Suchen

Heydelberger Maschinelle Lernverfahren – Schlüsseltechnologien für die gesamte Wertschöpfungskette

| Autor / Redakteur: Michael W. Stiller / Kathrin Schäfer

Die Evolution der Datenanalytik schreitet in hohem Tempo voran. Sie hat das Potenzial, die Art und Weise, wie Medizintechnikhersteller Werte schaffen, fundamental zu verändern.

Firmen zum Thema

Maschinelle Lernverfahren könnten zu Schlüsseltechnologien für die gesamte Wertschöpfungskette werden.
Maschinelle Lernverfahren könnten zu Schlüsseltechnologien für die gesamte Wertschöpfungskette werden.
(Bild: ©Patrick P. Palej - stock.adobe.com)
  • Industrie 4.0, wachsende Datenmengen und selbstlernende Systeme
  • Potenziale entdecken und Geschäftsveränderungen vorantreiben
  • Medical Device Regulation (MDR) und Unique Device Identification (UDI)
  • Predictive Maintenance und Steigerung der Produktqualität

Dabei ist maschinelles Lernen – das computergestützte Erkennen von Mustern in Daten – grundsätzlich keine neue Technologie. Analyseverfahren mit Fehlerrückführung existieren bereits seit den 80er Jahren. Heute wird maschinelles Lernen als eine Schlüsseltechnologie für die gesamte Wertschöpfungskette in jedem volkswirtschaftlichen Sektor bezeichnet. Was hat sich verändert?

Erstens gibt es schnellere Computerprozessoren und größere Datenspeicher. Mit handelsüblichen Computern, die über eine performante Grafikkarte verfügen, ist es heute im Vergleich zu damals möglich, maschinelle Lernverfahren auf große Datenmengen anzuwenden. Zweitens wurden die Architekturen weiterentwickelt. Die Programme sind in der Lage, selbstständig aus Datenbeständen zu lernen und zuvor trainierte Modelle ohne menschliche Intervention entsprechend anzupassen. Drittens wächst das globale digitale Datenvolumen seit geraumer Zeit exponentiell. Günstige Sensoren sowie die fortschreitende Vernetzung – Stichwort Industrie 4.0 – forcieren in den nächsten Jahren zusätzlich das Wachstum der Datenströme. Während traditionelle Analysemethoden bei großen Datenbeständen an ihre Grenzen stoßen, profitieren maschinelle Lernverfahren von umfangreichen Datensätzen.

Bildergalerie

Mit maschinellen Lernverfahren lässt sich der Ertrag maximieren

Den Ertrag maximieren, den Aufwand minimieren: Maschinelle Lernverfahren sind Werkzeuge, die dabei helfen, Optimierungsprobleme zu lösen. Sie erzielen in vielen Anwendungsbereichen höhere Prognosegenauigkeiten als traditionelle statistische Heuristiken. Der Fokus liegt jetzt darauf, die Technologie effektiv einzusetzen, um Potenziale zu entdecken und strukturelle Geschäftsveränderungen voranzutreiben. Das bedeutet nicht, dass sich Medizintechnikhersteller zu Technologieunternehmen transformieren oder innovative Algorithmen entwickeln müssen. Aber es wird immer wichtiger, die Möglichkeiten moderner Analytik so einzusetzen, dass die individuellen Leistungsindikatoren der Organisation nicht nur gestärkt, sondern in neue Richtungen weiterentwickelt werden. Die zentrale Herausforderung für das Top-Management besteht darin, die Möglichkeiten der Methoden und damit einhergehend die Auswirkungen für das eigene Geschäftsmodell zu verstehen sowie entsprechende Entwicklungsprojekte zu initiieren. Es reicht nicht aus, die Lösungen komplett den technischen Experten zu überlassen. Erstens beeinflussen die Maßnahmen die langfristige Wettbewerbsfähigkeit des Unternehmens. Sie sind somit eindeutig dem Aufgabenbereich der strategischen Leitung zuzuordnen. Zweitens wird der Medtech-Sektor wie kaum ein anderer durch regulatorische Anforderungen beeinflusst. Dementsprechend sind holistische Lösungsansätze zwingend erforderlich.

Mit maschinellen Lernverfahren lassen sich die Herausforderungen der Medtech-Branche meistern

Nachfolgend werden unterschiedliche praxisnahe Anwendungssysteme maschineller Lernverfahren skizziert, um einen Eindruck zu vermitteln, wie sich Medizintechnikhersteller zukünftig im globalen Wettbewerb differenzieren können. Im Fokus der Betrachtung stehen Systeme, die helfen, das Kundenverhalten besser zu verstehen. Darauf aufbauend können ideal abgestimmte Produkte, Dienstleistungen und Werbemaßnahmen entwickelt werden. Zum anderen werden Lösungen zur Optimierung der internen Prozesse beschrieben. Dieser Aspekt ist insbesondere vor dem Hintergrund des steigenden Verwaltungsaufwands der EU-MDR-Anforderungen relevant. Die durch den internationalen Preisdruck bereits angespannte Gewinnsituation der letzten Jahre wird künftig durch Kosten der regulatorischen Änderungen zusätzlich belastet.

Kundensegmentierung: Das Programm erstellt für Dateninstanzen, die gemeinsame oder ähnliche Merkmale aufweisen, differenzierte Gruppenkategorien. Dies ermöglicht es, die Kunden auf der Grundlage von demografischen Daten oder des Kaufverhaltens zu kategorisieren. In der Praxis werden Kundensegmentierungen insbesondere für Absatzinitiativen, wie zum Beispiel verhaltensbasierte individuelle Werbeansprachen genutzt. Sie können aber auch Aufschluss darüber geben, für welche Kunden ein erhöhtes Abwanderungsrisiko besteht, um proaktiv Gegenmaßnahmen einzuleiten.

Buchtipp „Industrieroboter“ Der neue Leitfaden „Industrieroboter" unterstützt KMU schrittweise bei der Einführung von Robotersystemen – von der Konzeption und Planung bis hin zur Integration. Dabei werden nicht nur die wichtigsten Grundlagen der Robotertechnik erläutert, sondern auch praktische Methoden vorgestellt, anhand derer bewertet werden kann, ob sich Produkte oder Prozesse durch den Einsatz von Robotern automatisieren lassen. Das Fachbuch „Industrieroboter“ kann hier versandkostenfrei oder als E-Book bestellt werden.

Empfehlungssystem: Wer schon einmal bei Amazon bestellt hat, ist mit diesem Algorithmus vertraut. „Kunden, die diesen Artikel gekauft haben, haben auch diese Artikel gekauft.“ Gemäß einer Studie von McKinsey erzielt Amazon über ein Drittel des Gesamtumsatzes durch Produktempfehlungen. Sofern Medizintechnikhersteller über ein solides CRM- oder ERP-System sowie granulare Absatzdaten verfügen, gibt es keinen Grund, weshalb sie diese Technik nicht gewinnbringend einsetzen können. Ideal wirken Empfehlungssysteme in Online-Shops oder webbasierten Anwendungen. Es ist aber ebenfalls möglich, den eigenen Direktvertrieb durch gleichartige interne Werkzeuge zu unterstützen.

Vorausschauende Wartung: Die Motivation besteht darin, anhand kontinuierlicher Sensordaten den optimalen Zeitpunkt der Maschinenwartung zu prognostizieren. Außerdem können Systeme dieser Art überprüfen, ob bestimmte Messwerte ungewöhnlich sind. Derartige Modelle werden mit historischen Datensätzen trainiert. Diese enthalten beispielsweise Vibrationswerte von Maschinen, die aufgrund von Materialverschleiß nicht mehr ihre volle Leistung erbringen konnten. Auf dieser Basis werden aktuelle Messwerte in Echtzeit mit dem gelernten Modell verglichen. Das Programm analysiert, ob die Sensordaten darauf schließen lassen, dass Maschinen ineffizient arbeiten.

Produktqualität: Infolge der EU-MDR ist es zukünftig erforderlich, einzelnen Produkten eine Unique Device Identification (UDI) zuzuordnen. Ziel ist die Nachverfolgbarkeit der Medizinprodukte vom Hersteller bis zum Anwender. Warum nicht einen Schritt weiter gehen? Durch die Integration von Sensoren in den Erzeugnissen können reale Nutzungsdaten für Verbesserungen gesammelt werden. Darauf aufbauend ist der Zugriff auf Produktdaten sowohl für Medizintechnikhersteller als auch deren Kunden möglich. Welche Merkmale beeinflussen die durchschnittliche Nutzungsdauer der Produkte? Wie oft werden Instrumente vor der Entsorgung aufbereitet? Sensordatenanalytik ist eine Kernkomponente der Industrie 4.0 und vielseitig einsetzbar.

Jede Analyse muss zielgerichtet sein

Die Beispiele stellen nur eine limitierte Methodenauswahl dar. Jeder Lösungsansatz ist so individuell wie das Unternehmen. Der wichtigste Aspekt besteht für Medizintechnikhersteller darin, sich auf Verfahren zu konzentrieren, die dazu beitragen, die spezifischen Wertgeneratoren der Organisation zu verbessern. Analytik ohne Zweck ist im Wirtschaftskontext wertlos. Für herstellende Betriebe ist es unabdingbar, dass Produktionsanlagen und Fertigungsmaschinen mit der Zeit durch effizientere Modelle ersetzt werden, um wettbewerbsfähig zu bleiben. Ein vergleichbarer Sachverhalt liegt jetzt im Bereich der Datenanalytik vor.

Lesen Sie auch

Weitere Artikel zu Managementthemen für Medizintechnikfirmen finden Sie in unserem Themenkanal Management.

Fachbuch „Industrie 4.0“Das Fachbuch „Industrie 4.0: Potenziale erkennen und umsetzen" bietet Professionals einen umfassenden und praxisorientierten Einblick in die Digitalisierung von Fertigung und Produktion. „Industrie 4.0“ kann hier versandkostenfrei oder als E-Book bestellt werden.

* Der Autor: Michael W. Stiller ist Geschäftsführender Gesellschafter der Heydelberger GbR.

(ID:45763509)