Wer jetzt keine Maschinendaten erfasst, verliert Leistung. Zeit. Geld.
Ohne Maschinendaten wird Effizienz zur Schätzung: In den meisten Fertigungsbetrieben läuft der Alltag noch immer ohne Maschinendatenerfassung.
67 % der deutschen Industriebetriebe erleben mindestens einmal im Monat einen ungeplanten Produktions-Stillstand. Im Schnitt kostet das 147.000 € pro Stunde.
Maschinendatenerfassung ist kein Vorteil mehr – sondern Voraussetzung.
Während andere auf Bauchgefühl reagieren, sehen Sie Stillstände, Leerlauf und Energieverbrauch in Echtzeit. Maschinendatenerfassung ersetzt Vermutungen durch Fakten – jede Minute, jede Maschine, jeder Grund.
VDMA betont, dass die Maschinendatenerfassung das Fundament jeder Industrie-4.0-Strategie ist.
30%
Ø OEE Steigerung
Innerhalb 12 Monaten
45%
Ø mehr Verfügbarkeit
Innerhalb 12 Monaten
28%
Ø weniger Stromverschwendung
Innerhalb 12 Monaten
"Dank der KI-Sensoren haben wir jetzt Zugang zu Echtzeit-Maschinendaten die uns helfen, täglich bessere Entscheidungen zu treffen. Mit Hilfe von Novo AI konnten wir die durchschnittliche OEE der Shopfloors von 30 % auf 60 % steigern in einigen Fällen sogar noch höher."
Salvatore Viola, COO & Betriebsleiter
"Die Integration all dieser Maschinen schien zunächst fast unmöglich – bis wir Novo AI entdeckten. Heute haben wir Echtzeit-Einblicke in unseren gesamten Produktionsprozess und können sofort Optimierungspotenziale erkennen. ... Diese Technologie hat unsere Arbeitsweise vollständig verändert und bringt ein neues Maß an Transparenz, Effizienz und Innovation mit sich. Heute könnten wir uns unsere Produktion ohne Maschinendatenerfassung nicht mehr vorstellen!
Torsten Jörges, CEO
"Vor Novo AI mussten wir uns mit Schätzungen begnügen - herauszufinden, wie die Maschinen in der Produktion wirklich liefen, war ein Alptraum. Der Versuch, Maschinendaten mit dem ERP-System zu verknüpfen, erschien uns unmöglich und war einfach viel zu aufwändig. Entscheidungen werden schneller und genauer getroffen, und ganz ehrlich, das macht unsere tägliche Arbeit so viel einfacher."
Hermann Strathmann, Geschäftsführer
"Made in Germany" ist meiner Meinung nach nur mittels Automatisierung und Digitalisierung nachhaltig möglich. Wir haben nun intelligente Maschinendatenerfassung und Verarbeitung. Durch Novo AI konnten wir alle unsere Maschinen in kürzester Zeit vernetzen."
Frank Ringat, Geschäftsführer
"Unsere mittelständischen Kunden aus der Produktion werden durch NovoAI's KI-Lösungen regelrecht revolutioniert. Mit minimalem Aufwand können sie ihre Maschinen nachrüsten und digitalisieren sie auf intelligente Weise. Diese Technologie ergänzt unsere Dienstleistungen perfekt und beschleunigt ihre Effizienz auf ein neues Niveau."
Dr.-Ing. Malte Stonis, Geschäftsführer
"Für eine hocheffiziente Produktion ist heute die systematische Nutzung von Maschinendaten eine Grundvoraussetzung. Mit Watchmen liefert NovoAI ein Tool, das Datenauswertungen echt, zeitnah und leicht verständlich macht – also richtig mittelstandsgerecht. Durch die Daten, die wir in Kundenprojekten nutzten, können wir effizientere Fabriken planen."
Dr.-Ing. Tobias Heinen, Geschäftsführer
"Mit der Unterstützung von Novo AI konnten wir einen Teil unseres Maschinenparks innerhalb kürzester Zeit erfolgreich vernetzen und deren Leistung in Echtzeit überwachen. Die Implementierung verlief reibungslos und wir haben bereits wertvolle Erkenntnisse zur Optimierung unserer Produktionsprozesse zur Effizienzsteigerung im Fokus."
Torsten Subke, Leiter Werk Luechow
0 Stunden
Produktive Maschinenzeit Gewonnen
0 Stunden
Maschinen Leerlauf Verhindert
0 MWh
Weniger Maschinen Energie Verschwendung
15 Minuten statt IT-Projekt.
Sehen allein reicht nicht. Verstehen entscheidet.
Mit Maschinendaten handeln.
Diese Unternehmen vertrauen auf Novo AI
Sie haben eine Frage oder wünschen weitere Informationen? Wir sind für Sie da!
Maschinendatenerfassung ist für moderne Fertigungsunternehmen kein reines Digitalisierungsprojekt mehr. Sie ist die Grundlage dafür, Produktionsprozesse realistisch zu bewerten, Stillstände sichtbar zu machen, Maschinen besser auszulasten und Entscheidungen nicht länger auf Bauchgefühl, Schichtzetteln oder verspäteten Rückmeldungen aufzubauen.
Gerade in gewachsenen Maschinenparks ist das Thema jedoch oft schwieriger als es auf den ersten Blick wirkt. Viele Unternehmen haben moderne Maschinen, ältere Anlagen, verschiedene Hersteller, unterschiedliche Steuerungen und nicht überall eine saubere Schnittstelle. Genau deshalb braucht Maschinendatenerfassung nicht nur eine technische Verbindung zur Maschine, sondern ein System, das aus Maschinensignalen verständliche Produktionsinformationen macht.
Bei Novo AI bedeutet Maschinendatenerfassung deshalb: nicht nur Signale sammeln, sondern Maschinenzustände, Leerlauf, Stillstände, Mikrostopps und Abweichungen so sichtbar machen, dass Produktionsleiter, Schichtleiter und Geschäftsführung sofort erkennen, wo Zeit, Energie und Leistung verloren gehen.
Maschinendatenerfassung, kurz MDE, bezeichnet die automatische Erfassung von Daten aus Produktionsmaschinen. Dazu gehören zum Beispiel Maschinenzustände, Laufzeiten, Stillstände, Leerlaufzeiten, Zykluszeiten, Stückzahlen, Energieverbrauch, Auftragsbezug und Prozesssignale.
Das Ziel ist nicht, möglichst viele Daten zu sammeln. Das Ziel ist, eine verlässliche Sicht darauf zu bekommen, was auf dem Shopfloor wirklich passiert.
Eine Maschine kann laut Planung acht Stunden produktiv sein. In der Realität können jedoch Rüstzeiten, Mikrostopps, Materialmangel, Bedienereingriffe, Leerlauf oder ungeplante Stillstände einen großen Teil dieser Zeit verbrauchen. Ohne Maschinendatenerfassung bleiben diese Verluste oft unsichtbar oder werden erst viel später erkannt.
Eine gute MDE-Lösung beantwortet deshalb nicht nur die Frage:
- „Ist die Maschine verbunden?“
Sondern vor allem:
- „Läuft die Maschine wirklich produktiv?“
- „Wo entstehen Stillstände?“
- „Welche Maschine verliert regelmäßig Zeit?“
- „Welche Schicht arbeitet stabiler?“
- „Welche Aufträge laufen anders als geplant?“
- „Wo entstehen Energieverluste im Leerlauf?“
- „Welche Daten helfen uns, bessere Entscheidungen zu treffen?“
Maschinendatenerfassung ist damit die Basis für OEE, Produktionsüberwachung, Stillstandsanalysen, Energieoptimierung, Auftragscontrolling und kontinuierliche Verbesserung.
Nicht jede verfügbare Maschinenvariable ist automatisch wertvoll. In der Praxis zählen vor allem die Daten, die Produktionsverantwortliche wirklich nutzen können, um Probleme zu erkennen und Maßnahmen abzuleiten.
Maschinenstatus: Produktion, Leerlauf, Stillstand
Der wichtigste Einstieg ist der Maschinenstatus. Produziert die Maschine gerade? Läuft sie im Leerlauf? Ist sie ausgeschaltet? Befindet sie sich in Vorbereitung, Rüstung oder Störung?
Diese einfache Unterscheidung ist entscheidend, weil viele Verluste nicht in der offiziellen Planung sichtbar sind. Eine Maschine kann eingeschaltet sein, Geräusche machen und Energie verbrauchen, ohne tatsächlich Wertschöpfung zu erzeugen. Genau dieser Unterschied zwischen „läuft“ und „produziert“ ist für Fertigungsunternehmen besonders wichtig.
Laufzeit und Ausfallzeit
Laufzeit zeigt, wie lange eine Maschine aktiv war. Ausfallzeit zeigt, wie lange sie nicht verfügbar war. Beide Werte sind wichtig, um Verfügbarkeit realistisch zu bewerten.
Ohne automatische Erfassung werden Ausfallzeiten häufig geschätzt, zu spät dokumentiert oder gar nicht erfasst. Das führt dazu, dass Produktionsleiter zwar merken, dass Leistung fehlt, aber nicht genau sehen, wo sie verloren geht.
Mikrostopps
Mikrostopps sind kurze Unterbrechungen, die einzeln kaum auffallen, sich über Tage und Wochen aber stark summieren können. Sie entstehen zum Beispiel durch kleine Störungen, kurze Bedienereingriffe, Materialnachschub, kurze Wartezeiten oder Prozessinstabilitäten.
Das Problem: Mikrostopps werden manuell fast nie sauber dokumentiert. Niemand schreibt fünf Sekunden, zehn Sekunden oder dreißig Sekunden Stillstand jedes Mal auf. Eine gute Maschinendatenerfassung macht diese kleinen Verluste sichtbar und zeigt, ob sie regelmäßig auftreten.
Zykluszeiten
Zykluszeiten zeigen, wie lange ein Produktionszyklus, Hub, Schnitt, Biegevorgang, Fräsvorgang oder anderer Bearbeitungsschritt tatsächlich dauert. Damit lassen sich Soll- und Ist-Leistung vergleichen.
Wenn Zykluszeiten länger werden, kann das auf Werkzeugverschleiß, Prozessprobleme, Bedienunterschiede, Materialprobleme oder falsche Planzeiten hinweisen.
Stückzahlen
Stückzahlen zeigen, wie viel Output wirklich entstanden ist. In Verbindung mit Maschinenstatus, Zykluszeiten und Auftragsdaten wird sichtbar, ob eine Maschine nur läuft oder tatsächlich planmäßig produziert.
Je nach Maschine und Prozess können Stückzahlen automatisch erkannt oder mit Auftrags- und BDE-Daten kombiniert werden.
Auftragsbezug
Maschinendaten werden deutlich wertvoller, wenn sie einem Auftrag zugeordnet werden können. Dann sieht man nicht nur, dass eine Maschine stillstand, sondern auch welcher Auftrag betroffen war.
Das ist wichtig für Nachkalkulation, Liefertermintreue, Planung und Prozessverbesserung. Ohne Auftragsbezug bleibt Maschinendatenerfassung oft eine technische Sicht. Mit Auftragsbezug wird sie zu einem Werkzeug für Produktionssteuerung und Controlling.
Energieverbrauch
Energieverbrauch ist nicht nur ein Nachhaltigkeitsthema. Er ist auch ein Hinweis auf verschwendete Maschinenzeit.
Wenn eine Maschine im Leerlauf Energie verbraucht, ohne zu produzieren, entstehen unnötige Kosten. Besonders bei energieintensiven Maschinen, langen Leerlaufphasen oder vielen Nebenzeiten kann dieser Effekt deutlich sein.
OEE
OEE steht für Overall Equipment Effectiveness und kombiniert Verfügbarkeit, Leistung und Qualität. Die Kennzahl hilft, die Effektivität von Maschinen oder Anlagen objektiver zu bewerten.
Maschinendatenerfassung liefert dafür die Datenbasis. Ohne zuverlässige Laufzeiten, Stillstände, Zykluszeiten und Produktionsmengen bleibt OEE oft eine Schätzung. Mit automatischer Datenerfassung wird OEE belastbarer und kann als Grundlage für Verbesserungsmaßnahmen dienen.
Stillstandsgründe
Zu wissen, dass eine Maschine steht, ist der erste Schritt. Zu wissen, warum sie steht, ist der zweite.
Stillstandsgründe können automatisch erkannt, vom Bediener ergänzt oder mit Auftrags- und Prozessdaten kombiniert werden. Wichtig ist dabei eine klare Logik. Zu viele Gründe führen zu unklaren Eingaben. Zu wenige Gründe helfen nicht bei der Ursachenanalyse.
Die besten Ergebnisse entstehen, wenn automatische Erkennung und einfache Bedienereingaben kombiniert werden.
Schichtvergleich
Viele Produktionsprobleme zeigen sich erst im Vergleich. Dieselbe Maschine, dasselbe Produkt, andere Schicht – und plötzlich gibt es Unterschiede bei Output, Stillstand, Zykluszeit oder Leerlauf.
Ein sauberer Schichtvergleich hilft, Muster zu erkennen, Best Practices zu finden und gezielt dort zu unterstützen, wo Prozesse nicht stabil laufen
In vielen Fertigungsunternehmen werden MDE, BDE, ERP und MES miteinander vermischt. Für eine gute Digitalisierungsstrategie ist es wichtig, die Rollen sauber zu trennen.
System
Was es zeigt
Typische Grenze
MDE beantwortet vor allem die Frage:
„Was passiert an der Maschine?“
BDE beantwortet zusätzlich:
„Was wurde von Bediener, Auftrag oder Schicht zurückgemeldet?“
ERP beantwortet:
„Was wurde geplant, kalkuliert, bestellt, gefertigt oder verkauft?“
Der größte Nutzen entsteht, wenn diese Welten zusammengeführt werden. Dann sieht man nicht nur, dass eine Maschine stillsteht, sondern auch welcher Auftrag betroffen ist, welche Planzeit hinterlegt war, ob Rückmeldungen fehlen und wie stark der Ist-Zustand von der Planung abweicht.
Genau hier entsteht der Unterschied zwischen reiner Datenerfassung und echter Produktionsintelligenz.
Viele MDE-Projekte scheitern nicht daran, dass keine Daten vorhanden sind. Sie scheitern daran, dass die Daten nicht nutzbar werden.
Ein häufiger Fehler ist die Annahme, dass Maschinendatenerfassung erledigt ist, sobald eine Maschine technisch angebunden wurde. In der Praxis ist die Verbindung zur Maschine jedoch nur der Anfang.
Damit MDE wirklich hilft, müssen mehrere Schritte funktionieren:
- Die Maschine muss erreichbar sein.
- Die Signale müssen korrekt interpretiert werden.
- Die Daten müssen sinnvoll strukturiert werden.
- Die Informationen müssen verständlich visualisiert werden.
- Die Daten müssen mit Auftrag, Schicht oder Prozess verknüpft werden.
- Aus den Erkenntnissen müssen Maßnahmen entstehen.
Wenn nur der erste Schritt umgesetzt wird, entsteht oft ein technisches Datengrab. Die Maschine sendet Werte, aber niemand weiß, welche davon relevant sind, was sie bedeuten oder welche Entscheidung daraus folgen soll.
Gerade bei Bestandsmaschinen kommen weitere Hürden dazu. Nicht jede Maschine hat OPC UA. Nicht jede Steuerung ist offen. Nicht jeder Hersteller gibt Schnittstellen frei. Viele ältere Anlagen liefern keine sauberen digitalen Daten. Und selbst wenn Schnittstellen vorhanden sind, kostet die Integration oft Zeit, Abstimmung und IT-Ressourcen.
Novo AI senkt diese Einstiegshürde, weil der erste Schritt nicht zwingend ein großes SPS-, OPC-UA- oder MES-Projekt sein muss. Unternehmen können mit KI-Sensor und WatchMen starten, reale Maschinenzustände sichtbar machen und danach ERP-, BDE- oder MES-Anbindungen dort ergänzen, wo sie wirklich Mehrwert bringen.
So wird Maschinendatenerfassung nicht zu einem langen IT-Projekt, sondern zu einem praktischen Einstieg in transparente Produktion.
Eine gute MDE Software muss mehr leisten als Daten anzeigen. Sie sollte Produktionsverantwortlichen helfen, Abweichungen zu erkennen, Ursachen einzugrenzen und Maßnahmen schneller einzuleiten.
Wichtige Funktionen sind:
Automatische Zustandserkennung
Das System sollte erkennen, ob eine Maschine produziert, stillsteht, im Leerlauf läuft oder sich in einem unklaren Zustand befindet. Diese Erkennung sollte möglichst automatisch erfolgen, damit der Shopfloor nicht von manuellen Eingaben abhängig bleibt.
Stillstands- und Mikrostopperfassung
Stillstände müssen nicht nur sichtbar werden, sondern auch nach Dauer, Häufigkeit, Maschine, Schicht und Auftrag auswertbar sein. Mikrostopps sind besonders wichtig, weil sie manuell kaum zuverlässig erfasst werden.
Zykluszeit- und Leistungsüberwachung
Die Software sollte zeigen, ob eine Maschine schneller, langsamer oder instabiler läuft als erwartet. Dadurch werden Plan-Ist-Abweichungen sichtbar, bevor sie sich erst im Monatsreport zeigen.
OEE-Berechnung
OEE sollte nicht manuell aus Excel-Listen gebaut werden müssen. Eine MDE Software sollte Verfügbarkeit, Leistung und relevante Produktionsdaten automatisch zusammenführen, damit die Kennzahl im Alltag nutzbar wird.
Energie- und Leerlaufanalyse
Energieverbrauch wird besonders dann interessant, wenn er mit Maschinenzuständen verbunden wird. Dann erkennt man nicht nur, wie viel Energie verbraucht wurde, sondern auch ob diese Energie produktiv genutzt wurde.
Auftrags- und Schichtbezug
Maschinendaten ohne Kontext bleiben begrenzt. Mit Auftrags- und Schichtbezug wird sichtbar, welche Aufträge stabil laufen, welche Maschinen regelmäßig vom Plan abweichen und ob bestimmte Schichten oder Zeiträume auffällig sind.
Shopfloor-Dashboard
Ein gutes Dashboard muss für den Alltag verständlich sein. Es sollte nicht nur für Analysten funktionieren, sondern auch für Produktionsleiter, Schichtleiter und Mitarbeitende auf dem Shopfloor.
Wichtig sind klare Zustände, einfache Farben, verständliche Zeitverläufe und direkte Antworten auf die Frage: „Wo müssen wir heute hinschauen?“
Alarmierung und Eskalation
Maschinendatenerfassung wird besonders wertvoll, wenn Verantwortliche nicht ständig selbst nachsehen müssen. Sinnvolle Alarme informieren bei kritischen Abweichungen, zum Beispiel wenn eine Maschine läuft, aber kein Auftrag aktiv ist, ein Stillstand zu lange dauert oder ein Auftrag deutlich hinter Plan liegt.
Wichtig ist dabei ein sauberer Spam-Schutz. Nicht jede kleine Abweichung braucht eine Nachricht. Gute Alarmierung bedeutet: wenige, relevante Meldungen, die wirklich Handlung auslösen.
Historische Analyse
Neben der Live-Sicht braucht es auch Rückblick und Mustererkennung. Welche Maschine hat über Wochen die meisten Stillstände? Welche Gründe treten immer wieder auf? Welche Schicht hat die stabilsten Zykluszeiten? Wo verbessert sich die OEE wirklich?
Historische Analyse macht aus Tagesbeobachtungen langfristige Verbesserungsarbeit.
Export, API und ERP-Integration
MDE Software sollte nicht isoliert arbeiten. Je nach Ziel müssen Daten exportiert oder mit ERP, BDE, MES oder anderen Systemen verbunden werden. Wichtig ist jedoch: Integration sollte dort passieren, wo sie echten Nutzen bringt, nicht als Selbstzweck.
Der Unterschied bei Novo AI: WatchMen ist nicht nur ein Dashboard, sondern ein Produktionsassistent. Die Plattform erkennt Zustände, zeigt Abweichungen, macht Stillstände verständlich und informiert Verantwortliche rechtzeitig, damit aus Daten konkrete Maßnahmen werden.
Viele klassische MDE-Projekte hängen stark von SPS-Zugriff, OPC UA, Gateways oder maschinenspezifischen Schnittstellen ab. Das kann bei modernen Maschinen gut funktionieren. In gemischten Maschinenparks wird es jedoch schnell kompliziert.
Typische Probleme sind:
- ältere Maschinen ohne moderne Schnittstellen
- unterschiedliche Hersteller und Steuerungen
- geschlossene oder schwer zugängliche SPS-Systeme
- hoher Abstimmungsaufwand mit Maschinenherstellern
- Risiko durch Eingriffe in bestehende Steuerungen
- lange IT- und Integrationsprojekte
- Maschinen, bei denen sich eine klassische Schnittstellenanbindung wirtschaftlich kaum lohnt
Genau deshalb ist der Ansatz von Novo AI besonders relevant für Bestandsmaschinen.
Der KI-Sensor wird außen an der Maschine angebracht. Die Maschine muss dafür nicht ersetzt werden. Die Steuerung muss nicht umprogrammiert werden. Statt tief in die SPS einzugreifen, erfasst der Sensor physikalische Signale wie Vibrationen und akustische Muster und wertet diese über Edge Processing aus.
Dadurch entstehen verwertbare Informationen über Maschinenzustände, Leerlauf, Stillstand, Produktionsphasen und Abweichungen. WatchMen zeigt diese Informationen in einer verständlichen Oberfläche und macht daraus produktionsrelevante Kennzahlen.
Der Vorteil für Fertigungsunternehmen:
- Sensor außen anbringen
- kein Eingriff in die Steuerung
- weniger Risiko durch SPS-Programmierung
- auch ältere Maschinen nutzbar
- geeignet für gemischte Maschinenparks
- Edge Processing direkt am Gerät
- WatchMen zeigt verwertbare Zustände statt unstrukturierter Rohdaten
Mehr dazu: Maschinen nachrüsten ohne SPS-Eingriff
Maschinendatenerfassung wird dann wertvoll, wenn sie konkrete Probleme aus dem Produktionsalltag sichtbar macht. Die folgenden Beispiele zeigen typische Situationen, die in vielen Fertigungsunternehmen auftreten.
Beispiel 1: Die Maschine läuft, aber der Auftrag ist nicht gestartet
Auf dem Shopfloor ist die Maschine aktiv. In der Planung sieht alles normal aus. Im ERP oder BDE ist der Auftrag aber noch nicht korrekt gestartet oder zurückgemeldet.
Ohne Verbindung zwischen Maschinenrealität und Auftragsdaten bleibt diese Lücke oft lange unentdeckt. Später fehlen saubere Zeiten für Nachkalkulation, Fortschrittsbewertung oder Planung.
Mit WatchMen wird sichtbar, wenn eine Maschine läuft, aber kein aktiver Auftrag zugeordnet ist. So kann die Schichtleitung früh reagieren, statt erst später fehlerhafte Rückmeldungen zu korrigieren.
Beispiel 2: Mikrostopps kosten täglich Produktionszeit
Eine Maschine steht nicht lange genug, damit es jemand als großen Stillstand wahrnimmt. Trotzdem gibt es regelmäßig kleine Unterbrechungen: wenige Sekunden, eine halbe Minute, zwei Minuten.
Einzeln wirken diese Stopps harmlos. Über eine Schicht, eine Woche oder einen Monat können sie jedoch erhebliche Produktionszeit kosten.
Mit automatischer Maschinendatenerfassung werden diese Mikrostopps sichtbar. Produktionsleiter erkennen, ob sie zufällig auftreten oder ob ein wiederkehrendes Muster dahintersteht.
Beispiel 3: Leerlauf wird als produktive Zeit wahrgenommen
Viele Maschinen verbrauchen Energie und erzeugen Signale, obwohl sie gerade keinen produktiven Output liefern. Für die Steuerung oder manuelle Beobachtung kann das wie „Maschine läuft“ aussehen.
In Wirklichkeit entsteht Leerlauf.
Genau hier ist die Unterscheidung zwischen Maschinenaktivität und produktiver Wertschöpfung entscheidend. Novo AI hilft, diese Zustände besser zu trennen, damit Unternehmen nicht nur sehen, ob eine Maschine an ist, sondern ob sie wirklich produziert.
Beispiel 4: Die OEE sieht schlechter aus als erwartet
Viele Fertigungsunternehmen haben ein Gefühl dafür, welche Maschinen gut oder schlecht laufen. Doch erst mit belastbaren Daten wird sichtbar, ob die Annahme stimmt.
Vielleicht ist nicht die Maschine mit dem größten Stillstand das Hauptproblem, sondern die Maschine mit vielen kleinen Unterbrechungen. Vielleicht ist die Verfügbarkeit in Ordnung, aber die tatsächliche Leistung liegt dauerhaft unter dem Soll. Vielleicht entstehen Verluste besonders in bestimmten Schichten oder bei bestimmten Produkten.
Maschinendatenerfassung macht diese Unterschiede sichtbar und liefert die Grundlage für gezielte Verbesserungen.
Beispiel 5: Energie wird im Leerlauf verschwendet
Energieverbrauch ist besonders teuer, wenn er keinen Output erzeugt. Viele Maschinen laufen während Wartezeiten, Nebenzeiten oder unklaren Unterbrechungen weiter und verbrauchen Strom, ohne Wertschöpfung zu erzeugen.
Wenn Energieverbrauch mit Maschinenzuständen verbunden wird, erkennt man nicht nur den Verbrauch, sondern auch die Ursache. So wird sichtbar, welche Maschinen im Leerlauf besonders viel Energie verschwenden und wo sich schnelle Einsparpotenziale ergeben.
Die Kosten einer Maschinendatenerfassung hängen stark vom Maschinenpark, vom gewünschten Funktionsumfang und von der Integrationslogik ab. Deshalb ist es sinnvoll, nicht nur nach dem Preis pro Maschine zu fragen, sondern nach dem erwarteten Nutzen.
Wichtige Kostentreiber sind:
Anzahl der Maschinen
Sensorik und Hardware
WatchMen SaaS-Nutzung
ERP-, BDE- oder MES-Integration
Tablets oder Shopfloor-Terminals
zusätzliche Energiemessung, falls erforderlich
Pilotumfang im Vergleich zum vollständigen Rollout
gewünschte Alarmierung und Eskalationslogik
Datenmodell, Stammdatenqualität und Auftragsbezug
Der ROI entsteht meist nicht durch die Datenerfassung selbst, sondern durch die Verluste, die danach sichtbar und reduzierbar werden. Dazu gehören ungeplante Stillstände, Leerlauf, Mikrostopps, falsche Planzeiten, Energieverschwendung, fehlende Rückmeldungen und unklare Auftragsfortschritte.
Ein sinnvoller Einstieg ist deshalb ein Pilot mit wenigen Maschinen. So wird schnell sichtbar, welche Verluste tatsächlich auftreten und ob sich ein Rollout auf weitere Maschinen lohnt.
Berechnen Sie, ab wann sich Maschinendatenerfassung in Ihrem Maschinenpark lohnt.
Mehr dazu:
Ein MDE-Projekt muss nicht mit einem großen IT-Projekt beginnen. Für viele mittelständische Fertigungsunternehmen ist ein pragmatischer Einstieg sinnvoller.
1. Drei Pilotmaschinen auswählen
Starten Sie mit Maschinen, bei denen Verluste vermutet werden oder die für die Produktion besonders wichtig sind. Geeignet sind zum Beispiel Engpassmaschinen, Maschinen mit vielen Stillständen, alte Bestandsmaschinen oder Anlagen mit unklarer Auslastung.
2. Ziele definieren
Legen Sie fest, was im Pilot sichtbar werden soll. Typische Ziele sind OEE, Stillstände, Leerlauf, Mikrostopps, Energieverbrauch, Auftragsfortschritt oder Schichtvergleich.
Ohne klare Ziele entsteht schnell ein Datensammelprojekt. Mit klaren Zielen entsteht ein Verbesserungsprojekt.
3. Sensor installieren
Der KI-Sensor wird außen an der Maschine montiert und mit Strom sowie Netzwerk verbunden. Danach beginnt die Erfassung der relevanten Maschinensignale.
4. Erste Zustände in WatchMen prüfen
In WatchMen werden Maschinenzustände, Zeitverläufe und erste Kennzahlen sichtbar. Schon hier zeigt sich häufig, ob bisherige Annahmen über Laufzeit, Leerlauf oder Stillstand zur Realität passen.
5. Stillstände und Mikrostopps auswerten
Nach den ersten Tagen oder Wochen sollte geprüft werden, welche Verluste regelmäßig auftreten. Wichtig ist nicht nur die größte Störung, sondern auch die Summe kleiner Unterbrechungen.
6. Alarmregeln definieren
Sobald die wichtigsten Muster bekannt sind, können sinnvolle Alarme eingerichtet werden. Zum Beispiel:
- Maschine läuft, aber kein Auftrag ist aktiv
- Stillstand länger als definierte Zeit
- Auftragsfortschritt unter Plan
- Leerlaufphase ungewöhnlich lang
- Leistung oder Zykluszeit weicht stark ab
Wichtig: Wenige gute Alarme sind besser als viele irrelevante Meldungen.
7. ERP- oder BDE-Anbindung ergänzen
ERP-, BDE- oder MES-Daten sollten dort angebunden werden, wo sie den größten Nutzen bringen. Besonders wertvoll ist die Verbindung von Maschine, Auftrag, Schicht und Rückmeldung.
So wird aus technischer Maschinendatenerfassung ein Werkzeug für Produktionssteuerung, Nachkalkulation und Planung.
8. Rollout auf weitere Maschinen planen
Nach dem Pilot wird entschieden, welche Maschinen als Nächstes angebunden werden. Die Priorisierung sollte nicht nach Bauchgefühl erfolgen, sondern nach Potenzial: Wo entstehen die größten Verluste? Wo ist die Transparenz am geringsten? Wo kann ein schneller Nutzen entstehen?
Maschinendatenerfassung ist die automatische Erfassung von Daten aus Produktionsmaschinen. Dazu gehören Maschinenzustände, Laufzeiten, Stillstände, Leerlauf, Mikrostopps, Zykluszeiten, Stückzahlen, Energieverbrauch und Prozesssignale. Ziel ist es, die reale Maschinenleistung sichtbar und auswertbar zu machen.
MDE Software ist ein System, das Maschinendaten erfasst, strukturiert, visualisiert und auswertbar macht. Gute MDE Software zeigt nicht nur Daten, sondern hilft dabei, Stillstände, Leistungsverluste, Abweichungen und Optimierungspotenziale zu erkennen.
MDE erfasst Daten direkt aus oder an der Maschine. Dazu gehören Zustände, Takte, Stückzahlen, Stillstände oder Signale. BDE erfasst Betriebsdaten wie Auftragszeiten, Mengen, Rückmeldungen, Schichtinformationen oder Stillstandsgründe. In der Praxis entsteht der größte Nutzen, wenn MDE und BDE sinnvoll kombiniert werden.
Ja. Maschinendaten können auch ohne direkten SPS-Eingriff erfasst werden. Novo AI nutzt dafür einen KI-Sensor, der außen an der Maschine angebracht wird und physikalische Signale wie Vibrationen und akustische Muster auswertet. So lassen sich Maschinenzustände und Abweichungen sichtbar machen, ohne die Steuerung umzuprogrammieren.
Ja. Gerade bei alten Maschinen ist eine retrofit-fähige Maschinendatenerfassung besonders wichtig. Viele ältere Anlagen haben keine moderne Schnittstelle oder sind schwer in klassische IT-Projekte einzubinden. Mit externer Sensorik können auch Bestandsmaschinen in die Produktionsüberwachung eingebunden werden.
Novo AI eignet sich für viele Maschinentypen in gemischten Maschinenparks, zum Beispiel CNC-Maschinen, Fräsmaschinen, Drehmaschinen, Biegemaschinen, Abkantpressen, Sägen, Laserschneidmaschinen, Spritzgießmaschinen und weitere Produktionsmaschinen. Entscheidend ist, dass die Maschine auswertbare Signale erzeugt.
Je nach Maschine und Setup können Maschinenstatus, Laufzeit, Stillstand, Leerlauf, Mikrostopps, Zykluszeiten, Stückzahlen, Energieverbrauch, Auftragsbezug, Schichtvergleiche und OEE-relevante Daten sichtbar gemacht werden.
Das hängt vom Maschinenpark und Setup ab. Der Vorteil eines sensorbasierten Einstiegs ist, dass erste Maschinen schnell sichtbar gemacht werden können, ohne direkt ein großes SPS- oder MES-Projekt zu starten. Besonders sinnvoll ist ein Pilot mit wenigen Maschinen, um schnell belastbare Erkenntnisse zu gewinnen.
Nicht zwingend für den Start. Viele Unternehmen beginnen zuerst mit Maschinenzuständen, Stillständen, Leerlauf und OEE-relevanten Daten. ERP- oder BDE-Integration wird besonders wertvoll, wenn Maschinendaten mit Aufträgen, Planzeiten, Mengen oder Nachkalkulation verbunden werden sollen.
OEE setzt sich aus Verfügbarkeit, Leistung und Qualität zusammen. Maschinendatenerfassung hilft vor allem dabei, Verfügbarkeit und Leistung realistischer zu erfassen, weil Laufzeiten, Stillstände, Mikrostopps und Zykluszeiten automatisch sichtbar werden. Je nach Datenlage können Qualitätsdaten ergänzt werden.
Die Kosten hängen von Maschinenanzahl, Sensorik, Softwareumfang, Integrationen, Energieerfassung, Tablets und Rollout-Größe ab. Deshalb ist ein Pilot oft der beste Einstieg. So lässt sich prüfen, welche Verluste sichtbar werden und welches wirtschaftliche Potenzial im Maschinenpark steckt.
Ein guter MDE-Pilot startet mit wenigen ausgewählten Maschinen, klaren Zielen und einer kurzen Auswertungsphase. Typische Schritte sind: Pilotmaschinen auswählen, Sensor installieren, erste Zustände in WatchMen prüfen, Stillstände und Mikrostopps analysieren, Alarmregeln definieren und danach über den Rollout entscheiden.
Maschinendatenerfassung ist nur dann wertvoll, wenn aus Daten bessere Entscheidungen entstehen. Produktionsunternehmen brauchen keine weiteren unübersichtlichen Diagramme. Sie brauchen Klarheit darüber, wo Leistung verloren geht, welche Maschinen vom Plan abweichen und welche Maßnahmen zuerst Wirkung bringen.
Novo AI macht genau diese Transparenz für bestehende Maschinenparks zugänglich: mit KI-Sensor, Edge Processing und der WatchMen Plattform. Ohne Maschinen zu ersetzen. Ohne tiefen Eingriff in die Steuerung. Ohne monatelanges IT-Projekt.
Starten Sie mit wenigen Maschinen, sehen Sie echte Produktionsverluste und entscheiden Sie danach datenbasiert, wo sich der Rollout lohnt
DMG MORI, Mazak, Okuma, Haas Automation, Makino, JTEKT, GF Machining Solutions, Trumpf, Hurco, EMAG, CHIRON, MAG / MAG IAS, Hardinge, Amada, TSINFA, Sodick, Methods Machine Tools, Jyoti CNC Automation, Fanuc, Siemens, TRUMPF
Mehr erfahren: Daten von CNC Maschinen erfassen
TRUMPF, AMADA, Bystronic, Durma, Baykal, SafanDarley, Gasparini, Jorns, Hämmerle, EHT, LVD, Danobat, BLM Group, FACCIN, DAVI, WAFIOS, NUMALLIANCE, Herber, YLM, CML, REMS, Bernardo, KNUTH, HEZINGER, Stierli-Bieger, Altendorf, RAS, Pedax, AMB PICOT, Holzmann, Epple, LECHNER, HSM, TRACTO-TECHNIK, KRENN, BJZ, RASI, Vingriai, Reinhard Klein
Mehr erfahren: Daten von Biegemaschinen erfassen
TRUMPF, AMADA, Bystronic, Durma, SafanDarley, LVD, Baykal, Gasparini, Hämmerle, EHT, Jorns, CoastOne, Prima Power, Yawei, Ermaksan, Cincinnati, HACO, Deratech, Schröder, Ermaksan, JFY, Yangli, VLB Group, Dener, Vimercati, Dimeco, IMAC, G.A.D.E., Bernardo, KNUTH, Stierli-Bieger, HEZINGER, BLEMA, Epple, Holzmann, BPR, STR, Danobat, Eisele, Colly, Schechtl, HACO-Kingsland, RICO, Beyeler (heute Bystronic), Pullmax, Pivatic, Darley, UZMA, RASI, Reinhard Klein, Vingriai, LVD-EHT, Hämmerle, Metallkraft, Biegetechnik Müller, MUBEA
Mehr erfahren: Daten von Abkantpressen erfassen
Union, TOS Varnsdorf, Scharmann, Dörries Scharmann, Wotan, Pama, JUARISTI, SORALUCE, FPT, Lazzati, Skoda, Ingersoll, Giddings & Lewis, Lucas, HBM Machines, Toshiba, Asquith, Berthiez, Lymco, You Ji, Kira, Nomura, Dainichi, Alesa Monti, Sacem, Sacem-Greda, FERMAT, Kuraki, Zayer, Huller Hille, SIP, Stanko, Binns & Berry, Devlieg, Kearns-Richards, Henri Line, Niles-Simmons, Colgar, Comev, Giana, Jobs, San Rocco, Heckert, Cincinnati Gilbert, Rambaudi, Csepel, Tos Hostivar, Mecof, Sachman, Hüller Hille, Mandelli, MTE, Boehringer, Rambaudi, Froriep, Naxos Union
Mehr erfahren: Daten von Bohrmaschinen erfassen
DMG MORI, Gildemeister, Mazak, EMAG, Okuma, Haas, Weiler, INDEX, Doosan, Spinner, Hyundai WIA, Takisawa, Colchester, Tornos, Hwacheon, Hardinge, Biglia, Monforts, Schaublin, Mischungen aus modernen CNC-Zentren und älteren manuellen Maschinen
Mehr erfahren: Daten von Drehmaschinen erfassen
Fräsmaschinen von DMG MORI, Mazak, Hermle, HAAS, Okuma, Chiron, Makino, Hurco, Deckel Maho, Heller, Bridgeport, Kearney & Trecker, Schaublin, Gildemeister, Matsuura, Doosan, Cincinnati, Aciera, Emco, Hwacheon, Spinner, Colchester, Mikron, Fehlmann, Lagun, Hartford, Fexac, Weiler, Maho, Kondia, Sigma, Kitamura, Leadwell, ZPS, Toshiba, TOS, MTE, Deckel, Rambaudi, Giddings & Lewis
Mehr erfahren: Daten von Fräsmaschinen erfassen
TRUMPF, Bystronic, AMADA, Mazak, LVD, Prima Power, Mitsubishi Electric, Eagle, HSG Laser, Bodor, Han’s Laser, Trotec, Coherent (Rofin), IPG Photonics, Raycus, Ermaksan, Cincinnati, MicroStep, HGTech, Golden Laser, Salvagnini, Dener, Yawei, Durma, Baykal, Dreis & Krump, Tanaka, Farley Laserlab, ACL, Koike, Penta Laser, Senfeng, Bylaser, ESAB Lasertec, Laserlab, Haco-Laser, HF Laser, Optonics, Mischung aus CO₂-Anlagen, modernen Faserlasern, fliegender Optik, Portalmaschine, Kombianlagen mit automatischer Be- und Entladung
Mehr erfahren: Daten von Laserschneidmaschinen erfassen
Ekato, Netzsch, Ystral, Lödige, Drais, IKA, Hosokawa Micron, BHS-Sonthofen, Zeppelin Systems, Mixaco, VMI, Lindor, Winkworth, Silverson, Hockmeyer, Gericke, B&P Littleford, Amixon, Charles Ross & Son, Morton, PerMix, Henschel, Bühler, Lodige Process Technology, Hüttlin, Volkmann, Maschinenfabrik Gustav Eirich, Fielder, Diosna, Vortex, Lodige, Hüttlin, Hecht, Bepex, Matcon, Forberg, Romaco, Bohle, Teagle, Kemutec, Processall, Omga-Mix, Scott Turbon, Jaygo, Nauta, Lodige Werke, Eppensteiner, Mischtechnik Schwab, Allgaier, Alpine, MÜLLER Mischtechnik, Schugi, Littleford Day, Collette, Kestner, WAB Willy A. Bachofen
Mehr erfahren: Daten von Misch- und Rührmaschinen erfassen
Behringer, KASTO, MEBA, Amada, Kaltenbach, Bomar, Beka-Mak, Ficep, Everising, Trennjaeger, Danobat, Pedrazzoli, Eisele, Hyd-Mech, Imet, Soitaab, Berg & Schmid, Pressta-Eisele, Rusch, Julia, Emmegi, Cosen, ExactCut, MACC, Tecnomac, Nishijimax, HUVEMA, Rusch, MEP, BSM, BTM, KMT, Voortman, Bianco, DoAll, Friggi, Thomas, SABI, Karmetal, Peddinghaus, Forte, Pegic, Kaltmeier, Säge-Union, Schanbacher, RASOMA, PNK-Maschinenbau
Mehr erfahren: Daten von Sägen erfassen
Schuler, Aida, Andritz Kaiser, Bruderer, Erfurt, SEYI, Komatsu, Mecfond, Chin Fong, AP&T, Beutler Nova, Fagor Arrasate, Bliss, Minster, Sangiacomo, SIMPAC, Sutherland, Manzoni, Stamtec, Heilbronn, Erichsen, Ebu, Smeral, Lasco, LVD, Wemhöner, Kraus, Fischer, Dreis & Krump, Balconi, Schmedt, Rossmann, Yadon, IMS, Weingarten, Voest-Alpine, Kaiser Pressen, Dunker, Peddinghaus, Sachs, Rossi, Neff, Kieserling
ELB, Blohm, Jung, Okamoto, Studer, Kellenberger, Reform, KEHREN, ABA, Geibel & Hotz, Tschudin, LIZZINI, Campbell Grinder, Lodi, WEMA, Voumard, Mägerle, Lodi Grinding, TOS Hostivař, Micron, Danobat, Palmary, Supertec, KUGEL, Tschudin, Koyo, Cylindrix, Tacchella, DELTA, Cincinnati Milacron, Jones & Shipman, KMT, Erwin Junker, Lodi, Fortschritt, REKORD, Stankoimport, Praga, Karstens, Reinhard Klein
Mehr erfahren: Daten von Schleifmaschinen erfassen
Arburg, Engel, KraussMaffei, Sumitomo (SHI) Demag, Wittmann Battenfeld, BOY, Haitian, Negri Bossi, Ferromatik Milacron, Fanuc, Toshiba, JSW, Dr. Boy, Italpresse, MAPLAN, Sandretto, Stork, Chen Hsong, LK Machinery, Tederic, Windsor, Hemscheidt, Battenfeld, Netstal, Hüller Hille, Welltec, Niigata, Toyo, Demag Ergotech, Ankerwerk, SIG Maschinenbau, Mir, Klockner Ferromatic, Satra, Battenfeld Austria, Anker, Hemscheidt Maschinenbau, Heinz Weiler
Mehr erfahren: Daten von Spritzgießmaschinen erfassen
Fronius, Lorch, EWM, ESAB, Kemppi, Cloos, Rehm, SKS Welding Systems, KUKA, Panasonic, Miller, Lincoln Electric, Migatronic, OTC Daihen, TELWIN, Dalex, CEA, Technolit, Helvi, Orbitalum, Oerlikon, Heron, TBi, Dinse, Carl Cloos, Saf-Fro, Cebora, Ideal-Werk, Fessmann, Hürner, Weco, Kjellberg, KEMPER, Böhler Welding, Soyer, Merkle, Elektra Beckum, Mennekes, Bavaria Schweißtechnik, Elektrodenwerk Bad Liebenwerda, Stürmer, Weltronic, ESM Schweißtechnik, Thyssen Schweißtechnik
Mehr erfahren: Daten von Schweißmaschinen erfassen
SMS group, Schuler, Lasco, Beche, Müller Weingarten, Weingarten, Danieli, Siempelkamp, Wepuko PAHNKE, Fagor Arrasate, Banning, Hydralic Press Company, Schlebach, Ajax, Raufoss, Hasenclever, Mönninghoff, GFM, Niles-Simmons, Sack & Kiesselbach, Eumuco, Ernst Thielenhaus, Ernst Schubert, Dürr, Loewy, Sundwig, MPM, Maschinenfabrik Erfurt, Mavag, Rautomead, Waldrich Siegen, UnionChemnitz, Fagor Ederlan, SKET, Cincinatti, Farrel, HITACHI Zosen, Kobe Steel, Komatsu, Inoue, Omav, HMP, Eumuco, Makino, UBE Industries, Boehringer, Carl Wezel, Rautenbach, Naxos Union, Mannesmann Demag, Davy McKee, Aichelin
Mehr erfahren: Daten von Verformungsmaschinen erfassen
Krones, Bosch Packaging Technology (heute Syntegon), MULTIVAC, IMA, Rovema, Optima, Gerhard Schubert, Theegarten-Pactec, LoeschPack, ULMA, Marchesini, Uhlmann, GEA, Ilapak, Cavanna, Ishida, KHS, SIG, Bradman Lake, Pacmac, Fuji Packaging, Norden, Romaco, Coesia, HASSIA, HMC, Trepko, MGS, Volpak, ACMA, Cama Group, Tisma, OK International, Smipack, Econocorp, Viking Masek, Adco, Sepha, Wrapade, Aesus, Oystar, Waldner Dosomat, Klöckner Medipak, Kalix, Dividella, Oka, Bosch Cartoning, Hayssen, Mateer-Burt, Laudenberg, IWKA, SIG Pack, Mohrbach, BWI Manesty, Manurhin, Kisters, Klockner Bartelt, GRONINGER, Möllers
Mehr erfahren: Daten von Verpackungsmaschinen erfassen
Rosendahl Nextrom, Maillefer, Troester, Davis Standard, SAMP, MFL Group, EXTRUDEX, Sikora, Reelex, Queins
Mehr erfahren: Daten von Extrusionsmaschinen
Niehoff, Maillefer, Rosendahl Nextrom, SAMP, MFL Group, Koch, Mario Frigerio, Henrich, Kieselstein, WAFIOS, Maschinenfabrik Niehoff
Mehr erfahren: Daten von Drahtziehmaschinen
Sikora, Zumbach Electronic, Hipotronics, HighVolt, HFSAB, NDC Technologies, HV Technologies, Megger, BAUR, Phenix Technologies
Mehr erfahren: Daten von Kabelprüfanlagen
Schleuniger, Komax, Metzner, Kabatec, Artos, Metzner Maschinenbau, Eraser, Kingsing, Carpenter Manufacturing, Kodera
Mehr erfahren: Daten von Kabelschneidemaschinen
Niehoff, Maillefer, Rosendahl Nextrom, Setic, Pourtier, SAMP, Troester, MFL Group, SKET, Caballé, Queins, Watson
Mehr erfahren: Daten von Verseilmaschinen
Rosendahl Nextrom, Maillefer, SAMP, Niehoff, Windak, MFL Group, Sikora, Setic, Pourtier, MAG, Bühler, Voith, Aumann, Marsilli, Jota
Mehr erfahren: Daten von Wickelmaschinen
Sikora, Zumbach Electronic, Rosendahl Nextrom, Maillefer, Beta LaserMike, NDC Technologies, Taihan, HFSAB, Hipotronics
Mehr erfahren: Daten von Spark Tester
Maillefer, Rosendahl Nextrom, Troester, Davis Standard, SAMP, MFL Group, EXTRUDEX, Queins, Reelex, Windak
Mehr erfahren:
Daten von Mantel-Extruder
WiCa, Niehoff, Maillefer, Rosendahl Nextrom, Setic, Pourtier, SAMP, MFL Group, SKET, Caballé, Bartell Machinery, Queins
Mehr erfahren:
Daten von Bow Strander
Windak, Rosendahl Nextrom, Maillefer, Niehoff, SAMP, MFL Group, Voith, Goebel IMS, Kampf, Atlas Converting, Kampf Schneid- und Wickeltechnik
Mehr erfahren: Daten von Trommelwickler
Niehoff, Herzog, Wardwell, Spirka Schnellflechter, OMEC, Steeger, Karg, Mayer & Cie, OMAC, KOKUBUN
Mehr erfahren:
Daten von Flechtmaschinen
Maillefer, Rosendahl Nextrom, SAMP, MFL Group, Niehoff, SKET, Pourtier, Setic, Queins, WiCa
Mehr erfahren:
Daten von Panzerungsmaschinen