Automation beginnt mit Daten

Automation verspricht schnellere Abläufe, stabilere Prozesse und mehr Transparenz. In der industriellen Praxis entscheidet heute jedoch oft nicht zuerst die Maschine über den Erfolg, sondern die Qualität der Daten, auf die sie zugreift. Wo Informationen aus Anlagen, Sensorik, Qualitätskontrolle und Unternehmenssystemen nur punktuell zusammenlaufen, bleibt das Potenzial von Automation begrenzt. Erst wenn Daten verlässlich, anschlussfähig und im richtigen Kontext verfügbar sind, lässt sich aus digitalen Systemen operative Wirkung ableiten.

Daten als industrielle Infrastruktur 

Daten sind nicht mehr bloss ein Nebenprodukt der Produktion. Sie werden zur Infrastruktur. Forschungsprogramme rund um Smart Manufacturing beschreiben diesen Zusammenhang als «Digital Thread»: Gemeint ist ein durchgängiger Informationsfluss vom Design über die Fertigung bis in Betrieb, Service und Qualitätssicherung. Der Nutzen liegt weniger in möglichst vielen Datenpunkten als in ihrer Nachvollziehbarkeit, Wiederverwendbarkeit und ihrem Bezug zum konkreten Prozess. Wer Produktionsschritte, Materialflüsse und Zustände konsistent abbildet, schafft die Grundlage dafür, Entscheidungen schneller und präziser zu treffen.

Genau hier zeigt sich, weshalb viele Automationsvorhaben komplexer sind als erwartet. In vielen Betrieben existieren Daten weiterhin in Silos: auf der Maschine, im Leitsystem, im MES, im ERP oder bei externen Partnern. Internationale Modelle wie ISA-95 versuchen, diese Trennung zwischen Shopfloor und Business-Systemen strukturiert zu überbrücken. Der Punkt dahinter ist grundlegend: Automation skaliert erst dann, wenn operative und betriebswirtschaftliche Informationen nicht nebeneinander stehen, sondern miteinander arbeiten. 

Wenn Systeme dieselbe Sprache sprechen 

Ebenso zentral ist die Frage, ob Systeme dieselbe Sprache sprechen. Für den industriellen Datenaustausch haben sich Standards wie OPC UA etabliert, die herstellerübergreifende Kommunikation ermöglichen und Daten nicht nur transportieren, sondern in einen interpretierbaren Zusammenhang stellen. Diese semantische Ebene ist entscheidend. Eine Zahl allein automatisiert noch nichts. Relevant wird sie erst dann, wenn klar ist, worauf sie sich bezieht, in welchem Zustand sie erhoben wurde und welche Folge sie im Prozess auslösen soll.

Automation wird zur Disziplin, in der technisches Know-how, Prozessverständnis und Datenarchitektur zusammenkommen müssen.

Damit rückt ein Thema in den Vordergrund, das in der Euphorie rund um KI und die digital vernetzte Produktion gerne unterschätzt wird: Datenqualität. Fachstellen weisen darauf hin, dass industrielle KI und automatisierte Entscheidungen nur dann Mehrwert schaffen, wenn die zugrunde liegenden Daten genau, repräsentativ und kontextreich sind. Mehr Daten sind nicht automatisch bessere Daten. Unvollständige Zeitreihen, uneinheitliche Bezeichnungen oder fehlende Referenzwerte führen dazu, dass Modelle zwar rechnen, Prozesse aber nicht verlässlicher werden. Gerade in der Industrie, wo kleine Abweichungen grosse Wirkungen haben können, ist diese Unterscheidung entscheidend.

Vom Datensatz zur Entscheidung

Hinzu kommt ein praktischer Aspekt, der im Alltag oft über Erfolg oder Stillstand entscheidet: Daten müssen nicht nur vorhanden sein, sondern rechtzeitig ankommen. Für Produktionsplanung, Wartung oder Qualitätssicherung zählt, ob Zustände in Echtzeit oder zumindest mit minimaler Verzögerung sichtbar werden. Gerade für KMU wird das relevant, weil digitale Daten schneller ausgetauscht und in Echtzeit verfügbar gemacht werden können. Der Nutzen von Automation zeigt sich damit nicht erst in visionären Zukunftsszenarien, sondern bereits dort, wo Prozesse transparenter, Störungen früher erkennbar und Entscheidungen besser abgestützt werden.

Für Unternehmen bedeutet das auch organisatorisch einen Perspektivenwechsel. Automation ist nicht nur ein Investment in Hardware oder Software, sondern in Datenmodelle, Verantwortlichkeiten und Schnittstellen. Wer Zuständigkeiten nicht klärt, Stammdaten nicht pflegt und Prozesswissen nicht sauber in Systeme überführt, automatisiert bestenfalls einzelne Arbeitsschritte, aber nicht den Gesamtprozess. Umgekehrt entstehen dort Effekte, wo Daten entlang der Wertschöpfung durchgängig genutzt werden können: in der Produktionsplanung, in der vorausschauenden Wartung, in der Qualitätssicherung oder in der Optimierung von Energie- und Materialeinsatz.

Interoperabilität wird zur Standortfrage 

Dass dieser Weg an Bedeutung gewinnt, zeigt auch der regulatorische Rahmen. Mit dem seit September 2025 anwendbaren EU Data Act rücken Zugang, Nutzbarkeit und Interoperabilität von Daten aus vernetzten Produkten stärker in den Fokus. Parallel treibt Europa gemeinsame Datenräume voran, um Daten zwischen Unternehmen und Sektoren vertrauenswürdig nutzbar zu machen. Für exportorientierte Industrieunternehmen wird damit noch klarer: Wer Daten nicht nur erhebt, sondern strukturiert teilen und nutzen kann, verbessert nicht nur Prozesse, sondern auch seine Zukunftsfähigkeit.

Wie gross das Potenzial einer solchen Durchgängigkeit ist, zeigen Produktionsstandorte, die digitale Anwendungen konsequent im grossen Massstab einsetzen. Das World Economic Forum berichtet bei seinen «Lighthouse»-Standorten von klaren Fortschritten bei Produktivität, Qualität und Nachhaltigkeit. Entscheidend ist dabei weniger eine einzelne Technologie als das Zusammenspiel aus Datenbasis, Prozessverständnis und operativer Umsetzung.

Automation ist deshalb zunehmend keine Frage isolierter Use-Cases mehr. Sie wird zur Disziplin, in der technisches Know-how, Prozessverständnis und Datenarchitektur zusammenkommen müssen. Der eigentliche Wettbewerbsvorteil entsteht nicht dort, wo am meisten digitalisiert wird, sondern dort, wo Daten aus der Produktion in Echtzeit lesbar, im Betrieb verständlich und für Entscheidungen tatsächlich anschlussfähig sind. Erst auf dieser Basis wird aus Vernetzung produktive Automation.