KPIs für produzierende Unternehmen und Maschinenbau: Kennzahlen, die wirklich steuern

Definition

KPIs für produzierende Unternehmen und Maschinenbau sind Kennzahlen, die Produktions- und Geschäftserfolg messbar machen und konkrete Steuerungsentscheidungen auslösen. Sie sind keine reine Datensammlung und kein Reporting „für später“, sondern eine vereinbarte Übersetzung von Zielen in messbare Signale.

Einleitung

Wenn in der Produktionsrunde über Verzögerungen gesprochen wird, aber niemand belastbar sagen kann, ob Maschine, Material oder Personal der Engpass ist, fehlen steuerbare KPIs. Mit kpis produzierende unternehmen und maschinenbau schaffst du eine gemeinsame Sicht für Produktion, Planung und Management: Was läuft gut, was kippt gerade, und was ist die nächste sinnvolle Maßnahme?

Welche KPI-Fragen in der Fertigung wirklich zählen

Der schnellste Weg zu einem brauchbaren KPI-Set ist: erst Fragen festnageln, dann Kennzahlen bauen. Typische Steuerungsfragen in Fertigung und Maschinenbau sind:

• Leisten unsere Anlagen, was wir planen, oder verlieren wir Output in Laufzeit und Stillstand?
• Verbrauchen wir Lohnstunden wie geplant, und wenn nicht: in welchen Lohnarten entsteht Abweichung?
• Wie entwickeln sich Trends vs. Vormonat, Vorjahr und über längere Zeiträume?

Wichtig: Jede Kennzahl braucht einen klaren „Owner“ (wer reagiert?) und eine Reaktionslogik (was passiert bei Abweichung?). Sonst ist es nur eine Zahl im Dashboard.

Ein schlankes KPI-Set, das sich bewährt

Ein praxistaugliches Set kombiniert Produktion und Business, ohne dich zu erschlagen. In der Produktion haben sich Kennzahlen bewährt, die Ursachen trennen:

• Anlagenleistung pro Laufstunde und pro Lohnstunde (zeigt, ob Maschine oder Personal der Hebel ist)
• Verfügbarkeit als Verhältnis aus Laufstunden zu Betriebsstunden (Realitätscheck auf Stillstände)
• Lohnstundenverbrauch nach Lohnart (findet Mehr- oder Minderverbrauch dort, wo er entsteht)

Für die Geschäftssteuerung ergänzen häufig: Umsatz, Auftragseingang und Auftragsbestand – jeweils so aufgeschnitten, dass Entscheidungen möglich sind (z. B. Top-Kunden, Produktgruppen, Zeitverlauf).

Typische Stolperfallen (und wie du sie vermeidest)

Die meisten KPI-Initiativen scheitern nicht an Power BI, sondern an Messlogik und Datenorganisation. Drei Klassiker:

• Zu viele KPIs: Wenn alles wichtig ist, wird nichts gesteuert. Besser: wenige Kern-KPIs plus Drilldown.
• Uneinheitliche Definitionen: „Laufstunde“ oder „Stillstand“ wird je Bereich anders gezählt. Ergebnis: Diskussion über Zahlen statt über Maßnahmen.
• Manuelle Excel-Pflege: Aktualisieren, Kopieren, Nachziehen – das kostet Zeit und produziert Fehler genau dort, wo du Sicherheit brauchst.

Gegenmittel: KPI-Glossar mit eindeutigen Definitionen, ein freigegebener Datenstand und klare Verantwortlichkeiten.

Datenbasis & Aktualisierung: so pragmatisch wie nötig

In der Praxis kommen Daten oft aus MES, BDE, ERP und ergänzenden Excel-Listen (z. B. Planung). Entscheidend ist nicht „maximal technisch“, sondern: verlässlich, nachvollziehbar, wiederholbar. Viele Betriebe brauchen keine Minutenaktualität; für Shopfloor- und Managementrunden reicht häufig eine tägliche Aktualisierung um einen festen Zeitpunkt. Wenn operative Teams am Nachmittag reagieren müssen, kann ein zweites Update sinnvoll sein.

Wichtig ist, dass alle auf denselben „Gold-Daten“ arbeiten: freigegebene, bereinigte Kennzahlen, die auch Nicht-IT-affine Nutzer direkt in Power BI oder Excel verwenden können, ohne erst Daten zu „reparieren“.

So startest du in 4 Schritten mit echtem Nutzen

Ein schneller, risikoarmer Start funktioniert besser als der große Wurf. Bewährtes Vorgehen:

• Use Cases priorisieren: z. B. Anlagenleistung, Lohnstundenverbrauch, Auffälligkeiten in Mengen und Zeiten.
• Messlogik festziehen: Definitionen, Zeitbezug (Schicht/Tag/Monat), Vergleichszeiträume (Vormonat/Vorjahr/3 Jahre).
• Dashboard bauen: Ampeln, Abweichungen, Top-Auffälligkeiten – mit Drilldown auf Linie, Maschine, Auftrag.

Erst wenn die Steuerung steht, werden weitere Datenquellen ergänzt. So bleiben Akzeptanz und Wirkung hoch, auch wenn die Datenlandschaft Schritt für Schritt wächst.

Mini-Story aus der Praxis

Ein Fertigungsbetrieb hatte Anlagenzahlen im MES, Schichtplanung in Excel und Lohnstunden im Zeiterfassungssystem. Nach der Einführung weniger KPIs (Leistung pro Laufstunde, Leistung pro Lohnstunde, Verfügbarkeit) wurde sichtbar: Die Maschine lief, aber der Output pro Lohnstunde fiel in bestimmten Schichten ab. Die Produktionsleitung hat daraufhin Arbeitsvorbereitung und Rüstprozesse gezielt angepasst – statt pauschal „mehr Schichten“ zu planen.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn KPI-Definitionen feststecken, Datenquellen nicht sauber zusammenpassen oder das Team im operativen Alltag keine Zeit für sauberes Modellieren und Governance hat. Auch wenn Rollen- und Bereichssichten (z. B. Außendienst nur „seine“ Zahlen) wichtig werden, ist ein belastbares Berechtigungskonzept meist schneller und sicherer mit erprobten Mustern umgesetzt.