Fallstudie: Bottom-Up und Top-Down Ansatz

Zusammenfassung

Das Reporting von ESG-Kennzahlen stellt ein Unternehmen vor einige Herausforderungen. Neben den fachlichen Fragen (was muss/soll eigentlich berichtet werden) gilt es auch die Technische Umsetzung zu betrachten. Ich möchte anhand der vermeintlich einfachen Anforderung „Wie viel CO2 steckt in unserem Produkt“ an ein Produzierendes Unternehmen zwei mögliche technische Ansätze darstellen und diskutieren.

Der erste Ansatz – Bottom-Up – sieht das Produkt bzw. die Produktion als Basis und baut darauf mit Messungen und Berechnungen auf. Hier werden entlang des physischen Prozesses die Einflussgrößen bestimmt, erfasst und bezogen auf die Fragestellung verarbeitet.

Der zweite Ansatz – Top-Down – geht von einer aggregierten Sicht basierend auf Finanzdaten aus, aus der die Produktspezifischen Kennzahlen über Schlüssel abgeleitet werden. Dabei wird ein dem Aufteilen von Gemeinkosten ähnlicher Prozess verfolgt.

Beide Ansätze gehen mit Vor- und Nachteilen einher, die im Folgenden etwas detaillierter beleuchtet werden sollen. Dazu haben wir jeweils eine Demo aufgebaut. Falls Sie Interesse an einer Vorführung der Demo haben, melden Sie sich gern bei uns.

Szenario & Anforderung

Die ESG Reportingpflichten verlangen nicht nur eine Beschäftigung mit den selbst verursachten Treibhausgasemissionen, sondern zusätzlich eine Betrachtung der gesamten Lieferkette. Hier sind nicht mehr nur Unternehmen, die unter die gesetzlichen Regelungen fallen, zur Auskunft verpflichtet, sondern auch deren unmittelbaren und mittelbaren Zulieferer werden von ihren Kunden dazu aufgefordert.

Die vorliegende Fallstudie beschäftigt sich mit der Anfrage:

„Wie viel CO2 steckt in unserem Produkt?“

Der Kunde möchte also von Ihnen wissen, wie groß der spezifische CO2-Fußabdruck Ihrer Produkte ist, um seiner Berichtspflicht nachzukommen.

Die betrachtete Firma produziert verschiedene Produkte auf gleichartigen Maschinen. Dabei kann prinzipiell jedes Produkt auf jeder Maschine gefertigt werden.

Für die bessere Lesbarkeit werden alle Produkte & Materialien in der Mengeneinheit „Stück“ beschrieben. Technisch gibt es dabei keinen Unterschied zu anderen Mengeneinheiten.

Ansatz 1: Bottom-Up

Für diesen Ansatz betrachten wir zwei Teilbereiche, die aus unserer Sicht die größten Herausforderungen bei der Implementierung Bottom-Up darstellen:

1. Ermittlung der Energieeffizienz je Produkt
2. CO2 Eintrag aus dem Rohmaterial

Für die Datenbereitstellung gehen wir davon aus, dass in der Firma folgende Systeme zur Verfügung stehen und durch das BW abgefragt werden können:

1. Manufacturing Execution System (MES), welches Daten zu Fertigungsaufträgen bereitstellt
2. Energiemanagementsystem (EMGS), welches die Zählerstände jeder Maschine protokolliert
3. ERP-System, welches die Stücklisten und Arbeitspläne bereitstellt
4. Ein System, welches Lieferantendaten (CO2-Fußabdrücke) abfragt.
   
   

Ermittlung der Energieeffizienz

Nachdem die Quellen angebunden und die Auftrags- und Energiedaten unverändert im BW abgelegt wurden, lassen sich bei diesem Ansatz bereits erste Analysen erstellen, ohne dass eine weitere Datenmodellierung erfolgen muss. Zum einen bekommt man einen Einblick in den Stromverbrauch, als auch in die Produktionsperformance:

Abbildung 1 Zur Umrechnung der Zählerstände in Energieverbräuche werden lediglich drei berechnete Kennzahlen benötigt: K1 berechnet die MIN-Aggregation, K2 berechnet die MAX-Aggregation und K3 = K2 - K1 berechnet den Aggregierten Verbrauch im gewählten Zeitraum.

Abbildung 2 Über die Stammdaten der Arbeitsplätze können die Energieverbräuche den einzelnen Arbeitsplätzen direkt zugeordnet werden. So bekommt man eine schnelle Übersicht, welchen Anteil die einzelnen Arbeitsplätze am Stromverbrauch haben.

Abbildung 3 Die Auftragsdaten liefern einen schnellen Einblick in die Produktionsleistung des Werks. Die Auswertung der Produzierten Stückzahlen lässt sich einfach um die Teilequalität (=Gutmenge/Gesamtmenge) erweitern. Außerdem kann die Produktionsgeschwindigkeit jeder Maschine beurteilt werden.

Hinweis: Einige ME-Systeme buchen die Mengen mehrfach (z.B. ein Datensatz für jede Fertigmeldung von Teilen und eine Fertigmeldung des Auftrags mit den Gesamtmengen an i.O. und n.i.O. Teilen). Hier müssen je nach Anwendungsfall entsprechende Satzarten herausgefiltert werden.

Um nun vom Energieverbrauch zur Energieeffizienz überleiten zu können, müssen die Auftragsdaten mit den Energiedaten verknüpft werden. Dies kann über die entsprechende Zählernummer und den Arbeitsplatz sowie über die Zeitstempel der Auftragsdaten (Beginn & Ende) erfolgen.

Der Energieverbrauch für den Auftrag ergibt sich dann als: Zählerstand Auftragsende – Zählerstand Auftragsbeginn.

Hier zeigen sich schon die erste technischen Herausforderung: Die Zeitstempel in den Auftragsdaten sind unabhängig von den Zeitstempeln der Energiedaten. Man kann also nicht davon ausgehen, dass es zu jedem exakten Zeitstempel der Auftragsdaten einen passenden exakten Zeitstempel der Energiedaten gibt.

Um den richtigen technischen Ansatz zu finden, lohnt es sich zwei Extremfälle zu betrachten:

1. Der Logger erfasst die Zählerstände feinmaschig. Die Zeit zwischen zwei Datensätzen ist viel kleiner als die Laufzeit eines Fertigungsauftrags (Zeit zwischen „Start“ und „Ende“)
2. Der Logger erfasst die Zählerstände Grobmaschig (z.B. 1x Täglich). Die Zeit zwischen zwei Datensätzen ist also vergleichbar oder

Im ersten Fall ist es ausreichend, sich darauf zu konzentrieren, den nächstgelegenen Zeitstempel des Loggers bezogen auf die Fertigungsaufträge zu finden. Im zweiten Fall muss hier noch in irgendeiner Form interpoliert werden, um passende Daten zu erhalten.

Für unsere Fallstudie gehen wir davon aus, dass die Zählerstände ausreichend feinmaschig erfasst werden und führen beim Laden der Daten eine Rundung der Zeitstempel auf das nächste Raster (15 Minuten) durch.

Hinweis: Dieses Vorgehen ist nicht stabil gegenüber Ausfällen des Loggers (also Lücken in den Daten). Hier könnte ein Zeitstempel der Auftragsdaten „zufällig“ auf eine Lücke in den Energiedaten treffen. Abhilfe schafft die lineare Interpolation zwischen den nächstgelegenen Datenpunkten.

In einem CompositeProvider können nun über einen einfachen Join die Zählerstände zu Beginn und Ende jedes Auftrags ermittelt werden. Daraus lässt sich in einer Query der Energieverbrauch pro Teil für jeden Auftrag berechnen.

An dieser Stelle ergibt sich bereits der zweite Einblick in den Prozess: Mit den vorliegenden Daten können direkt Energieeffizienzstudien durchgeführt werden:

Abbildung 4 In der Grafik ist die Energieeffizienz nach Arbeitsplatz und Produkt aufgetragen. Neben der mittleren Effizienz zeigt sich, dass die verschiedenen Produkte auf verschiedenen Maschinen unter optimaler Energieeffizienz produziert werden können.

Kombiniert man solche Effizienzstudien mit den Kapazitätsdaten lassen sich ggf. durch Umorganisation der Produktion Energiekosten einsparen. Zu diesem Zeitpunkt kann das Modell nur die potenziell möglichen Einsparungen zeigen.

Abbildung 5 Mit einer Einfachen Analyse zeigt sich schnell, dass durch optimale Verteilung der Produktion auf die verfügbaren Kapazitäten bis zu 6ct pro Teil eingespart werden könnten. Auch ohne die Verknüpfung mit den Daten der Produktionsplanung können so schon Potentiale erkannt und gehoben werden.

An diesem Punkt ist außerdem der erste Teil der Frage „Wie viel CO2 steckt in unserem Produkt?“ beantwortet:

Die CO2 Emission aufgrund des Energieverbrauchs beträgt bei unseren Beispieldaten zwischen 477g und 487g pro Stück

CO2 Eintrag aus Rohmaterialien

Diese Daten müssen in der Regel bei Lieferanten abgefragt werden. Dies kann z.B. per Mail (Excel) oder Web-Frontend geschehen. Für die Fallstudie gehen wir davon aus, dass der CO2-Fußabdruck nach Rohmaterialien vorliegt.

Um den Anteil des Rohmaterials am CO2-Fußabdruck für ein fertiges Produkt zu bestimmen, müssen drei Informationen aus den Daten extrahiert werden.

Erstens muss bestimmt werden, welche Rohmaterialien im fertigen Produkt enthalten sind. Bei mehrstufigen Prozessen muss man hier in den Stücklisten so weit zurück gehen, dass alle verwendeten Rohmaterialien (inkl. der für Zwischenprodukte) ermittelt sind.

Zweitens muss für jedes verwendete Material (egal ob Rohmaterial oder Zwischenprodukt) die eingesetzte Menge bestimmt werden.

Drittens muss der Energieverbrauch für die Produktion von Zwischenprodukten diesen zugeschlagen und als Eintrag aus Rohmaterial für das fertige Produkt verarbeitet werden.

Diese Informationen sollen mit den Daten der Fertigungsaufträge so verknüpft werden, dass ein CO2 Eintrag aus Rohmaterial für jeden Fertigungsauftrag bestimmt werden kann.

Hinweis: Da sich der CO2-Fußabdruck über die Zeit ändern kann (z.B. bei einem Wechsel des Lieferanten) ist es sinnvoll die Fertigungsaufträge als Kriterium zu belassen, um diese zeitliche Abhängigkeit für spätere Analysen zu behalten.

Nachdem man die Stücklisten z.B. durch eine ABAP-Routine entsprechend entwirrt hat, lassen sich die Daten technisch über einen Join in einem Composite Provider verknüpfen.

An dieser Stelle möchte ich darauf hinweisen, dass hier verschiedene Typen Kennzahlen zusammenkommen. Auf der einen Seite haben wir es mit Absoluten Kennzahlen zu Tun (z.B. Mengen, Verbrauchte Energie). Auf der anderen Seite tauchen spätestens an dieser Stelle relative Kennzahlen auf (z.B. CO2 Gehalt pro Teil). Hier sollte man bei der weiteren Modellierung entsprechende Vorsicht walten lassen (insbesondere bei der Aggregation).

Für den betrachteten Fall lässt sich damit nun die Ausgangsfrage vollständig beantworten

Abbildung 6 In Summe ergeben die CO2 Emission des Energieverbrauches und der CO2 Anteil des Rohmaterials den CO2-Fußabdruck der fertigen Produkte

Ansatz 2: Top-Down

Wie Sie sehen können, bietet der Bottom-Up Ansatz schon im Aufbau viele Analysemöglichkeiten. Nachteilig an diesem Ansatz sind der hohe Detailgrad der Daten sowie die hohen Anforderungen an die Infrastruktur (jedes lokale System muss an das BW angebunden werden).

Als Top-Down Ansatz schlage ich vor, die Produkte anhand von relativen „Äquivalenzeinheiten“ (Equivalence Units, EQUs) zu bewerten. Damit sollte sich ein Schlüssel ergeben, der die Verteilung von Energieverbräuchen und CO2 Emissionen analog zur Verteilung von Gemeinkosten ermöglicht.

Da der CO2 Eintrag aus Rohmaterial bei diesem Ansatz technisch analog zum Bottom-Up Ansatz bestimmt werden kann, werde ich ihn an dieser Stelle nicht mehr behandeln.

Zur Vereinfachung des Modells gehe ich davon aus, dass die Beispielfirma mit einer Standardkalkulation und einer betriebswirtschaftlichen Auswertung arbeitet. Dementsprechend sind die Standardpreise (Herstellkosten) und die durchschnittlichen Verkaufspreise je Produkt bekannt.

Bestimmung der Produzierten Menge

Die in einem bestimmten Zeitraum (z.B. einer Buchungsperiode) gefertigte Menge eines Produkts korreliert nicht direkt mit dem Umsatz des Produktes. Es kann prinzipiell aus dem Lager verkauft oder „auf Halde“ produziert werden.

Dementsprechend ist die Information über die gefertigten Mengen nur in der Kombination aus Umsätzen, Bestandswertveränderung und Ausschusskosten enthalten. Die gefertigte Menge berechnet sich konkret als:

UmsatzVK Preis+Bestandswert(neu) - Bestandswert(alt) + AusschusskostenHK Voll

Technisch lässt sich dies leicht über einen Composite Provider lösen, der Bestandsänderungen, Umsätze, Ausschusskosten und Standardpreise je Produkt und Periode zusammenbringt.

Hinweis: Da es sich hierbei um eine Ableitung handelt, sind Mengen mit Nachkommastellen nicht ungewöhnlich. Es handelt sich in diesem Fall um eine Annäherung von Seiten der Finanzdaten.

EQU-Faktoren für Gewichtung

Nachdem die Äquivalenzeinheiten für den Energieverbrauch bestimmt wurden (z.B. durch eine Serie kurzzeitiger Energiemessungen), können sie in das BW geladen und über einen Join mit der gefertigten Menge je Produkt verknüpft werden. Normiert man die gefertigte Menge multipliziert mit der Äquivalenzeinheit auf eins erhält man die Anteile des jeweiligen Produkts am gesamten Energieverbrauch.

Abbildung 7: Vergleicht man Top-Down mit Bottom-Up Ansatz erkennt man, dass beide Ansätze (bei richtiger Wahl der EQUs) zu fast identischen Ergebnissen für den Energieverbrauch führen. In diesem Fall wurden die EQUs aus dem Bottom-Up Ansatz bestimmt.

Bewertung der Ansätze

Allein an der Länge der Beschreibung erkennt man den großen Vorteil des Top-Down Ansatzes: Die Implementierung ist mit BW-Mitteln recht einfach. Außerdem müssen deutlich weniger Systeme angebunden werden, um zum eigentlichen Ergebnis zu gelangen.

Allerdings ergibt sich eine gewisse Ungenauigkeit durch die Nutzung der EQUs. Durch die hohe Komplexität ist es wahrscheinlich, dass im Rahmen kurzzeitiger Verbrauchsmessungen nicht alle Faktoren berücksichtigt werden können. Ein klassisches Beispiel wäre hier ein Kühlaggregat, dass für die gleiche Kühlleistung mehr Energie benötigt, je stärker der Wärmetauscher des Gerätes verschmutzt.

Sind Sie nach ISO 50001 (Energiemanagement) zertifiziert, wird die Bestimmung des Energieverbrauchs ohnehin regelmäßig vorgenommen und Sie können auf dieser Basis die Ungenauigkeiten vermindern.

Insgesamt komme ich zu dem Schluss, dass die einfache Implementierung des Top-Down Modells die einhergehende Ungenauigkeit ausgleicht.

Nimmt man die deutlich komplexere Implementierung des Bottom-Up Ansatzes in Angriff wird man recht schnell mit zusätzlichen Daten versorgt, die bei der Steuerung der Prozesse helfen und Verbesserungspotentiale aufzeigen. So lassen sich im vorliegenden Beispiel sehr schnell Maßnahmen ableiten, die zu konkreten Einsparungen in der Produktion führen.

Dieser Bonus gleicht in meinen Augen langfristig die aufwändige Implementierung des Bottom-Up Modells aus. Durch den hohen Detailgrad erhält man so einen großen Teil der operativen Sicht auf sein Unternehmen, ohne dafür ein weiteres System etablieren zu müssen. Andersherum kann auch ein existierendes System für operative Berichte leicht um die ESG-Funktionalität als Bottom-Up Ansatz erweitert werden.

Betrachtet man nun beide Ansätze nebeneinander, haben beide ihre Berechtigung je nach Einsatzzweck.

Möchte man mit einem schlanken System einfach nur die Anforderungen an ein ESG-Reporting erfüllen, ist der Top-Down Ansatz der richtige Weg, um schnell Berichte zu generieren und diese in das vorhandene Berichtswesen des Unternehmens zu integrieren. Durch die Nähe zu den Finanzdaten eignet sich dieser Ansatz auch für die Integration in das Finanz-Reporting.

Ist man dagegen im Bereich operatives Reporting (Stichwort Industrie 4.0) schon weiter oder möchte hier ohnehin Optimierungen ausführen kann sich der Bottom-Up Ansatz durch die potenziellen Einsparungen schnell auszahlen. Darüber hinaus kann so ein System auch als Basis für explorative Auswertungen und Data Science dienen.