Restwertprognosen von Baumaschinen – Eine echte Challenge

Was ist eigentlich mein gebrauchter 12t-Radlader nach 6 Jahren und X Betriebsstunden auf der Uhr wert? Wo ist die „Schwackeliste“ für Baumaschinen zu finden? Was sind wichtige Einflussfaktoren hinsichtlich der Nutzung und sind die Preise auf Online-Marktplätzen eigentlich realistisch?

Im Digitalzeitalter angekommen, sind Daten mittlerweile überall in Hülle und Fülle zu finden. Für Maschinenhändler, Fuhrparkbesitzer oder Finanzierungsgesellschaften sollte es doch ein Leichtes sein, schnell einen Überblick zu erhalten. Kleiner Spoiler: Nein, ist es leider nicht. Es zeigt sich, dass die Methodik bei der 1984 gegründeten Nürnberger Wertauskunftei erheblich komplexer ist bzw. sein muss, als man glauben könnte. Lesen Sie im Folgenden einen Erfahrungsbericht aus erster Hand für B2Innovate. Die Firma LECTURA berichtet aus dem Nähkästchen ihres Kerngeschäfts: Es zeigt sich, dass die Methodik zur Bewertung von mobilen Maschinen erheblich komplexer ist als man meinen könnte.

PKW’s bewerten ist relativ simpel in 2020. Seit Jahrzehnten wird hier ein standardisiertes Register gepflegt mit dessen Hilfe Fahrzeuge anhand ihrer „Seriennummern“ eindeutig identifiziert werden können. Unternehmen wie DAT (Schwackeliste) oder der TÜV sind mit einer umfassenden Datenlandschaft auf Basis langjähriger Präzedenz gut ausgestattet und gerüstet Bewertungen auf einer standardisierten Basis vornehmen zu können. Bei Baumaschinen sieht die Welt anders aus. Angebotslandschaften sind oft diffus, ein Zentralregister mit allen aufgeführten Modellen gibt es nicht – geschweige denn eine markteinheitliche Seriennummernstruktur für Maschinen. Hersteller arbeiten proprietär mit komplexen, globalen Distributionsstrukturen und wissen häufig selbst nicht, für welchen Betrag eine Maschine tatsächlich auf die Märkte dieser Welt gelangt. Online-Gebrauchtmarktplätze haben viele Facetten: die Funktionsfähigkeit ist nicht immer ersichtlich, die Preise in der Regel deutlich zu hoch veranschlagt und im Allgemeinen herrscht so etwas wie „Basaratmosphäre“ vor. Letzteres bedeutet u.a., dass reelle Transaktionspreise (sprich, für welche Summe das Objekt tatsächlich gehandelt wird) intransparent und die Angebotsinformationen, da Sie von den Verkäufern selbst eingestellt und gepflegt werden, nicht sonderlich neutral sind.

LECTURA nimmt sich dieses Themas seit 1984 an und unterstreicht vordergründig, dass Angebotsdaten aufwendig gesäubert und plausibilisiert werden müssen, bevor diese in ein übergeordnetes Gesamtmodell einfließen können. Verschiedene weitere Datenquellen wie echte Transkationsdaten von Finanzierern und Versicherern, Ergebnisse von „Mysteryshopping“-Aktionen, der Einbezug historischer Preisdaten(entwicklungen), etc. bilden einen Berechnungskern, welcher zum Ziel hat verschiedene Preisebenen nach Risikoklassen zu unterteilen. So wird a priori zwischen Marktwerten und Auktionswerten differenziert – das ist soweit selbsterklärend. Anhand einer Risikoskala, die bspw. Banken und Finanzierer nutzen, kann neben dem Preis/Restwert auch die Einordnung dieses Preises bestimmt werden.

Die untenstehende Grafik skizziert dies ausgehend von der Risikohierarchieklasse:

Quelle: LECTURA, FLF Magazin – „Finanzierung, Leasing, Factoring“, Verlagsgruppe Knapp – Richardi – Verlag für Absatzwirtschaft

Eine präzisere Preisdifferenzierung soll laut LECTURA folgendes zum Ziel haben:

  • Einen möglichst marktauthentischen OLV zu isolieren, der den fairen Marktpreis (Handelspreis, nicht Angebotspreis) auf internationalen Marktplätzen widerspiegelt
  • Einen möglichst marktauthentischen FLV zu schaffen, der eine reelle Datenbasis zur Grundlage hat und einen belastbaren, aber nicht zu risikoaversen Wert darstellt

Diese neue „Zwischenebene“ soll Marktspielern ermöglichen, die Angebotspreise auf Marktplätzen und Auktionen realistisch einschätzen zu können. Finanzieren und anderen risikogetriebenen Spielern hilft dies, bessere Kalkulationen für den Kunden und die eigene Ökonomie aufstellen zu können.

Es zeigt sich also, dass man ohne Werkzeuge nicht „mal eben so“ den reellen Wert einer Maschine bestimmt.

Welche Trends könnten sich zukünftig abzeichnen?

Die Online-Marktplatzsituation könnte etwas „aufklaren“, d.h. vom quantitativen hin zum qualitativen Ansatz. Kleinere, spezialisierte Marktplätze mit realistischeren Angeboten und/oder die zunehmende Digitalisierung (damit Transparentierung) von Online-Händlerangeboten (direkt, nicht via Marktpatz). Ein geschlossener Marktplatz mit vergleichbarem Ansatz ist beispielsweise MachineHero.

Chancen im Bau – durch Corona?

Registrieren Sie sich auf B2Innovate und beteiligen Sie sich an Chancen durch Corona – Neue Herausforderungen in der Baubranche als Chance begreifen! Helfen Sie mit, die Herausforderungen, die sich durch Corona speziell in der Baubranche ergeben haben, zu definieren! Kann der Einsatz bzw. die Entwicklung spezieller digitaler Tools bei der Problemlösung helfen? Die Nutzer mit den interessantesten Beiträgen bzw. Kommentaren loben wir aus und laden sie zu einem Workshop ein!

Für viele hat sich der Arbeitsalltag durch die Corona-Pandemie deutlich verändert. Aber nicht alle Branchen können aus dem Home-Office arbeiten, neben anderen eben auch die Baubranche. Und auch nicht in allen Branchen sind Auftragsrückgänge zu beobachten. Aber trifft das ebenfalls auf die Baubranche zu? Und wenn ja, wie lassen sich die Aufträge unter den neuen Auflagen und Einschränkungen umsetzen? Wir wollen von Ihnen wissen, welche Herausforderungen sich durch Corona – speziell in der Baubranche – neu ergeben haben. Oder aber welche bestehenden Herausforderungen sich verstärkt haben?

Über viele Unternehmen heißt es bereits scherzhaft, COVID-19 sei DER große Digitalisierungs-Treiber, noch vor der Geschäftsführung und der Digitalabteilung. Ist das übertragbar auf alle Branchen? Was denken Sie?

Quelle: Instagram @MBA_ish 16.8.2020 https://www.instagram.com/p/CD9O3-7ghCeal3Vq8NJKGlqnvGDF149js0fUXU0/

Digitalisierung im Bau

Globale B2B-Online-Nutzerprofile & Surfverhalten in der (Schwer-)Maschinenindustrie

Wie “ticken” Online User, die sich mit Baumaschinen, Landmaschinen, Flurförderzeugen, Kranen, Arbeitsbühnen & Co. beschäftigen?

Wie viele andere Branchen steht auch die Baubranche seit geraumer Zeit unter „Digitalisierungsdruck“, der sich im Zuge der Einschränkungen durch COVID-19 und der daraus resultierenden Krise deutlich verstärkt. Neben der Umstellung vieler analoger Prozesse auf digital, rückt die Gewinnung digitaler Nutzerdaten in der Baubranche stärker in den Fokus. Doch wie kommt man an diese Daten ohne Tools und Umfragen zu starten? Wie kann man sich ein Verständnis für das digitale Nutzerverhalten aneignen, um beispielsweise die eigenen Online-Angebote an den Nutzer und seine Bedürfnisse anzupassen? Zumal insbesondere im Bereich mobiler Maschinen die zugängliche Datenlage zu digitalem Kundenverhalten – besonders im B2B-Bereich – insgesamt noch recht knapp ausfällt. 

Neben vielen anderen Leistungen rund um das Thema Bau und Baumaschinen bietet z.B. LECTURA mit Hilfe einer Datenbank für Maschinen und Geräte aus erster Hand Einblicke in das digitale Nutzerverhalten von Personen, die sich online mit mobilen Maschinen beschäftigen. Hierbei handelt es sich vorwiegend um anonymisierte Verhaltensdaten, aber auch verschiedene Online-Umfragen. Mit Hilfe (anonymer) Verhaltensdaten von rund 600.000 monatlichen Besuchern liefert LECTURA entsprechende Ergebnisse aus der Nutzeranalytik. Die Daten basieren zudem auf regelmäßig geschalteten Online-Umfragen mit mind. 3.000 Antworten als kritische, repräsentative Masse. LECTURA’s Nutzerschaft gelangt zu ca. 75 Prozent “organisch”, d.h. via Suchmaschinenoptimierung (nicht “Paid Advertising”) auf die Webseitenlandschaft und zielt auf ein breites kontextuelles Themenspektrum in Verbindung mit genauen Maschinenvarianten (sogenannte Long Tail Keywords, s. Fazit) ab. Beispielsuchbegriff bei Google: “Liebherr R920 Compact technische Daten”. Generell kann man aus diesen Daten herauslesen, dass die wichtigsten Maschinenkontexte neben technischen Details Herstellerdatenblätter, Handel (Einkauf-/Verkauf), Ersatzteile, Transport, Wartung, Finanzierung und Versicherungen sind.

Wer sucht online nach Maschinen – und zu welchem Zweck?

Der “typische digitale Maschineninteressent” ist der Einfachheit halber zwischen 30 und 60 Jahre alt und vorwiegend männlich. Die Frauenquote beträgt 21,7 Prozent.

Aufschlussreich sind auch die Angaben, die Nutzer hinsichtlich ihrer Funktion, also zu ihrem beruflichen Hintergrund und ihren Beweggründen für die Suche machten. Der Großteil der Suchenden ist bereits Maschinenbesitzer. Das gaben 40 Prozent der Befragten über sich an. 8 Prozent vermerkten, selbst Bauunternehmer zu sein. Weitere 8 Prozent bezeichneten sich als Dienstleister, wobei sie nicht spezifizieren mussten, ob sie technischer Dienstleister oder ökonomischer Dienstleister, z.B. Finanzdienstleister o.ä. sind. 6 Prozent gaben sich als Händler bzw. Trader zu erkennen. Lediglich 3 Prozent der Nutzer waren Maschinenvermieter.

Zusammensetzung der Nutzer nach Angabe ihrer Funktion

Weiter wurde der sogenannte “Exit Intent” gemessen, d.h. was hat der Nutzer nach eingehender Betrachtung tiefgehender Maschinendetails nach dem Besuch vor, welche „Intention“ verfolgt er im Anschluss.

Die Wissensarchivierung, also die Speicherung der gesuchten Daten, um diese später zu nutzen, spielt eine Rolle. Weiter zeigt eine Abfrage der Intention ebenfalls klare kommerzielle Tendenzen. Generalüberholungen, Wartungen, Ersatzteileerwerb sowie Preis- & Maschinenverfügbarkeiten prüfen mit dem Ziel des Kaufs bzw. Verkaufs sind die Themen, die die Nutzer bewegen. Dass analog u.a. vor Ort beim Händler, losgelöst von Online-Recherchen, jedoch auch noch einiges passiert, zeigt, dass der Trend noch nicht vollständig in Richtung Volldigitalisierung geht. 

Aufschlussreich für den Ausbau von Online-Angeboten für die Zielgruppe können auch die Daten sein, wann nach Maschinen gesucht wird. Wann genau am Tag sind Maschinenrecherchen also am populärsten?

Hierbei handelt es sich um die Nutzungs- & Verhaltensdaten einer internationalen Gesamtnutzerschaft, d.h. nahezu aus allen Zeitzonen stammend. Auf der Welt am häufigsten nach Maschinen zu Informationszwecken gesucht wird zusammengefasst jedoch Montag bis Donnerstag zwischen 11 und 12 Uhr (Dienstag und Donnerstag bereits ab 10 Uhr) sowie Dienstagabends zwischen 21 und 22 Uhr.

Welche Schlüsse lassen all diese unterschiedlichen Daten zu?

Wenig überraschend sind die demographischen Details zu typischen Maschineninteressenten wie die Geschlechtsverteilung und das Altersspektrum. Die Zugriffszeiten treffen bis auf einzelne Ausnahmen recht gut die produktiven Bürozeiten (gemessen an der Zeitzone der Leserschaft), wobei eine durchgängige Nachfrage bzw. Aktivität auch am Wochenende nicht zu unterschätzen ist. Im Hinblick auf die Intention der User lässt sich vordergründig ein klares Interesse an konkreten kommerziellen Maßnahmen ablesen; seien es der Kauf/Verkauf von Maschinen, Wartungs- und Instandhaltungsthemen, Ersatzteilrecherchen, Wertgutachten und/oder andere Kundenanforderungen im Hinblick auf (Gebraucht-)Maschinenbewertungen, etc. Zudem kann man postulieren, dass “Long Tail” Suchanfragen (z.B. Suchen auf Basis genauer Modellvarianten im Kontext) von Usern, gerade in gängigen Suchmaschinen wie Bing, Google & Co, tendenziell tiefergehendes Maschinenverständnis voraussetzen. Es ist auch davon auszugehen, dass die oben genannten Absichten auf eine größere Gruppe von Nutzern übertragbar sind. 

Willkommen bei B2Innovate!

Die Digital Innovation Unit der Deutschen Leasing startet eine digitale B2B Open Innovation Plattform.

Warum ein Open Innovation Ansatz?

Der Druck von außen auf kleine und mittlere Unternehmen ist in den letzten Jahren gestiegen. Die technischen Entwicklungen können die ganzen Wertschöpfungskette aber auch die Nachfrage am Markt beeinflussen. Aber auch unvorhergesehene Krisen wie die COVID19-Pandemie haben massiven Einfluss auf althergebrachte Geschäftsmodelle. Gerade in deutschen Mittelstandsunternehmen mit Fokus auf das B2B-Geschäft herrscht dennoch oft Zurückhaltung gegenüber einem offenen Austausch aus Angst vor Ideenklau durch Wettbewerber. Das wollen wir ändern!

Was genau ist Open Innovation?

In der Entwicklung neuer digitaler Geschäftsmodelle folgt die Mehrzahl der Innovationseinheiten einem ähnlichen Ansatz: Die Trends werden analysiert, die Innovationsfelder definiert und die Ideen für mögliche Geschäftsmodelle entwickelt. Entscheidend für den Erfolg ist die frühestmögliche Validierung der Vielzahl von generierten Ideen und Hypothesen mit den potentiellen Nutzern. Das ist die Grundlage für Findung eines meistversprechenden Geschäftsmodells. Viele Innovationsmanager sprechen die Kunden im engen Geschäftsumfeld an, die sogenannten „Friendly Customers“, also die Kunden und Partner, mit denen ein besonderes Vertrauensverhältnis besteht. Will man aber eine ganze Reihe von Geschäftsmodellen regelmäßig testen, kann die Beziehung übermäßig strapaziert werden. Denn für gewöhnlich steht nicht das Innovieren, sondern das Kerngeschäft im Vordergrund eines Unternehmens. Um den Kundenkontakt für beide Bereiche in Balance zu halten, hilft ein Open Innovation-Ansatz. Hier bietet B2Innovate einen digitalen Touchpoint für Kunden und Partner.

Open Innovation schafft Synergien aus Innovationsaktivitäten des eigenen Unternehmens und Aktivitäten anderer Unternehmen sowie deren Partner, Experten, Forschungseinrichtungen und insbesondere Startups. Sie bildet die Plattform für organisationsübergreifende Innovationscommunity.

Wer sind „wir“?

B2Innovate wurde von der Digital Innovation Unit (DIU) der Deutschen Leasing AG ins Leben gerufen, um digitale Geschäftsmodelle kundenzentriert und schnell gemeinsam mit unseren Kunden und Partnern entwickeln zu können und gleichzeitig diesen eine Plattform für eigene Innovationsaktivitäten zu bieten. B2Innovate ist kostenfrei, da wir Open Innovation nur gemeinsam durch eine große Community zum Leben erwecken können. Wir laden Sie herzlich ein, Teil dieses „wir“ zu werden!




Digital Innovation Unit der Deutschen Leasing AG: Sven Siering, Leiter der DIU; Julia Staudinger, Open Innovation Managerin; Miriam Buss, Innovation Managerin; Jewgenij Singer, Innovation Manager; Elena Mostovova, Data Scientist & Managerin Digitalisierung; Grit Harzer, Team Assistentin.

Gemeinsam mit Ihnen entwickeln wir interaktiv digitale Geschäftsmodelle mit Fokus auf B2B von Ideation bis zum Minimum Viable Produkt. Wie funktioniert das? Registrieren Sie sich auf B2Innovate und nehmen Sie teil an unseren Innovationskampagnen. Hier geht es zur aktuellen Kampagne MachineHero. Registrieren Sie sich jetzt auf B2Innovate. Jedoch handelt es sich um eine Community, die Auf Einladungsbasis funktioniert. Sollten Sie also noch nicht frei geschaltet worden sein, schreiben Sie uns eine kurze Nachricht an info@b2innovate.de.