Produktion Dashboard: Aufbau, KPIs, Echtzeit vs. Historie und Roadmap

Definition

Ein Produktionsdashboard ist eine visuelle Oberfläche, die Produktionskennzahlen aus Systemen wie MES, ERP oder Sensorik konsolidiert und in KPIs, Trends und Abweichungen darstellt.

Es ist kein Ersatz für MES/ERP und auch keine Datenerfassungslösung, sondern die Auswertungsebene für Steuerung und Verbesserung.

Einleitung

Ein Produktion Dashboard ersetzt nicht deine Produktion – aber es ersetzt Blindflug und Excel-Pingpong. Du siehst schneller, was läuft, was hängt und warum.

Welche Ziele ein Produktion Dashboard erfüllt

Ein gutes Dashboard beantwortet konkrete Steuerungsfragen: Läuft die Linie wie geplant? Wo entsteht Verlust? Was muss jetzt passieren? Der Nutzen für die Anwender ist simpel: weniger Suchen, weniger Diskussion über Zahlen, mehr Handlungsfähigkeit.

• Transparenz: ein gemeinsamer Blick auf dieselben KPIs für Shopfloor und Management
• Echtzeit-Überwachung: Abweichungen früh erkennen, bevor Ausschuss und Lieferverzug entstehen
• Ursachenarbeit: nicht nur „Status-Ampel“, sondern Drilldown auf Grund und Kontext

Typische Kennzahlen: OEE, Stillstände, Energie, Prozess

KPIs sollten so definiert sein, dass Schichtteams sie beeinflussen können und das Management sie vergleichen kann. Typische Kennzahlen in Produktionsdashboards sind OEE (Overall Equipment Effectiveness), Stillstände, Energieverbrauch und Prozessmonitoring.

• OEE: Verfügbarkeit, Leistung und Qualität als gemeinsame Effizienz-Kennzahl
• Stillstände: Dauer und Grund (z. B. Störung, Rüsten, Material, Qualität)
• Energie & Prozess: Energie pro Teil/Schicht sowie Status wie „Produktion“, „Warten“, „Störung“

Echtzeit vs. historisches Dashboard: Was passt wofür?

Echtzeit-Dashboards sind für das operative Handeln: Sie zeigen aktuelle Zustände und kurze Zeitfenster (Minuten/Stunden). Historische Dashboards sind für Verbesserung und Planung: Sie zeigen Trends, Muster und Vergleiche über Tage/Wochen.

• Echtzeit: Shopfloor Management, Andon-ähnliche Sicht, schnelle Reaktion auf Störungen
• Historie: OEE-Trends, Pareto der Stillstandsgründe, Wirksamkeit von Maßnahmen
• Kombi-Ansatz: live reagieren, danach im Trend-View Ursachen priorisieren

Best Practices fürs Dashboard-Design (damit es genutzt wird)

Das beste Datenmodell bringt nichts, wenn das Layout im Stress nicht lesbar ist. Ein Produktionsdashboard muss in Sekunden verstanden werden: auf Großbildschirm, Tablet oder im Leitstand.

• Layout: oben 3–5 KPI-Kacheln, darunter Zeitverlauf und eine klare Verlust-/Ursachensicht
• Farbgebung: sparsam, konsistent (z. B. neutral für Normalzustand, Farbe nur für Abweichung)
• Interaktivität: Drilldown per Klick von Linie → Maschine → Auftrag → Stillstandsgrund

Datenquellen und Integrationen: MES, ERP, Sensorik, BDE

Die Datenfrage entscheidet über Akzeptanz: Wenn Zahlen nicht stimmen oder zu spät kommen, wird wieder exportiert. Typische Quellen sind MES (Manufacturing Execution System), ERP für Aufträge/Stammdaten, BDE sowie Sensorik/PLC-nahe Daten.

In der Praxis landen Rohdaten oft als JSON oder XML, in SQL-Datenbanken oder über Gateways/Interfaces. Wichtig ist der Anwendernutzen: Schichtleiter und Prozessingenieure sollen auf saubere, erklärte „Gold-Daten“ zugreifen können, um direkt in Power BI oder Excel Auswertungen zu bauen, ohne jedes Mal Daten „zurechtzubiegen“.

Implementierungsansätze: No-Code/Low-Code bis Datenplattform

Es gibt nicht nur „alles neu“ oder „gar nicht“. Sinnvolle Einstiegswege unterscheiden sich nach Datenlage und Echtzeitbedarf.

• No-Code/Low-Code: schneller Start, wenn Daten bereits strukturiert vorliegen (z. B. aus MES/SQL)
• Semantisches Modell: ein gemeinsames KPI-Verständnis, damit OEE überall gleich gerechnet wird
• Skalierung über Datenplattform: wenn viele Linien/Standorte/Quellen zusammenkommen und Governance zählt

Roadmap & Checkliste: So führst du ein Dashboard ein

Ein Produktion Dashboard sollte iterativ eingeführt werden: erst Nutzen beweisen, dann breiter ausrollen. Das reduziert Migrationsrisiken und hält den Integrationsaufwand beherrschbar.

Roadmap in 5 Schritten

• Zielbild & KPIs: 3–5 Kernfragen, KPI-Definitionen, Nutzergruppen
• Pilot: ein Bereich/eine Linie, klares Feedback, klare „Done“-Kriterien
• Integration: Datenquellen stabilisieren, Aktualisierung, Datenqualität-Checks
• Rollout: Berechtigungen, Geräte/Views (Leitstand vs. Management), Schulung
• Betrieb: Verantwortlichkeiten, Release-Prozess, Monitoring und Dokumentation

Kurze Checkliste

• Sind KPI-Definitionen (z. B. OEE) schriftlich festgelegt und akzeptiert?
• Gibt es einen Owner für Datenqualität und einen Owner für das Dashboard?
• Sind Zugriff, Sicherheit und Aktualisierung im Betrieb geklärt?

Mini-Beispiel aus dem Alltag

In einer Fertigung sieht das Team im Echtzeit-View, dass die Leistung einer Anlage abfällt, obwohl keine Störung gemeldet ist. Der Drilldown zeigt: kurze Mikro-Stopps häufen sich nach einem bestimmten Materialwechsel. Im historischen Dashboard bestätigt der Trend das Muster über mehrere Schichten, und die Maßnahme wird messbar: weniger Stopps, stabilere OEE.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn du schnell entscheiden musst und interne Zeit knapp ist, oder wenn die Anbindung mehrerer Quellen nicht sauber beherrscht wird. Typische Signale sind: KPI-Diskussionen ohne Ende, instabile Aktualisierung, oder ein erstes Dashboard, das niemand nutzt, weil Layout und Drilldown nicht zur Arbeit am Shopfloor passen.

Auch beim Thema Integrationsrisiko hilft ein neutraler Blick: Welche Daten sind wirklich verfügbar, welche Qualität ist realistisch, und welcher Einstieg minimiert Rework?