Warum KI keine Fabrik optimieren kann, die sie nicht versteht

Eine Maschine bleibt mitten in der Produktion stehen. Das ERP kennt die Kundenaufträge und Liefertermine, das MES weiß, welcher Arbeitsgang gestoppt wurde, die Instandhaltung kennt den Reparaturstatus, und die Maschinenebene liefert den Fehlercode und den genauen Zeitstempel. Dann stellt jemand die naheliegende Frage: Was sollen wir jetzt tun?

KI kann den Alarm zusammenfassen, Muster in historischen Stillstandsdaten finden und erklären, was vermutlich passiert ist. Solange sie jedoch nicht auch versteht, welches Produkt gerade lief, welche Aufträge von diesem Arbeitsgang abhängen, welche Maschinen als Alternativen freigegeben sind, welche Werkzeuge verfügbar sind, welche Mitarbeiter qualifiziert sind und welche Qualitäts- oder Prozessregeln gelten, kann sie die Reaktion nicht sicher optimieren.
Das ist primär kein KI-Problem. Es ist ein Problem des Fabrikkontexts.

DATEN SIND NICHT DASSELBE WIE KONTEXT
Fabriken erzeugen bereits enorme Datenmengen. ERP, MES, Instandhaltung, Qualität, Historians, SPSen, IoT-Plattformen und Tabellenkalkulationen enthalten alle nützliche Fakten.
Das Problem ist, dass diese Fakten oft unverbunden nebeneinanderstehen. Ein Stoppcode allein verrät nicht, ob das Ereignis während der Produktion, eines Rüstvorgangs, einer Wartung oder eines Loses mit einem strikten Bearbeitungsfenster stattfand. Eine Maschine kann im Leerlauf erscheinen und dennoch nicht nutzbar sein, weil die benötigte Vorrichtung fehlt oder der qualifizierte Bediener nicht im Schichtplan steht.
Kontext verbindet das Ereignis mit der betrieblichen Situation rundherum.

Dazu gehören:

• Identität von Anlage und Ressource
• Aktiver Arbeitsgang und Arbeitsauftrag
• Produkt und Revision
• Arbeitsplan und alternative Arbeitspläne
• Material- und Chargenstatus
• Werkzeuge und Vorrichtungen
• Qualifikationen und Schichtabdeckung
• Qualitätsbeschränkungen
• Status der Instandhaltung
• Kapazität und nachgelagerte Abhängigkeiten
• Kundenzusagen

WARUM DASHBOARDS NICHT AUSREICHEN
Power BI und operative Dashboards eignen sich hervorragend, um zu zeigen, was sich verändert hat. Sie können Stillstände, wachsende Warteschlangen, verspätete Aufträge, Ausschuss oder verfügbare Kapazität sichtbar machen.

Ein Problem anzuzeigen ist aber etwas anderes, als zu entscheiden, was die Produktion als Nächstes tun soll.
Ein Dashboard kann zeigen, dass eine andere Maschine verfügbar ist. Es weiß aber nicht automatisch, ob diese Maschine für die aktuelle Produktrevision freigegeben ist, ob die Vorrichtung bereits reserviert ist, ob die Qualität die Verlagerung genehmigen muss oder ob der Wechsel des Auftrags einen neuen Engpass nachgelagert erzeugt.

Sobald Berichte Dutzende Sonderberechnungen enthalten und Planer das Ergebnis dennoch nach Excel exportieren, um Alternativen zu testen, fehlt meist nicht noch eine Visualisierung. Es fehlt ein explizites Modell der Fabrikregeln hinter der Entscheidung.

VORHERSAGE IST NICHT OPTIMIERUNG
Vorhersagen können zeigen, dass eine Maschine wahrscheinlich ausfällt oder ein Auftrag mit hoher Wahrscheinlichkeit verspätet sein wird.
Das ist nützlich, sagt aber nicht, was zu tun ist.
Optimierung hat eine andere Aufgabe. Sie bewertet mögliche Maßnahmen anhand der Regeln und Randbedingungen der Fabrik.

Nach einem Maschinenausfall könnte ein Optimierer beispielsweise prüfen, ob betroffene Arbeit auf der ursprünglichen Ressource verbleiben kann, auf eine freigegebene Alternativmaschine wechselt, die Reihenfolge ändert oder Überstunden nutzt.
Ein machbarer Plan muss reale Bedingungen respektieren.
Sicherheitsgrenzen, Prozessfreigaben, Materialverträglichkeit, Bedienerzertifizierung, Werkzeuge, Qualitätsbeschränkungen, Wartungsfenster und Reihenfolgeregeln verschwinden nicht einfach, nur weil eine andere Maschine frei aussieht.

KI, OPTIMIERUNG UND REGELN HABEN UNTERSCHIEDLICHE AUFGABEN
Generative KI kann Planern helfen, die Situation zu verstehen, verbundene Informationen zu durchsuchen, Alternativen zu vergleichen, Zielkonflikte zu erklären und eine nützliche Übergabe zu erstellen.
Prognosemodelle schätzen das Risiko ab.
Optimierungsmodule suchen nach machbaren Plänen.
Deterministische Regeln prüfen, ob eine vorgeschlagene Maßnahme bekannte Produktionsbedingungen einhält.
Diese Komponenten können zusammenarbeiten, sollten aber nicht miteinander verwechselt werden.
Ein Sprachmodell kann eine überzeugende Erklärung liefern. Das beweist aber nicht, dass ein Produktionsplan ausführbar ist.

PRODUKT, PROZESS, RESSOURCE
Ein brauchbares Fabrikmodell beginnt mit Produkt, Prozess und Ressource.
Das Produkt beschreibt, was hergestellt wird, einschließlich Revision, Material, Chargenregeln und kundenspezifischer Anforderungen.

Der Prozess beschreibt die Arbeitsgänge, Reihenfolge, Rüstbedingungen, Prüfungen, alternativen Wege und Regeln, die zur Fertigung nötig sind.

Die Ressource beschreibt, was die Arbeit ausführen kann. Eine Ressource kann eine Maschine, ein Werkzeug, eine Vorrichtung, ein Ofen, ein Prüfstand, ein Transportmittel oder eine Person sein.
Entscheidend ist die Beziehung zwischen ihnen.

Die Frage lautet nicht:
„Welche Maschine ist frei?“

Die nützliche Frage lautet:
„Welche verfügbare Ressource kann den nächsten erforderlichen Arbeitsgang für genau dieses Produkt und diesen Auftrag unter dem freigegebenen Prozess, den Werkzeugen, dem Material, der Qualität, der Personalbesetzung und den Zeitbedingungen ausführen?“

WISSENSGRAPHEN OHNE HYPE
Ein Wissensgraph ist eine Möglichkeit, diese verbundenen Fabrikbeziehungen darzustellen.
Statt Maschinen, Arbeitsgänge, Aufträge, Werkzeuge und Materialien als isolierte Datensätze zu speichern, bildet der Graph auch die Beziehungen zwischen ihnen ab.

Eine Maschine kann einen Arbeitsgang ausführen. Der Arbeitsgang gehört zu einem Arbeitsplan. Der Arbeitsplan gehört zu einer Produktrevision. Ein Arbeitsauftrag benötigt diesen Arbeitsplan. Für den Arbeitsgang ist möglicherweise eine Vorrichtung erforderlich. Die Vorrichtung ist aktuell eventuell einem anderen Auftrag zugesagt.

Dadurch lassen sich Fragen wie „Warum kann dieser Auftrag nicht auf Maschine 7 wechseln?“ wesentlich leichter beantworten.
Die Antwort sollte nicht einfach „nicht machbar“ lauten.

Sie sollte erklären, dass Maschine 7 den Arbeitsgang unterstützt, die benötigte Vorrichtung aber nicht verfügbar ist, die Produktrevision keine Freigabe besitzt oder eine nachgelagerte Qualitätsbedingung die Route blockiert.

EIN DIGITALER ZWILLING BRAUCHT EINEN ZWECK
Ein Live-Dashboard ist nicht automatisch ein digitaler Zwilling.
Ein nützlicher Zwilling bildet einen klar definierten Teil des physischen Betriebs ab und verbindet Struktur, Zustand, Regeln und Quelldaten für einen bestimmten Zweck.

Ein Anlagenzwilling kann Instandhaltungsentscheidungen unterstützen.
Ein Linienzwilling kann helfen, Fluss und Engpässe zu verstehen.
Ein Produktionssystem-Zwilling kann Anlagenzustand mit Aufträgen, Arbeitsplänen, Materialien, Personen, Qualitätsregeln und Liefer­zusagen verbinden.

Die wichtige Frage lautet nicht „Haben wir einen digitalen Zwilling?“
Sondern: „Welchen Nutzer, welche Entscheidung und welches Zeitfenster unterstützt dieser Zwilling?“

DIE ANLAGENIDENTITÄT IST GRUNDLEGEND
Eine physische Maschine kann mehrere Identitäten haben.
Die Instandhaltung verwendet vielleicht eine Anlagennummer. Das MES nutzt eine Fertigungsressource. Das ERP kennt ein Arbeitszentrum. Die IoT-Schicht sieht einen Controller oder einen Tag-Pfad.

Diese Kennungen müssen nicht verschwinden, aber ihre Beziehungen müssen verwaltet werden.
Wenn ein KI-System rät, dass zwei ähnlich benannte Maschinen dieselbe physische Anlage darstellen, können alle späteren Entscheidungen falsch sein, obwohl die zugrunde liegenden Daten technisch sauber sind.
Anlagenzuordnungen brauchen daher Verantwortliche, Gültigkeitsdaten, Quellenverweise und Änderungsmanagement.

RANDBEDINGUNGEN SIND TEIL DER DATEN
Ein Arbeitsplan kann technisch möglich und dennoch für die Produktion inakzeptabel sein.

Harte Randbedingungen können umfassen:
• Sicherheitsgrenzen
• Freigegebene Rezepturen
• Materialverträglichkeit
• Maschinenfähigkeit
• Bedienerzertifizierung
• Qualitätsfreigabe
• Werkzeugverfügbarkeit
• Instandhaltungsbeschränkungen

Andere Randbedingungen stellen eher Zielkonflikte als absolute Grenzen dar. Ein zusätzlicher Rüstvorgang kann akzeptabel sein, um eine dringende Lieferung zu schützen. Überstunden mögen für eine Kundenzusage erlaubt sein, für eine andere nicht.

Das System sollte diese Zielkonflikte offenlegen, statt sie in einer undurchsichtigen Empfehlung zu verbergen.

SAUBERE DATEN SIND NOTWENDIG – ABER NICHT GENUG
Genaue Zeitstempel, vollständige Ereignisse, standardisierte Kennungen und zuverlässige Schnittstellen sind unverzichtbar.

Doch auch eine perfekt saubere Tabelle erklärt nicht, was „verfügbar“, „vollständig“ oder „Kapazität“ bedeutet.
Eine Maschine kann mechanisch verfügbar, für den aktuellen Arbeitsgang aber nicht nutzbar sein. P