Wie Fertigungsteams AI mit Legacy-Systemen verbinden: mit Reports und Work Orders starten, nicht mit ERP-Ersatz

Wenn Hersteller über AI sprechen, bleibt das Gespräch oft an einem Satz hängen:

„Unsere Systeme sind zu alt.“

ERP läuft seit zehn Jahren. MES wurde vor Jahren angepasst. Warehouse Management und Equipment Records liegen in getrennten Tools. Produktionsberichte werden noch in Excel zusammengesetzt. Fragt man nach AI-Anbindung, schlagen Anbieter oft neue Plattformen, Datenplattformen oder große Neubauten vor.

Das klingt vielleicht richtig. Es ist aber schwer.

Für die meisten Hersteller ist der praktische erste Schritt nicht ERP-Ersatz oder MES-Neubau, sondern zwei Einstiegspunkte mit schnellem Wert:

Reports und Work Orders.

Warum Fertigung nicht einfach „AI hinzufügen“ kann

Fertigungs-IT hat meist drei Eigenschaften.

Viele Systeme. Sales Orders liegen im ERP, Produktionspläne im MES, Bestand und Lagerbewegung im WMS, Reparaturen im Work-Order-System, Qualitätsdaten in Tabellen oder Spezialtools. Eine Frage spannt oft drei oder vier Systeme auf.

Alte Systeme. Viele wurden um Prozesse von früher angepasst. Sie laufen, aber niemand will sie stark ändern. Schnittstellen sind unvollständig, Feldnamen uneinheitlich, Dokumentation veraltet.

Schwere Operationen. Jede Aktion kann Kosten auslösen: Stillstand, Nacharbeit, Inventardruck, verspätete Lieferung, Equipment Failure, Qualitätsprobleme. AI darf nicht experimentieren wie ein Produktivitätstool.

Darum sollte man nicht mit der vollautonomen Smart Factory starten. Besser ist, AI Menschen auf bestehenden Daten schneller sehen, genauer fragen und früher Ausnahmen finden zu lassen.

Einstieg eins: Reports

Hersteller erstellen täglich Reports: Lieferstatus, Inventory Turnover, Produktionsplanerfüllung, Downtime, Defect Rate, Work-Order-Abschlussrate, Lieferantenausnahmen.

Diese Reports haben zwei Probleme. Erstens sind sie langsam. Daten werden exportiert, bereinigt, zusammengeführt und in Pivot-Tabellen gebracht. Wenn der Report fertig ist, ist das Problem oft mehrere Tage alt.

Zweitens beantworten sie feste Fragen. Wenn die Leitung fragt „Warum ist dieser Kundenauftrag wieder spät?“, zeigt der Report vielleicht die Verspätung, aber selten die Kette über Auftrag, Bestand, Produktion und Einkauf.

Der erste Wert von AI in Manufacturing Reporting sind keine schöneren Charts, sondern natürlichsprachliche Folgefragen:

„Welche späten Aufträge dieser Woche sind durch Bestand blockiert?“

„Welche Materialien liegen unter Sicherheitsbestand und werden in den nächsten zwei Wochen benötigt?“

„Welche Maschinen hatten in den letzten 30 Tagen die meiste Downtime, und warum?“

AI muss ERP-, MES-, WMS- oder Work-Order-Daten unter Berechtigungen abfragen, aggregieren und erklären. Das kann vollständig read-only beginnen.

Einstieg zwei: Work Orders

Work Orders sind ein sehr guter AI-Pilotbereich. Sie sind bereits strukturiert: Melder, Equipment, Problem, Schweregrad, Status, Owner, Reparaturhistorie, Abschlussgrund und Produktionsauswirkung.

Erste Fähigkeiten sind praktisch: Failure-Historie zusammenfassen, wiederholte Probleme erkennen, Kategorien aus Beschreibungen empfehlen, überfällige Work Orders finden, häufige Ausnahmen pro Linie zusammenfassen, Wartungswochenberichte erstellen und ähnliche frühere Fälle finden.

Das liegt viel näher als Predictive Maintenance. Wenn Work-Order-Daten existieren, kann man starten. Außerdem sind Work Orders risikoärmer als Kern-ERP-Transaktionen.

Automatisierung kommt später

Fertigungsteams sind zu Recht vorsichtig. Produktionssysteme sollten nicht beiläufig geändert werden. AI-Automatisierung braucht Schichten.

Layer eins: read-only Analyse. AI fragt Reports ab, fasst Work Orders zusammen und erkennt Ausnahmen. Sie schreibt nicht.

Layer zwei: Vorschläge. AI schlägt Eskalationen, Erinnerungen oder Lieferantenprüfungen vor; Menschen bestätigen.

Layer drei: risikoarme Automatisierung. Nach vier Stunden ohne Bestätigung Supervisor benachrichtigen, wiederholte Probleme markieren, bei Unterschreitung eines Schwellenwerts einen Einkaufsvorschlag erzeugen.

Layer vier: Freigabe für hohes Risiko. Produktionspläne, Bestellungen, Inventory Locks, Kundenlieferzusagen oder Downtime-Entscheidungen brauchen menschliche Bestätigung und Audit.

Konservativ klingt vielleicht langsam. In Fertigung ist stabil besser als auffällig.

Wie AI ERP versteht, ohne ERP zu ersetzen

Der leichte Weg ist, bestehende ERP- oder Datenbanksysteme zu verbinden und zentrale Daten als Geschäftsobjekte zu modellieren:

• Sales order
• Production order
• Material
• Inventory
• Purchase order
• Supplier
• Equipment
• Work order
• Quality record

Dann arbeitet AI mit Geschäftskonzepten wie Aufträgen, Materialien, Bestand, Work Orders und Equipment statt mit rohen Tabellen- und Feldnamen.

Berechtigungen sind genauso wichtig. Ein Plant Supervisor sieht nur sein Werk, Procurement Lieferanten und Einkauf, Sales keine sensiblen Kostenfelder, Executives Rollups. AI darf die Rechte des Benutzers nicht überschreiten.

Ein 30-Tage-Pilot

Woche eins: Szenarien wählen. Nicht das ganze Werk. Ein Reporting-Szenario und ein Work-Order-Szenario, etwa Late-Order-Analyse und Equipment-Repair-Zusammenfassung.

Woche zwei: Daten read-only verbinden: ERP, MES, WMS oder Work-Order-Tabellen und APIs.

Woche drei: Objekte modellieren: Orders, Materials, Inventory, Equipment und Work Orders, inklusive Bedeutung, Beziehungen und Berechtigungen.

Woche vier: Read-only AI-Assistent starten. Manager stellen Reporting-Fragen in natürlicher Sprache, Maintenance Supervisors fragen Work Orders und Failure-Historie ab.

Wenn der erste Monat Reportvorbereitung verkürzt, Ausnahmeuntersuchung beschleunigt oder Probleme früher sichtbar macht, hat der Pilot Wert.

Der Schlüssel ist die Grenze, nicht das Modell

Hersteller brauchen keine AI, die beeindruckend klingt. Sie brauchen AI, die weiß, was sie sehen darf, was nicht, welche Daten sie abfragen darf, was sie nicht ändern darf und wie jede Aktion auditiert wird.

Start read-only, bestehende Berechtigungen erben, Bestätigung für Hochrisikoaktionen, kritische Operationen auditieren, keine Vollmigration verlangen, mit Reports und Work Orders statt Kerntransaktionswrites beginnen. Das ist weniger glänzend, aber wahrscheinlicher erfolgreich.

ObjectOS-Ansatz

ObjectOS verlangt keinen Neustart. ERP, MES, WMS und Work-Order-Systeme laufen bereits und enthalten echte Prozesse und Daten. Praktischer ist, diese Systeme zu verbinden, Tabellen und APIs als Objekte zu modellieren und AI unter Berechtigungen abfragen, analysieren, vorschlagen und risikoarme Workflows auslösen zu lassen.

Alte Systeme laufen weiter. Daten bleiben, wo sie sind. AI beginnt mit Reports und Work Orders und bewegt sich später in Richtung Produktion, Supply Chain und Equipment Management.