Viele Verantwortliche in Industrieunternehmen glauben, sie fielen im Wettbewerb zurück, wenn sie zu wenig in KI investieren würden. Doch oft ist nicht das Budget das Problem, sondern die Wahl des Investitionsziels sowie die Taktung. Auch KI-Investments brauchen eine durchdachte Stategie. Wer in KI-Apps investiert, ohne das Fundament für ihre zielführende Nutzung zu haben, riskiert ihre praktische Anwendbarkeit. Dann wird KI möglicherweise zum teuren Experiment statt zu einem strategischen Hebel im Wettbewerb.
Wie wird die Fertigung KI-bereit?
Die Gefahr besteht darin, in Technologien zu investieren, ohne die benötigte Datenbasis und die gewünschten Prozesse im Vorhinein genau analysiert und definiert zu haben. Die zentrale Frage sollte lauten: Wie machen wir unsere Fertigung KI-bereit?
Für die Antwort gilt es zu klären, welche datengetriebenen Prozesse und welche Produktionsumgebung vorhanden sein sollten, mit den KI-Apps ihre Aufgaben sinnvoll erledigen können. Daraus ergibt sich dann, welche KI-Apps Nutzen stiften werden.
Digitale Reifeprüfung machen
Wie moderne MES-Anwendungen benötigen auch KI-Systeme digital erfasste Daten. Doch viele Unternehmen haben ihre digitale Reifeprüfung noch vor sich. Die Realität in der Industrie in diversen Untersuchungen: 76 Prozent der industriellen KMU weisen eine niedrige oder sehr niedrige digitale Reife auf (Eurostat, 2024). Noch immer verlassen sich 70 Prozent der Hersteller auf manuelle Datenerfassung (Manufacturing Leadership Council). Und selbst wenn Daten gesammelt werden, bleiben 56 Prozent ungenutzt (Rockwell, 2025). Dabei werden immer wieder folgenden Hindernisse genannt:
• Kaum Standardisierung: Daten aus verschiedenen Maschinen, Systemen und Standorten sind oft inkompatibel und schwer zu integrieren.
• Manuelle Prozesse: Solange Daten per Hand erfasst oder in Excel-Tabellen gepflegt werden, bleibt die Qualität fragwürdig – und KI kann nicht sinnvoll darauf aufsetzen.
• Unklare Verantwortlichkeiten: In vielen Betrieben gibt es keine klare Strategie, wer für Datenqualität, -pflege und -nutzung zuständig ist.
Ohne verlässliche Daten sowie definierte Prozesse lassen sich weder ein datengetriebenes Shopfloor-Management noch KI-Apps erfolgreich einsetzen. Ohne semantisch saubere Daten kann auch eine KI nicht liefern, was ihr Einsatz zu Effizienzgewinnen und strategischer Wettbewerbsfähigkeit verspricht.
Flexible MES-Anwendungen gefragt
Ein Lösungsweg liegt im Betrieb eines Manufacturing Execution Systems (MES). Dazu sollte es nicht nur die Schnittstelle zwischen ERP- und Shopfloor-Ebene bilden, sondern als möglichst offene Plattform Daten und Systeme orchestrieren helfen. Eine entsprechend integrationsfähige MES-Anwendung bietet drei Hebel, die den Weg zu einer KI-bereiten Produktion ebnen:
1. Semantisch einheitliche, skalierbare Daten
• MES-Anwendungen sollten ohne manuelle Eingriffe eine automatisierte Datenerfassung in Echzeit ermöglichen. Die Module für Maschinendaten- und Betriebsdatenerfassung sollten integriert, einfach zu handhaben und kostengünstig sein.
• Daten sollten nicht nur gesammelt, sondern in Echtzeit semantisch so aufbereitet werden, dass Analysesysteme sowie KI-Algorithmen sie nutzen können.
• Schließlich sollten die Datenerfassung sowie die Nutzung des semantischen Datenmodells einfach zu skalieren sein, um den Rollout von einem Maschinenpark bis zum globalen Produktionsnetzwerk zu unterstützen.
2. Plattform für modulare IT-Orchestrierung
• Eine smarte MES-Plattform kann eine Daten- und Systemintegration vom Shopfloor bis zum Topfloor ermöglichen. Es gilt, alte und neue Anwendungen zu vernetzen.
• Für die bidirektionale Kommunikation zwischen diesen Systemen sollten gängige Standard-Schnittstellen integriert sein. So können alle Beteiligten Entscheidungen auf Basis aktueller Informationen treffen.
• Für Echtzeit-Analysen sowie für die MES/ERP-Integration stehen integrierte Module zur Verfügung.
• Ob Predictive Maintenance, Qualitätsmanagement, Energiemonitoring oder KI – eine MES-Plattform muss heutzutage in vielen Fabrikumgebungen neue Use Cases schnell und nahtlos integrieren und mit einheitlichen Fertigungsdaten versorgen können.
• Einheitliche Daten für die Lieferkette: Viele IIoT- oder KI-Projekte zielen auf punktuelle Prozessoptimierungen – etwa weniger Ausschuss oder bessere Wartung. In einem weitreichenderen Ansatz könnten einheitliche Daten jedoch in der gesamten Wertschöpfungskette zur Verfügung stehen. Eine hier skizzierte MES-Anwendung schafft dafür die Basis – von der Entwicklung bis zur Lieferkette.
3. Nutzerfreundliche Visualisierung und Steuerung
Der Nutzen einer Technologie hängt stark von der Kompetenz und Motivation ihrer Anwender ab. Um Hürden in ihrer Nutzung zu senken, arbeiten die Systemanbieter stetig an der Nutzerfreundlichkeit – der Usability – ihrer Produkte. Als wichtige Aspekte haben sich dabei folgende bewährt:
• Template-basierte Konfiguration: Anpassungen lassen sich ohne aufwendige Programmierung umsetzen.
• Integrierte Funktionen: Funktionalitäten wie Qualitätsmanagement, Ticket-Systeme und Energie-Monitoring sind entweder direkt auf der MES-Plattform verfügbar oder lassen sich leicht integrieren.
• Intuitive Dashboards für Maschinenbediener bis zum Geschäftsleiter. So können die verschiedenen Nutzer und Systeme jene Informationen abrufen, die sie für zielführende Entscheidungen in ihrem Aufgabenbereich benötigen.
KI-bereit und agil
Der Aufbau einer Dateninfrastruktur in der Fabrik, die auch den Einsatz von KI ermöglicht, ist zur strategischen Notwendigkeit für Unternehmen im globalen Wettbewerb geworden. Eine entsprechend ausgestattete und integrierte MES-Plattform liefert das dafür notwendige Fundament. Sie verbindet Shopfloor und Topfloor, standardisiert Daten, ermöglicht Echtzeit-Analysen und liefert KI-Anwendungen die erforderlichen Daten zu. Auf dem Weg dorthin entsteht ein agiles, datengetriebenes System, das statt Bauchentscheidungen die Echtzeitdaten-basierte Steuerung der Fabrik ermöglicht.
