitepaper „Autonomous Operation“ (2022, aktualisiert 2025) beziffert Everllence für Turbomaschinen, wie sich Wartungsintervalle mit 24/7-Monitoring und KI von üblichen drei bis fünf Jahren auf bis zu zwölf Jahre strecken lassen – eine Branchen-Illustration aus der Turbomaschinerie, kein pauschaler Richtwert.
Kleiner beginnt das typische Szenario im Serienmaschinenbau: Ein Hersteller startet mit einem Portalzugang je Asset, ergänzt danach Monitoring-Berichte mit Expertenreview und bietet erst später Verträge mit Verfügbarkeitszusage an. Genau diese Reihenfolge senkt das Risiko auf beiden Seiten. Der Kunde kauft erst Transparenz, dann Einordnung und erst danach eine geteilte Ergebnisverantwortung.
Spätestens in dieser Stufe wird Service nicht mehr nur als Kostenblock geführt. Er folgt einer Profit-Center-Logik mit wiederkehrenden Erlösen, klaren Leistungsgrenzen und messbaren Serviceprodukten. Ein Spezialfall dieser Logik ist die nutzungsbasierte Abrechnung ganzer Maschinen, wie sie Pay-per-Use / Equipment-as-a-Service beschreibt.
Was Outcome-based Pricing voraussetzt: messbare Kennzahlen je Asset und ein nachvollziehbares Datenmodell
Sobald Service nach Ergebnis statt nach Aufwand vergütet wird, verschiebt sich der Kern der Verantwortung. Dann geht es um die Frage, ob die vereinbarte Leistung je Asset nachweisbar erreicht wurde – über den bloßen Nachweis eines Einsatzes hinaus. Genau daran hängen Preis, Haftung und am Ende auch das Vertrauen zwischen Hersteller und Kunde. Wer Ergebnisverantwortung verkauft, braucht deshalb belastbare Kennzahlen pro Asset und einen Leistungsnachweis, der sich prüfen lässt.
Welche Kennzahlen Preismodelle und Garantien tragen
Welche Kennzahlen passen, hängt von Maschine, Einsatzbild und Vertrag ab. Häufig geht es um Verfügbarkeit oder Wartungsintervalle. In anderen Fällen stehen Durchsatz, Energieverbrauch, Ausschussquote oder Reaktionszeit im Vordergrund. Entscheidend ist die Eindeutigkeit je Asset, weniger die Länge der KPI-Liste.
Jede Kennzahl braucht drei Dinge:
- eine klare Basislinie
- eine definierte Datenquelle
- eine feste Berechnungsregel
Erst dann wird aus einem Messwert eine belastbare Grundlage für Preisbildung oder Garantie. Wenn etwa Verfügbarkeit vergütet wird, muss vertraglich sauber geklärt sein, was als Ausfall zählt, welche Stillstände ausgenommen sind und welche Sensordaten oder Serviceereignisse dafür maßgeblich sind. Genauso wichtig ist die Frage, wer auf Rohdaten zugreifen darf und welche Daten im Streitfall als Referenz gelten.
Warum nachvollziehbare Daten für Abrechnung, Prognose und Vertrauen entscheidend sind
Bei ergebnisbasierter Vergütung reicht ein Endwert ohne Herkunft nicht aus. Wenn pro Asset abgerechnet wird, muss jede Zahl herleitbar sein. Sonst wird aus einer Rechnung schnell eine Diskussion über Datenstand, Messpunkt oder Berechnung. Genau hier setzt Service Decision Intelligence (SDI) an. Jede Abrechnungsgrundlage und jede Prognose braucht eine Quellenspur: Welche Quelle lieferte welchen Wert zu welchem Zeitpunkt, und wie wurde daraus die Kennzahl abgeleitet? Ob ein Wert direkt gemessen oder aus mehreren Datenpunkten abgeleitet wurde, bleibt damit sichtbar.
Für Entscheider ist das mehr als eine technische Frage. Ein prüfbarer Nachweis verkürzt interne Freigaben, stützt Forecasts und macht Garantiezusagen belastbar. Wenn Empfehlungen oder Prognosen in SDI verwendet werden, bleibt der Quellennachweis erhalten. Das ist gerade bei Claims, Diagnosefällen oder Bonus-Malus-Modellen wichtig, weil Entscheidungen nicht in einer Black Box enden dürfen.
Hinzu kommt die Datenhoheit. Die Daten bleiben in der Kundenumgebung; das stützt EU-konforme Betriebsmodelle. Für viele Industrieunternehmen ist das kein Nebenaspekt, sondern Bedingung – vor allem dann, wenn Maschinendaten, Nutzungsprofile und Vertragslogik zusammengeführt werden. In der Praxis entscheidet oft genau dieser Punkt über die Freigabe eines Outcome-Modells.
Damit das trägt, braucht es vor allem eines: eine sauber strukturierte installierte Basis. Darauf setzt die 4-Stufen-Logik Digitalisieren → Vernetzen → Entscheiden → Automatisieren auf.
Von der strukturierten installierten Basis zum monetarisierbaren Serviceportfolio
Das 4-Stufen-Modell: Digitalisieren, Vernetzen, Entscheiden, Automatisieren
Damit KPIs, Garantien und Abrechnung belastbar werden, brauchen Sie zuerst ein sauberes Datenfundament. Genau darauf setzt das 4-Stufen-Modell Digitalisieren → Vernetzen → Entscheiden → Automatisieren auf.
Stufe 1 – Digitalisieren: Für jede Maschine liegt ein strukturierter Asset-Datensatz vor. Seriennummer, Konfiguration und Wartungshistorie stehen an einem Ort. Die Digitale Maschinenakte (IOTAM) bildet dafür die Datenbasis.
Stufe 2 – Vernetzen: Pro Asset fließen Telemetriedaten ein. Zustandswerte, Betriebsstunden und Nutzungsdaten werden strukturiert erfasst. Dadurch lassen sich auch gemischte Flotten auf derselben Grundlage vergleichen.
Stufe 3 – Entscheiden: Service Decision Intelligence (SDI) bildet die Auswertungsschicht über den Daten. Hier werden Verbrauchs- und Zustandsdaten pro Asset zur Grundlage für Abrechnung und Forecast. Für Entscheider zählt dabei vor allem: Empfehlungen bleiben nachvollziehbar, weil SDI mit Quellennachweis arbeitet und in der Kundeninfrastruktur EU-konform betrieben werden kann. Das ist gerade dann wichtig, wenn Servicezusagen, Claims oder nutzungsabhängige Modelle vertraglich sauber belegt werden müssen.
Stufe 4 – Automatisieren: Erst an diesem Punkt entstehen outcome-basierte Verträge, nutzungsbasierte Abrechnung und Verfügbarkeitszusagen. Die Stufen 1 bis 3 müssen dafür im Alltag belastbar funktionieren. Wer hier zu früh startet, baut Preislogik und Vertragsversprechen auf Datenlücken auf.
Einstieg für Mittelständler im DACH-Raum
Für viele mittelständische Hersteller im DACH-Raum ist ein schlanker Einstieg über die installierte Basis der bessere Start als der große Umbau. In der Praxis zeigt sich oft dasselbe Muster: Das Servicemodell wirkt komplex, weil Daten über Systeme, Standorte und Baujahre verteilt sind. Der erste Schritt ist dann nicht ein neues Zielbild auf dem Papier, sondern eine herstellerunabhängige Datenschicht über die bestehende Flotte.
Damit lassen sich Asset-, Zustands- und Nutzungsdaten vereinheitlichen, ohne die gesamte Serviceorganisation neu aufzusetzen. Gerade in Salesforce ist das für Serviceleiter und Geschäftsführung interessant, weil eine saubere installierte Basis spätere Prozesse in Vertrieb, Service und Abrechnung auf dieselbe Datengrundlage stellt.
Ein sinnvoller Einstieg folgt meist drei Schritten:
- zuerst die installierte Basis strukturieren
- dann priorisierte Asset-Gruppen vernetzen
- danach vertragsreife KPIs und Preislogik festlegen
Ein Installed Base Assessment zeigt, wo die Datenlage heute steht, welche Assets schon für abrechenbare Services taugen und an welchen Stellen Lücken geschlossen werden müssen. So wird aus einer strukturierten installierten Basis Schritt für Schritt ein Serviceportfolio, das sich auch wirtschaftlich trägt.
Zwei pragmatische Wege für den Einstieg:
- Installed Base Assessment – wenn Sie klären wollen, welche Assets heute schon für abrechenbare Services taugen und wo Datenlücken bestehen.
- Erstgespräch – wenn Sie Ihr gestuftes Servicemodell und die passende Preislogik für Ihre Flotte konkret durchsprechen wollen.
FAQs
Wie starte ich mit der Monetarisierung digitaler Services?
Starten Sie mit einer belastbaren Datenbasis je Asset. Erst wenn Verbrauch, Zustand und Nutzung je Maschine messbar vorliegen, können Sie digitale Services sauber abgrenzen, wirtschaftlich bewerten und nachvollziehbar bepreisen. Darauf bauen gestufte Service-Angebote auf. In der Praxis reicht die Spanne von Konnektivität und Datenbereitstellung über Monitoring und Analytics bis hin zu Managed Services oder Outcome-basierten Verträgen. Ohne diese Datengrundlage bleibt die Abrechnung oft angreifbar, und der Nutzen für den Kunden lässt sich nur schwer belegen. Die Digitale Maschinenakte (IOTAM) schafft die Basis, weil sie Informationen je Asset bündelt und im Tagesgeschäft nutzbar macht. In Salesforce lassen sich diese Daten dann mit Serviceprozessen, Verträgen und Installationsdaten verknüpfen. Als Leitlinie hilft das Modell Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Für Diagnose, Prognose oder Claims ist Service Decision Intelligence (SDI) als Entscheidungsschicht dort sinnvoll, wo Empfehlungen nachvollziehbar sein müssen – mit Quellennachweis, EU-konformer Datenhaltung auf Kundeninfrastruktur und einem LLM-agnostischen Ansatz über MCP/BYOM.
Welche KPIs eignen sich für Outcome-based Service?
Geeignet sind KPIs, die das Ergebnis je Asset messbar machen. Sie schaffen die Basis für Abrechnung und Forecast. Typisch sind Kennzahlen zu Verfügbarkeit, Energieeffizienz, Wartungsintervallen sowie zu Verbrauchs- und Zustandsdaten. Entscheidend ist die Belastbarkeit pro Asset, weniger die Menge der Daten. Wenn Messwerte fehlen, Zeitstempel nicht passen oder Quellen nicht sauber zugeordnet sind, wird jede Abrechnung angreifbar und jeder Forecast unsicher. In der Praxis brauchen Sie pro Asset eine nachvollziehbare Datenbasis, die technisch und kaufmännisch trägt. Genau hier setzt die Digitale Maschinenakte (IOTAM) an: Sie bündelt die relevanten Informationen je Maschine und schafft damit die Grundlage, um KPIs in Salesforce sauber für Service, Abrechnung und Planung zu nutzen. Kommen später nutzungs- oder ergebnisbasierte Modelle dazu, müssen Sie nachweisen können, welcher Wert wann an welchem Asset entstanden ist.
Wann ist meine installierte Basis vertragsreif?
Ihre installierte Basis ist dann vertragsreif, wenn für jedes Asset belastbare Verbrauchs- und Zustandsdaten vorliegen. Erst auf dieser Grundlage lassen sich Leistungen, Ergebnisse und Abrechnung sauber vertraglich festlegen. Die Voraussetzung dafür ist ein tragfähiges Datenfundament. In der Praxis folgt es einem klaren Reifegradmodell: Digitalisieren → Vernetzen → Entscheiden → Automatisieren. Darauf baut jede Form der Monetarisierung auf. Ein Installed Base Assessment zeigt, wie weit Ihre Flotte auf diesem Weg heute ist und welche Assets schon für abrechenbare Services taugen.
