Die Stammdatenqualität in der Fertigung entscheidet darüber, ob Planung, Disposition und Betriebsdatenerfassung auf belastbaren Grundlagen arbeiten. Stücklisten, Arbeitspläne, Materialstämme, Arbeitsplätze und Lieferantendaten bilden das Fundament, auf dem ERP- und Fertigungssteuerungssysteme rechnen. Sind diese Daten fehlerhaft, unvollständig oder widersprüchlich, setzen sich die Fehler durch die gesamte Wertschöpfungskette fort.
Typische Folgen sind falsche Bedarfe, unpassende Rüst- und Bearbeitungszeiten, fehlerhafte Kalkulationen und Materialengpässe, die erst am Montageplatz auffallen. Besonders schwer wiegt, dass solche Abweichungen häufig nicht als Datenproblem erkannt werden. Sie erscheinen als Terminverzug, Ausschuss oder Mehrarbeit und werden mit Notlösungen im Tagesgeschäft ausgeglichen.
Mit jeder Digitalisierungsstufe steigt die Abhängigkeit von sauberen Stammdaten. Eine Feinplanung, ein MES oder eine digitale Werkerführung können nur so gut arbeiten, wie die hinterlegten Daten es erlauben. Dieser Beitrag zeigt, welche Datenobjekte besonders kritisch sind, wie Qualität gemessen wird, wie Verantwortung geregelt werden kann und wie sich die Pflege dauerhaft verankern lässt. Die Hinweise richten sich an Betriebe, die ohne eigene Abteilung für Datenmanagement auskommen müssen.
Titelbild: Foto von TruckRun auf Unsplash.
Welche Stammdaten in der Fertigung besonders kritisch sind
Nicht alle Stammdaten haben denselben Einfluss auf die Fertigung. Eine Konzentration auf wenige Objekte mit hoher Wirkung verhindert, dass die Datenbereinigung ausufert. In der Praxis sind vor allem fünf Datenobjekte maßgeblich.
- Materialstamm: Beschreibung, Einheiten, Beschaffungsart, Wiederbeschaffungszeit, Losgrößen, Lagerorte und Sicherheitsbestände. Fehler wirken unmittelbar auf Disposition und Verfügbarkeit.
- Stückliste: Struktur und Mengen der Komponenten eines Erzeugnisses, einschließlich Varianten und Änderungsständen. Fehler führen zu falschen Bedarfen und Montageproblemen.
- Arbeitsplan: Arbeitsgänge, Reihenfolge, Arbeitsplätze, Rüst- und Bearbeitungszeiten. Fehler verfälschen Kapazitätsplanung und Kalkulation.
- Arbeitsplatz und Betriebsmittel: Kapazitäten, Schichtmodelle, Kostensätze und Zuordnung von Maschinen. Fehler wirken auf Terminierung und Auslastung.
- Lieferantenstamm und Einkaufsinfosätze: Bezugsquellen, Preise, Lieferzeiten und Mindestmengen. Fehler führen zu falschen Bestellvorschlägen.
Zwischen diesen Objekten bestehen enge Abhängigkeiten. Eine Stückliste verweist auf Materialstämme, ein Arbeitsplan auf Arbeitsplätze, ein Materialstamm auf Lieferanten. Wird ein Objekt geändert, ohne die abhängigen zu prüfen, entstehen Inkonsistenzen, die sich nur schwer zurückverfolgen lassen.
Ursachen schlechter Stammdatenqualität
Fehlerhafte Stammdaten entstehen selten durch Nachlässigkeit einzelner Personen. Meist liegen strukturelle Ursachen vor, die sich in vielen Betrieben ähneln.
Eine häufige Ursache ist das Fehlen verbindlicher Regeln. Wenn nicht festgelegt ist, wie ein Material benannt wird, welche Pflichtfelder auszufüllen sind und welche Einheiten gelten, entstehen Dubletten und Varianten derselben Information. Ein Schraubenartikel existiert dann dreimal mit leicht unterschiedlichen Bezeichnungen und getrennten Lagerbeständen.
Eine zweite Ursache ist unklare Zuständigkeit. Der Einkauf legt Materialien an, die Arbeitsvorbereitung ändert Arbeitspläne, die Konstruktion pflegt Stücklisten. Niemand fühlt sich für das Gesamtbild verantwortlich. Hinzu kommt ein Zeitdruck bei Neuanlagen, der dazu führt, dass Pflichtangaben später nachgetragen werden sollen und dann unvollständig bleiben.
Eine dritte Ursache ist die fehlende Rückkopplung aus der Fertigung. Weichen die tatsächlichen Zeiten dauerhaft von den Planzeiten ab, wird dies an der Maschine bemerkt, aber nicht an die Datenpflege gemeldet. So veralten Arbeitspläne unbemerkt. Schließlich wirken Altlasten aus Systemwechseln und Datenmigrationen nach, bei denen ungeprüfte Daten übernommen wurden.
Datenqualität messen: Kriterien und Kennzahlen
Was nicht gemessen wird, lässt sich nicht verbessern. Für Stammdaten haben sich Qualitätsdimensionen bewährt, die sich in Kennzahlen überführen lassen.
| Dimension | Bedeutung | Beispielkennzahl |
|---|---|---|
| Vollständigkeit | Pflichtfelder sind befüllt | Anteil der Materialstämme mit vollständigen Dispositionsdaten |
| Eindeutigkeit | Keine Dubletten | Zahl vermuteter Dubletten je Materialgruppe |
| Richtigkeit | Angaben entsprechen der Realität | Abweichung zwischen Plan- und Ist-Bearbeitungszeit |
| Konsistenz | Daten widersprechen sich nicht | Stücklistenpositionen ohne gültigen Materialstamm |
| Aktualität | Daten spiegeln den aktuellen Stand | Anteil der Arbeitspläne ohne Prüfung im vorgegebenen Zeitraum |
| Verwendbarkeit | Daten sind für die Anwendung geeignet | Anteil der Aufträge, die manuell nachgebessert werden mussten |
Die Auswertung sollte nicht als einmalige Bestandsaufnahme verstanden werden, sondern als wiederkehrender Bericht. Hilfreich ist eine Darstellung, die zeigt, in welchen Datenobjekten und Bereichen die meisten Mängel auftreten. So lässt sich der Aufwand der Bereinigung auf die Stellen konzentrieren, an denen er die größte Wirkung entfaltet.
Eine praxisnahe Ergänzung ist die Auswertung von Störungen und Nacharbeiten mit Blick auf ihre Ursache. Wenn Aufträge wiederholt wegen fehlender Teile, falscher Mengen oder unpassender Zeiten unterbrochen werden, ist dies ein Indikator für Datenmängel, auch wenn sie im ersten Moment als Fertigungsprobleme erscheinen.
Auswirkungen auf Kalkulation, Terminierung und Lieferfähigkeit
Die wirtschaftliche Bedeutung der Stammdaten wird oft unterschätzt, weil Fehler selten auf einen Schlag sichtbar werden. Sie wirken über viele kleine Effekte. Eine zu kurz hinterlegte Rüstzeit lässt Angebote günstiger erscheinen, als sie tatsächlich zu fertigen sind, und drückt die Marge, ohne dass die Ursache sofort erkennbar wäre. Eine zu lange Wiederbeschaffungszeit führt zu überhöhten Beständen, eine zu kurze zu Fehlteilen.
Auch die Terminzusage gegenüber Kunden hängt an den Daten. Die Zusage beruht auf Durchlaufzeiten, die sich aus Arbeitsplänen, Kapazitäten und Wiederbeschaffungszeiten ergeben. Sind diese Werte unzuverlässig, werden Termine entweder zu vorsichtig oder zu optimistisch genannt. Beides schadet, das eine der Wettbewerbsfähigkeit, das andere der Liefertreue.
Hinzu kommt der Aufwand, der durch manuelle Korrekturen entsteht. Disponenten und Arbeitsvorbereiter verbringen einen Teil ihrer Zeit damit, Fehler im System zu umgehen, statt zu planen. Dieser verdeckte Aufwand lässt sich abschätzen, indem erfasst wird, wie viele Aufträge nach der Freigabe manuell nachgebessert werden mussten und wie viel Zeit dafür anfiel. Die Zahl ist ein anschauliches Argument gegenüber der Geschäftsführung, wenn Mittel für die Datenpflege eingeworben werden sollen.
Änderungsmanagement bei Stücklisten und Arbeitsplänen
Besondere Sorgfalt verlangen Änderungen an bestehenden Stücklisten und Arbeitsplänen. Hier prallen zwei Anforderungen aufeinander: Die Änderung soll schnell wirksam werden, darf aber laufende Aufträge nicht durcheinanderbringen. Bewährt hat sich die Arbeit mit Gültigkeitsständen. Jede Änderung erhält ein Gültigkeitsdatum oder eine Gültigkeit ab einer bestimmten Auftragsnummer, sodass bereits freigegebene Aufträge nach dem alten Stand gefertigt werden können.
Zu jeder Änderung gehört eine Begründung, die später nachvollziehbar ist. Dies hilft, wenn Qualitätsfragen auftreten oder wenn Kunden die Rückverfolgbarkeit eines Bauteils verlangen. Die Änderungshistorie zeigt, welche Komponenten und Arbeitsgänge zu einem bestimmten Zeitpunkt galten.
Außerdem sollte geklärt sein, wer eine Änderung freigibt und wen sie betrifft. Eine geänderte Stückliste kann Einkauf, Lager und Montage berühren, ein geänderter Arbeitsplan Qualitätssicherung und Kalkulation. Ein einfacher Verteiler oder Workflow stellt sicher, dass die Betroffenen rechtzeitig informiert werden. Weitere Hinweise zu Qualitätsmerkmalen von Daten liefert der Normenkomplex ISO 8000, der als Orientierungsrahmen für Datenqualität dienen kann, ohne dass eine Zertifizierung angestrebt werden muss.
Verantwortung klären: Datenrollen und Governance
Dauerhafte Qualität setzt klare Rollen voraus. Das in der Datenverwaltung gebräuchliche Rollenmodell unterscheidet drei Ebenen, die auch im Mittelstand anwendbar sind, wenn sie vereinfacht werden.
Der Dateneigner verantwortet ein Datenobjekt inhaltlich. Er legt fest, welche Regeln gelten, wer Änderungen beantragen darf und welche Qualität erwartet wird. Für den Materialstamm ist dies häufig die Leitung des Einkaufs oder der Materialwirtschaft, für Stücklisten die Konstruktion, für Arbeitspläne die Arbeitsvorbereitung. Der Datenverwalter pflegt die Daten operativ, legt neue Objekte an und prüft Änderungen. Der Datennutzer greift auf die Daten zu und meldet Auffälligkeiten.
Für den Mittelstand empfiehlt sich ein schlankes Gremium, das in regelmäßigen Abständen kurz zusammentritt. Es besteht aus Vertretern von Einkauf, Konstruktion, Arbeitsvorbereitung, Produktion und IT. Es entscheidet über Regeln, bewertet Qualitätsberichte und priorisiert Bereinigungen. Wichtig ist die Rückendeckung der Geschäftsführung, weil Datenregeln Bereichsgrenzen überschreiten.
Stammdatenpflege ist keine Aufgabe der IT, sondern eine Führungsaufgabe der Fachbereiche. Die IT stellt das Werkzeug bereit, die Verantwortung für den Inhalt bleibt dort, wo die Entscheidung getroffen wird.
Vorgehen: Von der Bestandsaufnahme zur laufenden Pflege
Der Weg zu besseren Stammdaten lässt sich in überschaubare Etappen gliedern. Wichtig ist, nicht den gesamten Bestand auf einmal bereinigen zu wollen, sondern entlang des konkreten Nutzens vorzugehen.
Bestandsaufnahme und Priorisierung
Zu Beginn wird der Zustand der kritischen Datenobjekte erhoben. Stichproben und einfache Auswertungen zeigen, wie viele Datensätze unvollständig, doppelt oder veraltet sind. Parallel wird erfasst, welche Prozesse am stärksten unter Datenmängeln leiden, etwa Disposition, Angebotskalkulation oder Feinplanung. Daraus ergibt sich eine Rangfolge, an der sich die Bereinigung ausrichtet.
Regeln festlegen und Bereinigung durchführen
Anschließend werden verbindliche Regeln dokumentiert: Namenskonventionen, Pflichtfelder, zulässige Einheiten, Nummernlogik und Freigabeprozesse. Erst auf dieser Grundlage lohnt die Bereinigung des Bestands. Dubletten werden zusammengeführt, veraltete Datensätze gesperrt statt gelöscht, solange noch Bewegungsdaten oder Historie bestehen. Die Bereinigung wird protokolliert, damit Änderungen nachvollziehbar bleiben.
Prozesse für Neuanlage und Änderung
Damit der Bestand nicht erneut verfällt, muss der Zufluss neuer Daten geregelt sein. Neuanlagen laufen über ein Formular oder einen Workflow mit Pflichtfeldern und Vier-Augen-Prinzip. Änderungen an Stücklisten und Arbeitsplänen werden über ein Änderungsverfahren geführt, das Gültigkeitsdaten, Änderungsgrund und betroffene Aufträge festhält. Systemseitig verhindern Prüfungen bei der Eingabe unvollständige oder unzulässige Datensätze.
Rückkopplung aus der Fertigung und Betriebsdaten nutzen
Eine der wirksamsten Maßnahmen ist die systematische Rückmeldung von Abweichungen aus der Fertigung. Wenn Betriebsdaten Ist-Zeiten, Ausschuss und Rüstzeiten liefern, lassen sich Arbeitspläne mit der Realität abgleichen. Dauerhafte Abweichungen über einer definierten Schwelle lösen eine Überprüfung des betroffenen Arbeitsgangs aus.
Dies setzt voraus, dass die Betriebsdatenerfassung zuverlässig arbeitet und die Zuordnung zwischen Rückmeldung und Arbeitsgang eindeutig ist. Außerdem sollte unterschieden werden, ob eine Abweichung auf veraltete Planwerte oder auf eine tatsächliche Störung zurückgeht. Ein Arbeitsplan mit unrealistisch kurzen Zeiten verzerrt die Auslastungsplanung ebenso wie ein überhöhter Wert.
Auch die Mitarbeitenden an den Maschinen sind eine wertvolle Quelle. Sie kennen die Schwachstellen der Arbeitspläne, etwa fehlende Arbeitsschritte oder falsch zugeordnete Werkzeuge. Ein einfacher Meldeweg, über den Auffälligkeiten ohne Aufwand an die Datenpflege gelangen, erhöht die Qualität erheblich. Wichtig ist, dass Meldungen sichtbar bearbeitet und die Absender über das Ergebnis informiert werden, sonst versiegt die Beteiligung rasch.
Praxisbeispiel: Zerspanungsbetrieb mit Variantenfertigung
Ein Zerspanungsbetrieb fertigt Baugruppen in vielen Varianten. Im ERP-System sind über Jahre mehrere tausend Materialstämme entstanden. Bei der Einführung einer Feinplanung zeigt sich, dass zahlreiche Arbeitspläne unrealistische Rüstzeiten enthalten und viele Stücklisten auf gesperrte oder doppelte Materialien verweisen.
Der Betrieb legt zunächst fest, dass nur die umsatzstärksten Produktfamilien bereinigt werden. Die Arbeitsvorbereitung wird Eigner der Arbeitspläne, die Konstruktion Eigner der Stücklisten, die Materialwirtschaft Eigner des Materialstamms. In einem ersten Schritt werden Dubletten im Materialstamm zusammengeführt und Pflichtfelder ergänzt.
Anschließend gleicht die Arbeitsvorbereitung die Rüstzeiten mit den Betriebsdaten ab und korrigiert die auffälligsten Arbeitsgänge. Eine monatliche Auswertung weist auf neue Abweichungen hin. Nach einigen Monaten laufen deutlich weniger Aufträge mit manuellen Korrekturen, und die Feinplanung wird von den Disponenten akzeptiert, weil ihre Ergebnisse nachvollziehbar sind.
Stolperfallen, Werkzeuge und Checkliste
Zu den häufigsten Fehlern zählt die Bereinigung ohne anschließende Regelung. Wird der Bestand einmal aufgeräumt, aber der Zufluss nicht gesteuert, entsteht innerhalb kurzer Zeit derselbe Zustand. Ebenso problematisch ist ein zu großer Umfang, der Ressourcen bindet und keinen sichtbaren Nutzen bringt, sowie das Fehlen von Rückhalt aus der Geschäftsführung.
Werkzeugseitig reichen oft die Bordmittel des ERP-Systems aus, etwa Pflichtfeldprüfungen, Freigabeworkflows und Auswertungen. Für größere Bestände oder mehrere Systeme können spezialisierte Lösungen für Stammdatenverwaltung sinnvoll sein, sofern Regeln und Rollen zuvor geklärt sind. Ein Werkzeug ersetzt keine Verantwortung.
Als Prüfliste für den Start können die folgenden Punkte dienen:
- Die kritischen Datenobjekte und ihre Abhängigkeiten sind benannt.
- Für jedes Objekt sind Eigner und Verwalter festgelegt.
- Verbindliche Regeln für Benennung, Pflichtfelder, Einheiten und Nummernlogik liegen schriftlich vor.
- Qualitätskennzahlen werden regelmäßig ausgewertet und besprochen.
- Neuanlagen und Änderungen laufen über einen Workflow mit Prüfung.
- Abweichungen aus der Fertigung werden systematisch an die Datenpflege zurückgemeldet.
- Bereinigungen werden protokolliert, veraltete Datensätze gesperrt statt gelöscht.
- Die Geschäftsführung unterstützt die Datenregeln sichtbar.
Als weiterführende Quelle zu Normen und Verfahren der Datenqualität bietet das DIN Deutsches Institut für Normung einen Zugang zu einschlägigen Standards.
FAQ
Was gehört zu den Stammdaten in der Fertigung?
Dazu zählen vor allem Materialstämme, Stücklisten, Arbeitspläne, Arbeitsplätze und Betriebsmittel sowie Lieferanten- und Einkaufsdaten. Sie ändern sich selten und bilden die Grundlage für alle Bewegungsdaten wie Aufträge und Bestände.
Woran lässt sich schlechte Stammdatenqualität erkennen?
Typische Hinweise sind häufige manuelle Korrekturen an Aufträgen, abweichende Plan- und Ist-Zeiten, Fehlteile trotz scheinbar ausreichender Bestände sowie Dubletten im Materialstamm. Auswertungen zu Pflichtfeldern und Verknüpfungen machen Mängel messbar.
Wer ist für die Pflege der Stammdaten zuständig?
Inhaltlich verantworten die Fachbereiche ihre Datenobjekte, etwa Konstruktion für Stücklisten und Arbeitsvorbereitung für Arbeitspläne. Die IT stellt Systeme und Berechtigungen bereit, trägt aber nicht die inhaltliche Verantwortung.
Lohnt sich eine Bereinigung vor der Einführung eines MES?
In der Regel ja, weil ein MES auf Arbeitsplänen, Stücklisten und Arbeitsplätzen aufsetzt. Fehlerhafte Daten werden dort sichtbar und führen zu Akzeptanzproblemen. Eine Bereinigung der relevanten Produktfamilien vor dem Start ist deshalb empfehlenswert.
Wie oft sollten Arbeitspläne überprüft werden?
Das hängt von der Dynamik der Fertigung ab. Üblich sind feste Prüfintervalle sowie anlassbezogene Prüfungen bei dauerhaften Abweichungen zwischen Plan- und Ist-Zeiten, bei Maschinenwechsel oder Prozessänderungen.
