Mehr Daten. Mehr Tools. Mehr Wertschöpfung? Diese Rechnung geht nicht automatisch auf.
Die technischen Möglichkeiten zur Datenerfassung nehmen zu: In einer 2025 veröffentlichten Umfrage prognostizieren 56 Prozent der Führungskräfte aus der Fertigungsindustrie, dass sich die von ihren Unternehmen erfasste Datenmenge bis 2030 mindestens verdreifachen wird.
Mit den wachsenden Datenmengen rückt eine zentrale wirtschaftliche Herausforderung der industriellen Digitalisierung zunehmend in den Vordergrund: Wächst mit der Datenmenge auch unsere Fähigkeit, im richtigen Moment die richtige Entscheidung zu treffen?
Unternehmen können ihre Prozesse umfassend überwachen und trotzdem zu spät reagieren. Selbst nach Investitionen in Sensoren, Plattformen und Analysetools müssen Mitarbeitende relevante Informationen oft noch unter Zeitdruck zusammentragen.
Christoph Dorigatti über Daten und deren Limits.
Solange aus verfügbaren Daten nicht rechtzeitig eine fundierte Entscheidungsgrundlage entsteht, bleibt der geschäftliche Nutzen hinter den Möglichkeiten zurück. Denn mehr Daten schaffen erst dann Mehrwert, wenn sie zu besseren Entscheidungen und wirksamen Maßnahmen führen.
Während noch nach Klarheit gesucht wird, entstehen bereits Kosten
Eine Produktionslinie in der Pharmaindustrie erfasst fortlaufend Temperaturwerte, Taktzeiten und Qualitätsdaten. Plötzlich steigt ein Temperaturmesswert über seinen normalen Wertebereich. Gleichzeitig beginnen sich die Zykluszeiten zu verändern. Die Anlage läuft weiter, ein Qualitätsmangel ist bislang nicht bestätigt. Dem Schichtleiter bleiben nur wenige Minuten für eine Entscheidung: die Produktion fortsetzen, den Prozess anpassen oder die Linie stoppen? Dafür braucht er eine Einschätzung der Qualitätssicherung und gegebenenfalls der Instandhaltung. Doch zunächst muss das Team die nötigen Informationen zusammentragen.
Ein vorsorglicher Stopp kostet Produktionszeit und kann zusätzliche Prüfungen sowie Aufwand für den Wiederanlauf erfordern. Ein zu spätes Eingreifen birgt dagegen das Risiko von Ausschuss, Nacharbeit und Lieferverzögerungen. Welche Maßnahme ist jetzt die richtige? Mit jeder Minute ohne Klarheit wächst das Risiko einer kostspieligen Fehlentscheidung.
Bei einer Produktionsrate von 100 Einheiten pro Minute bedeutet ein zwanzigminütiger Stillstand zunächst 2.000 weniger produzierte Einheiten. Läuft die Linie stattdessen zehn Minuten unter fehlerhaften Bedingungen weiter, könnten 1.000 Einheiten betroffen sein. Wie hoch die tatsächlichen Kosten ausfallen, hängt unter anderem davon ab, ob Nacharbeit möglich ist, sich der Produktionsausfall aufholen lässt und Liefertermine gefährdet sind.
Der Schichtleiter muss diese Folgen abwägen und zugleich die Qualitäts- und Sicherheitsanforderungen erfüllen. Die Verantwortung für die operative Entscheidung liegt beim Team. Sicherzustellen, dass die nötigen Entscheidungsgrundlagen rechtzeitig verfügbar und die Zuständigkeiten klar geregelt sind, ist dagegen Führungsaufgabe.
Mehr Daten brauchen Kontext, um Entscheidungen zu unterstützen
Die naheliegende Antwort scheint klar: mehr messen, mehr vernetzen und mehr analysieren. Doch zusätzliche Daten helfen wenig, solange ihre Bedeutung in der jeweiligen Situation unklar bleibt.
Eine Temeraturschwankung kann beim Anfahren einer Anlage normal sein. Im stabilen Betrieb kann dasselbe Muster dagegen auf eine Störung hinweisen. Für eine zuverlässige Bewertung muss der Messwert deshalb im Zusammenhang mit dem jeweiligen Produkt, dem Betriebszustand und den verfügbaren Qualitätsinformationen betrachtet werden.
Müssen Mitarbeitende diesen Kontext erst über verschiedene Systeme hinweg herstellen, geht wertvolle Zeit für die Reaktion verloren. Zusätzliche Daten können es sogar erschweren, relevante Abweichungen von normalen Prozessschwankungen zu unterscheiden.
Die zentrale Aufgabe industrieller Digitalisierung ist deshalb, relevante Informationen im Zusammenhang bereitzustellen. An der Produktionslinie muss das Team einschätzen können, was eine Abweichung bedeutet, welche Folgen sie haben kann und wie dringend eine Reaktion ist.
Industrielle KI folgt derselben Logik. Eine KI-gestützte Prognose kann frühzeitig auf eine drohende Abweichung hinweisen. Ihr Nutzen hängt jedoch davon ab, ob das Team diesen Hinweis in der konkreten Betriebssituation richtig einordnen und daraus eine geeignete Maßnahme ableiten kann.
Die wirtschaftliche Zielsetzung bestimmt die Lösung
Welche Informationen eine Entscheidung erfordert, ist die eine Frage. Was das Unternehmen daran hindert, sie wirksam zu nutzen, die nächste. Wer direkt mit der Auswahl einer Plattform, zusätzlicher Sensoren oder eines KI-Modells beginnt, greift deshalb zu kurz.
Ausgangspunkt muss das wirtschaftliche Ergebnis sein, das verbessert werden soll. An der Produktionslinie kann es beispielsweise darum gehen, Qualitätsverluste zu reduzieren oder vermeidbare Stillstandzeiten zu begrenzen. Daraus ergibt sich, welche Entscheidung Unterstützung braucht: Wann und wie ist bei einer Abweichung einzugreifen?
Welche Lösung geeignet ist, hängt vom konkreten Hindernis ab. Fehlen Messwerte, können zusätzliche Sensoren nötig sein. Sind Qualitätsinformationen nicht zugänglich, müssen Systeme besser integriert werden. Kommt eine Warnmeldung zu spät, muss der Meldeprozess angepasst werden. Sind Zuständigkeiten unklar, muss festgelegt werden, wer die Abweichung bewertet, wer einen Eingriff genehmigt und wer ihn schließlich ausführt.
Die Lösung oder Technologie muss also dort ansetzen, wo eine fundierte Entscheidung oder ihre Umsetzung bislang scheitert. Je nach Ursache braucht es dafür technische oder organisatorische Veränderungen, häufig beides.
Eine Warnmeldung braucht einen festgelegten Empfänger, und aus einer Bewertung muss eine konkrete Handlung folgen können. Eine Prognose schafft dann wirtschaftlichen Mehrwert, wenn sie rechtzeitig einen wirksamen Eingriff ermöglicht.
Der erwartete geschäftliche Nutzen bestimmt die Investitionspriorität
Eine geeignete Lösung zu finden, bedeutet noch nicht, dass sie Vorrang vor anderen Investitionen haben sollte.
Das Management muss mögliche Investitionen anhand ihrer erwarteten geschäftlichen Auswirkungen vergleichen: Wie häufig fällt die betreffende Entscheidung an? Welche finanziellen Folgen sind mit ihr verbunden? Und wie stark kann die vorgeschlagene Maßnahme das Ergebnis realistisch verbessern?
Häufige Entscheidungen mit hohen, vermeidbaren Verlusten bieten ein größeres Einsparpotenzial als seltene Entscheidungen mit geringen finanziellen Folgen. Der erwartete Nutzen muss jedoch gegen die Implementierungs-, Integrations- und Betriebskosten sowie den Aufwand für die Anpassung etablierter Arbeitsabläufe abgewogen werden.
Jeder Investitionsvorschlag sollte deshalb benennen, welche Entscheidung verbessert werden soll, welcher Nutzen erwartet wird, welche Kosten entstehen und wer für das Erreichen des angestrebten Ergebnisses verantwortlich ist. Auf dieser Grundlage lassen sich digitale Initiativen nach ihrem erwarteten Beitrag zum Unternehmenserfolg priorisieren.
Weniger Stillstand bedeutet nicht automatisch mehr Wirtschaftlichkeit
Eine technisch erfolgreiche Implementierung ist noch kein geschäftlicher Erfolg. Auch eine verbesserte Leistungskennzahl allein reicht dafür nicht aus.
Ein Beispiel: Eine digitale Anwendung soll die Verfügbarkeit einer Produktionslinie erhöhen. Diese steigt von 90 auf 94 Prozent. Gleichzeitig wächst jedoch der Anteil der produzierten Einheiten, die als Ausschuss anfallen oder nachgearbeitet werden müssen, von 2 auf 5 Prozent. Das Verfügbarkeitsziel ist erreicht. Ob der zusätzliche Ausstoß die höheren Ausschuss- und Nacharbeitskosten aufwiegt, bleibt jedoch offen.
Entscheidend ist, ob der Wert der zusätzlich verkaufsfähigen Produktion die zusätzlichen Material-, Prüf- und Nacharbeitskosten übersteigt.
Die Anlagenverfügbarkeit ist dabei die Zielkennzahl der technischen Verbesserung. Ausschuss- und Nacharbeitsquoten zeigen ergänzend, ob diese Verbesserung an anderer Stelle zusätzliche Kosten verursacht. Erst die gemeinsame Betrachtung macht deutlich, ob sich die Maßnahme wirtschaftlich lohnt. Umgekehrt kann ein frühzeitiger Stopp die Verfügbarkeit zwar verringern, das finanzielle Ergebnis aber dennoch verbessern, wenn er größere Qualitätsverluste verhindert.
Diese Erfolgskriterien müssen bereits vor der Investition festgelegt werden. Dazu gehören ein dokumentierter Ausgangszustand, die erwartete Verbesserung und die Kennzahlen zur Bewertung der Gesamtwirkung.
Bei der späteren Bewertung müssen auch Veränderungen im Produktmix, in der Kapazitätsauslastung und im Prozess selbst berücksichtigt werden.
Weniger Ausschuss und Nacharbeit können die Margen verbessern. Frei gewordene Kapazitäten schaffen Raum für zusätzliche Aufträge, zuverlässigere Lieferungen stärken das Vertrauen der Kunden. Ob diese Chancen tatsächlich zum Geschäftserfolg beitragen, zeigt sich allerdings erst im täglichen Betrieb.
Deshalb lohnt sich der Blick zurück: Welche Indikatoren haben dem Team geholfen, die Situation richtig einzuschätzen? Welche Maßnahmen haben gewirkt? Und wo blieb die Entscheidung trotz aller Daten unsicher? Aus diesen Erfahrungen lässt sich lernen, für die nächste Abweichung ebenso wie für die nächste Investition.
Damit das gelingt, muss das Unternehmen auch langfristig mit seinen Daten und Systemen arbeiten können. Genau hier wird digitale Souveränität konkret: Bleiben die eigenen Betriebsdaten zugänglich und nutzbar? Lässt sich nachvollziehen, worauf digital unterstützte Entscheidungen beruhen? Und können die Systeme angepasst werden, wenn sich Produkte, Prozesse oder Anforderungen verändern?
Wer diese Möglichkeiten behält, kann auf den eigenen Erfahrungen aufbauen und seine Entscheidungsprozesse gezielt verbessern. Digitale Souveränität sollte deshalb von Anfang an ebenso in die Investitionsentscheidung einfließen wie der erwartete wirtschaftliche Beitrag und die Kosten.
Bessere Entscheidungen sind eine dauerhafte unternehmerische Fähigkeit
Fest steht: Industrielle Digitalisierung verändert die Rolle des Managements. Es reicht deshalb nicht aus, Technologie bereitzustellen und die Implementierung an einzelne Abteilungen zu delegieren. Unternehmensziele, Informationsbedarf und operative Verantwortung müssen zusammengeführt werden.
Das gilt für Eingriffe an der Produktionslinie ebenso wie für die Instandhaltungsplanung, den Energieeinsatz und Kapazitätszusagen. In jedem Fall stellt sich dieselbe Frage: Können wir auf Basis der verfügbaren Daten rechtzeitig handeln und damit das Geschäftsergebnis verbessern?
Unternehmen, die ihre wesentlichen Entscheidungen und die damit verbundenen Unsicherheiten verstehen, können Betriebsdaten gezielt nutzen. Sie können Investitionen fundierter priorisieren und eine tragfähige Grundlage für industrielle KI schaffen. Prüfen sie anschließend, zu welchen Ergebnissen ihre Entscheidungen geführt haben, erkennen sie, welche Informationen und Maßnahmen tatsächlich einen Unterschied machen.
Besonders wertvoll wird diese Fähigkeit, wenn sich Produkte, Anlagen und Anforderungen verändern. Sie hilft Unternehmen, neue Herausforderungen schneller einzuschätzen und auch unter veränderten Bedingungen fundiert zu handeln. Mit jeder überprüften Entscheidung wächst die Erfahrung, auf die sie dabei zurückgreifen können. So schafft industrielle Digitalisierung dauerhaften Wert: Sie stärkt die Fähigkeit eines Unternehmens, aus Ergebnissen zu lernen und mit der Zeit bessere Entscheidungen zu treffen.
Jede digitale Investition sollte deshalb mit einer klaren Frage beginnen: Welche unternehmerische Entscheidung soll verbessert werden und woran erkennen wir, ob die Veränderung etwas bewirkt hat? Die Antwort sollte bestimmen, welche Daten wir erheben und wie wir sie nutzen. Ob der erwartete Nutzen eintritt, muss sich anschließend im Betriebsalltag zeigen.
Letztlich sind bessere Entscheidungen das Versprechen der industriellen Digitalisierung. Bessere Geschäftsergebnisse sind der Beleg.
Ein Blogartikel von Christoph Dorigatti.
