Charge-Rückverfolgung automatisieren

Das echte Ausmaß des Problems

In der Metallverarbeitung — insbesondere bei Zulieferern für Automotive, Aerospace und Medizintechnik — ist Charge-Rückverfolgung keine Option, sondern eine Zertifizierungspflicht. IATF 16949, EN 9100 und ISO 13485 schreiben jeweils lückenlose Dokumentation vor, wie Materialien, Prozessschritte und Prüfergebnisse miteinander verbunden sind. Trotzdem laufen die meisten mittelständischen Betriebe auf Systemen, die diese Verknüpfung nicht automatisch herstellen.

Das Grundproblem: Fertigungsdaten entstehen in mindestens drei bis fünf Systemen — ERP für Aufträge und Materialstammdaten, MES oder SCADA für Prozessparameter, QS-Software oder Excel für Prüfergebnisse, PDF-Ablage für Materialzertifikate vom Lieferanten, Versandsystem für Lieferscheine. Keine dieser Quellen kommuniziert automatisch mit den anderen. Die “Rückverfolgungskette” ist in Wahrheit eine Kette von manuellen Querverweisen, die jemand im Reklamationsfall von Hand zusammensetzt.

Was das im Rückruffall bedeutet: Branchenuntersuchungen zeigen, dass bei Produktrückrufen typischerweise nur 3–5 Prozent der zurückgerufenen Teile tatsächlich fehlerhaft sind — der Rest wird vorsorglich zurückgerufen, weil der Hersteller nicht präzise genug eingrenzen kann, welche Chargen betroffen sind. Jedes Prozent Unschärfe in der Chargenzuordnung kostet direkt Geld: in Rückruflogistik, Kundenkommunikation, Nacharbeit und Reputationsschaden.

Was das im Auditfall bedeutet: Ein IATF-16949-Auditor, der die Rückverfolgung eines Sicherheitsbauteils verlangt, erwartet die vollständige Kette — Rohmaterial → Schmelze → Umformen → Wärmebehandlung → Prüfprotokoll — in einem einzigen Abruf. Wenn Stefan drei Systeme öffnen und manuell zusammensetzen muss, ist das beim Audit ein Minuspunkt. Im schlimmsten Fall führt fehlende Nachweisbarkeit zum Verlust der Lieferantenzulassung.

Personalaufwand: Ein typischer mittelständischer Metallbetrieb mit 10–15 Reklamations- und Auditfällen pro Jahr bindet dabei 3–7 Arbeitstage pro Fall — verteilt über Qualität, Fertigung und Dokumentation. Das entspricht 1–2 Vollzeit-Personenmonaten jährlich, ausschließlich für manuelle Rückverfolgungsarbeiten.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitwerte basieren auf Erfahrungsberichten aus ERP-Implementierungsprojekten bei metallverarbeitenden KMU. Abweichungen je nach Systemlandschaft und Betriebsgröße sind erheblich — Einzelbetriebe mit weniger als 20 Mitarbeitern erreichen kürzere manuelle Zeiten, Mehrstandortbetriebe deutlich längere.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Der Effekt ist spezifisch: Die Zeitersparnis entsteht nicht täglich, sondern bei jedem Reklamations-, Rückruf- oder Auditfall. Wenn ein Fall von zwei Tagen auf zwei Stunden schrumpft, ist das eine Einsparung von über 90 Prozent — pro Vorfall. Bei 10–15 Fällen pro Jahr summiert sich das auf eine spürbare Entlastung. Nicht so hoch bewertet wie tagesbegleitende Prozesse (CNC-Dokumentation, Angebotskalkulation), weil der Effekt diskret auftritt, nicht kontinuierlich.

Kosteneinsparung — hoch (4/5) Der stärkste Kostenhebel ist nicht die Zeitersparnis im Betrieb, sondern die Eingrenzung von Rückrufumfängen. Wer statt 100% einer Lieferperiode nur die exakt betroffenen Chargen zurückrufen muss, spart direkte Rückruflogistikkosten, Ersatzteilproduktion und Kulanzleistungen. Branchenberichte zeigen Kostensteigerungen von 70% und mehr bei Rückrufen ohne präzise Traceability. Kein 5, weil der Nutzen ereignisabhängig bleibt und für Betriebe ohne Rückruferfahrung zunächst theoretisch wirkt.

Schnelle Umsetzung — gering (2/5) Das ist der schwächste Punkt und er ist ehrlich: Eine saubere Traceability-Kette erfordert, dass alle Datenquellen strukturiert und maschinenlesbar vorliegen — und das sind sie in den meisten Betrieben nicht. Typische Umsetzungszeit: 10–16 Wochen für ERP/MES-Integration, Datenmapping und Testbetrieb. Kein 5 existiert in der Metallbranche für schnelle Umsetzung — und dieser Use Case ist einer der komplexeren.

ROI-Sicherheit — hoch (4/5) Einer der sichereren ROIs in dieser Kategorie: Erstens ist der Nutzen bei jedem Reklamations- oder Auditfall direkt messbar — du siehst, wie lange die Abfrage dauert und was sie vorher gekostet hat. Zweitens ist Rückverfolgung bei IATF-, EN-9100- und ISO-13485-Zertifizierungen eine Pflicht, keine Option — der Nutzen hat also eine Compliance-Basis, die unabhängig von Rückrufereignissen existiert. Kein 5, weil die Messung bei seltenen Rückrufereignissen in Kleinstbetrieben länger braucht, sich zu zeigen.

Skalierbarkeit — hoch (4/5) Einmal eingeführt, lässt sich das System auf weitere Fertigungslinien, Werke und Produktgruppen ausdehnen — ohne die Grundarchitektur zu ändern. Einschränkung: Mehr Werke bedeuten mehr MES-/ERP-Lizenzen und mehr Datenmapping-Aufwand. Die Skalierung ist möglich, aber nicht kostenlos.

Richtwerte — stark abhängig von bestehender Systemlandschaft, ERP-Version und Datenlage.

Was das System konkret macht

Die Idee klingt einfach: Du gibst eine Chargennummer ein und bekommst die vollständige Kette — von der Rohmaterialcharge des Lieferanten bis zur Kundenlieferung, inklusive aller Prozessparameter und Prüfergebnisse dazwischen.

Das technische Problem ist, dass diese Kette über mehrere Systeme verteilt ist, die nicht dieselbe Sprache sprechen. Das ERP kennt Auftragsnummern und Lieferscheinnummern. Das MES kennt Chargenbezeichnungen und Ofenzyklen. Die QS-Software kennt Prüfnummern. Die Lieferantenzertifikate liegen als PDFs mit Chargennummern im Freitext. Der Schlüssel, der diese Systeme verbindet, ist oft ein knappes Dutzend Nummern, die in jedem System anders heißen und unterschiedlich formatiert sind.

Was die KI-Schicht hier leistet:

Erstens: Automatisches Mapping zwischen den Nummernformaten der verschiedenen Systeme. Ein Modell lernt, dass “AL-2024-3847” im ERP dieselbe Charge ist wie “C-3847/24” im Ofen-SCADA. Dieses Mapping war bisher manuelles Hintergrundwissen — jetzt wird es explizit gemacht und automatisiert angewandt.

Zweitens: NLP-gestützte Extraktion von Chargennummern aus PDFs. Materialzertifikate, Wärmebehandlungsprotokolle und Prüfberichte liegen oft als gescannte oder native PDFs vor. Ein Dokumentenextraktionsmodell liest diese Dokumente und extrahiert strukturiert: Chargennummer, Material, Ergebnis, Datum. Diese Daten fließen automatisch in die Traceability-Kette ein, ohne manuellen Datenübertrag.

Drittens: Automatische Vorwärts- und Rückwärtsverfolgung. Wenn eine Charge als problematisch markiert wird, zeigt das System in Sekunden: Welche weiteren Produkte wurden aus dieser Charge gefertigt? Sind sie schon ausgeliefert? An welche Kunden? Das ist die “Scope”-Funktion, die bei Rückrufen entscheidend ist.

Was das System nicht macht: Es ersetzt keine Qualitätsentscheidung. Es sagt dir, welche Chargen betroffen sein könnten — die Bewertung, ob ein Rückruf nötig ist und welche Maßnahmen zu treffen sind, bleibt beim Menschen. Das System liefert die Datenbasis, keine Empfehlungen über Gefahrenpotenziale.

Welche Normen konkret was fordern — IATF 16949, EN 9100 und ISO 13485 im Vergleich

Für viele Metallbetriebe ist Charge-Rückverfolgung nicht optional, sondern eine Zertifizierungsanforderung. Die drei wichtigsten Normen unterscheiden sich in der geforderten Tiefe erheblich:

Was das für die Praxis bedeutet: Wer für Automotive produziert, muss die Charge vom Coil-Lieferanten über jeden Prozessschritt (Stanzen, Schweißen, Wärmebehandlung, Prüfung) bis zur OEM-Lieferung dokumentieren können — und das für 15 Jahre. Bei einem Rückruf ist der Automobilhersteller berechtigt, diese Dokumentation innerhalb von Stunden abzurufen. Manuelle Systeme erfüllen diese Anforderung formal oft noch — aber zu einem Aufwand, der bei einer Prüfung schnell zur Lücke wird.

Der Schlüsselunterschied zwischen IATF und EN 9100: IATF arbeitet auf Chargenebene, EN 9100 verlangt für sicherheitskritische Teile häufig Serialisierung auf Einzelteilebene. Das bedeutet: Ein Aerospace-Zulieferer, der ein Strukturbauteil liefert, muss für jedes einzelne Teil die vollständige Prozesskette nachweisen — nicht nur für die Charge.

Was bei einem Rückruf passiert — und warum lückenlose Rückverfolgung den Umfang bestimmt

Das Kernproblem bei Produktrückrufen ist ein wirtschaftliches: Wenn du nicht exakt weißt, welche Teile von einem Defekt betroffen sein könnten, musst du im Zweifel alle zurückrufen.

Branchenberichte quantifizieren das: In der verarbeitenden Industrie sind bei einem typischen Produktrückruf nur 3–5 Prozent der tatsächlich zurückgerufenen Produkte fehlerhaft. Der Rest wird zurückgerufen, weil die Grenzen der betroffenen Charge nicht präzise genug gezogen werden können. Dieser Überschuss verursacht den Großteil der Rückrufkosten — nicht der Fehler selbst.

Konkret: Ein Metallbetrieb liefert Stanzteile in einer Periode von sechs Wochen. Innerhalb dieser Periode gibt es drei Rohmaterialchargen, zwei Stanzwerkzeugwechsel und einen Ofen-Kalibrierungszyklus. Wenn bei einem Kunden ein Defekt auftaucht, der auf einen dieser Faktoren zurückzuführen ist, ist die entscheidende Frage: In welcher Teilmenge der Lieferungen liegt das Risiko? Ohne lückenlose Traceability kann diese Frage nicht beantwortet werden — es wird die gesamte Periode zurückgerufen.

Mit präziser Traceability: Das System identifiziert, dass die betroffenen Teile ausschließlich aus Rohmaterialcharge RC-2024-118 gefertigt wurden und diese Charge nur in 14 Prozent der Lieferungen dieser Periode eingegangen ist. Rückruf: 14 Prozent statt 100 Prozent. Der Rest der Lieferperiode ist dokumentiert sauber.

Dieser Effekt skaliert mit dem Liefervolumen. Für Betriebe, die tausende Teile pro Woche liefern, kann die Differenz zwischen einem präzisen und einem unpräzisen Rückruf sechs- bis siebenstellige Kosten ausmachen.

Warum das KI-Versprechen an der Datenlage hängt — das Siloproblem

Das größte Missverständnis bei der Einführung automatisierter Charge-Rückverfolgung: Es ist keine Software-Kaufentscheidung. Es ist ein Datenprojekt.

Die KI kann nur Informationen verknüpfen, die irgendwo strukturiert vorliegen. Wenn Ofenprotokolle als handgeschriebene Formblätter existieren, hilft kein Extraktionsmodell über die fehlenden Maschinen-Rohdaten hinweg. Wenn Chargennummern im ERP manuell eingetippt und dabei häufig abweichend formatiert werden, bricht jede automatische Verknüpfung an dieser Stelle.

Die vier häufigsten Datensilo-Situationen in Metallbetrieben:

1. Ofenprotokolle auf Papier oder in proprietären Systemen. Ältere Wärmebehandlungsanlagen schreiben Protokolle auf Thermo- oder Nadeldrucker. Kein digitaler Export, kein API. Lösung: Nachrüsten mit Datenlogger oder manuelle Digitalisierung für laufende Daten, Altdaten per OCR erfassen (begrenzte Genauigkeit).

2. Lieferantenzertifikate als unstrukturierte PDFs. Jeder Stahllieferant hat ein anderes Format — ein Dokument nennt die Charge “Schmelze 3847”, der nächste “Heat No. 3847-A”, der übernächste “CN2024003847”. Ein NLP-Extraktionsmodell kann diese Varianten nach einer Trainingsphase erkennen, aber die Trainingsphase braucht annotierte Beispiele aus euren Dokumenten — das ist Aufwand.

3. ERP und MES teilen keine gemeinsame Chargensprache. Ein Fertigungsauftrag im ERP hat eine Auftragsnummer. Das MES kennt dieselbe Charge unter der internen Chargennummer. Diese Verknüpfung existiert nirgends — und muss erst aufgebaut werden. Entweder durch Systemkonfiguration (wenn ERP und MES kompatibel sind) oder durch ein Integrationstool wie n8n oder Power Automate.

4. Prüfergebnisse in Excel oder auf Papier. Wenn die QS-Abteilung ihre Prüfergebnisse in Excel-Tabellen führt, die nach Woche und Linie benannt sind, ist die strukturierte Abfrage “Welche Prüfergebnisse liegen für Charge RC-2024-118 vor?” nicht direkt beantwortet. Die Einführung von automatisierter Traceability ist damit an eine vorgelagerte Aufgabe geknüpft: Prüfergebnisse in eine abfragbare Datenstruktur überführen.

Was das bedeutet: Vor dem eigentlichen KI-Projekt stehen oft 4–8 Wochen Datenkonsolidierungsarbeit. Wer das ignoriert, bekommt ein System, das Teile der Kette sauber verknüpft und an den Silos scheitert — ohne Warnung.

Konkrete Werkzeuge — was wann passt

Die richtige Tool-Wahl hängt stark davon ab, ob du bereits ein ERP und/oder MES betreibst und wie gut diese Systeme dokumentiert und wartbar sind.

Siemens Opcenter — wenn ihr im Siemens-Ökosystem seid Opcenter bietet lückenlose Chargen- und Serialisierungsverfolgung als Kernfunktion — gebaut für Automotive, Aerospace und Medizintechnik. Die Integration in SIMATIC-Automatisierungstechnik ist tief, die Implementierung dauert 6–18 Monate und die Kosten liegen im fünf- bis sechsstelligen Jahresbereich. Sinnvoll für Betriebe mit 100+ Mitarbeitern, die bereits im Siemens-Umfeld arbeiten.

SAP Digital Manufacturing — wenn ihr auf SAP S/4HANA standardisiert seid Für SAP-Kunden, die ERP und Shopfloor in einem System verbinden wollen, ist SAP DM die naheliegendste Lösung. Echtzeit-Verknüpfung von Fertigungsaufträgen, Qualitätsdaten und Materialzertifikaten ohne Middleware. Ebenfalls fünf- bis sechsstellige Jahreskosten, typische Implementierungszeit 12–24 Monate. Kein sinnvoller Einstieg ohne SAP-ERP-Backbone.

Tulip — wenn ihr digitale Shopfloor-Workflows aufbauen wollt Tulip ist keine vollständige MES-/Traceability-Lösung, aber ein schneller Weg, Shopfloor-Prozesse digital zu erfassen und Prüfergebnisse mit Chargennummern zu verknüpfen. Einstieg ab ca. 1.200 USD/Interface/Jahr, kein Programmieraufwand. Gut als erster Schritt, wenn ihr bisher noch keine digitale Erfassung am Shopfloor habt — aber US-Hosting ist ein DSGVO-Punkt, der mit dem Datenschutzbeauftragten zu klären ist.

Katana MRP — SMB-Einstieg ohne Enterprise-Budget Für metallverarbeitende KMU mit 10–100 Mitarbeitern, die Chargen im Wareneingang erfassen und bis zur Kundenlieferung verfolgen wollen: Katana MRP bietet diese Funktion als Add-on ab ca. 700 USD/Monat. Keine tiefe Prozessdaten-Integration wie in einem vollständigen MES, aber ausreichend für Reklamationsnachweise und Kundenzertifikate. EU-Datenhosting, schlanke Einführung in Tagen statt Monaten.

n8n oder Power Automate als Integrationsschicht Wenn ihr bereits ERP und MES habt, aber die Systeme nicht miteinander sprechen: Integrationstools bauen die Brücke. Die Tools lesen Daten aus Quelle A (z.B. ERP-Fertigungsauftrag), reichern sie mit Daten aus Quelle B (z.B. MES-Chargenprotokoll) an und schreiben das Ergebnis in eine gemeinsame Datenbank. Das ist kein vollständiges Traceability-System, aber es löst das häufigste Praxisproblem: die fehlende Verknüpfung zwischen vorhandenen Systemen. n8n lässt sich selbst hosten (kein Cloud-Zwang), Power Automate ist tief in Microsoft 365 integriert.

Zusammenfassung: Wann welcher Ansatz

• 100+ Mitarbeiter, Siemens-Umfeld → Siemens Opcenter
• SAP S/4HANA vorhanden → SAP Digital Manufacturing
• 10–100 Mitarbeiter, ERP vorhanden, MES fehlt → Katana MRP
• Bestehende Systeme verbinden, kein neues MES → n8n oder Power Automate
• Shopfloor-Erfassung digitalisieren, schrittweise → Tulip (mit DSGVO-Prüfung)

Datenschutz und Datenhaltung

Chargen-Traceability-Daten sind überwiegend keine personenbezogenen Daten im Sinne der DSGVO — Chargennummern, Prozessparameter und Prüfergebnisse sind technische Produktionsdaten. Die DSGVO-Frage stellt sich jedoch, sobald Mitarbeiterdaten mit eingeflossen sind: Wer hat welchen Ofen bedient? Wer hat die Prüfung durchgeführt und unterschrieben? Diese Verknüpfung ist oft nötig (EN 9100 verlangt bei sicherheitskritischen Bauteilen die Identifikation des prüfenden Mitarbeiters), unterliegt aber der DSGVO und dem Betriebsverfassungsgesetz.

Praktische DSGVO-Punkte:

• Mitarbeiterbezogene Fertigungsdaten (Wer hat was produziert/geprüft?) sind mitbestimmungspflichtig — Betriebsrat vor dem Rollout einbinden, Betriebsvereinbarung prüfen oder abschließen.
• Für Siemens Opcenter (On-Premises): Daten bleiben im eigenen Werk — volle Kontrolle, keine AVV-Pflicht für die Traceability-Daten selbst. Cloud-Komponenten (Opcenter X) erfordern AVV mit Siemens.
• Für SAP Digital Manufacturing: Daten auf SAP Business Technology Platform (EU-Region wählbar), AVV im SAP-Kundenvertrag enthalten.
• Für Katana MRP: EU-Datenhosting, SOC 2 zertifiziert, AVV verfügbar. Für Betriebe ohne sensible personenbezogene Daten in den Produktionsdaten unkritisch.
• Für Tulip: US-Hosting standardmäßig. Für strenge DSGVO-Anforderungen (Betriebe in sensiblen Lieferketten) mit Datenschutzbeauftragten klären, ob Produktionsdaten ohne Personenbezug verarbeitet werden dürfen oder ob eine EU-Hosting-Lösung erforderlich ist.

Materialzertifikate vom Lieferanten enthalten keine personenbezogenen Daten — diese können ohne DSGVO-Bedenken digital verarbeitet werden.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

Die Kosten variieren stark je nach bestehender Systemlandschaft:

• Wenn ERP und MES bereits kompatibel sind: Konfiguration, Datenmapping, Testbetrieb — typisch 15.000–40.000 Euro Implementierungsaufwand (intern + extern).
• Wenn ERP und MES nicht kompatibel sind oder es kein MES gibt: Integration über Middleware, ggf. Neueinführung einer Traceability-Komponente — typisch 30.000–100.000 Euro.
• Wenn Shopfloor-Digitalisierung zuerst nötig ist (Papierprotokolle dominieren): Zusätzlich 10.000–30.000 Euro für Digitalisierungsinfrastruktur (Barcodeerfassung, Datenlogger, Netzwerkanbindung).

Laufende Kosten (monatlich)

• Katana MRP inkl. Traceability-Add-on: ca. 700 USD/Monat
• Siemens Opcenter: ab ca. 8.000–20.000 EUR/Monat (je nach Modulumfang)
• SAP Digital Manufacturing: ab ca. 5.000–15.000 EUR/Monat im RISE-with-SAP-Vertrag
• n8n selbst gehostet: Infrastrukturkosten (ca. 50–200 EUR/Monat auf eigenem Server oder Cloud)

Was du dagegen rechnen kannst

Ein Reklamationsfall mit manueller Rückverfolgung bindet erfahrungsgemäß 3–5 Arbeitstage über mehrere Mitarbeitende. Bei einem Stundensatz von 35–55 Euro brutto entspricht das 840 bis 2.200 Euro je Vorfall an internem Aufwand — ohne externe Kosten.

Bei 10–15 solchen Vorfällen pro Jahr: 8.400 bis 33.000 Euro jährlich für manuelle Rückverfolgungsarbeit. Dazu kommt das Rückrufrisiko: Wenn ein einziger Rückruf durch präzisere Chargeneingrenzung statt 100 Prozent nur 15 Prozent einer Lieferperiode betrifft, sind die vermiedenen Kosten in der Regel ein Vielfaches der Systemkosten.

Konservativer ROI: Bei 12 Vorfällen pro Jahr und einer durchschnittlichen Zeitersparnis von 2 Tagen pro Fall (10 Stunden zu 40 EUR) ergibt sich eine jährliche Einsparung von etwa 9.600 Euro — genug, um eine Katana-MRP-Lösung in unter einem Jahr zu amortisieren. Für eine Enterprise-MES-Lösung ist der Business Case erst bei einem größeren Volumen oder bei einem konkreten Rückrufereignis überzeugend.

Vier typische Einstiegsfehler

1. Das Datenprojekt als Softwareprojekt behandeln. Der häufigste Fehler: Man kauft eine Traceability-Lösung und beginnt mit der Konfiguration — ohne vorher zu prüfen, ob die Daten in den bestehenden Systemen überhaupt in der nötigen Struktur vorliegen. Das Ergebnis: Die Software läuft, aber die Traceability-Kette hat Lücken, weil Ofenprotokolle als PDF-Scans nicht automatisch verknüpft werden können oder Chargennummern im ERP inkonsequent erfasst sind. Lösung: Zuerst eine Bestandsaufnahme der Datenqualität je System — dann die Tool-Entscheidung.

2. Nur vorwärts tracen, nicht rückwärts. Viele Erstimplementierungen bauen die Vorwärtsverfolgung (Welche Produkte wurden aus Charge X gefertigt?) korrekt auf, vernachlässigen aber die Rückwärtsverfolgung (Aus welchen Chargen besteht Produkt Y?). Im Reklamationsfall braucht man beide Richtungen. Wer nur eine implementiert, hat beim ersten Ernstfall die halbe Arbeit.

3. Historische Daten nicht einplanen. Ein System, das ab heute lückenlos Chargen verfolgt, nutzt im ersten Jahr kaum — weil die meisten Reklamations- und Auditfälle auf älteren Lieferungen basieren. Ohne eine Migrationsstrategie für historische Daten (zumindest für die letzten 12–24 Monate) ist das System im Ernstfall nicht einsatzbereit. Die Migration ist aufwändig, aber unerlässlich.

4. Das System einführen und dann nicht pflegen. Traceability-Ketten veralten, wenn niemand die Pflege übernimmt. Neue Lieferanten bringen neue Zertifikatsformate mit — die Extraktion muss aktualisiert werden. Neue Prozessschritte werden eingeführt — das Datenmapping muss erweitert werden. Wer das System mit dem Rollout als “fertig” betrachtet, hat nach 18 Monaten eine Kette mit Lücken. Namentlich verantwortliche Person benennen, Quartalsprüfung einplanen.

Was mit der Einführung wirklich passiert — und was nicht

Was passiert: Die Qualitätsabteilung gewinnt. Wer bisher stundenlang in Systemen suchen musste, hat plötzlich einen Abruf, der Minuten dauert. Die ersten positiven Rückmeldungen kommen fast immer aus der Qualitätssicherung — oft am Tag, nachdem das System beim ersten echten Reklamationsfall zum Einsatz kam.

Was auch passiert: Die Fertigung wird misstrauisch. Automatische Protokollierung bedeutet, dass sichtbar wird, was bisher nicht sichtbar war. Chargen, die manuell “nachgebessert” wurden, ohne dass das System mitgeschrieben hat. Prozessschritte, die übersprungen wurden. Das ist keine böse Absicht — das ist der Alltag von Schichtbetrieb und Zeitdruck. Aber es erzeugt Widerstände, wenn Mitarbeitende das Gefühl bekommen, dass jetzt alles auditiert wird.

Was nicht passiert: Das System macht keine Qualitätsentscheidungen. Es liefert Daten — und die Interpretation dieser Daten bleibt beim Menschen. “Charge X hat Prüfergebnis Y” bedeutet nicht automatisch “Charge X ist fehlerhaft.” Das System schützt euch vor falschen Rückrufen, aber es entscheidet nicht, ob ein Rückruf nötig ist.

Drei Widerstands-Muster und was hilft:

Die Schichtführer, die das System als zusätzliche Kontrolle erleben: Am effektivsten ist es, ihnen zu zeigen, wie das System bei einem Reklamationsfall auf ihrer Seite steht — es dokumentiert, dass ihre Schicht alles korrekt gemacht hat, wenn das so ist. Die Traceability schützt auch die Fertigung, nicht nur den Kunden.

Die IT, die eine weitere Integrationslast fürchtet: Realistische Aufwandsschätzung vorab, keine Überraschungen. Wenn das Projekt mit dem bestehenden ERP-Dienstleister durchgeführt wird, ist das Vertrauen oft höher als bei einem Fremdanbieter.

Die Geschäftsführung, die den Business Case in Frage stellt, weil “wir hatten noch nie einen großen Rückruf”: Das IATF-/EN-9100-Argument ist hier stärker als der ROI-Kalkül — die Norm verlangt es, unabhängig vom Rückruferlebnis.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir erfüllen die IATF-Anforderungen schon mit unserem ERP.” Das mag zutreffen — wenn euer ERP eine saubere, vollständige Chargenverfolgung führt. In der Praxis bedeutet “ERP-Traceability” aber oft: Chargennummern sind erfasst, aber die Verknüpfung zu Prozessparametern (Ofen, Presse, Werkzeug) und Prüfergebnissen fehlt. Ein Auditor, der bei einer 8D-Reklamation fragt “Zeig mir die Ofentemperaturen für Charge RC-2024-118”, bekommt im ERP oft keine Antwort. Das Ziel ist nicht, die IATF formal zu erfüllen, sondern die Kette wirklich lückenlos zu machen.

„Das Projekt ist zu aufwändig für unsere IT.” Das ist oft ein berechtigter Einwand — besonders wenn er aus konkreter Erfahrung mit ähnlichen Projekten kommt. Die ehrliche Antwort: Die Komplexität hängt stark davon ab, wie gut die bestehenden Systeme dokumentiert und aktuell sind. Ein Betrieb mit einem modernen ERP und einem halbwegs dokumentierten MES kann in 10 Wochen einen funktionsfähigen Piloten starten. Ein Betrieb mit drei Altsystemen ohne Dokumentation braucht länger — oder braucht zuerst ein anderes Projekt.

„Wir haben noch nie einen größeren Rückruf gehabt.” Das ist kein Gegenargument gegen Traceability — es ist ein Argument dafür, den Ernstfall nicht als ersten Test zu erleben. Die Einführung kostet unter geordneten Bedingungen einen Bruchteil dessen, was ein unkontrollierter Rückruf kostet. Und der Compliance-Nutzen bei IATF- und EN-9100-Audits ist unabhängig vom Rückruferlebnis.

Woran du merkst, dass das zu dir passt

• Du lieferst für Automotive (IATF 16949), Aerospace (EN 9100) oder Medizintechnik (ISO 13485) — Charge-Rückverfolgung ist dann keine Wahlmöglichkeit, sondern eine Voraussetzung für die Zertifizierung
• Du hast in den letzten 12 Monaten mindestens einmal mehrere Tage mit der manuellen Rekonstruktion einer Lieferkette verbracht — und weißt, wie viel Aufwand das war
• Dein ERP, MES und QS-System sprechen nicht miteinander — und die Verbindung zwischen den Systemen wird manuell über Querverweise hergestellt
• Deine Kunden fordern immer häufiger kurzfristige Auskünfte über Charge, Material und Prozessparameter — und du beantwortest sie verzögert oder mit Vorbehalt
• Ihr habt Materialzertifikate, Prüfprotokolle und Lieferscheine in drei verschiedenen Systemen oder Ordnerstrukturen — und niemand kann auf Anhieb sagen, wie man schnell alle Dokumente zu einer Charge abruft

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

1. Unter ca. 20 Mitarbeitern ohne ERP. Wenn ihr noch keine strukturierte ERP-basierte Chargenverwaltung habt, ist das der notwendige erste Schritt — nicht die KI-Schicht darüber. Ein Traceability-System ohne Datenbasis produziert nur scheinbare Vollständigkeit. Investiert die Zeit zuerst in ein passendes ERP mit Chargenmodul (z.B. über die Materialzertifikat-Verwaltung).

2. Ausschließlich Einzelfertigung ohne Serienprozesse. In einer reinen Jobshop-Fertigung — jedes Teil ist ein Unikat, keine wiederkehrenden Chargen, keine Serienprozesse — gibt es keine “Chargen” im klassischen Sinne. Das Rückverfolgungsproblem existiert dann zwar noch (auf Einzelteilebene), aber eine Chargen-Traceability-Lösung ist das falsche Werkzeug. Serialisierung auf Teileebene ist in diesem Fall der richtige Ansatz.

3. Wenn Shopfloor-Daten noch vollständig auf Papier entstehen und kein Digitalisierungsbudget vorgesehen ist. Ein KI-gestütztes Verknüpfungssystem braucht mindestens maschinenlesbare Eingangsdaten. Wenn Ofenprotokolle handschriftlich in Tagesberichte eingetragen werden und es kein Budget gibt, die Erfassung zu digitalisieren, fehlt die Grundlage. Das Traceability-Projekt setzt dann ein vorgelagertes Digitalisierungsprojekt voraus, das typisch 6–12 Monate dauert.

Das kannst du heute noch tun

Bevor du ein System kaufst, mach eine 90-Minuten-Bestandsaufnahme: Nimm den letzten Reklamationsfall (oder den letzten IATF-Audit) und rekonstruiere, wie lange es gedauert hat, die vollständige Traceability-Kette zusammenzustellen. Notiere: Wie viele Systeme wurden geöffnet? Wie viele Personen wurden befragt? Wie lange hat es gedauert? Das ist dein Ausgangswert — und der bestimmt, wie stark der Business Case für eine Automatisierung ist.

Als nächsten Schritt: Lade die letzten fünf Materialzertifikate deines wichtigsten Stahllieferanten herunter und lasse die folgende Aufgabe von einem KI-Assistenten durchführen:

Das kostet nichts und zeigt sofort, ob eine KI-gestützte Zertifikatsextraktion für euren Dokumentenbestand funktioniert — bevor du ein System kaufst.

Quellen & Methodik

• IATF 16949 Traceability-Anforderungen: Topmanagementsystem.de, „IATF 16949: Warum Nachverfolgbarkeit in der Automobilindustrie zählt” (Stand 2024). VDA QMC, FAQ IATF 16949 (iatf.de, Stand 2024).
• EN 9100 / AS9100 Rev D Clause 8.5.2: Advisera, „AS9100 traceability requirements: How to meet them” (2019; Norm in aktueller Fassung). Dynamic Metals Ltd, „AS9100 Compliance: Metal Certification Requirements for Aerospace Manufacturing” (Stand 2024).
• Rückruf-Kostenstatistik (3–5 % fehlerhaft, 70 % Kostensteigerung): OneArvo Ventures, „Item-Level Traceability: Slash Product Recall Costs by 90%” (2024, bezieht sich auf Industrieberichte); BatchMaster, „The Real Cost of Broken Lot Traceability in Process Manufacturing” (2023).
• Jabil / Addepto Traceability-Fallstudie: Addepto, „AI-Based Product Traceability in Manufacturing — Case Study Jabil” (2023). Quelle: addepto.com/case-studies/manufacturing-traceability-solution-case-study/
• Preisangaben Katana MRP: Katanamrp.com/pricing (Stand Mai 2026). Brahmin Solutions, „Katana MRP Pricing 2026” (Mai 2026).
• Preisangaben Siemens Opcenter und SAP Digital Manufacturing: Marktbeobachtungen aus Partnerangaben und öffentlicher Dokumentation; keine verbindlichen Listenpreise (Stand April 2026).
• Implementierungsaufwände: Erfahrungswerte aus ERP/MES-Integrierungsprojekten bei metallverarbeitenden Betrieben (5–200 Mitarbeitende). Keine repräsentative Erhebung — Bandbreiten aus konsistenten Beobachtungen.

Willst du wissen, ob die Chargenrückverfolgung in deiner Systemlandschaft realistisch umsetzbar ist — und was der erste sinnvolle Schritt wäre? Meld dich für ein kurzes Gespräch.