Der Übergang von „Systems of Record“ zu „Systems of Understanding“

In den letzten Jahrzehnten hat die Fertigungsindustrie dem „System of Record“ 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 Bauteil wurde fertiggestellt, eine Charge wurde freigegeben oder eine Lieferung wurde versandt.

Mit Blick auf das Jahr 2026 erkennen jedoch viele Betriebsleiter, dass ihnen zwar mehr Daten als je zuvor zur Verfügung stehen, es ihnen aber 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 Komplexität der Geschäftsabläufe Schritt zu halten. Um weiter voranzukommen, muss sich der Fokus von der bloßen Aufzeichnung vergangener Ereignisse hin zum Aufbau eines Systems des Verstehens verlagern.

digitale Transformation Kapazitäten in den Bereichen Entwicklung und Führung freisetzen. In vielen Fällen hat sie jedoch das Gegenteil bewirkt. Laut einer Studie von CoLab Software verbringen Entwickler 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 ausgeprägter. 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, schlummern die Daten dort, bis ein Mensch mit ihnen interagiert. Dies schafft eine Kultur, in der hochqualifizierte Mitarbeiter ihre Schichten 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 Aufgabe des Systems. Ein Mensch, in der Regel ein Vorgesetzter oder Ingenieur, muss sein eigenes Wissen einsetzen, um den Trend zu analysieren und schließlich zu einer Entscheidung zu gelangen – nämlich der Entscheidung, die Maschine anzuhalten oder den Kühlstrom anzupassen.

Ein System, das diese Dynamik versteht, verändert sie, indem es diese Ebenen zusammenführt. Durch die Integration künstlicher Intelligenz und einer flexibleren Datenarchitektur kann das System fast augenblicklich von Rohdaten zu Erkenntnissen gelangen. Es zeigt nicht nur einen Temperaturanstieg an, sondern versteht 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 „Tribal Knowledge“ 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 Vorbote 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 diese Informationsflut 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 of Understanding“ soll diese Lücke nun endlich schließen – mithilfe multimodaler KI und Computervision diese ruhenden, physikalischen Signale in verwertbare Erkenntnisse umzuwandeln.

Der größte Hemmfaktor für die Produktivität in der Fertigung im Jahr 2026 ist nicht die Geschwindigkeit der Maschinen, sondern der Koordinationsaufwand – die versteckten Kosten für manuelle Planung, Statusüberprüfungen und Datenübertragung. Wenn ein System lediglich als Archiv vergangener Vorgänge dient, müssen Menschen als Bindeglied zwischen den einzelnen Silos fungieren.

Bei der Umstellung auf ein System, das auf Verständnis basiert, geht es nicht darum, das menschliche Urteilsvermögen zu ersetzen, sondern es zu stärken. Wenn das System die routinemäßige Auswertung von Daten übernimmt – beispielsweise das Erkennen eines Fehlermusters oder die Überprüfung einer Einstellung –, ist der Mensch nicht mehr nur eine Zwischenkomponente. 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 operativen Ebene von der Ausführung sich wiederholender Schritte hin zu klugen, funktionsübergreifenden Entscheidungen. Für eine Führungskraft im operativen Bereich liegt der Mehrwert in der Entscheidungsgeschwindigkeit. 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 Verstehen ein Problem ist, das von vielen Signalen geprägt ist. Herkömmliche Datenspeichersysteme sind für lineare, meilensteinorientierte Veränderungen ausgelegt und eignen sich gut für lange Planungszyklen und stabile Prozesse. In einem Umfeld jedoch, in dem der Kontext kontinuierlich und fragmentiert ist, stoßen sie an ihre Grenzen.

Die Kombinierbarkeit ermöglicht diesen Übergang auf drei wesentliche Weisen:

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

• Schrittweise Weiterentwicklung: Dank modularer Anwendungen können Betriebsteams intelligente Funktionen wie Computervision schrittweise an einer einzelnen Station oder Zelle 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 Ausnahmen endlich mit der Geschwindigkeit der Produktion und nicht mehr mit der Geschwindigkeit eines IT-Release-Zyklus beheben.

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 Kundenservice damit, darauf zu warten, dass ein Vorgesetzter eine Systemmeldung auswertet oder die nächsten Anweisungen erteilt?

2. Der „Shadow Data“-Test: Wie viel von unserem wertvollsten betrieblichen Wissen 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 lässt sich nicht durch den Kauf einer einzigen Software bewerkstelligen. Es handelt sich vielmehr um einen Wandel in der Art und Weise, wie wir Daten bewerten – weg von der historischen Dokumentation hin zu operativen Erkenntnissen in Echtzeit.