KI verbessert keine Produktion, deren Daten an mehreren Stellen in unterschiedlichen Sprachen vorliegen.

Genau daran scheitern viele Automatisierungsprojekte im Mittelstand. Eine Maschine meldet ihren Zustand in einem eigenen Format. Das ERP kennt andere Bezeichnungen. Die Produktionsplanung arbeitet mit Tabellen, die jemand manuell pflegt. Dazu kommen lokale Sonderlösungen, gewachsene Abläufe und Anlagen, die seit Jahren zuverlässig laufen. Jede einzelne Entscheidung wirkt vernünftig. Zusammen verhindern diese Systeme jedoch, dass ein Unternehmen seine Fertigung als zusammenhängendes System steuert.

Ein internationaler Druck- und Verpackungsanbieter beschreibt in einer aktuellen Veröffentlichung den Aufbau einer gemeinsamen digitalen Produktionsarchitektur über mehrere Regionen. Die konkrete Branche ist dabei weniger wichtig als die technische Entscheidung dahinter. Sensorik, Produktionsanlagen, Cloud-Dienste, ERP und KI sollen auf einer gemeinsamen Datengrundlage arbeiten. Damit verschiebt sich der Schwerpunkt weg von einzelnen Anwendungen und hin zur Frage, wie Daten durch den Betrieb fließen.

Der eigentliche Fortschritt liegt zwischen den Systemen

Eine KI für die Wartungsplanung ist schnell bestellt. Schwieriger wird es bei der Frage, welche Daten sie verwenden darf und wie zuverlässig diese Daten sind. Ein Sensor kann Vibrationen erfassen. Das nützt wenig, wenn die betroffene Anlage im ERP anders benannt ist, Wartungsprotokolle in Freitext vorliegen und der Produktionsplan nicht aktuell zurückgespielt wird.

Eine gemeinsame Datenstruktur schafft hier eine verbindliche Verbindung. Anlagenzustände, Materialbestände, Aufträge und verfügbare Kapazitäten lassen sich dann gemeinsam betrachten. Das eröffnet praktische Anwendungen. Wartungsbedarfe können früher erkannt werden. Nachfrageprognosen können in die Planung einfließen. Material lässt sich gezielter einplanen. Diese Funktionen sind bekannt. Entscheidend ist, dass sie auf derselben betrieblichen Wirklichkeit aufsetzen.

Für CTOs bedeutet das eine unbequeme Priorität. Der Wert eines KI-Modells hängt weniger von seiner Modellarchitektur ab als von der Qualität der Datenkette. Ein sehr gutes Modell mit unvollständigen oder widersprüchlichen Eingangsdaten produziert präzise wirkende Fehlentscheidungen. Genau deshalb gehört die Vereinheitlichung von Begriffen, Zuständen und Schnittstellen in die technische Planung. Sie ist keine Vorarbeit, die man später nachholen kann.

Automatisierung muss im laufenden Betrieb bestehen

Die beschriebene Architektur bleibt nicht auf Auswertungen beschränkt. Sie reicht bis in den Produktionsprozess. Genannt wird etwa das automatische Scannen von Druckbogen während der Fertigung. Solche Anwendungen greifen direkt in Rüstvorgänge, Qualitätskontrolle und Materialverbrauch ein. Ihr Nutzen entsteht erst, wenn die Information ohne Verzögerung dort ankommt, wo eine Entscheidung getroffen wird.

Das klingt selbstverständlich. In einer laufenden Fabrik ist es das nicht. Ein Eingriff darf Aufträge nicht unnötig unterbrechen. Messungen müssen auch bei wechselnden Produkten verlässlich bleiben. Mitarbeitende brauchen klare Zuständigkeiten, wenn ein System eine Abweichung erkennt. Die Technik muss außerdem mit Störungen umgehen können. Eine Automatisierung, die bei jeder Ausnahme auf manuelle Sonderbehandlung angewiesen ist, verlagert Arbeit nur an eine andere Stelle.

Darum sollte ein Pilot nicht an der Demonstration einer Funktion enden. Entscheidend ist der Betrieb unter realen Bedingungen. Dazu gehören wechselnde Aufträge, unvollständige Daten, Wartungsfenster und die Abstimmung mit angrenzenden Prozessen. Erst dann lässt sich beurteilen, ob eine Anwendung tatsächlich Rüstzeiten reduziert, Ausschuss vermeidet oder zusätzliche Kapazität schafft. Die veröffentlichte Beschreibung nennt diese Ziele, liefert aber keine belastbaren Einzelwerte. Diese Zurückhaltung ist wichtig. Ohne Kennzahlen bleibt offen, welcher Teil des Systems welchen Beitrag leistet.

Bei SmartX Automation beschäftigen wir uns deshalb mit der Verbindung von Produktionsdaten und konkreten Abläufen. Eine funktionierende Demo ist dort kein Ergebnis. Sie muss in die vorhandene Organisation, in die Anlagen und in die täglichen Entscheidungen passen.

Standorte werden erst durch Standards austauschbar

Die standortübergreifende Steuerung verspricht vor allem mehr Beweglichkeit. Aufträge können an andere Werke weitergegeben werden, wenn Kapazitäten fehlen oder eine regionale Störung eintritt. Das funktioniert allerdings nur, wenn Maschinen vergleichbare Ergebnisse liefern und Qualitätsprüfungen nach denselben Regeln arbeiten.

Standardisierte Anlagen und Datenmodelle schaffen dafür die technische Voraussetzung. Sie machen Produktionsleistung zwischen Standorten vergleichbarer. Eine zentrale Planung kann dann Kapazität, Materialverfügbarkeit, Transportaufwand und Nähe zu Auslieferungsorten gemeinsam bewerten. Die Entscheidung bleibt eine betriebliche Abwägung. Ein Auftrag wird nicht automatisch dort gefertigt, wo gerade eine Maschine frei ist. Lieferzeit, Kosten, Qualität und Umrüstaufwand müssen zusammenpassen.

Für mittelständische Unternehmen ist dieser Gedanke auch mit zwei Werken relevant. Standortübergreifende Steuerung beginnt nicht erst bei einer globalen Organisation. Schon innerhalb eines Betriebs können unterschiedliche Linien, Schichten und Systeme die Planung erschweren. Ein gemeinsames Verständnis von Auftrag, Material und Anlagenzustand schafft dann mehr Verlässlichkeit als eine weitere Einzellösung.

Technik allein verändert keine Zuständigkeiten

Eine digitale Produktionsarchitektur verändert Arbeit. Wartung wird datenreicher. Qualitätskontrolle erhält mehr Informationen. Beschäftigte übernehmen möglicherweise technische Aufgaben, statt riskante Positionierungen oder wiederkehrende Erfassung manuell auszuführen. Dafür braucht es Qualifizierung und klare Entscheidungen darüber, wer einem automatisierten Vorschlag folgt und wer ihn überstimmt.

Auch beim Ressourcenverbrauch ist eine präzise Bewertung nötig. Digitale Anlagenmodelle und bessere Produktionsplanung können Energie und Material sparen. Ob das tatsächlich gelingt, hängt von den Betriebsdaten und den gewählten Messgrößen ab. Eine Behauptung über geringeren Verbrauch ersetzt keine Messung über einen definierten Zeitraum.

Die zentrale Erkenntnis lautet deshalb nicht, dass jedes Werk dieselbe Technologie braucht. Entscheidend ist eine verlässliche gemeinsame Sprache für Anlagen, Aufträge, Material und Qualität. Erst darauf können KI und Automatisierung im Alltag Wirkung entfalten. Die Investition beginnt damit weniger bei einem einzelnen Roboter oder Modell als bei der Fähigkeit, betriebliche Daten über Prozessgrenzen hinweg zu nutzen.

Quelle: RRD