Ranking : Die globalen Top 50 Automatisierungsunternehmen

Der Automatisierungsmarkt bewies im vergangenen Jahr erneut seine Widerstandsfähigkeit und erreichte wieder das Niveau vor der Pandemie. Trotz Fortschritten in der Projektierung, sind Automatisierungsprojekte laut den Analysten im Allgemeinen immer noch langzyklische Projekte. Das Wartungs-, Reparatur- und Betriebsgeschäft und das Instandhaltungsgeschäft erholen sich vor dem Projektgeschäft.

Während die globalen Märkte weiterhin durch den Krieg in der Ukraine, Lieferkettenprobleme, Chipknappheit und hohe Rohstoffpreise beeinträchtigt werden, erwartet ARC, dass der Automatisierungsmarkt bis Ende 2022 und darüber hinaus nicht in eine Rezession geraten wird. Branchen wie die Lebensmittel- und Pharmabranche entwickeln sich gut, wobei die Initiativen der Länder, die pharmazeutische Produktion autonomer zu gestalten, zunehmen. Auch die Maschinenbauer verzeichnen eine starke Nachfrage, ebenso wie die Hersteller von Halbleitern und Elektronik.

Auch die Automobilindustrie wächst weiter, wenn auch aufgrund von Engpässen bei Teilen und Mikroprozessoren langsamer, aber ARC erwartet, dass sich das Wachstum mit der steigenden Nachfrage nach Elektrofahrzeugen beschleunigen wird. Die Nachfrage in den Bereichen Bergbau, Gebäude und Wasser/Abwasser hat sich ebenfalls verbessert. Die Investitionsausgaben für die Prozessindustrien liegen über dem Niveau vor der COVID-19-Krise, haben aber nicht mehr das hohe Niveau vor dem Einbruch der Rohstoffpreise im Jahr 2016 erreicht.

Siemens landet in der Analyse auf dem ersten Platz, gefolgt von ABB und Emerson. Die Analysten sehen einen klaren Trend in Richtung Software, was auch genau der verfolgten Strategie von Siemens entspricht. Das Softwaregeschäft ist widerstandsfähiger, wobei abonnementbasierte Software-as-a-Service (SaaS) und cloudbasierte Angebote im gesamten Automatisierungsmarkt zunehmen. ARC geht davon aus, dass die Nachfrage sowohl nach industrieller Software als auch nach Dienstleistungen anhalten wird, da Unternehmen weiterhin in Digitalisierungsinitiativen für Dinge wie Fernwartung und -betrieb, Anlagenoptimierung, Energiemanagement und andere Anwendungen, die Analysen, KI und maschinelles Lernen beinhalten, investieren. Die Digitalisierung kann ohne die richtigen Investitionen in Software nicht erfolgreich sein, so die Experten.

Mit den zunehmenden Investitionen in Software steigt auch die Akzeptanz von Industrial Edge und Cloud Computing. Alle Cloud-basierten Lösungen für Analysen, maschinelles Lernen, neue dienstleistungsorientierte Umsatzströme und andere Anwendungen erfordern Daten von Anlagen, Prozessen, Personal sowie Automatisierungs- und Steuerungsgeräten, die sich am Rand befinden. Edge-Geräte spielen laut der Analyse eine entscheidende Rolle bei der Unterstützung der OT-Umgebung, indem sie die Integration mit und die Isolierung von höheren Ebenen der Architektur ermöglichen.

Gateways und Router für das industrielle IoT (IIoT) haben sich von ihrer traditionellen hardwarebasierten Rolle zu Plattformen für IT/OT-Konvergenz, Edge-to-Cloud-Integration und Edge Computing entwickelt.

Die Verbreitung von SPE und APL wird letztlich das industrielle Ethernet weiter auf die Feldebene heruntertreiben und dazu beitragen, dass das industrielle Ethernet in der Architektur immer weiter abnimmt, während die TSN-Standardisierung verspricht, Echtzeit-Determinismus in das Standard-Ethernet zu bringen. Die Frage ist, wie lange es dauert, bis diese neuen Technologien ihre Wirkung entfalten.

Die Einführung einer Strategie für die digitale Transformation wird für die Erreichung vieler der in den Nachhaltigkeitsinitiativen der Unternehmen genannten Ziele von entscheidender Bedeutung sein. Die Verwirklichung einer nachhaltigen industriellen Zukunft erfordert transformatives Denken und digital qualifizierte Arbeitskräfte sowie drei Kernelemente - Automatisierung der nächsten Generation, Software und Analytik sowie einen klaren Fokus auf Energieoptimierung. Zusammen liefern die drei Elemente dieses Nachhaltigkeitsdreiklangs positive Ergebnisse, die größer sind als die Summe der einzelnen Teile.

• Visualisierung und Transparenz: Wenn neue Daten als entscheidend für die Nachhaltigkeitsleistung identifiziert werden, müssen sie in der Lage sein, interne, externe und kombinierte Quellen zu visualisieren. Außerdem müssen die Daten für mehrere Rollen, auch intern und extern, visualisiert werden, zumal Unternehmen Daten an Kunden weitergeben müssen, die an ihren eigenen Nachhaltigkeitsprogrammen arbeiten. Dazu gehören auch Cloud-Plattformen für die IT.
• Finanzielle Modellierung: Ein Schlüssel zur Akzeptanz von Nachhaltigkeitsinitiativen ist die Fähigkeit, den finanziellen Nettonutzen nachzuweisen. Dies erfordert eine neue Modellierung von Inputs, Outputs, Ressourcen und neuen Ergebnisszenarien.
• Künstliche Intelligenz (KI): Wird unverzichtbar sein. In dem Maße, wie sich das Netz der notwendigen Daten im Zusammenhang mit der Nachhaltigkeit ausweitet, kann nur KI mit dem inhärent wachsenden Volumen und der Geschwindigkeit Schritt halten. KI wird bei der dynamischen Priorisierung von Entscheidungen und der Automatisierung von Abläufen hilfreich sein.
• Emissionsmanagement und Infrastrukturoptimierung: Diese Anwendungen sind bereits weit verbreitet, da sie die offensichtlichste Möglichkeit zur Verbesserung der Nachhaltigkeitsleistung von Gebäuden, Anlagen, Flotten usw. darstellen. Sie sind und werden auch in Zukunft stark auf KI angewiesen sein.
• Verwaltung und Berichterstattung: Aufkommende ESG-Plattformen sind die klassischen Beispiele. In einigen Fällen müssen sie auch Konzepte der Kreislaufwirtschaft wie nachhaltiges Produktdesign, Dienstleistungen und Entsorgung am Ende der Lebensdauer abdecken.