Produktionsprotokolle automatisch auswerten und berichten

Das echte Ausmaß des Problems

Wer Spritzguss oder Extrusion betreibt, hat eine gemeinsame Erfahrung: Die Daten existieren. Die Maschinen senden sie — Zykluszeiten, Einspritzdrücke, Temperaturen, Gut- und Schlechtteilzähler. Das MES oder BDE-Terminal erfasst Aufträge und Schichtzuweisungen. Die Qualitätskontrolle schreibt Prüfprotokolle. Und trotzdem endet jede Schicht damit, dass ein Mensch diese Fragmente manuell in eine lesbare Form bringt.

Laut einer Untersuchung des Beratungsportals FactoryAI (2026) ist manuell erstelltes OEE-Reporting in digitalisierten Werken eine veraltete Methode mit inhärenter Verzögerung: Die Daten sind bereits veraltet, wenn der Bericht fertig ist. Für Betriebe, die auf MDE-Terminals oder manuelle Schichtberichte angewiesen sind, beziffert das Portal die typische Fehlerquote bei manueller Übertragung auf 1–3 Prozent — klein, aber akkumuliert über drei Schichten und zwölf Maschinen entsteht täglich ein verzerrtes Bild.

Das Kernproblem ist kein Datenmangel. Es ist der Aggregationsaufwand: Daten aus der Maschinensteuerung, dem MES-System, dem Qualitätsbuch und dem ERP-Auftrag landen in unterschiedlichen Systemen und werden von Hand zusammengeführt. Wer das automatisieren will, muss diese Systeme nicht ersetzen — er muss sie verbinden und die Synthese übernehmen.

Für eine typische Kunststoffproduktion mit 5–15 Maschinen und 2–3-Schichtbetrieb bedeutet das:

• 45–60 Minuten Schichtleiterzeit täglich nur für Berichterstellung — nicht für Optimierung
• Schichtübergabelücken, weil Informationen aus der letzten Schicht nicht vollständig weitergegeben werden
• OEE-Werte, die erst am nächsten Morgen vorliegen — zu spät für operative Entscheidungen
• Abweichungen, die im Protokoll vergraben bleiben, weil niemand Zeit hat, Trends zu erkennen

Ein Betrieb mit 8 Maschinen und 3 Schichten verbringt pro Woche realistisch 15–20 Stunden allein mit Dokumentation. Das ist Zeit, die direkt für Prozessverbesserung fehlt.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitersparnis ist der direkteste Hebel — und der, der sich am einfachsten messen lässt. Kein Schätzen, keine Modelle: Du misst, wie lange der Schichtbericht vorher dauerte, und vergleichst es mit nachher.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5)
Kein anderer Anwendungsfall in der Kunststoffverarbeitung spart so direkt und messbar Stunden ein. Schichtleiterzeit ist teuer und knapp — 30–60 Minuten täglich für Berichterstellung sind eine zuverlässig abschaltbare Last. Wer drei Schichten betreibt, gewinnt täglich bis zu drei Stunden zurück. Das ist der stärkste Zeithebel in dieser Kategorie.

Kosteneinsparung — niedrig (2/5)
Die Einrichtung kostet realistisch 5.000–20.000 Euro (abhängig davon, ob ein MES bereits vorhanden ist). Die Einsparung entsteht primär durch eingesparte Arbeitszeit — real, aber schwer zu verbuchen. Anders als bei der Energieoptimierung an Extrudern gibt es keinen direkten Kilowattstunden-Vergleich; anders als bei der Qualitätsprüfprotokollerstellung verhindert dieses System keinen Ausschuss, sondern beschleunigt nur die Sichtbarkeit. Die Monetarisierung der Zeitersparnis ist real, aber indirekt.

Schnelle Umsetzung — niedrig (2/5)
Wer kein MES hat, muss es zuerst anbinden. Wer ein MES hat, muss Schnittstellen testen. Wer Altmaschinen ohne Konnektivität betreibt, muss Edge-Hardware einrichten. Bis zum produktiven automatischen Schichtbericht vergehen realistisch 8–14 Wochen — das ist einer der aufwändigeren Einstiege im Vergleich zu anderen Use Cases in dieser Kategorie. Wer dagegen bereits ein laufendes MDE/BDE-System betreibt, kann die Kurve kürzen.

ROI-Sicherheit — sehr hoch (5/5)
Du weißt ab Woche 2, ob es funktioniert. Der Nutzen ist direkt messbar: Wie viele Minuten hat die Schichtberichterstellung jetzt gedauert? Diese einfache Messung ist im Gegensatz zu vielen KI-Anwendungsfällen sofort verfügbar und nicht interpretationsbedürftig. Kein Warten auf statistische Effekte, kein indirektes Ableiten über Proxy-Metriken.

Skalierbarkeit — hoch (4/5)
Ein einmal konfiguriertes Reporting-System skaliert auf weitere Linien, Maschinen und Schichten ohne proportionalen Mehraufwand. Multi-Schicht-Berichte, Wochenberichte, Standortvergleiche entstehen aus denselben Daten. Den vollen 5er verhindert, dass jede neue Maschinentype eine eigene Konnektivitätskonfiguration verlangt.

Richtwerte — stark abhängig von vorhandener MES/BDE-Infrastruktur und Maschinenpark.

Die MDE/BDE-Realität: Was Maschinen wirklich senden

Bevor eine KI irgendetwas zusammenfassen kann, müssen die Daten strukturiert ankommen. Das ist der Teil, den Marketingmaterial gern überspringt — und der in der Praxis den größten Teil des Aufwands ausmacht.

Moderne Spritzgussmaschinen der Hersteller Engel, KraussMaffei, Wittmann-Battenfeld und Arburg kommunizieren über standardisierte Protokolle. EUROMAP 55, 63 und 77 sind die gängigsten Standards in der Kunststoffverarbeitung — sie definieren, welche Datenpunkte (Zykluszeiten, Gut-/Schlecht-Zähler, Prozessparameter, Maschinenstatus) und in welchem Format eine Spritzgussmaschine meldet. Neuere Systeme nutzen OPC-UA, einen offeneren Standard, der auch von Extrudern, Temperiergeräten und Handhabungsrobotern genutzt wird.

Was diese Protokolle liefern, ist wertvoll — aber nicht vollständig:

Das hat eine direkte Konsequenz: Ein KI-System, das Schichtberichte generiert, kann nur so gut sein wie die Datenbasis, aus der es schöpft. Stillstände, die niemand im BDE-Terminal codiert, erscheinen im automatischen Bericht als „ungeplante Ausfallzeit” ohne Ursache. Die KI kann diese Lücke nicht füllen — sie kann nur transparent machen, dass sie existiert.

Bei Altmaschinen ohne native Schnittstelle (häufig Maschinen älter als 10–15 Jahre) gibt es zwei pragmatische Wege: Nachrüstung über digitale Eingänge (Maschinenspannung, Zyklusimpuls), die günstig und zuverlässig Betriebszustand und Zyklusrate erfassen — ohne Prozessparameter, aber ausreichend für OEE-Berechnung. Oder vollständige Stille: Diese Maschinen bleiben bis auf Weiteres auf manueller Erfassung.

OEE konkret: Die drei Faktoren und wo Automatisierung wirklich hilft

Predictive Analytics und OEE-Auswertung werden oft in einem Atemzug genannt — aber die Grundlage ist eine klare Formel. OEE = Verfügbarkeit × Leistung × Qualität. Jeder Faktor hat eine eigene Datenquelle, und die KI hilft an unterschiedlichen Stellen:

Verfügbarkeit misst, wie lange die Maschine tatsächlich läuft im Verhältnis zur geplanten Produktionszeit. Die Daten kommen direkt aus Maschinensignalen — kein manueller Aufwand, wenn die Anbindung steht. Die KI aggregiert über Schichten und Maschinen und erkennt, ob eine Maschine systematisch zu Schichtbeginn oder kurz vor Schichtende häufig steht.

Leistung misst die tatsächliche Zyklusrate im Verhältnis zur idealen. Auch das kommt aus der Maschine — aber erst im Kontext eines spezifischen Werkzeugs und einer spezifischen Schussgewichtssituation. Hier muss die KI Stammdaten kennen: Welche Sollzykluszeit hat Werkzeug 22 auf Maschine 4? Diese Referenz muss manuell gepflegt werden.

Qualität misst den Anteil guter Teile an der Gesamtproduktion. Das ist die schwächste Datenlage: Viele Betriebe haben keinen automatischen Gut-/Schlechtteil-Sensor. Die Ausschusszahl kommt aus dem Qualitätsbuch — handschriftlich oder per Terminal. Wenn hier keine Automatisierung besteht, bleibt dieser Faktor manuell — die KI kann ihn einbinden, aber nicht ersetzen.

Was die KI dann wirklich tut: Sie aggregiert diese drei Quellen, berechnet den Gesamt-OEE je Maschine und Schicht, identifiziert Ausreißer, formuliert in natürlicher Sprache einen Schichtkommentar und stellt den Bericht zusammen. Der Schichtleiter sieht, welche Maschinen auffällig waren — nicht erst beim Montagsmeeting, sondern um 6:05 Uhr nach der Nachtschicht.

Was das System konkret macht

Technisch besteht die Lösung aus zwei Schichten:

Schicht 1 — Datenintegration: Ein Edge-Gateway oder eine MES-Anbindung sammelt Maschinenrohdaten, BDE-Buchungen, MES-Aufträge und Qualitätsdaten. Diese werden normalisiert und in einem zentralen Datenspeicher zusammengeführt. Für moderne Maschinen per EUROMAP oder OPC-UA automatisch; für ältere Maschinen per digitale Ein-/Ausgänge.

Schicht 2 — Berichtgenerierung: Ein LLM-basierter Syntheseschritt liest die aggregierten Kennzahlen und formuliert daraus einen strukturierten Schichtbericht in natürlicher Sprache. Dieser enthält: OEE je Maschine, Stillstandsursachen (soweit erfasst), Abweichungen vom Produktionsplan, Ausschusszahlen und eine kurze Schichteinschätzung. Der Bericht ist direkt lesbar — ohne dass der Schichtleiter Zahlen interpretieren muss.

Was das System nicht tut: Es entscheidet nicht, was als nächstes zu tun ist. Es gibt keine Maschinenstörung eigenständig weiter. Es kann Ursachen für Abweichungen nur benennen, wenn die entsprechenden Daten vorliegen — tut das aber präzise und konsistent, auch wenn ein Schichtleiter unter Zeitdruck steht.

Schichtübergabe ohne Lücken

Der typische Schmerzpunkt bei mehrschichtigem Betrieb ist die Übergabe. Was die Nachtschicht weiß, muss die Frühschicht wissen — und das ist selten das, was im Papierprotokoll steht. Die Lücken entstehen nicht aus Nachlässigkeit, sondern aus Zeitdruck und dem fehlenden strukturierten Rahmen.

Ein automatisches Übergabeprotokoll löst dieses Problem anders als ein freies Textfeld im BDE-Terminal:

• Fixe Struktur: Jede Übergabe enthält dieselben Felder — Maschinenstatus, offene Störungen, Restauftragsmengen, nächste Rüsttermine. Nichts kann vergessen werden, weil die Felder immer sichtbar sind.
• Anomalie-Hervorhebung: Maschinen, deren OEE in der letzten Schicht mehr als X Prozent unter Plan lag, werden automatisch markiert. Der Schichtleiter muss nicht suchen — er sieht auf einen Blick, wo er aufmerksam sein muss.
• Kontinuität über Wochen: Weil jede Schicht dokumentiert ist, sind Trends über Tage erkennbar. Wenn eine bestimmte Maschine systematisch in der Nachtschicht schlechter läuft, wird das sichtbar — und nicht erst, wenn jemand sechs Excel-Tabellen zusammenzieht.

Das klingt nach Selbstverständlichkeit. In der Praxis ist es bei weitem kein Standard: Laut Untersuchungen des Branchendienstleisters iFactory (2026) kommen Informationen in manuellen Systemen mehrere Stunden zu spät an, sind format-inkonsistent zwischen Schichten und erfordern bei Rückverfolgungen händische Recherche über Stunden.

Konkrete Werkzeuge — was wann passt

Die Werkzeugauswahl hängt davon ab, was bereits vorhanden ist und wie groß der Betrieb ist.

SYMESTIC — Cloud-MES speziell für Kunststoffverarbeitung. Verbindet Spritzgussmaschinen per EUROMAP und OPC-UA, berechnet OEE in Echtzeit und generiert automatische Schichtberichte. Besonders geeignet für Betriebe mit 2–20 Maschinen, die ohne aufwändiges IT-Projekt starten wollen. Professional-Plan: 500 EUR/Monat Basis plus 350 EUR/Monat je Maschinenpaket — konkrete Preise aus erster Hand, kein Enterprise-Angebot nötig. 30-tägige kostenlose Testphase verfügbar.

GFOS MES — Deutsches MES mit DACH-Fokus. Bietet OEE-Analyse, Schichtplanung und Maschinendatenerfassung aus einer Hand. Für Betriebe mit 50–1.500 Mitarbeitenden im Bereich Automotive-Zulieferung und Metallverarbeitung — weniger spezialisiert auf Spritzguss, aber mit tieferer ERP-Integration. Einführungskosten ab ca. 30.000–80.000 EUR, keine öffentliche Preisliste.

AVEVA MES — Enterprise-MES für komplexe Prozess- und Hybridfertigung. Sinnvoll für größere Kunststoffverarbeiter mit mehreren Werken, die neben der Berichterstellung auch prädiktive Qualität und Yield-Optimierung benötigen. Investitionen im niedrigen bis mittleren sechsstelligen Bereich, Implementierung 6–18 Monate.

Power BI — Wenn MDE-Daten bereits in einem Datenspeicher landen (z. B. SQL-Datenbank aus dem BDE-System), kann Power BI dashboardbasierte Auswertungen übernehmen — ohne MES-Ersatz. Copilot in Power BI generiert auf Basis der Maschinendaten automatisch Schichtkommentare in natürlicher Sprache (erfordert Microsoft Fabric F2-Kapazität ab ca. 250 EUR/Monat). Sinnvoll als Zwischenlösung, wenn ein vollständiges MES zu groß ist.

Grafana — Open-Source-Monitoring für Maschinenrohdaten. Visualisiert Zeitreihendaten aus OPC-UA-Quellen oder Datenbanken in Echtzeit. Kein automatischer Schichtbericht out of the box, aber starke Basis für individuell konfigurierte Dashboards — für Werke mit IT-Kompetenz, die maximale Kontrolle über Visualisierungen wollen. OSS-Kern kostenlos.

ChatGPT / Claude — Wenn MES-Daten als strukturierter Export (CSV, Excel) vorliegen, kann ein LLM-basierter Prompt einen lesbaren Schichtbericht daraus generieren. Das ist kein Produktionssystem, aber ein valider erster Schritt: Exportiere die Maschinendaten nach jeder Schicht und lasse das LLM einen Kommentar generieren. Nullkosten (Free-Tier), aber kein Echtzeit-Betrieb und keine Anbindung — nur ein manueller Schnittstellenschritt.

Zusammenfassung: Wann welcher Ansatz

• 2–20 Maschinen, Kunststoff/Spritzguss, schneller Einstieg → SYMESTIC
• 50+ Mitarbeitende, DACH-Mittelstand, ERP-Integration → GFOS MES
• Mehrere Werke, Enterprise, Prozessindustrie → AVEVA MES
• MDE-Daten vorhanden, M365-Umgebung, Zwischenlösung → Power BI mit Copilot
• IT-Kompetenz vorhanden, eigene Infrastruktur → Grafana
• Pilot ohne Investition, manueller Datenexport → ChatGPT

Datenschutz und Datenhaltung

Produktionsdaten aus Spritzgussmaschinen enthalten in aller Regel keine personenbezogenen Daten im Sinne der DSGVO — Maschinenstatus, OEE-Werte, Stückzahlen und Prozessparameter sind keine personenbezogenen Informationen.

Ausnahmen entstehen, wenn Schichtberichte Personaldaten enthalten — Schichtleiterkommentare mit Namen, Zuordnung von Bedienfehlern zu einzelnen Mitarbeitenden, Zeiterfassungsdaten. In diesen Fällen gilt die DSGVO für den Datenspeicher und die Verarbeitung.

Konkret für die gängigen Werkzeuge:

• SYMESTIC: EU-Hosting, DSGVO-konformer AVV verfügbar — unbedenklich für Maschinendaten, prüfe bei Personaldaten im Schichtbericht.
• GFOS MES: Deutsche Datenhaltung, ISO 9001, AVV nach Art. 28 DSGVO — eine der saubersten Optionen für DACH-Betriebe.
• AVEVA MES: Hybride Architektur, On-Prem oder EU-Region für CONNECT; Schneider-Electric-Konzern (Frankreich), AVV verfügbar.
• Power BI: EU Data Boundary verfügbar, wenn M365-Tenant in Europa. Copilot-Verarbeitung in EU prüfen.
• ChatGPT / Claude: US-Hosting in Standard-Plänen — für Produktionsdaten ohne Personenbezug pragmatisch vertretbar, für sensible Betriebsdaten nur über Enterprise-Pläne mit EU-Datenverarbeitung oder API.

Der Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ist bei Cloud-Diensten Pflicht, wenn überhaupt Daten verarbeitet werden — auch wenn diese nicht personenbezogen sind. Alle genannten Anbieter stellen AVV-Vorlagen bereit. Im Rahmen einer Pilotinstallation wird er häufig vergessen — das ist der typische Fehler.

Was es kostet — realistisch gerechnet

Szenario 1: Cloud-MES speziell für Spritzguss (SYMESTIC)

• Hardware pro Maschine: 350–450 EUR einmalig (Edge-Gateway)
• Software: 500 EUR/Monat Basis + 350 EUR/Monat je Maschinenpaket
• Einrichtung intern: ca. 2–4 Tage je nach Maschinenanzahl
• Für 8 Maschinen: ca. 3.600–4.300 EUR/Monat (Hardware einmalig ~3.200–3.600 EUR)
• Quelle: symestic.com Pricing-Seite, Mai 2026

Szenario 2: Power BI auf vorhandener BDE-Datenbank

• Einrichtung Power BI Dashboards + LLM-Prompt: 2.000–8.000 EUR extern (einmalig)
• Laufend: Power BI Pro ca. 12 EUR/Nutzer/Monat + Fabric F2 ca. 250 EUR/Monat für Copilot
• Gesamtaufwand Jahr 1 bei 3 Pro-Nutzern: ca. 5.500–13.700 EUR

Szenario 3: MES-Integration (GFOS, AVEVA)

• Einführungsprojekt: 30.000–150.000 EUR je nach Komplexität
• Laufende Lizenz: individuell, typisch 18–22 % des Lizenzwerts jährlich
• Sinnvoll ab ca. 50 Mitarbeitenden in der Produktion

Was du dagegen rechnen kannst:
Drei Schichten, 45 Minuten Schichtberichterstellung je Schicht: Das sind 2,25 Stunden täglich. Bei einem Stundensatz von 28–40 EUR brutto ergibt das 63–90 EUR täglich, also 1.250–1.800 EUR monatlich nur für die Zeit, die in Berichterstellung fließt — bei einem einzigen Betrieb. Der ROI für Szenario 1 rechnet sich bei einer 8-Maschinen-Anlage erfahrungsgemäß innerhalb von 6–12 Monaten — vorausgesetzt, die eingesparte Schichtleiterzeit wird wirklich für Optimierungsarbeit genutzt und nicht anderweitig absorbiert.

Wie du den Nutzen tatsächlich misst:
Miss vor der Einführung, wie viele Minuten die Schichtberichterstellung dauert (Stichprobe über 2 Wochen). Miss nach der Einführung dasselbe. Der Unterschied ist dein messbarer Nutzen — kein Modell, keine Schätzung.

Vier typische Einstiegsfehler

1. Mit dem KI-Layer starten, bevor die Datenbasis stimmt.
Der häufigste Fehler: Ein LLM-System für Schichtberichte einführen, obwohl Stillstandsgründe nie systematisch codiert werden, Qualitätsdaten nur auf Papier vorliegen und Altmaschinen ohne Anbindung sind. Das Ergebnis ist ein Bericht, der schön formuliert ist und inhaltlich leer — weil die Rohdaten fehlen. Lösung: Zuerst die Maschinenkonnektivität und die Datenpflege stabilisieren, dann die Automatisierung aufsetzen. Gartner beobachtet, dass über 60 Prozent der KI-Projektfehler in der Produktion auf Datenlage zurückzuführen sind — nicht auf Modellschwächen.

2. Schichtberichte automatisieren, aber Stillstandscodierung nicht verpflichtend machen.
Ein automatischer Schichtbericht zeigt „12 Minuten ungeplanter Stillstand an Maschine 4”. Wenn niemand in der Schicht den Grund erfasst hat, bleibt er als „unbekannte Ursache” stehen. Das ist besser als gar keine Information — aber für die Optimierungsarbeit wertlos. Lösung: Gleichzeitig mit dem automatischen Bericht eine klare Prozessregel einführen: Stillstände über X Minuten müssen innerhalb von 15 Minuten codiert werden. Das ist eine menschliche Disziplinaufgabe, keine technische.

3. Den Bericht einführen, aber niemanden damit beauftragen, Konsequenzen zu ziehen.
Das ist der gefährlichste Fehler — weil er still passiert. Nach 3 Monaten liegt täglich ein sauber aufbereiteter Schichtbericht vor. Niemand hat sich verändert. Der OEE ist derselbe. Die Berichte häufen sich ungelesen. Das Problem ist kein Datenproblem, sondern ein Führungsproblem: Wer ist verantwortlich, auf Abweichungen zu reagieren? Welche Abweichungsschwelle löst eine Maßnahme aus? Wer eskaliert wohin? Diese Fragen müssen vor der Einführung beantwortet sein. Ein automatischer Bericht ist ein Spiegel — er zeigt Probleme, löst sie aber nicht.

4. Maschinenanbindung unterschätzen.
Auch bei modernen Maschinen dauert die saubere EUROMAP- oder OPC-UA-Anbindung typisch 2–5 Tage je Maschinentyp — nicht wegen der Hardware, sondern wegen Variablenabgleich, Adressmapping und Netzwerkkonfiguration. Für 8 Maschinen verschiedener Hersteller ist das eine vollständige Projektwoche. Wer in der Planung nur mit „Maschinen anschließen” rechnet, wird von der Detailarbeit überrascht.

Was mit der Einführung wirklich passiert — und was nicht

Die technische Seite ist handhabbar. Was unterschätzt wird, sind die menschlichen Muster, die auftauchen.

Das Protokollmonopol. In vielen Betrieben haben die erfahrenen Schichtleiter über Jahre eine eigene Art entwickelt, Schichten zu beschreiben — mit impliziten Informationen, lokalen Begriffen und persönlichem Urteilsvermögen. Ein automatischer, standardisierter Bericht fühlt sich zunächst wie ein Downgrade an: „Das System weiß nicht, warum das wirklich passiert ist.” Diese Einschätzung ist nicht falsch — das System kennt keine Hintergründe, die niemand eingetippt hat. Was hilft: Den Schichtleiter nicht als Dateneingabe-Ressource positionieren, sondern als Kommentar-Instanz: Das System liefert die Zahlen, der Schichtleiter liefert den Kontext. Dieser Kommentarbereich im Bericht muss explizit eingebaut und eingefordert werden.

Der Pilot, der nie endet. Viele Betriebe starten einen Piloten mit zwei Maschinen und warten dann auf die perfekte Konfiguration, bevor sie ausrollen. Das führt dazu, dass nach sechs Monaten immer noch zwei Maschinen angebunden sind. Lösung: Klares Einführungsdatum für alle weiteren Maschinen definieren — nicht warten, bis alles perfekt ist. Imperfekte Daten von allen Maschinen sind wertvoller als perfekte Daten von zwei.

Schichtleiter springen auf, wenn Alerts nicht stimmen. Das erste Mal, dass das System einen Alarm für eine Abweichung schickt, die schon behoben war, verliert das System Vertrauen. Thresholds für Alerts müssen sorgfältig kalibriert werden — besser zu konservativ starten und enger werden, als mit zu vielen Fehlalarmen starten und Skepsis erzeugen.

Was konkret hilft:

• Einführung in drei Wellen: erste Welle die drei „besten” Maschinen (beste Konnektivität, engagiertester Schichtleiter), zweite Welle der Rest, dritte Welle Altmaschinen mit Nachrüstung
• Einen Schichtleiter von Beginn an als Systemverantwortlichen benennen — er kennt die Besonderheiten des Maschinenparks
• 30-Tage-Feedbackloop nach Go-Live: Was zeigt der Bericht falsch? Was fehlt? Was ist überflüssig?

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben doch ein BDE-System — das reicht.”
BDE-Systeme erfassen Buchungen. Sie generieren in aller Regel keine lesbaren Schichtberichte, die OEE berechnen, Abweichungen hervorheben und Trends zeigen. Der Unterschied ist der Syntheseschritt — und genau den deckt ein modernes Reporting-System ab. BDE und KI-Reporting sind keine Konkurrenten, sondern ergänzend: Das BDE liefert Rohdaten, das Reportingsystem macht daraus etwas Lesbares.

„Unsere Maschinen sind zu alt für solche Anbindungen.”
Ältere Maschinen ohne EUROMAP oder OPC-UA können über digitale Signale angebunden werden: Ein Zyklusimpuls (Ein/Aus der Spannungsversorgung des Antriebs) reicht aus, um Betriebszustand und Zyklusrate zuverlässig zu erfassen. Das ergibt keine Prozessparameter, aber einen vollständigen Verfügbarkeits- und Leistungswert. Kein Spritzgussbetrieb ist a priori ausgeschlossen — der Aufwand variiert, aber der Weg ist immer vorhanden.

„Die Schichtleiter werden das nicht annehmen.”
Die Erfahrung zeigt das Gegenteil — aber unter einer Bedingung: Der automatische Bericht muss Arbeit abnehmen, nicht Arbeit hinzufügen. Wenn der Schichtleiter weiterhin Zahlen abtippen muss, nur damit ein System einen Bericht generiert, ist die Ablehnung berechtigt. Der Akzeptanz-Test ist einfach: Fragt die Schichtleiter nach dem ersten Monat, ob sie zurück zur alten Methode wollen. Wenn die Antwort „nein” ist, hat das System seinen Job getan.

„Das gibt’s bei uns nicht — unsere Produktion ist zu individuell.”
OEE und Schichtberichte sind keine Prozesssteuerung — sie messen, was passiert ist, nicht was passieren soll. Eine individuelle Produktion mit hoher Variantenvielfalt profitiert eher mehr als eine standardisierte Linienproduktion: Gerade dort verliert man leichter den Überblick über die verschiedenen Werkzeuge, Zykluszeiten und Ausschussgründe.

Woran du merkst, dass das zu dir passt

• Du betreibst mindestens 3–4 Spritzguss- oder Extrusionslinien im Mehrschichtbetrieb — erst dann ist der Aggregationsaufwand groß genug, dass Automatisierung deutlich spart
• Deine Schichtberichte entstehen heute noch manuell — aus dem BDE-Terminal, aus Excel oder per Hand auf einem Formular
• Schichtübergaben haben Lücken, weil Informationen aus der letzten Schicht nicht vollständig weitergegeben werden
• Du fragst dich montags, was in der Nachtschicht los war — und musst dann Papierberichte zusammensuchen
• Dein Maschinenpark umfasst EUROMAP-fähige Maschinen (Engel, KraussMaffei, Arburg, Wittmann-Battenfeld) oder Maschinen mit OPC-UA-Schnittstelle

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als 2–3 Linien oder reine Einzelschichtbetrieb ohne systematische Protokollpflicht. Wenn ein Schichtbericht täglich 15 Minuten dauert und nur eine Person betrifft, ist der Automatisierungsaufwand nicht gerechtfertigt. Die Infrastruktur, die ein automatisches System braucht, ist teurer als die eingesparte Zeit.

2. Noch keine strukturierte Datenerfassung vorhanden. Wenn Stillstände nicht codiert werden, Qualitätsdaten nur auf Papier vorliegen und kein BDE-System im Einsatz ist, muss zuerst die Datenbasis geschaffen werden. Ein KI-System auf unstrukturierten Rohdaten liefert strukturierte Berichte über unstrukturierte Daten — wertlos. Die Schrittfolge ist: erst Datenpflege einführen, dann automatisieren.

3. Niemand im Betrieb, der auf die Berichte reagiert. Wenn das Management monatliche OEE-Reviews macht und operative Abweichungen ohnehin nicht kurzfristig eskaliert werden, liefert ein täglicher automatischer Bericht keinen Mehrwert. Die Infrastruktur für Kurzreaktionen muss vorhanden sein — Eskalationspfade, wer bei welcher Abweichung was tut — damit die Berichtautomatisierung ihren Wert entfalten kann.

Das kannst du heute noch tun

Exportiere den letzten Schichtbericht aus eurem BDE-System oder trag die Zahlen der letzten Schicht manuell in ein Textdokument ein. Öffne dann ChatGPT oder Claude und füge die Daten ein. Der folgende Prompt macht aus rohen Zahlen in wenigen Sekunden einen lesbaren Schichtbericht — als Vorgeschmack auf das, was ein vollständig automatisiertes System täglich liefert:

Das zeigt das Prinzip. Ein vollständig automatisiertes System macht genau das — nur ohne dass du die Zahlen manuell eintippen musst, kontinuierlich, für alle Maschinen gleichzeitig.

Quellen & Methodik

• OEE-Automatisierung und manuelle Verzögerung: Factory AI, „OEE Formula: The Definitive 2026 Calculation Guide” (2026), f7i.ai. Dort wird manuell erstelltes OEE-Reporting als systemisch zu langsam für operative Entscheidungen beschrieben.
• Fehlerquote manuelle Datenübertragung (1–3 %): iFactory, „Manufacturing Report Automation & Compliance” (2026), ifactoryapp.com. Bezieht sich auf manuelle Transkriptionsfehler bei Schichtberichten.
• 60 % KI-Projektfehler durch Datenlage: Gartner-Beobachtung, zitiert in mehreren Analysen zu LLM-Produktionssystemen (2024/2025), u.a. bei Datacor.com und Progress Software/American Machinist.
• Einführungszeiten und Kostenrahmen: Erfahrungswerte aus MES-Implementierungsprojekten im DACH-Mittelstand, konsistent mit Angaben von GFOS MES-Referenzen (Sauerland-Fallbeispiel, 14 Monate Produktivbetrieb) und MPDV-Hydra-Dokumentation (12 % Produktivitätsgewinn, Automationspraxis 2024).
• EUROMAP-Protokollstandards: EUROMAP e.V., Leitfäden EUROMAP 55, 63, 77 (Maschinenkommunikation Spritzguss).
• SYMESTIC Preisangaben: symestic.com Pricing-Seite, Mai 2026 (Professional 500 EUR/Monat Basis + 350 EUR/Monat je Maschinenpaket, Hardware 350–450 EUR je Gateway).
• OEE-Verbesserungen durch Automatisierung: Sigmoid Case Study (CPG Food & Beverage Manufacturer, 2,5 % OEE-Verbesserung durch AI-basierte Produktionsdatenauswertung), sigmoid.com.

Du willst wissen, welche eurer Maschinen sich am einfachsten anbinden lassen und wie realistisch der Aufwand für euren spezifischen Maschinenpark ist? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.