QUALITY Services & Wissen GmbH
Wissen & Lernen
  • Startseite
  • Live Sessions
  • Wissen
  • Lernreisen A-Z
  • Videos A-Z
  • Präsentationen A-Z
  • Papers A-Z
  • Bibliothek A-Z
KI Tools
  • KI Tools A-Z
Magazin
  • Blog
Unternehmen & Netzwerk
  • Über uns
  • Kontakt
  • Partner
  • Links A-Z
Angebot
  • Preismodelle
Registrieren

McKinsey Three Horizons AI

Projektübersicht Beispiele Methode
Methodenablauf

1 / 10Strategischen Auftrag, Portfolio-Grenze und Entscheidungsfrage definieren

McKinsey Three Horizons AI

Kerngeschäft, skalierbare Wachstumsgeschäfte und Zukunftsoptionen gleichzeitig steuern – mit Evidenz, Ressourcenbalance und Transition Gates

Gespeichert
Methodenfortschritt5/7 Qualitätsstufen
Arbeitsphasen
McKinsey Three Horizons AI
Methode
Aktuelle Phase 8 von 8

Grün bedeutet: Inhalte vorhanden. Die aktive Phase zeigt die aktuelle Ansicht. Beides ist keine fachliche Freigabe.

McKinsey Three Horizons AI · Growth Portfolio Book

Five-page decision system: Horizons Map, evidence, resource balance, transition gates, execution.

QuerformatDIN A4

PDF & PNG: kostenlos für alle · Weitere Exporte: nur für Kunden · JSON: nur VIPs, Admins und Superadmins

McKinsey Three Horizons AI · Growth Portfolio · Transition Gates

Three Horizons 2027–2032 · Industrieautomation

H1 Kerngeschäft · H2 Skalierung · H3 Optionen · Ressourcen · Evidenz · Kill/Scale/Hold · Übergänge
Version
1.0
Status
Lernsimulation
Qualitätscheck
82%
Seite
1/5
Portfolio
5 Initiativen
H1 / H2 / H3
1 / 2 / 2
Ressourcen
100 %
Gates
5/5
Scale
2
Kill/Pivot
0
1

Strategischer Auftrag / Stammdaten

OrganisationNordwerk Automation Systems SE · Modellunternehmen
Leitfrage / ZweckWachstumsportfolio über Kerngeschäft, Skalierung und Zukunftsoptionen ausbalancieren und investierbare Entscheidungen mit Übergangsgates treffen.
ScopeProdukt-, Service- und Geschäftsmodellinitiativen der betrachteten Business Unit.
Markt / GeografieEuropa · Maschinenbau / industrielle Automatisierung
Betrachtungszeitraum2027–2032
Owner / FreigabeLeitung Corporate Strategy / Innovation · Modellrolle / Geschäftsführung · Modellrolle
Annahmen / GrenzenHorizon-Zuordnung folgt Reife, Geschäftsmodellnähe und Time-to-Impact, nicht einem starren Kalender. Alle drei Horizonte werden gleichzeitig gesteuert.
Daten / QuellenDidaktischer Modellfall. Alle internen Zahlen und Marktannahmen sind Modellannahmen – vor realer Verwendung zu validieren.
2

Managemententscheidung

Entscheidung
H1-Plattform konsequent finanzieren, H2-Digitalservice skalieren, Retrofit evidenzbasiert halten und H3 auf zwei begrenzte Optionen mit klaren Lern- und Kill-Gates beschränken.
Begründung
Das Portfolio schützt kurzfristige Ergebnis- und Qualitätsfähigkeit, finanziert validierte Skalierung und hält wenige klar begrenzte Zukunftsoptionen offen. Ressourcen werden nach Evidenz, Reife, Fit, Wertpotenzial und expliziten Gates verteilt.
Priorität
hoch
3

Führungslogik der drei Horizonte

H1
Heute Wert liefern

Was schützen, verbessern, vereinfachen oder beenden wir?

Steuerung: Cash · Marge · Qualität · Produktivität

H2
Morgen skalieren

Welche validierten Wachstumsgeschäfte verdienen Skalierungsressourcen?

Steuerung: Traction · Unit Economics · Skalierbarkeit

H3
Übermorgen beweisen

Welche Optionen müssen wir lernen, testen oder verwerfen?

Steuerung: Lernen · Evidenz · Optionswert · Trigger

Blatt 1 / 5
McKinsey Three Horizons AI · Growth Portfolio · Transition Gates

Three Horizons 2027–2032 · Industrieautomation

H1 Kerngeschäft · H2 Skalierung · H3 Optionen · Ressourcen · Evidenz · Kill/Scale/Hold · Übergänge
Version
1.0
Status
Lernsimulation
Qualitätscheck
82%
Seite
2/5
4

Three Horizons · Portfolio-Landkarte

H1
Heute Wert liefern
Was schützen, verbessern, vereinfachen oder beenden wir?
Modulare Servo-Plattform vereinheitlichen
Varianten reduzieren, Lieferfähigkeit und Marge steigern.
Wert 5Reife Seriengeschäft / optimierenScale
Steuerung: Cash · Marge · Qualität · Produktivität
H2
Morgen skalieren
Welche validierten Wachstumsgeschäfte verdienen Skalierungsressourcen?
Predictive-Maintenance-Service
Wiederkehrende digitale Erlöse auf installierter Hardwarebasis.
Wert 5Reife Pilot / erste zahlende KundenScale
Retrofit-Kit Energieeffizienz
Angrenzendes Geschäft über bestehenden Servicezugang skalieren.
Wert 4Reife Validierung / ReferenzanlagenHold
Steuerung: Traction · Unit Economics · Skalierbarkeit
H3
Übermorgen beweisen
Welche Optionen müssen wir lernen, testen oder verwerfen?
Autonome KI-Produktionszelle
Option auf selbstoptimierende Produktionszellen.
Wert 5Reife Forschungsprototyp / OptionExperiment
Robot-as-a-Service Montage
Nutzungsbasiertes Automationsgeschäft prüfen.
Wert 4Reife Geschäftsmodell-ExperimentExperiment
Steuerung: Lernen · Evidenz · Optionswert · Trigger
Blatt 2 / 5
McKinsey Three Horizons AI · Growth Portfolio · Transition Gates

Three Horizons 2027–2032 · Industrieautomation

H1 Kerngeschäft · H2 Skalierung · H3 Optionen · Ressourcen · Evidenz · Kill/Scale/Hold · Übergänge
Version
1.0
Status
Lernsimulation
Qualitätscheck
82%
Seite
3/5
5

Initiativen · Evidenz · Wert · Risiko

Initiative / HorizontKunden-/GeschäftswertEvidenz / KonfidenzReife / ZeitRisiko / AbhängigkeitenKPI / Frühindikator
Modulare Servo-Plattform vereinheitlichen
H1 – Kerngeschäft sichern & entwickeln
Varianten reduzieren, Lieferfähigkeit und Marge steigern.
Vier historisch gewachsene Servo-Baureihen auf eine modulare Plattform überführen.
Wert/Fit: 5/5 · 5/5
C – Modellannahme / zu validieren
Modellannahme: Variantenkosten und Obsoleszenz treiben Bestands- und Engineering-Aufwand.
Konf.: mittel
Seriengeschäft / optimieren
0–18 Monate
Migrationsrisiko bei Bestandskunden; Qualitätsfreigaben absichern.
Abh.: Konstruktion, Einkauf, Produktion, Key Accounts
Anteil Neuprojekte auf Plattform >70 %
Varianten -35 %, Materialkosten -8 %, Reklamationsrate nicht schlechter als Baseline
Predictive-Maintenance-Service
H2 – Wachstum aufbauen & skalieren
Wiederkehrende digitale Erlöse auf installierter Hardwarebasis.
Sensor- und Betriebsdaten in einen abonnierbaren Zustandsservice überführen.
Wert/Fit: 5/5 · 5/5
C – Modellannahme / zu validieren
Modellannahme: Pilotkunden vorhanden, Zahlungsbereitschaft zu validieren.
Konf.: niedrig
Pilot / erste zahlende Kunden
12–36 Monate
Unklare Unit Economics und Data-Governance.
Abh.: Cloud, Cybersecurity, Servicevertrieb, Vertragsmodell
5 zahlende Referenzkunden mit Nutzung >70 %
ARR >1,5 Mio. €, Bruttomarge >55 %, Churn <8 %
Retrofit-Kit Energieeffizienz
H2 – Wachstum aufbauen & skalieren
Angrenzendes Geschäft über bestehenden Servicezugang skalieren.
Standardisiertes Retrofit aus Antrieb, Sensorik und Optimierungssoftware.
Wert/Fit: 4/5 · 4/5
C – Modellannahme / zu validieren
Modellannahme: Nachfrage vorhanden, technische Standardisierung offen.
Konf.: niedrig
Validierung / Referenzanlagen
12–30 Monate
Hohe Applikationsvarianz.
Abh.: Servicepartner, Engineering Rules, Messkonzept
>60 % Anwendungen mit Standardkit
Payback Kunde <24 Monate; Deckungsbeitrag >30 %
Autonome KI-Produktionszelle
H3 – Zukunftsoptionen erkunden
Option auf selbstoptimierende Produktionszellen.
Antrieb, Sensorik, Vision und Prozess-KI zu adaptiver Zelle verbinden.
Wert/Fit: 5/5 · 4/5
C – Modellannahme / zu validieren
Modellannahme: Modul-Machbarkeit vorhanden; Systemnutzen/Haftung offen.
Konf.: mittel
Forschungsprototyp / Option
3–7 Jahre
Technologie-, Safety-, Haftungs- und Akzeptanzrisiko.
Abh.: KI, Functional Safety, OEM-Partner, Datenrechte
Demonstrator löst 3 definierte Abweichungen autonom und sicher
>15 % OEE-/Energieeffekt im kontrollierten Pilot
Robot-as-a-Service Montage
H3 – Zukunftsoptionen erkunden
Nutzungsbasiertes Automationsgeschäft prüfen.
Flexible Robotikzellen als Pay-per-Part inklusive Service anbieten.
Wert/Fit: 4/5 · 3/5
C – Modellannahme / zu validieren
Modellannahme: Interesse vorhanden; Restwert- und Auslastungsrisiko hoch.
Konf.: niedrig
Geschäftsmodell-Experiment
3–6 Jahre
Kapitalbindung und Servicekomplexität.
Abh.: Finanzierungspartner, Service, Standardzelle
3 Piloten >75 % Auslastung mit positivem Contribution Margin
Unit Economics positiv bei konservativem Restwert
Blatt 3 / 5
McKinsey Three Horizons AI · Growth Portfolio · Transition Gates

Three Horizons 2027–2032 · Industrieautomation

H1 Kerngeschäft · H2 Skalierung · H3 Optionen · Ressourcen · Evidenz · Kill/Scale/Hold · Übergänge
Version
1.0
Status
Lernsimulation
Qualitätscheck
82%
Seite
4/5
6

Ressourcenbalance · Entscheidungen · Transition Gates

InitiativeRessourcen %EntscheidungNächster MeilensteinTransition GateKill / Pivot / Scale Trigger
Modulare Servo-Plattform vereinheitlichen
H1 – Kerngeschäft sichern & entwickeln
38 %ScalePlattformfreigabe für zwei LeitkundenH1 bleibt H1; Wertrealisierung über Kosten, Qualität und Cash messen.Stop/Pivot bei Qualitätsverschlechterung >10 % oder Kundenverlust >5 %.
Predictive-Maintenance-Service
H2 – Wachstum aufbauen & skalieren
26 %ScalePreis-/Leistungsmodell bei 5 zahlenden Kunden validierenH2→H1 nur bei wiederholbarer Akquise, positiver Unit Economics und standardisiertem Delivery-Modell.Pivot wenn CAC-Payback >24 Monate oder Nutzungsquote <50 %.
Retrofit-Kit Energieeffizienz
H2 – Wachstum aufbauen & skalieren
16 %Hold20 Anlagen in 3 Branchen vergleichenH2→H1 bei standardisierbarer Applikation und belastbarem Channel-Modell.Kill bei Standardisierungsquote <40 %.
Autonome KI-Produktionszelle
H3 – Zukunftsoptionen erkunden
12 %ExperimentSafety-by-design DemonstratorH3→H2 nur bei technischem Beweis, Käuferrolle, Markt und Risikoarchitektur.Kill/Pivot wenn Zusatznutzen gegenüber Assistenzsystem <5 %.
Robot-as-a-Service Montage
H3 – Zukunftsoptionen erkunden
8 %ExperimentFinanzierungs-/Restwertmodell testenH3→H2 bei replizierbarer Unit Economics und Servicefähigkeit.Kill bei negativer Unit Economics trotz >70 % Auslastung.
Blatt 4 / 5
McKinsey Three Horizons AI · Growth Portfolio · Transition Gates

Three Horizons 2027–2032 · Industrieautomation

H1 Kerngeschäft · H2 Skalierung · H3 Optionen · Ressourcen · Evidenz · Kill/Scale/Hold · Übergänge
Version
1.0
Status
Lernsimulation
Qualitätscheck
82%
Seite
5/5
7

Execution · Maßnahmen · Wirksamkeit

MaßnahmeOwner / TerminPriorität / RessourcenMessgrößeWirksamkeitsnachweis / Trigger
H1-Werthebel mit Qualitäts-Guardrails umsetzenOperations Excellence
2027-01-31
hoch
8 FTE-Monate
Varianten -35 %, Materialkosten -8 %, Reklamationsrate nicht schlechter als BaselineGate-Protokoll mit Datenstand, Soll/Ist, Entscheidung und dokumentierter Wirkung.
Trigger: Stop/Pivot bei Qualitätsverschlechterung >10 % oder Kundenverlust >5 %.
H2-Skalierungsgate mit zahlenden Pilotkunden prüfenBusiness Development
2027-03-31
hoch
350 T€ Skalierungsbudget
ARR >1,5 Mio. €, Bruttomarge >55 %, Churn <8 %Gate-Protokoll mit Datenstand, Soll/Ist, Entscheidung und dokumentierter Wirkung.
Trigger: Pivot wenn CAC-Payback >24 Monate oder Nutzungsquote <50 %.
H3-Lernexperiment mit Falsifikationslogik durchführenAdvanced Engineering
2027-02-28
hoch
120 T€ Optionsbudget
Payback Kunde <24 Monate; Deckungsbeitrag >30 %Gate-Protokoll mit Datenstand, Soll/Ist, Entscheidung und dokumentierter Wirkung.
Trigger: Kill bei Standardisierungsquote <40 %.
Ressourcenreview und Umschichtung vorbereitenCFO / Strategy
2027-01-15
mittel
2 Workshops + Finance Review
>15 % OEE-/Energieeffekt im kontrollierten PilotGate-Protokoll mit Datenstand, Soll/Ist, Entscheidung und dokumentierter Wirkung.
Trigger: Kill/Pivot wenn Zusatznutzen gegenüber Assistenzsystem <5 %.
Quarterly Horizons Review durchführenGeschäftsführung / Strategy
2027-01-15
mittel
½ Tag Quarterly Review
Unit Economics positiv bei konservativem RestwertGate-Protokoll mit Datenstand, Soll/Ist, Entscheidung und dokumentierter Wirkung.
Trigger: Kill bei negativer Unit Economics trotz >70 % Auslastung.
8

Review / Lernschleife

2027-01-15 · Quarterly Horizons Review · Modellrolle
Portfolio-Balance, Evidenzfortschritt, Ressourcennutzung und Gate-Entscheidungen neu bewerten.
Entscheidung: Hold / Scale / Pivot / Kill je Initiative
9

Quellenregister

Keine externe Deep-Research-Quelle hinterlegt. Interne Evidenz und Modellannahmen im Portfolio prüfen.
Blatt 5 / 5
Learn Experience
QUALITY · KVP · OPEX · KI

Unser LXP-Gedanke: Wissen in Handeln verwandeln – mit Lernreisen, praxisnahen Tools und Gamification für Qualität, KVP, Operational Excellence und KI.

Frankfurt am Main
Kontakt aufnehmen
Wissen
  • Wissen Übersicht
  • Lernreisen A-Z
  • Videos A-Z
  • Präsentationen A-Z
  • Papers
  • Bibliothek A-Z
Wissen anwenden
  • Tools für die Praxis
  • KI-Apps
  • Live Sessions
  • Lernformate
  • Preismodelle
Unternehmen
  • Über uns (About)
  • Unsere Farbwelten
  • Kontakt (Contact)
  • Partner & Ökosystem
  • Impressum
  • Netiquette
Recht & Sicherheit
  • Datenschutz
  • DSGVO-Übersicht
  • Trust Center
  • Nutzungsbedingungen
© 2026 Quality Services & Wissen GmbH · Frankfurt am Main
ImpressumDatenschutzNutzungsbedingungenNetiquette

Deine Privatsphäre. Deine Entscheidung.

Notwendiger Speicher hält Anmeldung, Sicherheit und deine Auswahl bereit. Nur mit deiner Zustimmung messen wir Seitenaufrufe und Nutzung.

Du entscheidest freiwillig. Videos und Inhalte bleiben bei jeder Auswahl verfügbar. Externe Medien können Daten an ihre Anbieter übertragen. Änderbar über „Cookie-Einstellungen“ im Seitenfuß.

DatenschutzerklärungImpressum