Stammdaten richtig aufsetzen: Materialien, Stücklisten und Anlagenhierarchien

# Stammdaten richtig aufsetzen: Materialien, Stücklisten und Anlagenhierarchien

Ein Werk in Ohio nennt ein Bauteil „GSKT-4471“. Das Schwesterwerk in Monterrey nennt dasselbe Teil „GASKET-4471-A“. Ein Beschaffungssystem synchronisiert beide Datensätze über Nacht, ordnet sie fälschlich einem dritten Code aus der Lieferantendatenbank eines neu akquirierten Unternehmens zu, und innerhalb von zwei Wochen verbaut die Linie in Monterrey die falsche Dichtungsspezifikation an einer Pumpenbaugruppe. Ergebnis: ein Schrottfall, ein eingegrenzter Feldausfall und eine Ursachenanalyse, die nicht auf eine Maschine oder einen Mitarbeiter zurückführt, sondern auf eine Tabellenkalkulation, für die sich niemand verantwortlich fühlte. Das ist Stammdatenversagen, und es gehört zu den teuersten und unspektakulärsten Problemen in der Produktion.

Diese Lektion behandelt die drei Stammdatendomänen, die in der Fertigung am wichtigsten sind: Materialien, Stücklisten (BOMs) und Anlagenhierarchien, dazu die Governance-Metriken und Standards (insbesondere ISA-95), die dafür sorgen, dass diese Daten über Standorte hinweg verlässlich bleiben.

Was „Stammdaten“ in der Produktion bedeuten

Stammdaten sind die zentralen, relativ stabilen Referenzdaten, von denen jede Transaktion abhängt. Der Gegensatz dazu sind transaktionale Daten (eine Bestellung, ein Fertigungsauftrag, ein Sensorwert), die laufend entstehen und auf Stammdatensätze verweisen.

Drei Stammdatendomänen dominieren die Fertigung:

• Materialstamm: jedes Rohmaterial, jedes Bauteil und jedes Fertigerzeugnis, mit Code, Mengeneinheit, Spezifikationen, Lieferant und werksspezifischen Attributen.
• Stückliste (BOM): das strukturierte Rezept, welche Materialien in welchen Mengen in eine Baugruppe eingehen. Ein Stücklistenfehler pflanzt sich in jeden Fertigungsauftrag fort, der darauf verweist.
• Anlagen-/Assethierarchie: die strukturierte Abbildung von Werken, Linien, Arbeitszellen und Maschinen, genutzt für Instandhaltung, Qualitätsrückverfolgbarkeit und Performance-Reporting.

Diese Daten liegen in Systemen wie SAP, Oracle EBS/Fusion oder branchenspezifischen PLM- (Product Lifecycle Management) und MES-Plattformen (Manufacturing Execution System). Wenn diese Systeme sich nicht einmal darüber einig sind, was ein „Material“ oder eine „Maschine“ überhaupt ist, erbt jeder nachgelagerte Report diese Verwirrung.

Warum Materialcodes zwischen Werken auseinanderdriften

Organisationen mit mehreren Werken entwerfen ihre Materialstämme selten von Tag eins an zentral. Der Drift hat vorhersehbare Gründe:

• Fusionen und Akquisitionen: zugekaufte Werke bringen ihre eigenen Legacy-Codes mit.
• Lokale Beschaffungsautonomie: ein Werk kauft lokal ein und legt einen eigenen Code an, statt im globalen Katalog nachzusehen.
• Keine durchgesetzte Namenskonvention: „GSKT“ vs. „GASKET“ vs. eine Lieferanten-Teilenummer, die als interner Code genutzt wird.
• Schwache Deduplizierungswerkzeuge: Fuzzy Matching über mehrere ERP-Instanzen (Enterprise Resource Planning) hinweg ist schwierig, und viele Organisationen bereinigen noch manuell oder gar nicht.

Die Folge ist ein Golden-Record-Problem: es gibt keine einzige, vertrauenswürdige, dedupliziert Version der Wahrheit zu der Frage „Was ist dieses Material“. Data-Governance-Teams nennen die Lösung Master Data Management (MDM), also die Disziplin und die Werkzeuge, um diesen Golden Record zu erzeugen und durchzusetzen.

ISA-95: der Standard für Anlagenhierarchien

ISA-95 (auch als IEC 62264 veröffentlicht) ist der internationale Standard für die Integration von Unternehmenssystemen (ERP) mit Steuerungs- und Shopfloor-Systemen (MES, SCADA). Entwickelt von der International Society of Automation, definiert ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → eine gemeinsame Sprache zur Beschreibung von Produktionsabläufen. Quelle: ISAs Überblick zu ISA-95.

Das Modell der Anlagenhierarchie gibt jedem physischen oder logischen Asset eine definierte Ebene:

1. Enterprise: das gesamte Unternehmen.

2. Site: ein konkretes Werk oder ein Standort.

3. Area: eine funktionale Zone innerhalb eines Standorts (z. B. „Lackiererei“).

4. Process Cell / Produktionslinie: eine Gruppe von Anlagen, die einen wesentlichen Schritt ausführt.

5. Unit / Arbeitsplatz: eine konkrete Maschine oder Station.

6. Equipment Module: eine Komponente innerhalb einer Maschine (z. B. ein bestimmter Motor oder ein Ventil).

Warum das für die Datenqualität zählt: Wenn jeder Standort Anlagen gegen dieselben Hierarchieebenen kennzeichnet, liefert eine Abfrage wie „durchschnittliche Stillstandzeit pro Produktionslinie“ vergleichbare Ergebnisse für Ohio, Monterrey und ein Werk in Deutschland. Ohne das bedeutet „Linie“ an jedem Standort etwas anderes, und werksübergreifendes Benchmarking wird zur Schätzung.

Eine vereinfachte Hierarchie in der Praxis

Enterprise: Acme Manufacturing
 └─ Site: Ohio Plant (Site ID: OH01)
     └─ Area: Assembly
         └─ Line: Line 3 (Cell ID: OH01-ASM-L03)
             └─ Unit: Torque Station 2 (Equipment ID: OH01-ASM-L03-TS02)

Jede Ebene erhält eine eindeutige, strukturierte ID. Diese ID wird der Anker für jeden Instandhaltungssatz, jeden Sensor-Tag und jedes Qualitätsereignis, das mit diesem Asset verknüpft ist. Das ist die praktische BrBrThe percentage of visitors who leave after viewing only one page, often a signal of poor relevance, mismatched intent, or weak user experience.Vollständige Definition ansehen →ücke zwischen ISA-95-Theorie und einem nutzbaren digitalen Zwilling oder Analytics-Datensatz.

Zentrale Datenqualitätsdimensionen für Stammdaten

Data-Governance-Teams bewerten Stammdaten üblicherweise anhand von sechs Standarddimensionen (basierend auf Frameworks wie dem Data Management Body of Knowledge der DAMA):

| Dimension | Beispiel aus der Produktion |

|---|---|

| Genauigkeit | Materialspezifikation entspricht dem tatsächlichen physischen Teil |

| Vollständigkeit | Jeder Materialsatz hat eine gültige Mengeneinheit und einen Lieferanten |

| Konsistenz | Dasselbe Material hat werksübergreifend denselben Code |

| Aktualität | Neues Lieferantenteil ist vor dem ersten Produktionslauf angelegt |

| Eindeutigkeit | Keine doppelten Datensätze für dasselbe physische Teil |

| Validität | Codes folgen der vereinbarten Namenskonvention bzw. dem Format |

Governance-Metriken, die tatsächlich verfolgt werden

Reife Fertigungsunternehmen überwachen eine kleine Menge wiederkehrender Metriken, meist in der Verantwortung eines Data-Governance-Councils oder MDMMDMMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →-Teams:

• Dublettenrate: Anteil der Materialsätze, die von Matching-Algorithmen als wahrscheinliche Dubletten markiert werden. Praktiker nennen häufig Dublettenraten von 5 bis 15 % als typisch für ungesteuerte Legacy-ERP-Systeme vor der Bereinigung (Schätzung, variiert stark je Organisation).
• BOM-Genauigkeitsrate: Anteil der Stücklisten, die im Audit dem tatsächlich gebauten Produkt entsprechen. Luftfahrt- und Automobilzulieferer unter IATF 16949 (dem Qualitätsmanagementstandard der Automobilindustrie) zielen angesichts der Sicherheitsrelevanz typischerweise auf eine BOM-Genauigkeit über 98 bis 99 %.
• Time-to-Create: wie lange es von „neues Material angefordert“ bis „nutzbarer Stammdatensatz verfügbar“ dauert. Lange Durchlaufzeiten treiben Werke dazu, lokale Behelfscodes anzulegen, was das Driftproblem neu erzeugt.
• Data-Steward-Abdeckung: Anteil der Material-/Anlagenkategorien mit einem namentlich benannten verantwortlichen Owner. Fehlende Verantwortlichkeit ist die am häufigsten genannte Grundursache in Post-mortems gescheiterter MDMMDMMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →-Vorhaben.

Ein einfaches Rechenbeispiel

Angenommen, ein Werk fährt 40.000 Fertigungsaufträge pro Jahr, und ein doppelter oder falsch zugeordneter Materialcode verursacht in 0,3 % der Aufträge einen Schrott- oder Nacharbeitsfall (illustrative Schätzung, kein allgemeiner Benchmark). Das sind 120 Fälle pro Jahr. Liegen die durchschnittlichen Schrott-/Nacharbeitskosten pro Fall bei 1.800 $ (illustrativ), betragen die Jahreskosten:

40.000 × 0,003 × 1.800 $ = 216.000 $/Jahr

Genau mit solchen Überschlagsrechnungen bauen Governance-Teams den Business Case für MDMMDMMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →-Investitionen: nicht mit abstrakter „Datenqualitäts“-Sprache, sondern mit einer Schrottkostenzahl, die ein Werksleiter sofort einordnet.

Analytics und Benchmarking: wie gut aussieht

Sobald Material-, Stücklisten- und Anlagendaten saubere und standardisierte Form haben, werden sie das Rückgrat für höherwertige Produktionsanalytik:

• OEE (Overall Equipment Effectiveness): braucht eine konsistente Anlagenhierarchie, um Verfügbarkeit, Leistung und Qualitätskennzahlen über Linien und Standorte hinweg vergleichbar zu aggregieren.
• Genealogie/Traceability: ein defektes Fertigerzeugnis bis zum exakten Rohmaterial-Lot zurückzuverfolgen, hängt vollständig an korrekter Stücklisten- und Materialverknüpfung. In regulierten Branchen ist das gesetzlich vorgeschrieben (z. B. FDA 21 CFR Part 820 für Medizinprodukte oder Rückrufnachverfolgungsregeln in der Automobilindustrie).
• Spend Analytics: „gleiches Material, unterschiedlicher Code“ über Werke hinweg zu konsolidieren, ist oft der größte Einzelhebel für die Analyse von Einkaufseinsparungen, da doppelte Codes das tatsächliche konsolidierte Einkaufsvolumen verdecken.

Benchmarks, die man kennen sollte (als Schätzungen behandeln, Methodik variiert je Quelle und Jahr):

• Gartner und Branchenumfragen haben wiederholt geschätzt, dass schlechte Datenqualität Organisationen im Durchschnitt in der Größenordnung von 12 bis 15 Mio. $ pro Jahr kostet (Gartner-Schätzung, branchenübergreifend, nicht speziell für die Fertigung).
• MDMMDMMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →-Programme bei großen Stückgutfertigern nennen häufig einen mehrjährigen Payback über weniger Schrott, schnellere Neuprodukteinführung und Beschaffungskonsolidierung, wobei die genauen ROIROIReturn on Investment: the ratio of net profit to the cost of an investment. A 300% ROI means each dollar invested returns $3.Vollständige Definition ansehen →-Zahlen stark kontextabhängig sind und nicht als allgemeingültig verstanden werden sollten.

🎬 [VIDEO: „What is Master Data ManagementMaster Data ManagementMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →?“ - youtube.com/results?search_query=what+is+master+data+management+manufacturing - suchen und einen aktuellen, herstellerneutralen Erklärbeitrag auswählen, der MDMMDMMaster Data Management (MDM) is the discipline of creating and maintaining a single, consistent, trusted version of an organization's core business entities like customers, products, and suppliers.Vollständige Definition ansehen →-Grundlagen mit Beispielen aus der Fertigung behandelt]

Key Takeaways

• Materialstamm, Stückliste und Anlagenhierarchie sind die drei grundlegenden Stammdatendomänen in der Produktion; Fehler hier setzen sich in Schrott, Nacharbeit und Traceability-Lücken fort.
• ISA-95 (IEC 62264) liefert eine standardisierte Anlagenhierarchie (Enterprise → Site → Area → Line → Unit), die werksübergreifendes Reporting wirklich vergleichbar macht.
• Verfolgen Sie konkrete Governance-Metriken: Dublettenrate, BOM-Genauigkeitsrate, Time-to-Create und Steward-Abdeckung; sie sind auditierbar und hängen direkt an Kosten.
• Kleine Fehlerraten skalieren schnell: eine Fehlzuordnungsrate von 0,3 % über Zehntausende Fertigungsaufträge kann jährlich Hunderttausende Dollar vermeidbaren Schrott bedeuten.
• Saubere Stammdaten sind die Voraussetzung für OEE, Traceability und Spend Analytics; auf inkonsistenten Grundlagen lässt sich Performance zwischen Standorten nicht benchmarken.