MES Strukturierte Daten: So wird Ihre Produktion KI-ready 

Anbieter zum Thema

MPDV Mikrolab GmbH

PSI Software SE | Business Unit Discrete Manufacturing

becos gmbH

MEGLA GmbH

Künstliche Intelligenz (KI) verspricht die Revolution in der Fertigung – so die Theorie. In der Praxis herrscht Ernüchterung. Schuld daran ist meistens eine unzureichende Datenbasis. Warum Sie erst Ordnung in Ihren Daten schaffen müssen, bevor Sie KI erfolgreich nutzen können.

In den Chefetagen und an den Werkbänken der Produktionsbetriebe ist das Kürzel „KI“ omnipräsent. Die Erwartungen stiegen ins Unermessliche, sodass schon mancher Produktionsleiter von künstlicher Intelligenz als Lösung für alle Herausforderungen in der Produktion träumte. Inzwischen weicht die anfängliche Euphorie nüchternem Realismus.  Die Zahlen aus der Bitkom-Studie „Künstliche Intelligenz in Deutschland“ von 2025 (Datenbasis: 602 Unternehmen) zeigen: 88 Prozent der befragten Unternehmen in Deutschland nutzen KI, 21 Prozent für Produktionsabläufe. Der Grund: Etwa 53 Prozent plagen technische Probleme, und neben mangelnden menschlichen Ressourcen fehlt für KI-­Anwendungen auch die Akzeptanz unter den Mitarbeitenden. Fraunhofer skizziert 2024 in der Studie „Künstliche Intelligenz in der Produktion“ ein enttäuschendes Bild: Demnach verwenden produzierende Betriebe KI-Lösungen meistens nur in einzelnen Bereichen, wie etwa der Steuerung von Produktionsprozessen. Viele künstlich-intelligenten Projekte scheitern an einer einfachen Erkenntnis: KI ist nur so klug wie die Daten, auf die sie zugreift. Wer Daten-Schrott liefert, bekommt KI-Schrott zurück.

Dreiklang der Datenbasis 

Damit ein schlauer Algorithmus auf dem Shopfloor wirklich einen Mehrwert bietet, müssen Produktionsunternehmen eine auswertbare, valide Datenbasis schaffen. Dabei geht es um drei Säulen, die das Fundament jeder smarten Fabrik bilden. Sie lauten:

• Transparenz: Zunächst muss eruiert werden, welche Daten überhaupt existieren. Wo verstecken sich die Sensordaten der Fräsmaschine? Welche Maschinenparameter liegen brach? 
• Struktur: Rohdaten ohne Kontext sind ebenso wertlos wie keine Daten. Eine Temperaturangabe etwa ohne Zeitstempel oder Maschinenbezug ist für eine KI unlesbar. Erst durch eine einheitliche Struktur und Semantik wird aus einem Datenstrom eine Information. 
• Auswertbarkeit: Daten müssen in Echtzeit und in einer Qualität vorliegen, die eine Analyse überhaupt erst ermöglicht. Silo-Lösungen sind deshalb meistens kontraproduktiv. 

Digitales Rückgrat 

Wie schafft man diese Basis technisch? Hier kommt das Manufacturing-Execution-System (MES) ins Spiel. Es fungiert als das Nervensystem der Produktion. Das MES liefert die vertikale Integration vom Shopfloor bis zum ERP-System.  Damit ist der Grundstein für die Anknüpfungspunkte der KI gelegt. Die Experten von Fraunhofer erklären dazu: „So setzt knapp jeder dritte Betrieb, der eine technische Lösung für echtzeitnahe Produktionsleitsystem verwendet, auch KI in der Produktion ein; im Gegensatz dazu nutzen nur 13 Prozent der Betriebe ohne echtzeitnahes Produktionsleitsystem eine KI“, wie es in der Studie „Künstliche Intelligenz in der Produktion“ heißt. Die Kombination mit einer Integrationsplattform sorgt dafür, dass unterschiedliche Protokolle und Legacy-Systeme dieselbe Sprache sprechen. Ohne diese „Dolmetscher“ bleibt die KI isoliert und kann ihre volle Wirkung nicht entfalten. Da KI in der Regel in bestehende Systeme in der Produktion implementiert wird, ist es ein großes Plus, wenn die Integrationsplattform bereits vorhanden ist. 

Volle Wirkung

Produktionsunternehmen, die die Möglichkeiten strukturierter Daten erkannt und auf Digitalisierung per MES gesetzt haben, sind bei der KI-Einführung eindeutig im Vorteil: Sie können Maschinendaten, Qualitätsinformationen und Prozesskennzahlen, die im MES zusammenlaufen, von KI analysieren, interpretieren und die Erkenntnisse in Maßnahmen umsetzen lassen wie beispielsweise:  

• Qualitätsprognosen: Die KI erkennt Datenmuster und kann Qualitätsprobleme entdecken, bevor sie entstehen. 
• Ausschussanalyse: Anhand der Daten identifiziert sie die Ursachen und Zusammenhänge für Ausschuss. 
• Maschinenleistungsanalyse: KI macht verborgene Potenziale bei der Nutzung und Effizienz von Anlagen sichtbar. 
• Rüstzeitprognosen: Sie erstellt realistische Vorgabewerte, wodurch sich die Planbarkeit verbessert, was Stillstände reduziert. 
• OEE-Optimierung: KI analysiert die Gesamtanlageneffektivität datenbasiert, die sich dadurch steigern lässt.   

Wer im Bereich Feinplanung bereits mit einem APS arbeitet und KI einsetzt, profitiert von einer Qualitätssteigerung für die Planung durch:  

• adaptive Produktionsplanung: Neben anstehenden Aufträgen berücksichtigt die KI auch Maschinenzustandsdaten, den Werkzeugeinsatz sowie die Materialflüsse in Echtzeit.   
• Personaleinsatzplanung: Dank intelligenter Datenauswertung lassen sich auch die Qualifikationen und Verfügbarkeiten der Mitarbeitenden berücksichtigen. 
• Szenarien-Vergleiche: Ohne den laufenden Betrieb zu unterbrechen, können per KI neue Planungsszenarien simuliert und verglichen werden.   

„Die KI kann die Masse an Informationen in der Fertigungsplanung viel besser abbilden als der Mensch. Bei uns im Unternehmen ist das unabdingbar – die KI ist unser wesentliches Element in diesem Zusammenhang“, erklärt Kevin Mahler, COO bei Vacom.

Manufacturing Execution System 

MPDV feiert Premiere auf der All about Automation Heilbronn

KI-Kompetenz aufbauen 

Künstliche Intelligenz in der Fertigung einzuführen, ist kein reines IT-Projekt, um Ordnung zu schaffen. Vielmehr erfordert KI eine tiefgreifende Transformation in der Arbeitswelt, eine klare Strategie sowie ein Commitment von der Unternehmensführung. Damit Algorithmen messbare Produktivitätssteigerungen liefern, müssen Produktionsleiter den Aufbau von KI-Know-how ins Zentrum ihrer Strategie rücken. KI-Systeme sind nur so effektiv wie die Menschen, die sie bedienen. Um den nachhaltigen Erfolg von KI-Systemen in der Produktion zu sichern, muss man in der Produktion einen strategischen Experten-Mix sicherstellen. Dies gelingt entweder durch den Aufbau fester Partnerschaften mit externen Dienstleistern oder gezieltes Recruiting spezialisierter KI-Experten. Parallel dazu ist es entscheidend, ein digitales Grundverständnis bei den Mitarbeitenden im Shopfloor zu verankern. Nur wenn sie im MES-Umfeld befähigt werden, KI-Vorschläge nicht blind zu übernehmen, sondern diese kritisch auf Basis ihrer Erfahrung zu bewerten, steigt die Akzeptanz für proaktive Maßnahmen.  Produktionsunternehmen sollten zudem die Ergebnisse der KI-Maßnahmen messen. Nur so lässt sich feststellen, inwieweit KI-basierte Handlungsempfehlungen tatsächlich in die tägliche Routine einfließen. Oder ob durch gezielte Qualifikationen die Akzeptanzquote für KI sowie die Kompetenz für Problemlösungen nachweislich gestiegen sind.

Christiane Manow-Le Ruyet  ist Marketing-Managerin und Presseverantwortliche bei MPDV.