Der Übergang von Aufzeichnungssystemen zu Systemen des Verständnisses

In den letzten Jahrzehnten hat die Fertigungsindustrie dem „System of Record“ höchste Priorität eingeräumt. Unternehmen haben Milliarden in ERP MES investiert, die nur einem Zweck dienen: der Dokumentation von Vorgängen. Diese Systeme sind hervorragend darin, zu erfassen, was geschehen ist – ein Teil wurde fertiggestellt, eine Charge wurde freigegeben oder eine Lieferung wurde versandt.

Mit Blick auf das Jahr 2026 stellen viele Betriebsleiter jedoch fest, dass ihnen zwar mehr Daten als je zuvor zur Verfügung stehen, es ihnen jedoch an Klarheit mangelt. Die herkömmliche Fertigungsinfrastruktur ist passiv. Sie erfordert, dass Mitarbeiter Daten manuell eingeben, Berichte manuell auswerten und die Lücke zwischen einem rohen Sensorwert und einer Korrekturmaßnahme manuell schließen.

Die Branche steht an einem Wendepunkt, an dem das transaktionsbasierte Datenmodell nicht mehr ausreicht, um mit der zunehmenden Komplexität der Geschäftsabläufe Schritt zu halten. Um voranzukommen, muss sich der Fokus von der bloßen Aufzeichnung vergangener Ereignisse hin zum Aufbau eines Systems des Verstehens verlagern.

Der Vorstoß zur digitale Transformation Kapazitäten im Ingenieurwesen und in Führungspositionen freisetzen. In vielen Fällen hat er jedoch das Gegenteil bewirkt. Laut einer Studie von CoLab Software verbringen Ingenieure mittlerweile zwischen 23 % und 25 % ihrer Zeit mit nicht wertschöpfenden Tätigkeiten, wie beispielsweise der Suche nach Dateien und der Verwaltung der Versionskontrolle.

In der Produktion sind die Reibungsverluste noch deutlicher zu spüren. Untersuchungen von ScreenCloud und Unily zeigen, dass Mitarbeiter an vorderster Front etwa 22 % ihrer Schicht – über 90 Minuten pro Tag – damit verbringen, nach Informationen zu suchen oder auf diese zu warten. Wenn ein System lediglich als Datenspeicher dient, liegen die Daten brach, bis ein Mensch mit ihnen interagiert. Dies führt zu einer Kultur, in der hochqualifizierte Mitarbeiter ihre Arbeitszeit damit verbringen, die Software zu füttern, anstatt den Prozess zu optimieren.

Um diese Reibungspunkte zu beseitigen, müssen wir uns mit der grundlegenden Struktur industrieller Daten befassen, die häufig anhand der DIKW-Pyramide (Daten, Information, Wissen, Weisheit) veranschaulicht wird.

In einem herkömmlichen ISA-95-Stack übernimmt die Software in der Regel die unterste Ebene der Pyramide. Sie erfasst Rohdaten (z. B. eine Temperatur von 100 °C) und verarbeitet diese zu Informationen (z. B. ein Liniendiagramm der Temperaturen im Zeitverlauf). An dieser Stelle endet die Funktion des Systems. Ein Mensch, in der Regel ein Vorgesetzter oder Ingenieur, muss sein eigenes Wissen anwenden, um den Trend zu analysieren und schließlich zu einer Entscheidung zu gelangen, nämlich die Maschine anzuhalten oder den Kühlstrom anzupassen.

Ein intelligentes System verändert diese Dynamik, indem es diese Ebenen zusammenführt. Durch die Integration künstlicher Intelligenz und einer flexibleren Datenarchitektur kann das System nahezu augenblicklich von Rohdaten zu Erkenntnissen gelangen. Es zeigt nicht nur einen Temperaturanstieg an, sondern erkennt auch, dass „100 °C für dieses bestimmte Produkt auf dieser bestimmten Maschine zu heiß sind“, und gibt dem Bediener umgehend eine Empfehlung.

Einer der Hauptgründe, warum herkömmliche MES ERP Schwierigkeiten haben, ein umfassendes Verständnis zu vermitteln, ist ihre inhärente Abhängigkeit von strukturierten Daten. Diese Systeme sind auf Tabellen, Zahlen und starre Felder ausgelegt – also auf Datentypen, die sich nahtlos in eine Datenbank einfügen lassen. Doch der Großteil dessen, was tatsächlich in der Fertigung geschieht, ist unstrukturiert.

Wertvolle operative Zusammenhänge verbergen sich in Quellen, die von herkömmlichen Systemen als Rauschen behandelt werden:

• Sprachnotizen eines scheidenden Schichtleiters, in denen er eine auf „Stammwissen“ basierende Problemumgehung erläutert.

• Mit einem Smartphone aufgenommene Fotos eines Defekts, die die Feinheiten eines Qualitätsproblems verdeutlichen.

• Das Geräusch eines Motors, das ein erfahrener Techniker als Vorboten eines Ausfalls erkennt.

• Handschriftliche Notizen auf Whiteboards zu vorübergehenden Prozessanpassungen.

Laut McKinsey sind mehr als 90 % der Unternehmensdaten unstrukturiert und umfassen unter anderem Bilder, Aufzeichnungen und Rohtext. Da herkömmliche ERP MES für starre Datenbanken konzipiert wurden, blieb dieser Informationsschatz für das Unternehmen bislang unsichtbar.

Das Ergebnis ist eine riesige Menge an „Dark Data“, also Daten, die zwar erfasst, aber nie für Analysen oder strategische Entscheidungen genutzt wurden. Laut Splunk gelten 55 % der Daten eines Unternehmens als „Dark Data“, d. h. als ungenutzt, verborgen oder unbekannt. Ein System zum Verständnis dieser Daten soll diese Lücke nun endlich schließen, indem es multimodale KI und Computervision diese ruhenden, physischen Signale in verwertbares Wissen umzuwandeln.

Der größte Produktivitätsengpass in der Fertigung im Jahr 2026 ist nicht die Geschwindigkeit der Maschinen, sondern der Koordinationsaufwand – die versteckten Kosten, die durch manuelle Planung, Statusabfragen und Datenübertragung entstehen. Wenn ein System lediglich als Archiv dient, müssen Menschen als Bindeglied zwischen den einzelnen Abteilungen fungieren.

Bei der Umstellung auf ein System, das auf Verständnis basiert, geht es nicht darum, menschliches Urteilsvermögen zu ersetzen, sondern es zu stärken. Wenn das System die routinemäßige Auswertung von Daten übernimmt – etwa das Erkennen eines Fehlermusters oder die Überprüfung einer Einstellung –, ist der Mensch nicht länger eine Zwischeninstanz. Stattdessen wird er in die Lage versetzt, sich auf Ausnahmen statt auf Standardfälle zu konzentrieren.

Dieser architektonische Wandel trägt einer entscheidenden strukturellen Realität Rechnung: dem Fachkräftemangel. Da Systeme Routineaufgaben automatisieren, verlagert sich der Schwerpunkt der Aufgaben an der Basis von der Ausführung sich wiederholender Schritte hin zu klugen, funktionsübergreifenden Entscheidungen. Für eine Führungskraft im operativen Bereich liegt der Mehrwert in der Schnelligkeit der Entscheidungsfindung. Indem Sie administrative Reibungsverluste durch das Warten auf Informationen beseitigen, ermöglichen Sie es Ihren qualifiziertesten Mitarbeitern, sich wieder der Arbeit zu widmen, für die sie eingestellt wurden: Probleme zu lösen und die Produktion zu optimieren.

Ein System des Verstehens kann nicht als monolithisches, geschlossenes Werkzeug existieren. Es erfordert eine individuell gestaltbar , da das Verstehen ein Problem ist, das von vielfältigen Signalen geprägt ist. Herkömmliche Datenspeichersysteme sind für lineare, meilensteinorientierte Veränderungen ausgelegt und eignen sich gut für lange Planungszyklen und stabile Prozesse. In einem Umfeld, in dem der Kontext jedoch kontinuierlich und fragmentiert ist, stoßen sie an ihre Grenzen.

Die Kombinierbarkeit ermöglicht diesen Übergang auf drei wesentliche Arten:

• Entkopplung von Daten und Logik: ERP die Trennung der Datenebene von der Anwendungsebene können Hersteller unübersichtliche, unstrukturierte Signale verarbeiten, ohne die Integrität des zentralen ERP zu gefährden.

• Schrittweise Weiterentwicklung: Dank modularer Anwendungen können Betriebsteams intelligente Funktionen wie Computervision schrittweise an einzelnen Stationen oder in einzelnen Zellen einführen, anstatt auf eine standortweite Einführung warten zu müssen.

• Interoperabilität: Nur eine flexible Architektur kann unterschiedliche Signale wie Bildaufnahmen, Maschinenprotokolle und Sprachnotizen von Bedienern zu einem gemeinsamen Lagebild zusammenführen, das rollenübergreifend verfügbar ist.

Durch den Aufbau einer individuell gestaltbar auf der Grundlage bestehender Systeme können Teams Ausnahmesituationen endlich mit der Geschwindigkeit der Produktion lösen, anstatt sich nach dem Rhythmus eines IT-Release-Zyklus richten zu müssen.

Wenn Führungskräfte im operativen Bereich den Blick auf das kommende Jahr der Technologieinvestitionen richten, sollte das Ziel nicht darin bestehen, mehr Daten zu sammeln, sondern die Entscheidungsgeschwindigkeit zu erhöhen.

Um zu beurteilen, ob sich Ihr derzeitiger Stack in Richtung eines Systems des Verstehens entwickelt, sollten Sie folgende Fragen berücksichtigen:

1. Der Wartezeit-Test: Wie viel Zeit verbringen unsere Mitarbeiter im Kundendienst damit, darauf zu warten, dass ein Vorgesetzter eine Systemmeldung auswertet oder die nächsten Anweisungen erteilt?

2. Der „Shadow Data“-Test: Wie viel unseres wertvollsten betrieblichen Wissens befindet sich in physischen Notizbüchern, auf Whiteboards oder in nicht aufgezeichneten Gesprächen?

3. Der Admin-Test: Verbringen unsere Ingenieure mehr Zeit damit, Probleme in der Produktion zu lösen, oder damit, Daten für das ERP aufzubereiten?

Der Übergang von der reinen Datenerfassung zum Verständnis ist nicht mit dem Kauf einer einzigen Software verbunden. Es handelt sich vielmehr um einen Wandel in der Art und Weise, wie wir Daten bewerten – weg von der historischen Dokumentation hin zu operativer Erkenntnis in Echtzeit.