Der Übergang von Aufzeichnungssystemen zu Verständnis-Systemen

In den letzten Jahrzehnten hat die Fertigungsindustrie dem „System of Record“ Priorität eingeräumt. Unternehmen haben Milliarden in ERP MES investiert, die für einen einzigen Zweck entwickelt wurden: die Dokumentation von Transaktionen. Diese Systeme sind hervorragend geeignet, um zu erfassen, was geschehen ist – ein Teil wurde fertiggestellt, eine Charge wurde freigegeben oder eine Lieferung wurde versandt.

Mit Blick auf das Jahr 2026 erkennen jedoch viele Betriebsleiter, dass sie zwar über mehr Daten als je zuvor verfügen, es ihnen jedoch an Klarheit mangelt. Die traditionelle Fertigungsumgebung ist passiv. Sie erfordert, dass Menschen Daten manuell eingeben, Berichte manuell interpretieren und die Lücke zwischen einer rohen Sensoranzeige und einer Korrekturmaßnahme manuell schließen.

Die Branche erreicht einen Wendepunkt, an dem das Transaktionsmodell für Daten nicht mehr ausreicht, um mit der Komplexität der Betriebsabläufe Schritt zu halten. Um voranzukommen, muss der Fokus von der reinen Aufzeichnung historischer Daten auf den Aufbau eines Systems zum Verständnis verlagert werden.

Die Förderung der digitale Transformation eigentlich Ingenieurs- und Führungskapazitäten freisetzen. In vielen Fällen hat sie jedoch das Gegenteil bewirkt. Laut einer Studie von CoLab Software verbringen Ingenieure mittlerweile zwischen 23 % und 25 % ihrer Zeit mit Tätigkeiten ohne Mehrwert, wie beispielsweise der Suche nach Dateien und der Verwaltung der Versionskontrolle.

In der Produktion ist die Reibung sogar noch ausgeprägter. Untersuchungen von ScreenCloud und Unily zeigen, dass Mitarbeiter an vorderster Front etwa 22 % ihrer Arbeitszeit – über 90 Minuten pro Tag – mit der Suche nach Informationen oder dem Warten auf Informationen verbringen. Wenn ein System ausschließlich ein Aufzeichnungssystem ist, bleiben die Daten ungenutzt, bis ein Mensch mit ihnen interagiert. Dies schafft eine Kultur, in der hochqualifizierte Mitarbeiter ihre Arbeitszeit damit verbringen, die Software zu füttern, anstatt den Prozess zu optimieren.

Um diese Reibung zu lösen, müssen wir uns die grundlegende Struktur von Industriedaten ansehen, die häufig anhand der DIKW-Pyramide (Daten, Informationen, Wissen, Weisheit) visualisiert wird.

In einem traditionellen ISA-95-Stack übernimmt die Software in der Regel die Basis der Pyramide. Sie sammelt Rohdaten (z. B. eine Temperatur von 100 °C) und organisiert 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, ob die Maschine angehalten oder der Kühlungsfluss angepasst werden soll.

Ein System zum Verständnis verändert diese Dynamik, 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 erkennt, 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 für Tabellen, Zahlen und starre Felder ausgelegt, also für Datentypen, die sich gut in eine Datenbank einfügen lassen. Allerdings ist der Großteil der Vorgänge in einer Fabrikhalle unstrukturiert.

Wertvolle operative Informationen sind in Quellen verborgen, die von herkömmlichen Systemen als Störsignale behandelt werden:

• Sprachnotizen eines scheidenden Schichtleiters, der eine Lösung für ein internes Problem erläutert.

• Fotos eines Mangels, aufgenommen mit einem Smartphone, die die Nuancen 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 Bilder, Aufzeichnungen und Rohtexte. Da herkömmliche ERP MES für starre Datenbanken entwickelt wurden, war diese Fülle an Informationen für Unternehmen bislang nicht sichtbar.

Das Ergebnis ist eine enorme Menge an „Dark Data“, also Daten, die erfasst, aber nie für Analysen oder strategische Entscheidungen genutzt wurden. Splunk berichtet, dass 55 % der Daten eines Unternehmens als dunkel, ungenutzt, versteckt oder unbekannt gelten. Ein Verständnis-System soll diese Lücke nun endlich schließen, indem es multimodale KI und Computervision einsetzt. Computervision diese ruhenden, physischen Signale in verwertbares Wissen umzuwandeln.

Der Hauptgrund für die geringere 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 eine Aufzeichnung der Vergangenheit ist, müssen Menschen als Bindeglied zwischen den Silos fungieren.

Der Übergang zu einem System des Verstehens bedeutet nicht, dass menschliches Urteilsvermögen ersetzt wird, sondern dass es aufgewertet wird. Wenn das System die routinemäßige Interpretation von Daten übernimmt, wie beispielsweise die Identifizierung eines Fehlermusters oder die Überprüfung einer Einrichtung, ist der Mensch nicht mehr nur eine Zwischenkomponente. Stattdessen wird er in die Lage versetzt, Ausnahmen statt Standards zu verwalten.

Dieser architektonische Wandel befasst sich mit einer kritischen strukturellen Realität: dem Fachkräftemangel. Da Systeme Routineaufgaben automatisieren, verlagern sich die Aufgaben an vorderster Front von der Ausführung sich wiederholender Schritte hin zu intelligenten, funktionsübergreifenden Entscheidungen. Für einen Betriebsleiter liegt der Wert in der Entscheidungsgeschwindigkeit. Indem Sie die administrativen Reibungsverluste durch das Warten auf Informationen beseitigen, ermöglichen Sie Ihren qualifiziertesten Mitarbeitern, sich wieder auf die Aufgaben zu konzentrieren, für die sie eingestellt wurden: Probleme lösen und die Produktion optimieren.

Ein System zum Verständnis kann nicht als monolithisches, geschlossenes Werkzeug existieren. Es erfordert eine komponierbare Architektur, da Verständnis ein Problem mit mehreren Signalen ist. Herkömmliche Aufzeichnungssysteme sind für lineare, meilensteinorientierte Veränderungen ausgelegt und eignen sich gut für lange Planungszyklen und stabile Prozesse. In einer Umgebung, in der der Kontext kontinuierlich und fragmentiert ist, stoßen sie jedoch an ihre Grenzen.

Die Kombinierbarkeit ermöglicht diesen Übergang auf drei wesentliche Arten:

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

• Inkrementelle Weiterentwicklung: Modulare Anwendungen ermöglichen es Betriebsteams, intelligente Funktionen wie Computervision schrittweise an einer einzelnen Station oder Zelle einzuführen, anstatt auf eine standortweite Einführung zu warten.

• Interoperabilität: Nur eine flexible Architektur kann unterschiedliche Signale wie Bildaufnahmen, Maschinenprotokolle und Sprachmemos von Bedienern zu einem gemeinsamen Lagebild zusammenfügen, das alle Rollen umfasst.

Durch den Aufbau einer komponierbaren Engagement-Ebene auf bestehenden Systemen können Teams Ausnahmen endlich mit der Geschwindigkeit der Fertigung lösen, anstatt mit der Geschwindigkeit eines IT-Release-Zyklus.

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

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

1. Der Wartetest: Wie viel Zeit verbringen unsere Mitarbeiter an vorderster Front damit, darauf zu warten, dass ein Vorgesetzter eine Systemwarnung interpretiert oder die nächsten Anweisungen erteilt?

2. Der Schatten-Datentest: Wie viel von unserem wertvollsten operativen Wissen befindet sich in physischen Notizbüchern, auf Whiteboards oder in nicht aufgezeichneten Gesprächen?

3. Der Admin-Test: Verbringen unsere Ingenieure mehr Zeit mit der Lösung von Produktionsproblemen oder mit der Bereinigung von Daten für das ERP?

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