Data Transparency: Vertrauenswürdige Daten in der Fertigung

Was ist Data Transparency in der Fertigung?

Data Transparency (Datentransparenz) beschreibt in der Fertigung den Zustand, in dem Produktionsdaten vollständig, korrekt, konsistent und für alle Beteiligten zugänglich sind. Es geht nicht nur darum, Daten auf einem Dashboard anzuzeigen (Manufacturing Visibility), sondern darum, dass die angezeigten Daten stimmen und von allen Beteiligten gleich verstanden werden.

Der Unterschied ist erheblich. Manufacturing Visibility beantwortet die Frage: "Kann ich sehen, was in der Produktion passiert?" Data Transparency beantwortet die Frage: "Kann ich den Zahlen vertrauen, die ich sehe?"

In den meisten Fertigungen lautet die ehrliche Antwort auf die zweite Frage: Nein. Der Produktionsleiter meldet eine OEE von 72 %. Das ERP zeigt auf Basis der Rückmeldungen 68 %. Die Excel-Auswertung des Schichtleiters kommt auf 76 %. Alle drei Zahlen beschreiben denselben Zeitraum, dieselben Maschinen, dieselbe Schicht. Aber sie sind unterschiedlich, weil sie auf unterschiedlichen Datenquellen, unterschiedlichen Definitionen und unterschiedlichen Erfassungsmethoden basieren.

Data Transparency ist der Zustand, in dem es nur noch eine Zahl gibt, weil es nur noch eine Datenquelle, eine Definition und eine Erfassungsmethode gibt.

Warum Produktionsdaten so oft nicht stimmen: Die fünf Fehlerquellen

Die Ursachen für unzuverlässige Produktionsdaten sind in den meisten Fertigungen dieselben. Sie lassen sich in fünf Kategorien einteilen:

Das Ergebnis dieser fünf Fehlerquellen: Die Produktionsbesprechung beginnt nicht mit "Was können wir verbessern?", sondern mit "Welche Zahlen stimmen überhaupt?" Die ersten 20 Minuten jedes Meetings gehen für Datendiskussionen drauf. Das ist nicht Transparenz. Das ist organisierte Unsicherheit.

Data Transparency vs. Manufacturing Visibility: Wo liegt der Unterschied?

Die beiden Begriffe werden oft synonym verwendet. Sie beschreiben aber unterschiedliche Ebenen:

In der Praxis passiert beides gleichzeitig, wenn man ein MES mit automatischer Maschinendatenerfassung einführt. Die Maschine liefert das Signal (Visibility), das MES berechnet die Kennzahl nach einer einheitlichen Definition (Transparency). Aber die Unterscheidung hilft, weil sie erklärt, warum manche Unternehmen trotz installierter Dashboards immer noch über Zahlen streiten: Sie haben Visibility, aber keine Transparency.

Wie Datentransparenz in der Praxis entsteht: Drei Kundenbeispiele

Schmiedetechnik Plettenberg (Metallverarbeitung): Das Kernproblem war nicht fehlende Sichtbarkeit, sondern fehlende Datenkonsistenz: "Produktionsdaten wurden überwiegend manuell erfasst, Maschinenzustände waren nur begrenzt sichtbar und Abweichungen wurden oft erst im Nachgang erkannt." Die manuelle Erfassung (Fehlerquelle 1) und der Zeitversatz (Fehlerquelle 3) führten dazu, dass "die Verbindung zwischen Fertigungsplanung und tatsächlicher Ausführung nicht konsistent" war. Die Lösung: Automatische Maschinendatenerfassung plus ERP-Integration mit InforCOM. "Sobald ein Fertigungsauftrag im ERP freigegeben wird, stehen alle relevanten Arbeitsgänge, Maschineninformationen und Zeitdaten automatisch in SYMESTIC bereit." Das eliminiert Fehlerquelle 1 (manuelle Erfassung), 3 (Zeitversatz) und 4 (Systembrüche). Ergebnis: "Alle Beteiligten, von der Schichtführung bis zur Produktionsleitung, erhielten eine gemeinsame und verlässliche Sicht auf die laufenden Prozesse."

Meleghy Automotive (6 Werke, Automotive): Bei 6 Werken in 4 Ländern ist Fehlerquelle 2 (unterschiedliche Definitionen) das größte Problem. Wenn jedes Werk seine OEE anders berechnet, ist ein Werksvergleich wertlos. Meleghy löste das durch ein einheitliches System für alle Werke: "OEE-Erfassung an den wichtigsten Prozessschritten in allen Werken." Bidirektionale SAP-Anbindung über ABAP IDoc. Damit gibt es eine OEE-Definition, eine Datenquelle, ein Dashboard für alle 6 Werke. Der Konzerncontroller kann Wilnsdorf mit Miskolc vergleichen und weiß, dass die Zahlen auf derselben Basis stehen. "Modularer Baukasten von SYMESTIC ermöglicht eigenständige Skalierung durch Meleghy."

Neoperl (Building, Montagemaschinen): Neoperl adressiert Fehlerquelle 5 (fehlende Kontextualisierung) auf eine ungewöhnliche Weise: "SPS-basierte Alarmerfassung und automatische Stillstandsüberwachung. Begründung technischer Stillstände durch die Anlage ohne Eingriff der Mitarbeitenden." Die Maschine liefert nicht nur "ich stehe", sondern "ich stehe wegen Alarm X". Dazu: "Korrelation von SPS-Alarmen mit Stillständen und Qualitätsdefekten." Das ist Data Transparency auf hohem Niveau: Nicht nur die Kennzahl ist korrekt, sondern die Ursache ist automatisch mit dem Ereignis verknüpft. Ergebnisse: "10 % weniger Stillstände. 15 % weniger Ausschuss. 15 % Produktivitätsgewinn."

Was ein MES für Datentransparenz leisten muss

Ein MES ist das System, das Data Transparency technisch umsetzt. Aber nicht jedes MES löst alle fünf Fehlerquellen. Die folgende Tabelle zeigt, welche MES-Funktion welche Fehlerquelle adressiert:

Erst wenn alle fünf Fehlerquellen adressiert sind, existiert echte Data Transparency. Dann gibt es für jede Kennzahl eine Quelle, eine Definition und einen Wert. Das Produktionsmeeting beginnt nicht mehr mit "Welche Zahlen stimmen?", sondern mit "Was machen wir mit dem, was wir sehen?"

Häufige Fragen zu Data Transparency

Ist Data Transparency dasselbe wie Manufacturing Visibility?

Nein. Manufacturing Visibility ist die Fähigkeit, den Zustand der Produktion zu sehen (Dashboards, Echtzeit-Status, KPIs). Data Transparency ist die Qualität der Daten, die angezeigt werden: Sind sie vollständig, korrekt, konsistent, kontextualisiert? Man kann Visibility haben ohne Transparency (Dashboard mit falschen Zahlen). Man kann Transparency haben ohne Visibility (korrekte Daten, die niemand sieht). Beides zusammen ergibt vertrauenswürdige Echtzeit-Transparenz.

Warum zeigen verschiedene Systeme unterschiedliche OEE-Werte?

Weil die OEE-Berechnung von drei Variablen abhängt, die unterschiedlich definiert werden können: (1) Was zählt als "geplante Produktionszeit"? (2) Was ist die "Soll-Zykluszeit"? (3) Was zählt als "Gutteil"? Wenn das MES geplante Wartung aus der Produktionszeit herausrechnet und das ERP nicht, ergeben sich verschiedene Verfügbarkeitswerte. Wenn das MES die theoretische Zykluszeit aus dem Arbeitsplan nimmt und der Schichtleiter den Durchschnitt der letzten Woche, ergeben sich verschiedene Leistungswerte. Data Transparency bedeutet: Eine Definition, ein System, ein Wert.

Brauche ich ein MES für Data Transparency?

Für vollständige Data Transparency ja. Einzelne Fehlerquellen lassen sich auch ohne MES adressieren: Automatische Maschinendatenerfassung über ein IoT-Tool löst Fehlerquelle 1 und 3. Aber die Kontextualisierung (welcher Auftrag, welches Produkt, welche Schicht) und die einheitliche KPI-Berechnung erfordern ein System, das Maschinendaten mit Auftragsdaten verbindet. Das ist die Kernfunktion eines MES.

Wie lange dauert es, Data Transparency herzustellen?

Die automatische Maschinendatenerfassung (Fehlerquelle 1 und 3) ist in Stunden bis Tagen pro Maschine umsetzbar. Bei Klocke wurde die Skalierung auf alle Linien am Standort "innerhalb von nur 3 Wochen" umgesetzt. Die ERP-Integration (Fehlerquelle 4 und 5) dauert typischerweise 1-3 Monate, abhängig vom ERP-System. Die organisatorische Einigung auf einheitliche KPI-Definitionen (Fehlerquelle 2) ist oft der längste Schritt, weil er nicht technisch, sondern politisch ist: Welches Werk muss seine OEE-Definition ändern?

Was hat Data Transparency mit Stillstandsanalyse zu tun?

Stillstandsanalyse ist der häufigste Anwendungsfall, an dem fehlende Data Transparency sichtbar wird. Die Maschine stand 47 Minuten. Aber warum? Bei manueller Erfassung schreibt der Bediener "Materialengpass". In Wirklichkeit waren es 3 verschiedene Ursachen: 20 Minuten Materialwarten, 15 Minuten Rüsten, 12 Minuten ungeplante Wartung. Die Stillstandsanalyse ist nur so gut wie die Daten, die sie füttert. Ohne Data Transparency (automatische Erfassung, korrekte Zuordnung) bleibt jede Stillstandsanalyse eine Schätzung.

Über den Autor:

Christian Fieg

Head of Sales bei SYMESTIC. Zuvor iTAC, Dürr, Visteon, Johnson Controls. Six Sigma Black Belt. Autor von "OEE: Eine Zahl, viele Lügen".
LinkedIn