Fertigungstransparenz bedeutet, dass Produktionsunternehmen jederzeit nachvollziehen können, was auf dem Shopfloor tatsächlich passiert. Dazu gehören Maschinenzustände, Lauf- und Stillstandszeiten, Stückzahlen, Zykluszeiten, Ausschuss, Auftragsfortschritt, OEE und Energieverbrauch. Werden diese Daten aktuell und verständlich dargestellt, können Produktionsleiter Abweichungen schneller erkennen, Ursachen analysieren und noch während der laufenden Schicht gezielt reagieren.
Die Grundlage dafür sind zuverlässige Produktions- und Maschinendaten. Sie können beispielsweise über MDE, MES, vorhandene Maschinensteuerungen oder nachgerüstete Sensorik erfasst und in zentralen Dashboards zusammengeführt werden. So verschiebt sich die Produktionssteuerung von einer rein reaktiven Problemlösung hin zu einer datenbasierten, vorausschauenden Arbeitsweise – auch in gewachsenen Maschinenparks mit älteren oder nicht vernetzten Anlagen.
Fertigungstransparenz – kurz erklärt
Fertigungstransparenz bezeichnet die Fähigkeit, Produktionsabläufe anhand aktueller und verlässlicher Daten nachvollziehen zu können. Das Ziel ist, Abweichungen früh zu erkennen, Produktionsverluste sichtbar zu machen und Entscheidungen nicht auf Vermutungen, sondern auf belastbare Informationen zu stützen.
Mehr Sichtbarkeit verkürzt Problemlösungen. Wenn eine Maschinenstörung sofort sichtbar ist, müssen Produktion, Instandhaltung und Schichtleitung nicht erst rekonstruieren, wann ein Problem begonnen hat oder wie lange es bereits besteht. Stattdessen können die Teams gezielt prüfen, wodurch die Abweichung entstanden ist und welche Maßnahme erforderlich ist.
Geringe Datenlatenz spielt dabei eine wichtige Rolle. Werden Ereignisse erst am Schichtende, am nächsten Morgen oder über manuelle Listen sichtbar, ist ein großer Teil der Reaktionszeit bereits verloren. Werden Zustände dagegen zeitnah erfasst, können Stillstände, Leistungseinbrüche und Prozessabweichungen deutlich früher bewertet werden.
Fertigungstransparenz verändert dadurch auch den täglichen Informationsfluss. Schichtübergaben werden faktenbasierter, weil Produktion und Instandhaltung auf dieselben Daten schauen. Wiederkehrende kleine Verluste verschwinden nicht mehr in Einzelbeobachtungen, sondern können über mehrere Schichten hinweg erkannt und priorisiert werden.
Dabei geht es nicht darum, möglichst viele Daten zu sammeln. Gute Fertigungstransparenz entsteht erst dann, wenn aus Daten eine verständliche Antwort auf operative Fragen wird: Welche Maschine produziert? Wo entsteht Leerlauf? Wie lange dauern Stillstände? Welcher Auftrag läuft hinter Plan? Wo verliert die Produktion Leistung oder Qualität?
Produktionsleiter benötigen vor allem Klarheit über Maschinenzustand, Durchsatz, Qualität und Verbrauch. Echtzeit-Monitoring kann diese Informationen in einer gemeinsamen Sicht zusammenführen.
Besonders relevant sind folgende Daten:
| Daten/Kennzahl | Was wird transparent? | Typische Frage |
|---|---|---|
| Maschinenstatus | Produktion, Leerlauf, Stillstand | Warum produziert die Maschine gerade nicht? |
| Stillstandszeit | Verfügbarkeitsverluste | Welche Maschinen verlieren die meiste Produktionszeit? |
| Mikrostopps | kurze, häufige Unterbrechungen | Welche kleinen Stopps summieren sich über die Schicht? |
| Zykluszeit | Leistungsabweichungen | Läuft der Prozess langsamer als geplant? |
| Stückzahl / Output | tatsächliche Produktionsleistung | Wird die geplante Menge erreicht? |
| Ausschuss / Qualität | Qualitätsverluste | Wann und wo entstehen fehlerhafte Teile? |
| OEE | Verfügbarkeit, Leistung und Qualität | Wo geht nutzbare Kapazität verloren? |
| Energieverbrauch | Verbrauch und Leerlaufenergie | Welche Betriebszustände verursachen unnötige Energiekosten? |
| Auftragsfortschritt | Plan-Ist-Abweichungen | Wird der Auftrag rechtzeitig fertig? |
Nicht jedes Unternehmen benötigt am ersten Tag alle diese Daten. Für einen sinnvollen Start reichen häufig wenige Kennzahlen, die direkt mit einem konkreten Produktionsproblem verbunden sind.
Maschinenstatus allein reicht nicht aus. Eine Maschine kann eingeschaltet sein und trotzdem keine produktive Leistung erbringen. Deshalb sollten mehrere Kennzahlen zusammen betrachtet werden.
Die OEE verbindet Verfügbarkeit, Leistung und Qualität und hilft dabei, unterschiedliche Verlustarten voneinander zu trennen. Die Verfügbarkeit zeigt beispielsweise, wie viel der geplanten Produktionszeit tatsächlich genutzt werden konnte. Die Leistungskennzahl macht sichtbar, ob eine Maschine mit der erwarteten Geschwindigkeit arbeitet. Die Qualitätskomponente berücksichtigt, wie viel des Outputs tatsächlich als Gutteil verwendet werden kann.
Zykluszeiten helfen zusätzlich dabei, langsamere Prozesse oder schleichende Abweichungen zu erkennen. Stillstands- und Leerlaufzeiten machen sichtbar, wo Produktionszeit verloren geht. Energiekennzahlen können zeigen, ob Maschinen während unproduktiver Phasen weiterhin erhebliche Energie verbrauchen.
Die entscheidende Frage lautet deshalb nicht: „Welche einzelne KPI ist die wichtigste?“ Sondern: „Welche Kombination von Kennzahlen erklärt, warum die tatsächliche Produktion vom Plan abweicht?“
In vielen Produktionsumgebungen fehlen die Daten nicht vollständig – sie liegen nur an unterschiedlichen Stellen. Maschinen liefern einzelne Signale, Bediener dokumentieren Stillstände, ERP-Systeme enthalten Auftragsinformationen und Excel-Listen erfassen zusätzliche Produktionsdaten. Dadurch entstehen Datensilos.
Ein weiteres Problem sind Bestandsmaschinen. Ältere Maschinen produzieren möglicherweise seit Jahren zuverlässig, besitzen aber keine moderne Schnittstelle oder wurden nie in eine zentrale Monitoring-Architektur integriert. Dadurch entsteht innerhalb derselben Halle ein gemischtes Bild: Einige Maschinen liefern detaillierte digitale Daten, bei anderen wird der Zustand weiterhin manuell bewertet.
Auch manuelle Dokumentation kann die Transparenz begrenzen. Ein längerer ungeplanter Stillstand wird möglicherweise erfasst, während kurze Mikrostopps, Leerlauf oder schleichende Zykluszeitverluste unbemerkt bleiben. Das Ergebnis ist nicht zwangsläufig eine falsche Dokumentation – sondern eine unvollständige Sicht auf die tatsächliche Produktion.
Der sinnvollste Einstieg ist nicht die vollständige Digitalisierung der gesamten Fabrik auf einmal. Beginnen Sie dort, wo bereits ein klarer operativer Schmerzpunkt besteht: häufige Mikrostopps, ein bekannter Engpass, hohe Stillstandszeiten, starke Plan-Ist-Abweichungen oder eine Linie mit ungewöhnlich hohem Ausschuss.
Definieren Sie anschließend wenige Kennzahlen, anhand derer sich der Ausgangszustand und die Verbesserung messen lassen. Verfügbarkeit, Performance, Qualität, Zykluszeit, Stillstand und Energie pro Teil sind typische Beispiele.
Erst danach sollte entschieden werden, wie die benötigten Daten erfasst werden. Je nach Maschinenpark können vorhandene Steuerungen, MDE-Systeme, MES, BDE-Eingaben, externe Sensorik oder eine Kombination mehrerer Quellen sinnvoll sein.
Die gewonnenen Daten müssen anschließend in einen festen Verbesserungsprozess überführt werden. Ein Dashboard allein verbessert keine Produktion. Entscheidend ist, dass wiederkehrende Verluste erkannt, priorisiert, mit Verantwortlichkeiten verbunden und nach einer Maßnahme erneut gemessen werden.
Es gibt nicht nur einen technischen Weg zur Fertigungstransparenz. Die geeignete Methode hängt vom Maschinenpark, vorhandenen Systemen und dem gewünschten Informationsumfang ab.
| Ansatz | Stärke | Typische Grenze |
|---|---|---|
| Manuelle Erfassung | Einfacher Einstieg | zeitverzögert und abhängig von Eingaben |
| BDE | Verknüpft Mitarbeiter-, Auftrags- und Prozessinformationen | teilweise weiterhin manuelle Rückmeldungen erforderlich |
| MDE | Automatische Maschinendatenerfassung | Maschinen müssen technisch angebunden werden können |
| MES | Breiter Produktions- und Auftragskontext | höhere Integrations- und Projektkomplexität |
| Externe Retrofit-Sensorik | Interessant für ältere oder schwer anzubindende Maschinen | erfassbare Informationen hängen vom Prozess und Sensorsignal ab |
| Kombination | Umfassende Plan-Ist-Transparenz | erfordert saubere Daten- und Integrationslogik |
In der Praxis ergänzen sich diese Ansätze häufig. Maschinendaten können beispielsweise den realen Zustand liefern, während ERP-, MES- oder BDE-Daten erklären, welcher Auftrag geplant ist und welches Ergebnis erwartet wird.
Für den Mittelstand ist die Nachrüstbarkeit besonders relevant. Ein kompletter Maschinenersatz ist selten allein deshalb wirtschaftlich, weil Produktionsdaten fehlen. Häufig besteht der sinnvollere erste Schritt darin, bereits produktive Maschinen nachträglich in die Datenerfassung einzubeziehen.
Maschinenunabhängige Retrofit-Ansätze können vor allem in heterogenen Maschinenparks sinnvoll sein, in denen Maschinen verschiedener Hersteller, Baujahre und Steuerungsgenerationen nebeneinander arbeiten.
Novo AI verfolgt für solche Bestandsmaschinen einen externen Retrofit-Ansatz. Der KI-Sensor wird außen an der Maschine montiert und wertet physikalische Signale wie Vibration und Akustik direkt am Edge aus. Dadurch können je nach Maschine unter anderem Produktion, Leerlauf, Stillstand, Mikrostopps und Zyklusmuster erkannt werden, ohne direkt in die SPS beziehungsweise PLC eingreifen zu müssen. Die Daten werden anschließend in der WatchMen-Plattform zusammengeführt und können mit weiteren Auftrags-, MDE-, BDE- oder ERP-Daten ergänzt werden.
Damit wird Novo AI an dieser Stelle nicht als Definition von Fertigungstransparenz dargestellt, sondern als eine konkrete Möglichkeit, die zuvor beschriebene Transparenz auch bei älteren und gemischten Maschinenparks technisch umzusetzen.
Stellen Sie sich eine CNC-Maschine vor, die auf Schichtebene scheinbar solide produziert. Die dokumentierten größeren Störungen sind gering, trotzdem wird der geplante Output regelmäßig nicht erreicht. Erst eine kontinuierliche Zustands- und Zykluszeitanalyse zeigt, dass sich über die Schicht zahlreiche kurze Unterbrechungen und verlängerte Zyklen summieren.
Die entscheidende Erkenntnis ist nicht der einzelne Mikrostopp. Entscheidend ist das wiederkehrende Muster. Sobald das Team erkennt, wann die Unterbrechungen auftreten und mit welchem Prozessschritt sie zusammenhängen, kann es gezielt nach Ursachen suchen – beispielsweise Materialbereitstellung, Bedienablauf, Werkzeugwechsel oder Maschinenparameter.
Wenn Sie für diesen Abschnitt ein reales Novo-AI-Kundenbeispiel verwenden können, ist das noch stärker. Ergänzen Sie dann konkret: Branche, Maschinentyp, Ausgangsproblem, Messzeitraum, erkannte Verlustursache, umgesetzte Maßnahme und dokumentiertes Ergebnis. Verwenden Sie keine konkreten Prozent- oder Euro-Ergebnisse, wenn diese nicht aus einem nachvollziehbaren Kundenprojekt stammen.
Transparenz verkürzt Reaktionszeiten, weil Abweichungen nicht erst im nächsten Bericht sichtbar werden. Produktion und Instandhaltung können früher erkennen, ob ein Ereignis einmalig war oder wiederholt auftritt.
Auch Rüstvorgänge lassen sich besser bewerten, wenn Zykluszeiten, Stillstände und Qualitätsdaten zeitlich miteinander verglichen werden. Dadurch wird sichtbar, wie lange ein tatsächlicher Wechsel dauert und ab wann der Prozess wieder stabil produziert.
Eine weitere Wirkung betrifft die Planung. Wenn tatsächliche Produktionszeiten und Auftragsfortschritte bekannt sind, lassen sich Plan-Ist-Abweichungen besser beurteilen. Dadurch entsteht eine realistischere Grundlage für Kapazitätsplanung, Liefertermine und zukünftige Kalkulationen.
Fertigungstransparenz verändert außerdem die Zusammenarbeit. Wenn Produktion, Qualität und Instandhaltung auf eine gemeinsame Datenbasis zugreifen, wird weniger darüber diskutiert, ob ein Problem existiert. Der Schwerpunkt verschiebt sich auf die Frage, warum es entsteht und wie es verbessert werden kann.
Energie ist ein Teil der Fertigungstransparenz, aber nicht ihr alleiniger Zweck. Erst wenn Energieverbrauch und Produktionszustand gemeinsam betrachtet werden, lässt sich beurteilen, ob Energie tatsächlich wertschöpfend eingesetzt wird.
Ein hoher Gesamtverbrauch sagt allein wenig aus. Interessanter ist beispielsweise, wie viel Energie während produktiver Laufzeit, Leerlauf, Warmlaufphasen oder Stillständen verbraucht wird. Ebenso kann die Kennzahl Energie pro gutem Teil helfen, Verbrauch und tatsächlichen Output miteinander zu verbinden.
In Verbindung mit OEE oder anderen Produktionskennzahlen entsteht dadurch ein ausgewogeneres Bild. Eine Maßnahme ist nicht automatisch sinnvoll, wenn sie Energie reduziert, gleichzeitig aber die Zykluszeit deutlich erhöht oder die Produktionsleistung verschlechtert.
Produktionsleiter sollten Energie deshalb im Kontext von Output, Qualität und Verfügbarkeit bewerten. So wird Energieeffizienz zu einem Bestandteil datenbasierter Produktionsoptimierung statt zu einem isolierten Kennzahlenprojekt.
Klein anfangen, schnell messen. Wählen Sie zunächst einen Bereich, bei dem bereits ein sichtbares Problem besteht. Das kann ein Engpass, eine Maschine mit häufigen Unterbrechungen oder eine Linie mit auffälligen Plan-Ist-Abweichungen sein.
Eine praktische Reihenfolge ist:
1. Problem definieren.
Was soll durch zusätzliche Transparenz beantwortet werden?
2. KPIs festlegen.
Beispielsweise Verfügbarkeit, Stillstand, Mikrostopps, Zykluszeit, OEE oder Energie.
3. Datenquellen prüfen.
Welche Informationen existieren bereits in SPS, MDE, BDE, MES oder ERP – und welche Maschinen liefern noch keine verlässlichen Daten?
4. Fehlende Daten erfassen.
Bei schwer anzubindenden Bestandsmaschinen kann Retrofit-Sensorik ein möglicher Einstieg sein.
5. Daten visualisieren.
Die Informationen sollten so dargestellt werden, dass Produktionsverantwortliche Abweichungen schnell erkennen können.
6. Maßnahmen ableiten.
Nicht zehn Verbesserungen gleichzeitig starten. Zuerst die größten wiederkehrenden Verlustmuster priorisieren.
7. Wirkung messen und skalieren.
Nach der Maßnahme erneut messen und nur das auf weitere Maschinen übertragen, was tatsächlich funktioniert.
Change Management bleibt dabei wichtig. Beschäftigte müssen verstehen, warum Daten erfasst werden und wie sie zur Verbesserung genutzt werden. Transparenz funktioniert langfristig besser, wenn das System als Werkzeug zur Prozessverbesserung verstanden wird und nicht als Instrument zur persönlichen Überwachung.
- Was bedeutet Fertigungstransparenz?
Fertigungstransparenz bedeutet, dass relevante Produktionsabläufe, Maschinenzustände und Verluste anhand verlässlicher Daten nachvollziehbar werden. Ziel ist es, Abweichungen frühzeitig zu erkennen und Entscheidungen auf einer gemeinsamen Datenbasis zu treffen.
- Welche Daten werden für Fertigungstransparenz benötigt?
Typische Daten sind Maschinenstatus, Lauf- und Stillstandszeiten, Mikrostopps, Zykluszeiten, Stückzahlen, Ausschuss, OEE, Auftragsfortschritt und Energieverbrauch. Welche davon tatsächlich benötigt werden, hängt vom jeweiligen Produktionsproblem ab.
- Wie lässt sich Fertigungstransparenz erhöhen?
Zunächst sollte ein konkretes Problem definiert werden. Anschließend werden passende KPIs ausgewählt, vorhandene Datenquellen geprüft und fehlende Daten automatisiert oder manuell ergänzt. Entscheidend ist danach, die Informationen regelmäßig für konkrete Verbesserungsmaßnahmen zu nutzen.
- Ist Fertigungstransparenz auch bei alten Maschinen möglich?
Ja. Bestehende Maschinen können je nach technischer Situation über vorhandene Schnittstellen oder durch nachgerüstete Sensorik in die Datenerfassung einbezogen werden. Dadurch müssen funktionierende Maschinen nicht allein wegen fehlender Datentransparenz ersetzt werden.
- Was ist der Unterschied zwischen MDE, MES und Fertigungstransparenz?
Fertigungstransparenz beschreibt das Ziel: nachvollziehen zu können, was tatsächlich in der Produktion passiert. MDE und MES sind mögliche technische beziehungsweise softwareseitige Bausteine, um dieses Ziel zu erreichen. MDE konzentriert sich stärker auf Maschinendaten, während ein MES einen breiteren Kontext von Produktionsabläufen und Aufträgen abbilden kann.
- Braucht Fertigungstransparenz Echtzeitdaten?
Nicht jede Information muss sekundengenau vorliegen. Je näher eine Kennzahl jedoch an einer operativen Entscheidung liegt, desto wichtiger ist eine geringe Datenlatenz. Ein Produktionsleiter kann einen aktuellen Stillstand nur beeinflussen, wenn er sichtbar wird, bevor die Schicht beendet ist.
Fertigungstransparenz entsteht nicht durch ein einzelnes Dashboard und auch nicht dadurch, möglichst viele Daten zu sammeln. Sie entsteht, wenn relevante Maschinen-, Prozess-, Qualitäts-, Auftrags- und Verbrauchsdaten so zusammengeführt werden, dass Produktionsverantwortliche erkennen können, wo Zeit, Leistung oder Ressourcen verloren gehen.
Der sinnvollste Einstieg ist deshalb ein konkretes Problem. Wählen Sie einen Bereich mit sichtbaren Verlusten, definieren Sie wenige Kennzahlen, schaffen Sie eine verlässliche Datengrundlage und prüfen Sie anschließend, welche Maßnahmen tatsächlich Wirkung zeigen.
Gerade bei gewachsenen Maschinenparks muss fehlende Transparenz nicht automatisch ein großes Automatisierungs- oder Maschinenersatzprojekt bedeuten. Bestehende Schnittstellen, MDE/MES-Systeme und nachrüstbare Sensorik können miteinander kombiniert werden, um schrittweise eine vollständiger werdende Sicht auf die Fertigung aufzubauen.
Wer Fertigungstransparenz praktisch bei älteren oder nicht vernetzten Maschinen umsetzen möchte, kann sich im nächsten Schritt ansehen, wie Novo AI bestehende Maschinen ohne direkten SPS-Eingriff in die Produktionsüberwachung einbindet.
- Evocon OEE Benchmarks - Branchen-Benchmarks und Analysen (Zugriff am: 18.03.2026)
- VDMA: Digitalisierung & Industrie 4.0 - Initiativen und Empfehlungen für die Datennutzung in der Fertigung (Zugriff am: 18.03.2026)
- Digital Manufacturing Magazin - Artikel zur Interoperabilität und Standards im Maschinenbau (Zugriff am: 18.03.2026)
- Statista: Maschinenbau - Daten & Fakten zum deutschen Maschinenbau (Zugriff am: 18.03.2026)
- Novo AI - WatchMen Lösung - Nachrüstung und lokale Datenverarbeitung (Zugriff am: 18.03.2026)
- Novo AI – Maschinendaten für jeden Maschinenpark - Informationen zur retrofit-fähigen Maschinendatenerfassung für heterogene Bestandsmaschinen (Zugriff am: 18.03.2026)
- Novo AI Insights - Novo AI - Fachbeiträge, Praxisbeispiele und Analysen zu Produktionsmonitoring, Retrofit-Sensorik und Industrie 4.0 im Mittelstand (Zugriff am: 18.03.2026)
