Marktanalyse zur Entwicklung eines Rasenmäh-Roboters für den Rebenunterstockbereich für die Marke Fendt der AGCO Corporation

MBS Smart Farming

Die Landwirtschaft hat sich in den letzten Jahrzenten sehr verändert: Zunehmend mehr Landwirte benutzen Sensoren, GPS und Big-Data-Analysen und arbeiten somit effizienter. Es kommt zu einer Digitalisierung der Landwirtschaft.[1] Diese „Landwirtschaft 4.0“ ermöglicht es, ressourceneffizient zu arbeiten, gleichzeitig fördert sie die Transparenz. Laut einer Studie des Digitalverbands Bitkom, die in Zusammenarbeit mit dem Deutschen Bauernverband (DBV) durchgeführt wurde, integriert bereits jeder zweite Landwirt digitale Lösungen in seine Arbeitsabläufe.[2]

Mit einem Anwendungsbereich digitaler Technologie in der Landwirtschaft – dem Weinbau – beschäftigt sich die Bachelorarbeit von Sophie Maria Marschall Carreras:

Im Weinbau ist der Rebenunterstock der Bereich zwischen einem Rebstock und seinem Nachbarstock. Im Rebenunterstock wächst Gras, das entfernt werden muss. Der Rebenunterstock kann per Handarbeit mittels eines Fadenmähers oder einer Sense gesäubert werden, eine weitere Möglichkeit bieten Bürstengeräte, die am Traktor befestigt werden und das Gras entfernen. Falls das Bürstengerät nicht präzise eingesetzt wird, kann der Rebstock allerdings beschädigt werden.

Eine Lösung für die zeitaufwendige Rebenunterstockpflege wäre ein autonom fahrender Rasenmäh-Roboter; dieser würde mittels eines Messers die Gräser entfernen. Er wäre die ökonomischste, ökologischste sowie zeitsparendste Alternative. Ein derartiger Roboter benötigt keine Beaufsichtigung, sondern agiert autonom; es bedarf dabei nur einer Anfangsinvestition.

AGCO Prototype
Prototyp eines Rasenmäh-Roboters für den Einsatz im Weinbau. © Fendt/AGCO Corporation

Kundenanforderungen und technische Merkmale

Ziel der Bachelor-Arbeit von Sophie Maria Marschall Carreras war es, mögliche Kundenanforderungen an den Rasenmäh-Roboter zu ermitteln. Zu Beginn hat sie eine Marktanalyse als Teil einer Marktforschung durchgeführt; anschließend wurden mittels Quality Function Deployment die Kundenanforderungen in technische Merkmale übersetzt. Dieser Prozess ermöglichte es, ein klares Bild bezüglich der Kundenanforderungen, deren Umsetzbarkeit sowie des Wettbewerbs zu erstellen. Die Kundenanforderungen wurden zu Rahmenbedingungen, an die sich die Ingenieure während der Entwicklung hielten.

Folgende Forschungsfragen sind Bestandteil der Bachelor-Arbeit:

Forschungsfrage 1: Welche Marktchancen gibt es für die Innovation Rasenmäh-Roboter für den Rebenunterstockbereich?

Die weltweite Rebfläche nimmt insgesamt konstant leicht zu. Knapp 50 % davon verteilen sich auf fünf Länder: Im Jahr 2014 hatte Spanien mit 1.030.000 ha die größte Rebfläche weltweit, gefolgt von China mit 799.000 ha und Frankreich mit 792.000 ha. Den vierten Platz belegte Italien mit 690.000 ha, Deutschland lag mit 102.000 ha Rebfläche auf Platz 14.[3] Zu erwähnen ist, dass der Konsum sowie der Import-Export von Wein laut der OIV – Organisation de la Vigne et du Vin ebenfalls steigen.

Forschungsfrage 2: Anhand des Quality Function Deployment werden die Rahmenbedingungen für den FendtAGCO Corporation Rasenmäh-Roboter festgelegt. Welche Anforderungen sind für die Winzer ausschlaggebend und wie können diese am besten umgesetzt werden?

Quality Function Deployment ist eine „kundenwunsch-orientierte Produktplanungsmatrix“.[4] Im Vordergrund des Quality Function Deployment „stehen die Kundenorientierung und die durchgängige Übertragung der Kundenbedürfnisse auf die unternehmerischen Prozesse.“[5]

Im House of Quality, einem Instrument des Quality Function Deployment, werden die Kundenanforderungen an das Produkt genau aufgelistet und mittels der Zahlenwerte 0-3-6-9 (0 ist der schlechteste Wert, 9 der beste) bewertet. Die wichtigste Funktion des HoQ ist es, die Stimme der Kunden, ergo die Anforderungen, in die Stimme der Ingenieure, die technischen Merkmale, zu übersetzen. Für die verschiedenen Kundenanforderungen werden Funktionen ausgearbeitet, die die Anforderungen erfüllen sollen. Die verschiedenen Funktionen werden mit den o. g. Zahlenwerten von 0-3-6-9 bewertet; diese sollen darstellen, wie einflussreich die verschiedenen Funktionen bei der Erfüllung der Anforderungen sind. Dies ermöglicht es, überflüssige Funktionen zu identifizieren, was wiederum das Produkt verbessert, da die Kernkonzentration ausschließlich bei den Funktionen liegt, die für den Kunden ausschlaggebend sind.[6]

Ein weiteres Ergebnis des Munich Business School Connected Vehicle Lab

Die Bachelorarbeit von Sophie Maria Marschall Carreras ist ein weiteres Ergebnis des MBS Connected Vehicle Lab. Das Lab ist eine Forschungs- und Ausbildungseinrichtung und wird von einem Kernteam aus Wissenschaftlern und Vertretern von Industrieunternehmen vorangetrieben, basierend auf Vertrauen und positiven Wertbeiträgen. Die studentische Ausbildung ist einer der Kernbeiträge des MBS Connected Vehicle Lab; andere Formen der Ausbildung sind ebenfalls möglich – etwa die Weiterbildung von Führungskräften. Das Lab folgt den Prinzipien von „Open Innovation“, die didaktischen Methoden umfassen „Action Learning“ ebenso wie „Case Based Research“; dabei befördern agile Methoden und Ansätze wie „Innovation Scrum“ oder „Lean Start-up“ die Aktivitäten. Das MBS Connected Vehicle Lab hat zudem das Ziel, Transparenz bezüglich der aktuellen Situation der vernetzten Mobilität zu schaffen, mögliche Szenarien und Roadmaps für die weitere Entwicklung aufzuzeigen sowie Handlungsfelder und Lösungen für Anbieter abzuleiten.

 

[1] O.V. (2015). Intelligent Ackern. In VDI Nachrichten. Nr. 45. November. S.1. Abgerufen von: http://www.vdi-nachrichten.com/Technik-Gesellschaft/Intelligent-ackern.
[2] O.V. (2017). Jeder zweite Landwirt nutzt digitale Technologien. In Macronomy.de. Februar. Abgerufen von: https://www.marconomy.de/digital/articles/580875/.
[3] Organisation de la Vigne et du Vin (2016). Weltkonjunkturbericht. In Organisation de la Vigne et du Vin. S.3f. Abgerufen von: http://www.oiv.int/public/medias/4713/oiv-noteconjmars2016-de.pdf.
[4] Brunner, Franz J. (2014). Japanische Erfolgskonzepte. Hrsg. Brunner, Franz J., München: Carl Hanser. S. 3. Abgerufen von: https://books.google.de/books?hl=de&lr=lang_de&id=RJ2lAwAAQBAJ&oi=fnd&pg=PR5&dq=Yoji+akao&ots=Nlh8e_dw1F&sig=gvoYe8RXjAwfxwPW4Pzbc1EGedg#v=onepage&q=Yoji%20akao&f=false.
[5] Zollondz, Hans-Dieter (2011). Grundlagen Qualitätsmanagement, Einführung in Geschichte, Begriffe, Systeme und Konzepte. 3. Auflage. München: Oldenburg. S.131.
[6] Pfeifer, Tilo & Schmitt, Robert, (2014). Masing Handbuch Qualitätsmanagement. München: Carl Hanser. S.444ff.

Prof. Dr. Hans H. Jung
Über Prof. Dr. Hans H. Jung 42 Artikel
Hans H. Jung ist seit 2012 Professor für das Lehrgebiet Marketing an der Munich Business School. Nach seiner Promotion war Jung mehrere Jahre als Manager und Berater für Premium-Automobilhersteller im In- und Ausland tätig. Seit 2011 arbeitet er als Senior Manager bei der Managementberatung UNITY AG.
MBS Sophie Maria Marschall Carreras
Über Sophie Maria Marschall Carreras
Sophie Maria Marschall Carreras is a 2016 Bachelor International Business graduate of Munich Business School.
Leo von Stillfried AGCO
Über Leo von Stillfried
Leo von Stillfried is Director Product Management Platform at AGCO Corporation, and served as the company supervisor of the Bachelor thesis.