Von Produkt zur Lösung: Wie Industrieunternehmen ihr Pricing neu denken müssen

Viele Industrieunternehmen haben in den vergangenen Jahren viel Zeit und Geld in die technische Basis fürs Lösungsgeschäft gesteckt: Die Maschinen sind vernetzt, Sensordaten laufen zusammen, Flottenanalysen und Cloud-Plattformen stehen bereit. Wenn wir uns dann gemeinsam mit den Unternehmen anschauen, was davon tatsächlich im Umsatz angekommen ist, fällt das Ergebnis oft überraschend dünn aus. Moderne Maschinen schaffen ihren Wert im Betrieb, bezahlt werden sie aber meist noch beim Kauf. Aus unserer Erfahrung liegt das selten nur am Preismodell. Die stärkere Erklärung ist das kommerzielle Modell (Commercial Model) als Ganzes: Angebot, Preislogik und kommerzielle Organisation sind nicht gemeinsam weiterentwickelt worden. Man möchte Maschine, Service und Software heute als ein gemeinsames Angebot verkaufen, rechnet aber noch so ab wie vor 20 Jahren, nach Stundensätzen für Serviceeinsätze, pro Einzelprojekt oder mit einem Aufschlag auf die eigenen Kosten. Und im Vertrieb wird weiterhin nur der einzelne Abschluss belohnt, nicht aber Nutzung, Profitabilität oder Verlängerung. Erkennt ihr euch darin wieder? Dann lohnt es sich, genauer hinzuschauen, wie aus eurem Produkt eine Lösung wird, die sich auch kommerziell auszahlt.

Warum aus einer guten Maschine noch keine Lösung wird

Für viele Maschinenbauer liegt die kommerzielle Herausforderung darin, Maschine, Software und Service gemeinsam zu monetarisieren. Der Maschinenbauer verkauft eine Maschine, die mit Software läuft, und die eigentliche Frage ist, wie man beides gemeinsam in den Preis bekommt: Verkauft man die Maschine und gibt die Software dazu, oder macht man aus beidem ein gemeinsames Angebot?

Genau dieses gemeinsame Angebot ist eine Lösung, eine Solution: Sie verbindet Leistungen zu einem Angebot, das ein konkretes Kundenproblem löst. Vom Bundle unterscheidet sie sich in zwei Punkten: in der Verantwortung und in der Bezahlung.

• Ein Bundle aus Maschine, Softwarelizenz und Servicevertrag wird einmal bei der Abnahme geprüft. Danach liegt das Risiko beim Kunden, und alles, was sich bei der Abnahme nicht testen lässt, wird mit der Zeit oft kostenlos mitgeliefert.
• Bei einer Lösung übernimmt der Anbieter die Verantwortung für das Zusammenspiel und die vereinbarte Leistung, und der Kunde bezahlt für das, was die Anlage tatsächlich leistet. Eine Lösung muss ihren Wert deshalb an jedem Tag beweisen, an dem sie läuft.

Kunden zahlen für Verbesserungen bei vier Dingen: Verfügbarkeit, Output, Qualität und Kosten.

Ein Hersteller kann in der Regel mindestens einen dieser Hebel bewegen. Nach unserer Beobachtung wird davon in vielen Unternehmen bislang wenig monetarisiert. Die Fähigkeit liegt ungenutzt in der Organisation, und sie taucht in keinem Preis auf.

Predictive Maintenance: technisch ein Erfolg, kommerziell oft nicht

Wie groß die Lücke zwischen Technik und kommerziellem Modell sein kann, zeigt ein Beispiel, das viele von euch aus eigener Erfahrung kennen. Bei Predictive Maintenance erfassen Sensoren Vibration, Temperatur und Stromaufnahme, Modelle lernen aus der Ausfallhistorie der gesamten Flotte und schätzen, wie lange ein Bauteil noch hält. Der Kunde kann dann in einem geplanten Zeitfenster eingreifen statt mitten in der Schicht. Das Versprechen ist real: weniger ungeplante Stillstände, weniger unnötig getauschte Teile und weniger Ausschuss. Und der Hersteller ist am besten in der Lage, so etwas zu bauen, weil nur eine große Flotte genug Ausfälle liefert, aus denen man lernen kann.

Trotzdem hat es sich kommerziell selten ausgezahlt:

• Der Aufpreis: Nach hohen Investitionen wollten die Hersteller dafür bezahlt werden, über eine einmalige Lizenz, ein Jahresabo oder einen Aufschlag auf die Hardware.
• Die Antwort der Kunden: Viele Kunden fragten: „Das senkt eure Servicekosten, warum soll ich mehr zahlen?“ Unausgesprochen kam ein zweiter Einwand dazu: „Ich kann das gar nicht überprüfen.“
• Warum der Kunde es nicht überprüfen kann: Eine Maschine wird bei der Abnahme geprüft, danach liegt das Risiko beim Kunden. Der Nutzen von Predictive Maintenance entsteht aber erst später, über Jahre im Betrieb, und er hängt davon ab, wie der Kunde die Maschine fährt. Außerdem besteht der Nutzen aus einem Ausfall, der nicht passiert. Über eine ganze Flotte sieht man, dass Ausfälle seltener werden. Ein Kunde mit zwei Maschinen sieht in einigen Jahren eine Handvoll Ausfälle und kein Muster.
• Der Zielkonflikt im eigenen Haus: Der Vertrieb wurde am Maschinenumsatz gemessen und nutzte die Funktion als Argument, um den Auftrag zu gewinnen. Der Service verdient an Ersatzteilen und Arbeitsstunden und sollte ein Produkt vorantreiben, das genau beides senkt. Und die Digitaleinheit, die die Funktion entwickelt hatte, besaß weder den Kundenkontakt noch eine Ergebnisverantwortung.

Das Ergebnis: In den meisten Fällen, die wir beobachtet haben, wurde Predictive Maintenance kostenlos zur Maschine dazugegeben, als Zeile im Datenblatt. An der Technik lag das nicht.

Wie es funktionieren kann, zeigt Kaeser mit SIGMA SMART AIR. Der Kunde besitzt und betreibt seine Druckluftstation selbst. Kaeser übernimmt den kompletten Wartungsservice, mit allen Reparaturen, Fernüberwachung und eingebauter Predictive Maintenance. Der Kunde zahlt einen festen Preis pro 1.000 Kubikmeter Druckluft, die seine Station erzeugt. Er kauft also eine zuverlässige Versorgung zu bekannten Kosten und keine Vorhersage. Für Kaeser senkt jeder vermiedene Ausfall die eigenen Servicekosten. Der Einwand, dass die Funktion nur dem Hersteller Kosten spart, fällt damit weg, denn die eigenen Servicekosten zu senken, ist jetzt genau Kaesers Aufgabe.

Die drei Fragen, die entscheiden, ob ihr für euren Wert bezahlt werdet

Hinter dem Predictive-Maintenance-Fall stehen drei Fragen, die jedes Angebot beantworten muss, bevor es um die Höhe eines Preises geht. Sie entscheiden, wie belastbar sich Wert nachweisen, bepreisen und vertraglich absichern lässt, und damit, ob ihr den Wert, den ihr schafft, auch bezahlt bekommt. Jede offene Frage ist ein Grund, warum der Kunde nicht zahlt oder nur mit hohem Abschlag.

Frage 1: Können sich beide Seiten darauf einigen, was sich verbessert hat und um wie viel?

Messbarkeit schafft die handelbare Einheit. Für outputabhängige Preise braucht es eine eindeutig definierte Abrechnungseinheit: eine Menge, die beide Seiten zählen können, ohne einander vertrauen zu müssen. Ohne sie lässt sich kein Vertrag schreiben und kein Preis bilden. Ein fehlerfrei gefertigtes Teil, ein Kubikmeter Druckluft zu vereinbartem Druck, eine Betriebsstunde: Eine solche Einheit ist die Voraussetzung für alles, was folgt. Fehlt sie, fragt der Kunde zu Recht: Woher sollen wir wissen, was sich verbessert hat?

Frage 2: Lässt sich der Beitrag des Anbieters von allem trennen, was der Kunde selbst beiträgt?

Diese Frage überspringen nach unserer Erfahrung viele Hersteller. Ohne Zuordnung (Attribution) schreibt der Kunde das Ergebnis seinem eigenen Team zu. Beweisen lässt sie sich selten, denn keine Analyse trennt sauber den Beitrag des Anbieters von dem der Bediener, des Materials und der Planung beim Kunden. Es gibt zwei Wege: Entweder übernimmt der Anbieter so viel vom Prozess, dass klar ist, wer das Ergebnis verursacht hat. Oder beide Seiten vereinbaren Vergleichsmaßstäbe und Regeln, an denen sie sich orientieren. In beiden Fällen braucht es Qualitätskriterien und Regeln für Abweichungen.

Frage 3: Wer trägt das Risiko, wenn das Versprechen nicht eintrifft?

Das Risiko wandert dorthin, wo es getragen werden kann. Der Anbieter übernimmt das Risiko für Leistung und Prozessqualität, weil er beides beeinflusst und über eine Flotte hinweg bepreisen kann. Der Kunde behält das Risiko für Nachfrage und Auftragsvolumen, weil nur er beides steuert. Risiken sollten nach Einflussmöglichkeiten und Tragfähigkeit verteilt werden. Ein Versprechen, für das niemand einsteht, wird stark abgewertet oder gar nicht bezahlt.

Die Pricing-Treppe: vom Feature-Aufpreis bis zum Preis für den Output des Kunden

Die drei Fragen entscheiden, ob ihr für euren Wert bezahlt werdet. Welches Preismodell dafür passt, zeigt die Pricing-Treppe mit ihren fünf Stufen. Mit jeder Stufe rückt die Preismetrik, also das, wofür der Kunde genau bezahlt, näher an den Wert für den Kunden, und mit jeder Stufe übernimmt der Anbieter mehr Ergebnisverantwortung. Welche Stufe passt, hängt vom Nutzen für den Kunden, von euren Möglichkeiten, seinen Prozess zu kontrollieren, und von der Wirtschaftlichkeit des Modells ab. Für die Wahl der Preismetrik gilt dabei eine Regel mit zwei Hälften:

• Richtung: Bepreist eine Metrik, die sich mit dem Wert für den Kunden bewegt.
• Grenze: Geht damit nur so weit, wie eure Kontrolle reicht. Wo sie endet, bleibt ihr eine Stufe tiefer und akzeptiert eine schwächere Metrik.

Keine Stufe ist per se besser als ihre Nachbarstufe, und die oberste ist nicht automatisch das beste Ziel. Je höher ihr geht, desto näher seid ihr am Wert des Kunden und desto leichter lässt sich ein Anteil daran beanspruchen. Gleichzeitig wird das Geschäft für eure Organisation anspruchsvoller.

Was hinter den Beispielen steckt und warum die Anbieter auf ihrer Stufe bleiben:

• Feature-Aufpreis (Stufe 0): Er kann die richtige Wahl sein, wenn der Zusatznutzen verständlich ist. Problematisch wird er, wenn der Kunde für ein Versprechen zahlen soll, das er weder messen noch einfordern kann, wie bei Predictive Maintenance.
• Hilti Fleet Management (Stufe 1): Bauunternehmen zahlen eine feste monatliche Gebühr für ihren Gerätepark. Reparaturen, Wartung und Leihgeräte während der Reparatur sind enthalten, bei Diebstahl übernimmt Hilti bis zu 80 Prozent der Kosten. Höher geht Hilti nicht, weil niemand eine fertige Wand auf einen Bohrhammer zurückführen kann.
• Power by the Hour (Stufe 2): Airlines zahlen bei Rolls-Royce, heute unter dem Namen TotalCare, einen festen Betrag pro Flugstunde eines Triebwerks. Rolls-Royce übernimmt dafür die Wartung und die damit verbundenen Risiken. Für eine Airline ist die Flugstunde das eigentliche Produkt, die Metrik bewegt sich also schon mit dem Wert.
• Sigma Air Utility (Stufe 3): Kaeser plant, installiert und betreibt eine eigene Druckluftstation im Werk des Kunden, der nur die tatsächlich abgenommene Druckluft pro Kubikmeter zahlt. Anders als bei Sigma Smart Air gehört die Station also Kaeser. Betriebsstunden würden nicht passen, weil drehzahlgeregelte Kompressoren in derselben Stunde sehr unterschiedlich viel Druckluft erzeugen. Die Kontrolle endet aber an der Station und reicht nicht bis in die Produktion des Kunden, deshalb geht Kaeser nicht weiter.
• Trumpf (Stufe 4): Der Anbieter übernimmt die Produktion des Kunden selbst. Den Fall schauen wir uns im Folgenden genauer an.

Pay-per-good-part bei Trumpf: So funktioniert Outcome-based Pricing in der Praxis

Trumpf, Hersteller von Laserschneidanlagen, hat mit dem TruLaser Center 7030 genau diese oberste Stufe der Treppe umgesetzt: Outcome-based Pricing, bei dem der Kunde für das Ergebnis bezahlt und nicht für die Maschine.

Zunächst kurz zur Maschine: Das TruLaser Center 7030 automatisiert die gesamte Prozesskette in der Blechbearbeitung, vom Materiallager über Programmierung und Laserschneiden bis zum Sortieren der fertigen Teile. Je nach Konfiguration kostet es bis zu zwei Millionen Euro. Interessant wurde es, als bei Trumpf auffiel, dass die Kunden kaum noch nach der Schnittgeschwindigkeit fragten. Sie wollten wissen, wie sich die Maschine in ihre Produktion einfügt. Ob sich die Investition lohnt, hängt nämlich von den eigenen Bedienern, Programmierern und der Prozesssteuerung des Kunden ab. Der Wert der Maschine liegt im Betrieb, wie bei Predictive Maintenance.

Pay-per-good-part setzt genau hier an: Der Kunde kauft oder least die Maschine nicht, er zahlt nur für jedes gute Teil, das sie schneidet und sortiert. Aus einer Investition werden laufende Kosten.

Die Aufgaben sind dabei klar verteilt:

• Trumpf stellt die Maschine mit Materiallager und Software bereit und liefert das Material. Aus seinem Remote-Leitstand übernimmt Trumpf Produktionsplanung, Programmierung und Wartung, und jedes Teil wird erfasst.
• Munich Re: Trumpf arbeitet dafür mit Munich Re als Partner zusammen. Der Kunde bekommt die Anlage in seine Halle, ohne sie selbst kaufen zu müssen.
• Der Kunde verpflichtet sich zu einer vereinbarten Mindestauslastung und sorgt für die Aufträge, die die Anlage auslasten.

Fällt ein Teil fehlerhaft aus, trägt Trumpf den Verlust, nicht der Kunde.

Legt man Pay-per-good-part neben Predictive Maintenance als Aufpreis und prüft beide Fälle mit den drei Fragen von oben, wird deutlich, warum das eine Modell funktioniert und das andere nicht:

Sind alle drei Fragen beantwortet, passiert etwas Zweites: Die Anreize von Anbieter und Kunde laufen von selbst in dieselbe Richtung, ohne zusätzliche Vertragsklauseln. Das ist keine vierte Frage, es folgt aus den drei anderen. Bei Trumpf ist Ausschuss der eigene Verlust und ein besserer Prozess die eigene Marge. Fällt die Maschine aus, erfährt Trumpf das sofort und behebt den Fehler im eigenen Interesse so schnell wie möglich.

Warum pro gutem Teil und nicht pro Maschinenstunde?

Trumpf hätte auch pro Maschinenstunde abrechnen können. Das wäre ebenfalls messbar und leichter zu verkaufen gewesen, und das Nachfragerisiko wäre beim Kunden geblieben. Den Ausschlag gibt eine einfache Frage: Wer zahlt, wenn die Maschine läuft, die Teile aber Ausschuss sind? Bei einem Preis pro Stunde der Kunde, bei einem Preis pro gutem Teil der Anbieter. Damit Trumpf im Gegenzug nicht das Risiko trägt, dass Aufträge ausbleiben, verpflichtet sich der Kunde zu einer Mindestauslastung. Genau das meint die Regel von oben: Die Metrik folgt dem Wert, so weit die Kontrolle reicht.

Wer tiefer in den Fall einsteigen will: Im hy Podcast mit Thomas Schneider geht es in zwei Folgen ausführlich um das Modell und den Weg dorthin, auf Spotify und auf SoundCloud.

Der Kuchen wird größer, nicht nur neu verteilt

Der Trumpf-Fall zeigt noch etwas: In einem solchen Modell wird der Wert nicht nur anders verteilt, es entsteht mehr davon. Wer im Pricing arbeitet, weiß: Value-Based Pricing soll beim Kundennutzen ansetzen. In der Industrie endet es in der Praxis oft in einer Auseinandersetzung, mit einem Wertrechner, einem Vergleich der Gesamtbetriebskosten und einem Einkauf, der beides zerlegt. Das hat strukturelle Gründe. Beim Maschinenverkauf wird der Wert einmal geschätzt, bevor ihn jemand gesehen hat, und mit dem Kaufpreis festgeschrieben. Jeder Euro mehr im Preis geht vom Anteil des Kunden ab, also sitzen Anbieter und Kunde an entgegengesetzten Seiten des Tisches.

In einem gut gebauten Lösungsmodell wird der Wert gezählt, wenn er entsteht, und der Anbieter wird bezahlt, wenn er eintritt. Anbieter und Kunde machen den Kuchen gemeinsam größer, statt nur um die Stücke zu verhandeln. Value Pricing ist damit aus unserer Sicht weniger eine Verhandlungsfähigkeit als eine Eigenschaft des Modells.

Am Trumpf-Fall sieht man, woher der zusätzliche Wert kommt. Es gibt drei Quellen:

1. Know-how: Der Anbieter bringt Prozesswissen, Flottendaten und Fachkräfte ein, die der Kunde selbst nur schwer findet, und weil die Nutzungsdaten der gesamten Flotte zu einem Lerneffekt führen, wird die Maschine über die Laufzeit besser. Durch diese Quelle entstehen tatsächlich mehr gute Teile, deshalb ist sie die wichtigste. Sie setzt Messbarkeit und Zuordnung voraus: Erst wenn das Ergebnis gezählt und dem Anbieter zugeordnet werden kann, wird er für Verbesserungen bezahlt, und erst dann lohnt es sich für ihn, sein Know-how einzubringen.
2. Risiko: Das Prozessrisiko trägt nicht mehr jeder Kunde allein. Es liegt beim Anbieter, der es über viele Anlagen bündelt und besser beherrscht, und lässt sich dadurch günstiger tragen.
3. Kapital: Der Kunde muss die Anlage nicht mehr selbst finanzieren. Aus einer Investition werden laufende Kosten, und sein Kapital wird für eine bessere Verwendung frei.

Wann Outcome-based Pricing passt und was es intern verlangt

Der Trumpf-Fall zeigt, wie die oberste Stufe der Pricing-Treppe funktionieren kann: Der Kunde zahlt nicht mehr für die Maschine, sondern für das Ergebnis, das sie liefert. Dieses Outcome-based Pricing ist aber nicht für jedes Unternehmen und jedes Angebot der richtige Weg. Ob es zu euch passt, hängt von sechs Voraussetzungen ab:

1. Ihr kontrolliert den Prozess so weit, dass ihr das Ergebnis garantieren könnt.
2. Der Output ist zählbar und eindeutig.
3. Das Nachfragerisiko lässt sich vertraglich klar trennen und zuordnen.
4. Ihr könnt das Prozessrisiko tragen, auch wenn Ausschuss oder Ausfälle auf eure Kosten gehen.
5. Ihr betreibt den Prozess besser als euer Kunde. Sonst übernehmt ihr nur sein Risiko zu einem höheren Preis, und es entsteht kein zusätzlicher Wert.
6. Die Verbesserung fällt in den Gesamtkosten oder im Umsatz des Kunden ins Gewicht.

Fehlt eine dieser Voraussetzungen, ist es besser, eine Stufe auf der Pricing-Treppe nach unten zu gehen, statt das oberste Modell zu erzwingen.

Doch selbst wenn alle Voraussetzungen erfüllt sind, setzt sich das Modell nicht von allein durch. Die größte Hürde liegt meist im eigenen Haus: Maschinen- und Servicegeschäft verfolgen getrennte Ergebnisrechnungen, der Vertrieb wird für den einzelnen Abschluss belohnt und zieht danach weiter, und der Service verdient an genau den Ersatzteilen und Einsätzen, die eine Lösung reduzieren soll. Genau dieser Zielkonflikt hat schon bei Predictive Maintenance gebremst. Der Wechsel verlangt der eigenen Organisation deshalb viel ab, im Vertrieb, im Service und in der Vertragsgestaltung.

Deshalb sollte man von Anfang an Zeit einplanen und lieber früh anfangen. Die nötigen Fähigkeiten in der kommerziellen Organisation aufzubauen, dauert Jahre, oft länger, als der Markt braucht, um reif zu werden. Wer erst startet, wenn der Markt bereit ist, liegt bereits zurück.

Was sich in der kommerziellen Organisation ändern muss

Der Preis allein reicht nicht. Damit das Lösungsgeschäft funktioniert, muss die gesamte kommerzielle Organisation mitziehen, nicht nur der Vertrieb, und die Anforderungen an sie steigen mit jeder Stufe der Pricing-Treppe. Dafür braucht sie sechs Fähigkeiten:

1. Kundennähe (Customer Intimacy): Ihr kennt das Geschäft eures Kunden, nicht nur eure eigene Maschine: seinen Prozess, seine GuV, seine Bilanz und seine Schmerzpunkte, etwa das gebundene Kapital. Ein Automobilzulieferer will keine Maschine, er will möglichst viele Teile in kurzer Zeit und guter Qualität produzieren. Genau dabei muss die Lösung helfen.
2. Ein Menü an Monetarisierungsoptionen: Für jedes Angebot wählt ihr das passende Preismodell und die passende Metrik, also die passende Stufe auf der Pricing-Treppe. Das Modell wird für das Angebot gebaut und dann für alle Kunden gleich angewendet.
3. Service im Kern: Service ist von Anfang an Teil des Angebots und kein Aftermarket-Geschäft, das erst nach dem Verkauf beginnt.
4. Den Kuchen vergrößern: Das ist die wichtigste Fähigkeit. Beim Maschinenverkauf geht das Risiko mit der Abnahme auf den Kunden über, und der Hersteller hat danach keinen Grund mehr, die Maschine zu verbessern. In einer Lösung verbessert der Anbieter die Wertlieferung über die gesamte Laufzeit, weil jede Verbesserung ihm selbst nutzt.
5. Customer Lifetime Value: Ihr steuert die Kundenbeziehung über viele Perioden statt nur bis zum nächsten Jahresabschluss. Dazu gehört eine feste Person, die jeden Vertrag über die gesamte Laufzeit verantwortet und bei Leistungsproblemen sofort handeln kann, mit der nötigen Entscheidungsbefugnis.
6. Anreize im Einklang: Wenn der Kuchen wächst, gibt es für alle mehr, auch für den Vertrieb. Regelt deshalb klar, wer für Abschluss, Nutzung, Profitabilität und Verlängerung belohnt wird. Solange nur der Abschluss eine Prämie auslöst, verkauft euer Team auch das beste Lösungsgeschäft wie eine einzelne Maschine.

Wie wir Industrieunternehmen beim Übergang von Produkt zu Lösung begleiten

Wir begleiten Industrieunternehmen bei der gesamten kommerziellen Transformation, vom strategischen Narrativ über die Fähigkeiten der kommerziellen Organisation bis zum passenden Preismodell. Die Frage, die uns am häufigsten gestellt wird, „Was ist der richtige Preis für diese Lösung?“, ist zwar berechtigt, reicht aber allein nicht aus. Aus unserer Erfahrung entscheidet vor allem, ob die Organisation bereit ist, gemeinsam mit dem Kunden Wert zu schaffen, statt nur hart über den Preis zu verhandeln.

In der Zusammenarbeit gehen wir dabei in drei Phasen vor:

1. Im Pricing Strategy Setup entwickeln wir gemeinsam mit euch das neue Preismodell und die passende Vertragsarchitektur. Dabei prüfen wir die Wirtschaftlichkeit des Modells gegen eure Kostenstruktur und validieren es mit echten Kunden, bevor ihr es in den Markt tragt.
2. Im Price Model Development übersetzen wir das Modell in konkrete Pakete und legen fest, wer im Vertrag für welches Ergebnis verantwortlich ist.
3. Mit dem Ongoing Implementation Support begleiten wir die Umsetzung bis in den Vertrieb hinein, statt nach dem Konzeptpapier abzureisen. Dabei richten wir Anreize und Verantwortlichkeiten so aus, dass eure Organisation das Modell auch nach unserem Projekt weiterträgt.