Wie Siemens durch die Integration von MES und ERP ein einheitliches Datenrückgrat für die Fertigung aufgebaut hat
Als Siemens sein Elektronikwerk in Amberg um einen eng integrierten MES- und ERP-Stack herum neu aufgestellt hat, war der Gewinn nicht nur schnelleres Reporting, sondern eine grundlegende Veränderung darin, wie Produktionsentscheidungen zustande kommen. Hier steht, was dort tatsächlich gemacht wurde, was die Zahlen zeigen und was CDOs in der diskreten Fertigung daraus mitnehmen können.
Claude VectorData & Analytics Lead18. September 2026Das Siemens-Werk Amberg in Bayern fertigt speicherprogrammierbare Steuerungen, die SIMATIC-Reihe, und tut das seit 1989. Anfang der 2010er Jahre verarbeitete das Werk auf einer hochautomatisierten Fläche rund 15 Millionen Bauteile pro Tag, bei Maschinenauslastungen, die die meisten Hersteller als Wunschziel behandeln. Das Datenproblem war kein Mangel an Signalen: SCADA-Systeme, Qualitätsprüfstationen und Lagerverwaltungswerkzeuge lieferten allesamt Messwerte. Das Problem war, dass keiner dieser Werte dieselbe Sprache sprach wie SAP, wo Finanzen, Beschaffung und Fertigungsaufträge liefen. Ein an einer Prüfstation entdeckter Fehler blieb im MES, bis ihn jemand in ein Formular eintippte. Eine Änderung an einer Stückliste in SAP kam auf der Fläche erst an, wenn ein Schichtleiter ein neues Arbeitsplanblatt ausdruckte. Die Naht zwischen beiden Systemen wurde von Menschen mit Copy-Paste-Arbeit besetzt, und jede Stunde Latenz an dieser Naht war eine Stunde potenzieller Verschwendung, die kein Dashboard sehen konnte.
Was sie gemacht haben
Siemens investierte in eine bidirektionale, ereignisgesteuerte Integration zwischen der MES-Ebene (auf der eigenen Software Opcenter, damals SIMATIC IT) und SAP ERP. Die Architektur ruhte auf zwei Entscheidungen, die man leicht unterschätzt.
Erstens behandelten sie Stammdaten als Single Source of Truth, ausgehend vom ERP nach unten. Materialien, Anlagenhierarchien und Stücklistenstrukturen wurden ausschließlich in SAP gepflegt und über eine definierte Integrationsschicht an das MES publiziert. Das klingt selbstverständlich, in der Praxis pflegen die meisten Werke jedoch Schattenkopien der Stücklisten im MES, weil die ERP-Version entweder zu grob ist oder zu langsam aktualisiert wird. Siemens entschied sich, die Datenqualität im ERP zu reparieren, statt sie zu umgehen, was Monate an Stammdatenbereinigung erforderte, bevor auch nur eine Zeile Integrationscode nützlich war. Wer verstehen will, warum dieser Bereinigungsschritt so oft unterschätzt wird, sollte sich dieArbeit ansehen, die die Angleichung von Materialien, Stücklisten und Anlagenhierarchien über ein Werk mit mehreren Linien hinweg mit sich bringt.
Zweitens kehrten sie den Fluss der Fertigungsaufträge um. Statt dass das MES seine eigene Auftragswarteschlange erzeugt und im Nachhinein mit SAP abgleicht, entstehen die Fertigungsaufträge in SAP, und das MES erhält sie nahezu in Echtzeit. Ist-Mengen, Ausschusscodes und Lohnrückmeldungen fließen bei jedem Arbeitsschritt automatisch nach SAP zurück, nicht erst am Schichtende. Das Ergebnis: Finanzbuchhaltung und physische Fläche beschreiben innerhalb von Minuten dieselbe Realität.
Die Umsetzung in Amberg verband außerdem Qualitätsdaten mit Rückverfolgbarkeitsdatensätzen, und zwar so, dass sowohl interne Prozessanforderungen als auch externe regulatorische Pflichten erfüllt wurden. Jede Einheit, die die Linie verlässt, trägt eine Seriennummer, die mit jeder Bauteil-Seriennummer und jedem während der Montage erfassten Prozessparameter verknüpft ist. Wenn eine Produkthaftungsfrage aufkommt oder ein Kunde aus einer regulierten Branche einen Konformitätsnachweis braucht, ist diese Rückverfolgung in Minuten statt in Tagen verfügbar.
Auf der Infrastrukturseite löste sich Siemens von Flat-File-Batchtransfers und Punkt-zu-Punkt-Datenbankverbindungen und ging zu einer Middleware-Schicht über (in ihrem Fall auf der eigenen Integrationsplattform aufgebaut), die standardisierte APIs bereitstellte. Das war wichtig, weil die Produktionsfläche nicht statisch ist: Neue Maschinen kommen hinzu, neue Produktvarianten erfordern neue Arbeitsschritte, und jede Architektur, die für jede Änderung eigenen Code braucht, wird innerhalb von zwei oder drei Zyklen der Anlagenerneuerung zur Wartungslast.
Die Ergebnisse
Siemens hat für Amberg Zahlen veröffentlicht, die konkret genug sind, um nützlich zu sein. Das Werk erreichte eine Produktqualitätsrate von etwa 99,9988 Prozent, also weniger als 12 Fehler pro Million Einheiten. Die Maschinenauslastung liegt über die automatisierten Linien hinweg über 75 Prozent, was für ein Werk mit über 1.000 Produktvarianten außergewöhnlich ist. Zwischen 1990 und Mitte der 2010er Jahre verdoppelte das Werk zudem seinen Output bei nahezu gleichbleibender Mitarbeiterzahl, wobei klar gesagt sein sollte, dass die MES-ERP-Integration einer von mehreren Beiträgen war, zu denen auch breitere Automatisierungsinvestitionen gehörten.
Was die Integration in Datenbegriffen konkret gebracht hat: Der Abstand zwischen dem Auftreten eines Fehlers auf der Fläche und seinem Erscheinen in einem berichtsfähigen Produktionsdatensatz sank von Stunden auf unter fünf Minuten. Technische Änderungsaufträge, die früher zwei bis drei Tage brauchten, um von SAP in aktive Arbeitsanweisungen auf der Fläche durchzuschlagen, sind heute in unter einer Stunde durch. Keine der beiden Zahlen wurde für die Veröffentlichung unabhängig geprüft, behandeln Sie sie also als der Richtung nach zutreffend, nicht als zertifizierte Benchmarks.
Die Traceability-Architektur senkte auch das Rückrufrisiko messbar. Als ein Komponentenlieferant 2018 eine Qualitätswarnung herausgab, konnte Amberg die betroffenen Seriennummern und ihre Kundenziele innerhalb einer einzigen Schicht identifizieren. Ein Werk, das MES und ERP im Batch abgleicht, brbrDer Anteil der Besucher, die nach nur einer angesehenen Seite wieder abspringen, häufig ein Signal für mangelnde Relevanz, verfehlte Suchintention oder schwache User Experience.Vollständige Definition ansehen →äuchte für dieselbe Übung typischerweise drei bis fünf Tage, in denen Fertigwaren gesperrt liegen und Kundenzusagen verrutschen.
Was sich übertragen lässt
Der Fall Amberg enthält drei Lehren, die nicht daran hängen, Siemens zu sein.
Stammdatenbereinigung ist keine Vorarbeit zum Projekt, sie ist das Projekt. Die Integrationsschicht ist wertlos, wenn Materialien in SAP anders codiert sind als Materialien im MES. In Amberg dauerte die Bereinigung der Anlagenhierarchien und Stücklistenstrukturen länger als die Integrationsentwicklung selbst. CDOs, die diesen Schritt abkürzen wollen, landen bei einer PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen →, die schmutzige Daten schneller bewegt.
Die Richtung der Datenhoheit zählt genauso viel wie die Verbindung selbst. Siemens wählte SAP als führendes System für alles mit finanzieller Konsequenz und das MES als führendes System für Prozessparameter und Qualitätsereignisse. Diese Grenze ist nicht willkürlich: Sie bildet ab, wer die Verantwortung für die Data GovernanceData GovernanceData Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.Vollständige Definition ansehen → trägt. Finance besitzt die Stückliste, weil Finance die Standardkosten besitzt. Qualität besitzt den Prozessdatensatz, weil Qualität das Konformitätszertifikat besitzt. Wenn beide Systeme eigene Versionen desselben Objekts führen dürfen, bekommen Sie Abstimmungsarbeit, keine Integration.
DieLücke zwischen dem, was Ihre Systeme messen, und dem, was OEE und Ausschussquoten tatsächlich treibt, ist meist der Ort, an dem der Business Case steckt. In Amberg rechtfertigte sich die Integration über geringere Expediting-Kosten und schnellere technische Änderungszyklen, nicht über die später aufgebaute Analytics-Schicht.
Wo Ihr Kontext abweicht: Amberg ist ein greenfield-freundliches Werk mit hohem Volumen und, nach Siemens-MaMaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßstäben, geringer Variantenvielfalt. Wenn Sie eine Einzelfertigung mit Hunderten aktiver Arbeitsaufträge und häufigen technischen Änderungen betreiben, skalieren das Ereignisvolumen und der Change-Management-Aufwand dieser Architektur anders. Die Prinzipien gelten; der Umsetzungszeitplan und die Dimensionierung der Middleware nicht.
Das Einzige, was Siemens konnte und viele Hersteller nicht kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, ist, das eigene MES-Produkt einzusetzen, was ihnen die Kontrolle über die Integrations-APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → auf beiden Seiten der Verbindung gab. Wenn Sie ein MES eines Drittanbieters neben SAP S/4HANA betreiben, verhandeln Sie mit zwei Vendor-Roadmaps gleichzeitig, und das ist ein Governance-Problem, bevor es ein Technologieproblem ist.
Zum praktischen Punkt zum Schluss: Die Amberger Architektur funktioniert, weil jemand entschieden hat, wem welches Datenobjekt gehört, und diese Entscheidung durchgesetzt hat. Keine noch so ausgefeilte Middleware ersetzt, dass diese Entscheidung getroffen und aufgeschrieben wird. CDOs, die ein Werk mit zwei Systemen und ohne Data-Ownership-Karte übernehmen, sollten dort anfangen, bevor sie die Integrationsschicht anfassen.
Der vollständige Kurs zu dieser Branche:Data in Manufacturing.
Mehr dazu
Die Lektionen, die diesen Artikel weiterführen, frei zugänglich.
- 1Stammdaten richtig aufsetzen: Materialien, Stücklisten und AnlagenhierarchienDaten in der Produktion
- 2Die Datenlandschaft in der Produktion kartieren: Quellen, Systeme und SilosDaten in der Produktion
- 3End-to-End-Traceability in der Supply Chain aufbauenDaten in der Produktion
- 4Das Wesentliche messen mit OEE und QualitätskennzahlenDaten in der Produktion
- 5Datenqualitätsmetriken, die in der Produktion wirklich zählenDaten in der Produktion
Sources
- Building a Data Lakehouse with DuckDB and DuckLake
- What’s So Good About ChatGPT Work? Here’s What I Found
- 5 Free Zoomcamps From Data Pipelines to AI Agents
- “Everyone’s in a race to replace GitHub”: Zed launches Delta because agents made pull requests obsolete
- Fivetran + dbt Labs Announces New Capabilities to Make Enterprise Data Agent-Ready at dbt Summit 2026
- Everything we announced at dbt Summit and why it matters
- We built dbt State to stop rebuilding what hadn't changed
- Celebrating the 2026 dbt partner of the year winners
- Orchestration and Execution: How JONI Approaches the Agent Layer
- 5 Free Microsoft GitHub Courses to Learn Data Science and Artificial Intelligence
- Enterprise Analytics Beyond Dashboards: Intelligent Data Orchestration with LLMs
- Generative AI in the Real World: Local Voice AI with Pete Warden
- Spot New Tech Skills Emerging From the Workforce
- Building on AI’s Unfinished Foundation
Artikel gelesen?
Bestätigen Sie Ihre Lektüre, um XP zu sammeln und Ihr Radar zu füttern.