Warum die meisten Gießerei-Dashboards scheitern — und was wir daraus lernen sollten
„Schau", sagte er, „hier sehe ich alle Daten von der Formanlage in Echtzeit. Aber trotzdem weiß ich nicht, warum wir gerade Probleme haben. Wenn etwas schiefläuft, sagt mir das Dashboard nicht warum. Und ich sehe die Probleme erst, wenn es schon viel zu spät ist."
Die Illusion der bunten Bilder
Anlagenhersteller liefern heute Dashboards mit. Grafisch beeindruckend. Voller Kurven, Ampeln, Kennzahlen. Der Vertrieb verspricht: „Volle Transparenz über Ihre Produktion!"
Die Realität nach drei Monaten: Niemand schaut mehr drauf.
Warum? Weil diese Dashboards zeigen, was die Maschine macht — nicht was der Betrieb an Information braucht. Der Ofenhersteller zeigt Temperatur, Leistung, Energieverbrauch seines Ofens. Die Formanlage zeigt Takte, Störungen, Auslastung. Die Sandaufbereitung zeigt Temperatur, Feuchtigkeit, Durchsatz.
„Alles grün. Und trotzdem läuft es nicht."
Das ist die fachliche Bandbreitenbegrenzung der Anlagenhersteller: Sie kennen ihre Maschine. Aber nicht den individuellen Organismus der Gießerei. Ihr Dashboard ist ein Schwarz-Weiß-Foto von einem Teil der Wirklichkeit — bunt angemalt.
Was ein Dashboard wirklich leisten muss
Ich habe die letzten Jahre viel damit verbracht, Prozessdaten in Gießereien zu analysieren. Dashboards zu entwickeln. Zu reparieren. Wegzuwerfen und neu anzufangen. Und ja, KI ist mir dabei auch ein Helfer — als Sparringspartner in der Komplexität. KI hilft, Regelmäßigkeiten im Chaos zu erkennen, aus denen sich Bewertungsfaktoren ermitteln lassen.
Nicht perfekt — was KI auch bewusst nicht sein soll. Denn am Ende muss es eine Teamleistung sein. Das Dashboard darf nicht fertig sein — es muss das Potenzial nach oben offen halten. Damit der Dialog zwischen allen Beteiligten lebendig bleibt.
Es ist nicht die eine Kerze auf der Torte, die Licht macht — es ist die Summe aller Kerzen.
Die drei Zeitebenen
Ein Dashboard muss drei Zeitebenen abbilden — ausgerichtet an den Erfordernissen des Prozesses:
Welche Muster zeigen sich im Horizont?
Was passiert gerade im Betrieb?
Welches Szenario ergibt sich für die nächste Produktion?
Und es muss die Fragen beantworten, die ein Meister um 7 Uhr morgens hat:
- Wo stehe ich mit dem Tagesplan?
- Passt mein Eisenbedarf zur verfügbaren Schmelzleistung und zur Chargenleistung der Gießpfanne?
- Welche Aufträge laufen gerade — was kommt als nächstes?
- Welche Störungen gab es in den letzten Stunden — entwickelt sich ein Muster?
- Warum liegt der Energieverbrauch heute 15% höher als gestern?
Das sind keine reinen Maschinen-Fragen. Das sind Betriebs- und Produktivitätsfragen.
Warum Anlagenhersteller das nicht können
Das Kernproblem: Jeder Anlagenhersteller kennt nur seine eigene Maschine. Um die Fragen des Meisters zu beantworten, brauchen Sie Daten von verschiedenen Herstellern in einem Dashboard:
Kein einzelner Hersteller kann das leisten. Ihm fehlt das Prozessverständnis für die anderen Aggregate, das Datenverständnis für unterschiedliche Datenbanken und die Kapazität, für jeden Kunden eine individuelle Lösung zu bauen und zu pflegen.
Der MES-Trugschluss
„Dann kaufen wir ein Gießerei-MES mit integriertem Dashboard" — höre ich oft. Das verschiebt das Problem nur.
MES-Anbieter können technisch Datenbanken und SPS-Daten anbinden. Das ist nicht das Problem. Das Problem ist: Ihnen fehlt das Prozessverständnis. Sie kommen aus der Automobilindustrie, aus diskreter Fertigung, aus Branchen mit linearen Prozessen.
Und weil sie die Lösung wartbar halten und an viele Kunden vermarkten wollen, müssen sie ihre Lösung in einen Standard pressen.
„Wollen Sie wirklich die Erkenntnisse, die bei Ihnen zu höherer Produktionsleistung führen, mit jemandem teilen, der sie dann in seinem System teuer an andere vermarktet? Ihr mühsam erarbeitetes Wissen wird zum geistigen Eigentum eines Software-Anbieters — der es als ‚Best Practice Gießerei-Modul' an Ihre Wettbewerber verkauft."
Ein Beispiel aus der Praxis
Lassen Sie mich zeigen, was ein Dashboard leisten kann — wenn es die Vernetzung versteht.
Der Meister sieht morgens drei Abweichungen:
- Gattierungskran: 3 Fahrten mehr als erwartet
- Energie pro Tonne Eisen: höher als normal
- Schlackeanteil: höher als sonst
Drei separate Symptome. Drei verschiedene Aggregate. Drei verschiedene Hersteller. Ein normales Dashboard würde drei unabhängige Meldungen zeigen. Aber der Meister geht in die Chargierhalle — und stellt fest: Das Kreislaufmaterial ist zu grobstückig und schlecht gestrahlt.
Die Ursachenkette
„Ein Problem. Drei Symptome. Fünf Aggregate."
Das Dashboard hat die Abweichungen zusammen gezeigt — nicht isoliert. Mit KI-Unterstützung und zusätzlichen Daten (Nachsetzzeit, Gewicht aus der Rinne, Jahreszeit, Foto der Rinne) wäre die Diagnose automatisch gekommen: „Schick die Schlosser zum Kreislaufbrecher und jemanden an die Strahlanlage."
Das ist der Unterschied zwischen einem Dashboard und einem intelligenten System.
Was wäre ohne Dashboard passiert?
In der Monatsabrechnung wäre aufgefallen: Höherer Energiebedarf pro Tonne Eisen an diesem Tag. Zwei Tage später gehen Sie in den Betrieb und fragen: „Was war da los?"
Sie fragen drei Leute und bekommen sieben Meinungen. Das Wissen ist weg. Die Chance, daraus zu lernen, ist weg.
Was passiert, wenn es funktioniert
Ich habe auch Dashboards erlebt, die funktionieren. Wo die Vernetzung abgebildet ist. Wo Ursache und Wirkung sichtbar werden. Das verändert etwas Grundlegendes.
Plötzlich reden Schmelzer und Former miteinander. Plötzlich versteht der Maschinenführer, warum seine Entscheidung zwei Stunden später in einem anderen Bereich ankommt. Plötzlich diskutieren Teams über Ursachen — nicht über Schuld.
Menschen entwickeln Prozessverständnis — auch ohne Physik oder Chemie studiert zu haben. Ein Dashboard, in dem man spielen kann. Wo man lernt, indem man sieht, wo Ursache und Wirkung nicht zusammenpassen.
Das aktive Dashboard — mehr als Zahlen
Ein gutes Dashboard zeigt nicht nur Zahlen und Text. Es kann:
- Töne und Frequenzen auswerten — Maschinengeräusche, Vibrationen
- Thermobilder analysieren
- Anomalien erkennen, die für Menschen nicht sichtbar oder hörbar sind
- Rückmeldungen anfordern und Input von den Beteiligten einfordern
Ein konkretes Beispiel
Ein Dashboard an der Gießmaschine, das den Prozess zwischen Anlage, Mg-Behandlung und Ofen überwacht — ergänzt durch einen Akustiksensor. Dieser prüft, ob die Gießgase über die Kastenteilung angezündet werden. Das ERP sagt: Diese Serie muss angezündet werden. Der Akustiksensor sagt: kein Luftschlag zu hören. Das Dashboard schlägt Alarm.
Der Maschinenführer wird aufgefordert: „Bestätigen Sie den Zustand. Was sehen Sie vor Ort? Machen Sie ein Foto." Der Schmelzer lädt ein Bild der Schlacke hoch. Der Gießer ein Bild vom Funkenflug.
„Das ist kein Datenmüll. Das ist Wissen. Wissen, das in keinem Sensor steckt — das normalerweise in Pausengesprächen versickert und nie dokumentiert wird."
Diese Kommentare, Bilder, Thermobilder, Frequenzanalysen — das sind die Daten, mit denen KI lernen kann. Nicht nur Sensordaten, sondern Kontext. Ursache. Erklärung. Auswirkung. Ohne diese Ebene bleibt KI blind.
Und dann wird es interessant
Wenn das Dashboard steht — wenn das Prozesswissen eingefangen ist, die Vernetzung abgebildet, die Beteiligten aktiv Kontext liefern — dann kann man über KI reden.
Dann kann KI aus Hunderten von Produktionsplänen, Aggregatdaten und menschlichem Kontext vorausschauend Probleme erkennen. KI erkennt aus dem Plan, dass in zwei Stunden schwerere Kästen kommen. Sie sieht, dass die Formleistung nicht zur Schmelzenergie passt. Sie passt die Ofenleistung jetzt schon an — bevor der Engpass da ist.
„KI ohne Prozessverständnis ist Kaffeesatzleserei. KI ohne menschlichen Kontext ist blind."
Was ein Dashboard noch leistet — und wo Vorsicht geboten ist
Ein gutes Dashboard fördert unweigerlich die Leistung des Betriebs — weil die Beteiligten in einen Wettkampf gehen. Das kann motivieren. Aber man muss aufpassen.
Betrachten Sie die Leistung nicht danach, welche Abteilung die bessere war — sondern nach der Leistung aller Beteiligten. Die Frühschicht hat oft die Möglichkeit, sich die besten Teile und Betriebsmittel rauszusuchen. Die Spätschicht muss mit dem Rest leben. Ein Dashboard, das die Vernetzung zeigt, macht solche Ungleichgewichte sichtbar — und gibt die Chance, sie zu korrigieren.
Ein Statement zum Schluss
Wenn wir über Digitalisierung in Gießereien reden, reden wir oft über die falschen Dinge. Über Sensoren, Cloud, IoT, KI. Über bunte Dashboards von Anlagenherstellern.
„Wir sollten über Prozessverständnis reden."
Ein Dashboard ist kein IT-Projekt. Es ist ein Prozess-Projekt. Es braucht Menschen, die beides verstehen: Gießerei und Daten.
Mein Rat: Versuchen Sie kein Gießerei-Info-System / Dashboard zu bauen, bevor Sie nicht verstanden haben — G i e ß e r e i i s t s c h w e r.
Wie erleben Sie Dashboards in Ihrem Betrieb? Zeigen sie einzelne Maschinen — oder die Vernetzung verschiedener Hersteller? Können Ihre Mitarbeiter darin aktiv werden — oder sind sie nur Zuschauer?