Smart Manufacturing mit KI: Von ERP- und MES-Daten zu besseren Entscheidungen

Smart Manufacturing klingt nach Fabrik der Zukunft: vernetzte Anlagen, autonome Linien, Milliardenbudget. Genau dieses Bild hält den Mittelstand davon ab, anzufangen — und ist ein teurer Irrtum.

Der nützliche Einstieg ist kein Moonshot. Er ist das systematische Lesen der ERP- und MES-Daten, die Sie längst erzeugen, um eine konkrete teure Frage früher zu beantworten.

Die Daten sind schon da

Auftragsdaten im ERP, Maschinen- und Prozessdaten im MES, Qualitäts- und Wartungshistorie: Die meisten Fertigungsunternehmen sitzen auf genau den Daten, die eine bessere Entscheidung tragen würden — sie nutzen sie nur nicht zusammen. GTAI beschreibt Smart Manufacturing in Deutschland genau so: nicht als Revolution, sondern als bessere Nutzung vorhandener Datenflüsse.

Vier konkrete Fragen, die sich lohnen

1. Welcher Auftrag wird zu spät?

Lieferverzug ist teuer und meist früh erkennbar — wenn man ERP-Termine, MES-Fortschritt und historische Muster zusammenliest. Eine Vorwarnung von Tagen schlägt eine Entschuldigung beim Kunden.

2. Welche Maschine braucht zuerst Aufmerksamkeit?

Nicht starre Wartungsintervalle, sondern Priorität nach realem Zustand und Auftragslast. Die Frage ist nicht "wann ist Wartung fällig", sondern "welche Wartung verhindert den teuersten Stillstand".

3. Wo entsteht das Qualitätsrisiko?

Ausschuss kündigt sich oft in Prozessdaten an, bevor er im Endprüfbericht steht. Früh erkanntes Qualitätsrisiko ist billiger als spät aussortierter Ausschuss.

4. Welche Produktionsreihenfolge ist realistisch?

Planung gegen reale Kapazität, Rüstzeiten und Auftragsdruck statt gegen ein ideales Modell. Genau hier liegt oft der größte unsichtbare Effizienzhebel.

Der Mechanismus: Pilot, nicht Plattform

Keine dieser Fragen braucht eine vernetzte Vollausstattung. Jede ist ein schmaler, messbarer Pilot: eine Frage, vorhandene Daten, ein Erfolgskriterium, menschliche Freigabe — derselbe 90-Tage-Gedanke wie bei jedem seriösen KI-Einstieg (siehe KI-Automatisierung: der 90-Tage-Pilot). Der Bitkom-Befund, dass sich fast jedes Unternehmen mit KI beschäftigt, macht den Wettbewerbsdruck real — aber der Vorteil entsteht aus dem fokussierten Schritt, nicht aus dem großen Programm.

Ohne Datenqualität bleibt es eine Demo

Smart Manufacturing scheitert selten am Modell und fast immer an unklaren Stammdaten, Dubletten und Schatten-Excel zwischen ERP und MES. Bevor man die teure Frage automatisiert, muss der dafür nötige Datenausschnitt belastbar sein (siehe Datenqualität vor KI). Der DORA-Report 2024 zeigt dasselbe Prinzip: stabile Ergebnisse kommen aus sauberen Grundlagen, nicht aus mehr Werkzeug.

Checkliste vor Smart Manufacturing mit KI

Ist eine konkrete teure Frage gewählt (Verzug, Wartung, Qualität, Reihenfolge)?
Liegen die nötigen ERP-/MES-Daten vor und sind sie verknüpfbar?
Ist der dafür nötige Datenausschnitt belastbar (keine Dubletten/Schatten-Excel)?
Gibt es ein vorab definiertes Erfolgskriterium?
Bleibt die Entscheidung beim Menschen, KI liefert die Vorwarnung?
Ist es ein schmaler Pilot, keine Plattform auf einmal?
Ist der Nutzen in Wochen messbar, nicht in Jahren?

Häufige Fragen

Brauchen wir Industrie-4.0-Vollausstattung? Nein. Die meisten ersten Use Cases laufen auf vorhandenen ERP-/MES-Daten. Vernetzte Sensorik ist eine spätere Frage, kein Startbedarf.

Ersetzt KI die Disponenten? Nein. Sie liefert die Vorwarnung früher; die Entscheidung und Verantwortung bleiben beim Menschen. Das ist sicherer und akzeptierter.

Was ist der häufigste Fehler? Mit einer Plattformvision starten statt mit einer teuren Frage. Die Vision kommt nie produktiv, die Frage liefert in Wochen.

Was, wenn ERP und MES nicht sauber zusammenpassen? Dann ist genau das der erste Schritt: den nötigen Ausschnitt verknüpfbar und belastbar machen — nicht alles, nur das für die eine Frage Nötige.

Fazit

Smart Manufacturing mit KI gewinnt nicht durch die vernetzte Fabrik, sondern durch eine teure Frage, vorhandene ERP-/MES-Daten, belastbaren Datenausschnitt und einen schmalen Piloten mit menschlicher Freigabe. Wer so anfängt, liefert messbaren Nutzen in Wochen — statt auf ein Programm zu warten, das nie produktiv wird.

Weiterlesen

KI-Automatisierung im Mittelstand: der 90-Tage-Pilot — der Pilot-Mechanismus hinter dem Use Case.
Datenqualität vor KI: warum schlechte Stammdaten jede Automatisierung bremsen — die Voraussetzung in ERP/MES.

Nächster Schritt

Sie wollen Lieferverzug, Wartung oder Qualität früher sehen? Beginnen Sie mit einer kurzen Einschätzung Ihrer Anforderungen. Wir wählen eine teure Frage und schneiden einen messbaren Piloten auf Ihren ERP-/MES-Daten.

Quellen

GTAI, Smart Manufacturing in Germany — gtai.de
Bitkom, Digitalisierung der Wirtschaft: Unternehmen beschäftigen sich mit KI — bitkom.org
DORA, Accelerate State of DevOps Report 2024 — dora.dev