Digitale Transformation in der Fertigung: das Portfolio der Industrie-4.0-Initiativen steuern

Was ist digitale Transformation in der Fertigung

Digitale Transformation in der Fertigung ist die Integration digitaler Technologien über den gesamten operativen Zyklus eines Fertigungsunternehmens hinweg, wobei sich nicht nur ändert, welche Werkzeuge die Organisation nutzt, sondern wie sie arbeitet, entscheidet und lernt. Sie wird oft mit angrenzenden Begriffen wie Digitisierung und Digitalisierung verwechselt und häufig mit Industrie 4.0 gleichgesetzt. Beide Verwechslungen kosten in der Praxis echtes Geld, weil sie zu Projektumfängen führen, die Oberflächenveränderungen für Transformation halten, und zu Technologieinvestitionen, die nie die operativen Ergebnisse liefern, die ihr Business Case versprach.

Die wörtliche Definition: Technologie, Kultur und Governance

Digitale Transformation ist die Integration digitaler Technologien über den gesamten operativen Zyklus der Organisation, verstanden als drei zusammenwirkende Schichten statt als eine. Technologie ist die sichtbare Schicht: Sensoren, Software, Cloud-Plattformen, KI-Modelle. Kultur ist die Schicht, wie Menschen mit der Technologie arbeiten: ob Entscheidungen auf Daten oder aus dem Bauch getroffen werden, ob Teams Informationen offen teilen oder horten, ob Experimente gefördert oder bestraft werden. Governance ist die Schicht, wie die Organisation entscheidet, was transformiert wird, wie Initiativen abgefolgt werden und wie Erfolg gemessen wird. Eine digitale Transformation, der eine dieser drei Schichten fehlt, scheitert vorhersehbar: Technologie ohne Kultur erzeugt Werkzeuge, die niemand nutzt, Kultur ohne Technologie bleibt informell und skaliert nicht, und beides ohne Governance driftet in verstreute Pilotprojekte ab, die nie zur Produktionsfähigkeit werden. Growth Navigate 2026 berichtet, dass rund 90 % der Organisationen in irgendeiner Phase der digitalen Transformation sind, während nur etwa 35 % ihre Ziele erreichen, und die Lücke zwischen diesen Zahlen liegt weitgehend in den Schichten Kultur und Governance und nicht in der Technologie.

Digitisierung, Digitalisierung und digitale Transformation

Drei Begriffe werden im Alltag synonym verwendet und bedeuten in der Praxis dreierlei. Digitisierung ist die Umwandlung physischer Informationen in digitale Form: Papierdokumente in PDFs scannen, technische Zeichnungen digitalisieren, physische Logbücher durch elektronische Aufzeichnungen ersetzen. Digitalisierung ist der Einsatz digitaler Technologien zur Verbesserung bestehender Prozesse: eine mobile App statt Papier-Arbeitsaufträgen, ein Barcode-Scanner statt manueller Inventurzählung, ein digitales Dashboard statt Whiteboard-Statusmeldungen. Digitale Transformation ist die grundlegende Neugestaltung der Arbeitsweise der Organisation, indem digitale Technologien neue, zuvor unmögliche Fähigkeiten ermöglichen: vorausschauende Wartung statt geplanter Wartung, digitale Zwillinge statt physischer Prototypen für Szenariotests, autonome Abläufe statt überwachter Abläufe. Hersteller brauchen alle drei, doch sie sind nicht austauschbar, und ein Digitisierungsprojekt eine Transformation zu nennen, überhöht die Erwartungen, während eine echte Transformation eine Digitalisierung zu nennen, den nötigen Wandel unterschätzt.

Industrie 4.0 als fertigungsspezifischer Rahmen

Industrie 4.0 ist der fertigungsspezifische Rahmen für digitale Transformation, 2011 in Deutschland als gemeinsame Initiative von Staat und Industrie gestartet, um die deutsche industrielle Wettbewerbsfähigkeit zu sichern. Sie folgt drei früheren industriellen Revolutionen: Industrie 1.0 brachte im 18. und 19. Jahrhundert die Dampfkraft, Industrie 2.0 im späten 19. und im 20. Jahrhundert Elektrizität und Massenproduktion, Industrie 3.0 ab etwa den 1970er-Jahren Elektronik und Automatisierung. Industrie 4.0 ist die aktuelle Welle, die digitale Netze, cyber-physische Systeme und zunehmend künstliche Intelligenz in die Fertigungsumgebung integriert. Das zentrale Konzept ist das cyber-physische System, das die physische Werkstatt mit digitalen Abbildern verbindet, die aus der Ferne und autonom überwacht, analysiert und gesteuert werden können. Der angestrebte Endpunkt ist die Smart Factory, manchmal Dark Factory oder Lights-out-Fertigung genannt, in der die Produktion weitgehend ohne menschliche Präsenz auf der Fläche läuft. Deutschland, China und die USA führen bei der Einführung, wobei die Europäische Union stark in Digital Innovation Hubs investiert, um kleinen und mittleren Herstellern zu helfen, die Reifelücke zu schließen.

Die sechs Säulen von Industrie 4.0 in der Fertigung

Sechs Technologiesäulen strukturieren Industrie 4.0 in der Fertigung, und jede Säule verankert typischerweise mehrere eigenständige Initiativen in einem Portfolio der digitalen Transformation. Zu verstehen, was jede Säule abdeckt, wovon sie abhängt und wo sie im Technologie-Stack sitzt, ist wesentlich, um eine kohärente Transformation zu planen statt einer verstreuten Sammlung von Technologiewetten.

Industrielles Internet der Dinge: Sensoren und Konnektivität

Das industrielle Internet der Dinge ist das Fundament jeder anderen Säule und liefert die Sensorvernetzung, die die Daten erzeugt, die alles andere verbraucht. Sensoren an Maschinen, Förderbändern, Lagerregalen und Fertigwarenstationen erzeugen kontinuierliche Datenströme über Temperatur, Vibration, Verschleiß, Durchsatz und Dutzende weiterer Betriebsparameter. Kommunikationsprotokolle wie OPC UA und MQTT verbinden die Sensoren mit Gateway-Geräten, die die Daten bündeln und nach oben an Analyseplattformen weiterleiten. Eine typische Entscheidung innerhalb einer IIoT-Initiative ist, ob man Sensoren an bestehenden Maschinen nachrüstet (pro Einheit günstiger, aber durch die ursprüngliche Konstruktion begrenzt) oder beim nächsten Investitionszyklus sensorbestückte Maschinen spezifiziert (anfangs teurer, aber architektonisch sauberer). Ohne IIoT-Fundament haben die Analytik-, Digital-Twin- und KI-Initiativen weiter oben im Stack keine Daten, weshalb IIoT-Rollouts in Roadmaps typischerweise früh liegen.

Digitale Zwillinge: das virtuelle Abbild

Ein digitaler Zwilling ist eine virtuelle Darstellung einer physischen Anlage, die in Echtzeit mit ihr synchron bleibt und Simulationen, Analysen und Steuerungsentscheidungen ermöglicht, die an der physischen Anlage selbst unmöglich oder gefährlich wären. Drei Schichten bilden einen digitalen Zwilling: Infrastruktur und Daten als Fundament, Algorithmen und Modelle als Kern sowie Software und Dienste als Anwendung. Moderne digitale Zwillinge verbinden zunehmend dreidimensionale Geometrie mit Verhaltenssimulation und erzeugen hochgenaue Abbilder, durch die Ingenieure virtuell gehen können, bevor sie physische Änderungen festlegen. Typische Anwendungen sind Investitionssimulationen (Anlagenlayouts vor dem Bau testen), vorausschauende Wartung (Ausfallszenarien am Zwilling durchspielen, um Schwachstellen zu finden) und Parameteroptimierung (die besten Betriebsbedingungen finden, ohne die Produktion zu stören). Am besten eignen sich frühe Investitionen in digitale Zwillinge für kapitalintensive Linien, bei denen Stillstand am teuersten ist, weil dort der Simulationswert des Zwillings im Verhältnis zu den Umsetzungskosten am höchsten ist.

Künstliche Intelligenz und maschinelles Lernen: vorausschauende Analytik und Qualität

Künstliche Intelligenz und maschinelles Lernen verwandeln die vom IIoT gesammelten und über Analytik verarbeiteten Daten in vorausschauende und präskriptive Entscheidungen. Modelle der vorausschauenden Wartung prognostizieren Anlagenausfälle, bevor sie eintreten, und ersetzen geplante oder reaktive Wartung durch zustandsbasierte Eingriffe. Computer-Vision-Modelle prüfen Produkte auf Fehler in einer Geschwindigkeit und Gleichmäßigkeit, die menschliche Prüfer nicht erreichen, und erkennen mit bloßem Auge unsichtbare Mängel. Anomalieerkennungsmodelle markieren ungewöhnliche Muster in Produktionsdaten, die auf Anlagenprobleme, Qualitätsmängel oder Prozessdrift hindeuten können. Ein kritischer Abhängigkeitspunkt: KI braucht Daten, und Daten brauchen zuerst die IIoT- und Analytikfundamente, weshalb vor diesen Fundamenten gestartete KI-Initiativen typischerweise interessante Demonstrationen erzeugen, die nie zur Produktionswertschöpfung skalieren. Die nächste Welle, die 2026 aufkommt, ist agentische KI: Systeme, die in eng umrissenen Domänen autonom entscheiden und die Fertigung von menschlich überwachter Automatisierung hin zu autonomen Fertigungsabläufen führen.

Cloud- und Edge-Computing: wo die Daten leben

Cloud- und Edge-Computing definieren zusammen, wo die vom IIoT erzeugten Daten tatsächlich liegen und verarbeitet werden. Cloud-Computing übernimmt Aggregation, langfristige historische Analytik und das Training von Modellen des maschinellen Lernens, wo die Fähigkeit zählt, Rechenressourcen hoch- und herunterzuskalieren, mehr als die Latenz. Edge-Computing übernimmt Echtzeitentscheidungen auf der Werkstatt, wo Latenz in Millisekunden zählt und die Anlage nicht auf den Umweg zu einem entfernten Rechenzentrum warten kann. Hybride Architekturen sind der praktische Normalfall: kritische Entscheidungen laufen auf Edge-Geräten nahe der Anlage, längerfristige Daten fließen nach oben zu Cloud-Plattformen zur Analyse. Die Anbieterlandschaft umfasst horizontale Cloud-Anbieter wie Azure IoT, AWS IoT und Google Cloud IoT neben fertigungsspezifischen Plattformen wie Siemens MindSphere und PTC ThingWorx. Die Wahl zwischen ihnen prägt die Transformation für Jahre, weil Cloud-Lock-in eine reale Einschränkung künftiger Flexibilität ist.

Fortgeschrittene Analytik und Big Data: Daten in Entscheidungen verwandeln

Fortgeschrittene Analytik und Big Data verwandeln die vom IIoT gesammelten und in der Cloud gespeicherten Rohinformationen in Entscheidungen, auf die Menschen und Systeme reagieren können. Data-Lake- und Data-Warehouse-Architekturen speichern Produktionsdaten in großem Maßstab, Business-Intelligence-Schichten erzeugen Dashboards für Betriebs-, Qualitäts- und Wartungsteams, und Analytik reift über vier Stufen: deskriptiv (was geschah), diagnostisch (warum es geschah), prädiktiv (was geschehen wird) und präskriptiv (was getan werden sollte). Eine oft zitierte Faustregel der Branche: Data Scientists verbringen 60 bis 80 % ihrer Zeit mit dem Bereinigen und Aufbereiten von Daten statt mit dem Bauen von Modellen, was Datenqualität als bindende Einschränkung der Analytikreife ausweist. Die andere Einschränkung ist Handeln: Dashboards, die gebaut werden, aber nie Entscheidungen informieren, ändern keine Ergebnisse, und Messen ohne Entscheiden ist eine der häufigeren Arten, wie Initiativen Geld verschwenden.

Augmented und Virtual Reality: Schulung, Wartung, Fernunterstützung

Augmented und Virtual Reality wenden digitale Technologie auf die Mensch-Schnittstelle der Fertigung an. AR auf mobilen Geräten und Headsets wie Microsoft HoloLens legt digitale Anweisungen über die physische Arbeit und führt Techniker Schritt für Schritt durch komplexe Montagen, Wartungsvorgänge und Notfallreaktionen. VR schafft immersive Schulungsumgebungen, in denen Bediener an virtueller Ausrüstung üben können, ohne die Produktion zu stören oder Sicherheitsvorfälle an laufenden Maschinen zu riskieren. Fernunterstützungsanwendungen lassen einen erfahrenen Experten in der Zentrale genau das sehen, was ein Techniker vor Ort sieht, und liefern Anleitung ohne Reisekosten oder Verzögerung. Typische Anwendungen sind das Onboarding neuer Bediener, Schulungen an komplexen Montagen und die Standardisierung von Notfallverfahren. AR und VR bleiben die am wenigsten reife der sechs Säulen, und der Return on Investment ist oft schwerer in klassischen Finanzgrößen zu beziffern, weil der Nutzen in Schulungszeit, Fehlerraten und Sicherheitsvorfällen statt in direkten Produktionskennzahlen sichtbar wird.

IT-OT-Integration: das Rückgrat der digitalen Transformation in der Fertigung

Digitale Transformation in der Fertigung geht nicht nur darum, Technologien auf der Werkstatt zu installieren; sie erfordert, die Welt der Informationstechnologie (Geschäftssysteme) mit der Welt der Betriebstechnologie (Fabriksysteme) zu verbinden, die historisch durch Architektur, Kultur und organisatorische Grenzen getrennt waren. Diese IT-OT-Integration ist das technische Rückgrat der digitalen Transformation in der Fertigung, und Organisationen, die sie unterschätzen, erzeugen Initiativen, die isoliert gut aussehen und nie die übergreifenden Ergebnisse liefern, die die Transformation lohnend machen.

Der ERP-MES-PLM-Stack: Rückgrat des operativen Geschäfts

Drei Systeme bilden das operative Rückgrat der meisten modernen Hersteller. ERP (Enterprise Resource Planning, von Anbietern wie SAP, Oracle und Microsoft Dynamics) übernimmt Finanztransaktionen, Beschaffung, Vertrieb und Bestand auf Geschäftsebene. MES (Manufacturing Execution System) übernimmt die Ausführung auf der Werkstatt: Fertigungsaufträge, Qualitätsdaten, Materialverfolgung, Maschinenzustände. PLM (Product Lifecycle Management, von Anbietern wie Siemens Teamcenter und PTC Windchill) übernimmt Produktdaten über den gesamten Lebenszyklus, von der Konstruktion über die Fertigung bis zum Service. Ohne diese drei integrierten Systeme hat digitale Transformation kein Fundament, weil die Stammdaten, Transaktionsaufzeichnungen und Produktdefinitionen, von denen neue Fähigkeiten abhängen, nicht organisationsweit konsistent sind. Die Integration dieser drei Systeme ist bei den meisten Herstellern selbst eine zwei- bis vierjährige Initiative und oft der erste substanzielle Arbeitsstrang in der Fundamentphase einer Transformations-Roadmap.

Das Problem der IT-OT-Konvergenz

IT und OT waren historisch getrennte Welten mit unterschiedlichen Kulturen, Lebenszyklen und Prioritäten. IT (Informationstechnologie) umfasst Geschäftssysteme mit Softwarelebenszyklen von fünf bis zehn Jahren, Prioritäten rund um Datensicherheit und schnelle Iteration und Kulturen, die Agilität und Wandel schätzen. OT (Betriebstechnologie) umfasst Werkstattsysteme wie PLC- und SCADA-Steuerungen mit Lebenszyklen von fünfzehn bis dreißig Jahren, Prioritäten rund um Prozesssicherheit und Anlagenverfügbarkeit und Kulturen, die Stabilität und Vorhersehbarkeit schätzen. Digitale Transformation verlangt, dass diese beiden Welten beginnen, Daten und Entscheidungen zu teilen, und die Reibung zwischen ihren Kulturen gehört zu den unterschätzten Herausforderungen der Transformation. Konvergenz ist keine Fusion von Teams, sondern ein Satz von Protokollen für Zusammenarbeit, geteilte KPIs und gemeinsame Governance-Foren, in denen IT- und OT-Verantwortliche gemeinsam statt in parallelen Silos entscheiden.

Vertikale, horizontale und durchgängige Integration (das FASTEN-Modell)

Integration in Industrie 4.0 kommt in drei Ausrichtungen, formalisiert 2020 durch das FASTEN-IIoT-Modell und seither breit genutzt. Vertikale Integration verbindet die Werkstatt nach oben mit Geschäftssystemen: Sensordaten fließen von der Anlage über MES bis ins ERP. Horizontale Integration verbindet Systeme über die Werkstatt hinweg auf derselben Ebene: Maschine-zu-Maschine-Kommunikation, Orchestrierung der Produktionslinie, integrierte Qualitätsrückkopplung. Durchgängige Integration erweitert die Verbindungen über die gesamte Wertschöpfungskette von Lieferanten bis zu Kunden und ermöglicht Szenarien wie automatische Nachbestellung bei Lieferanten auf Basis des Echtzeitverbrauchs in der Produktion. Hersteller starten typischerweise mit vertikaler Integration, weil sie den schnellsten Return liefert (Werkstatttransparenz ist sofort wertvoll), fügen mit reifendem MES horizontale Integration hinzu und erreichen durchgängige Integration erst, wenn die internen Fundamente stabil genug sind, um Daten sicher für externe Partner freizugeben.

Warum 70 % der digitalen Transformationen scheitern

Laut vielzitierten McKinsey-Untersuchungen erreichen rund 70 % der Initiativen zur digitalen Transformation ihre Ziele nicht, und 76 % der Fertigungsunternehmen bezeichnen die Transformation als anspruchsvoll oder sehr anspruchsvoll laut einer Zusammenstellung von Manufacturing Lead Generation aus 2026. Die Lücke zwischen den 90 % der Organisationen, die in irgendeiner Phase der Transformation sind, und den 35 %, die ihre Ziele erreichen (Growth Navigate 2026), ist keine reine Technologielücke: Es ist eine Governance- und Kulturlücke. Vier Fehlermuster erklären den Großteil des Rückstands, und jedes lässt sich mit benannten Gegenmaßnahmen verhindern statt mit mehr Technologieinvestition.

Zersplitterte Vision: zu viele gleichzeitige Piloten

Das häufigste Fehlermuster ist nicht, zu wenig digitale Transformation zu betreiben, sondern zu viel davon auf unkoordinierte Weise. Ein typischer Hersteller, der die Notwendigkeit erkennt, startet Piloten in Marketing (KI-gestützte Kundenanalytik), Betrieb (IIoT-Sensoren auf der Fläche), Finanzen (RPA für die Rechnungsverarbeitung), Qualität (Computer Vision für die Prüfung) und F&E (digitale Zwillinge für die Produktentwicklung), jeweils geführt von der jeweiligen Funktionsleitung, jeweils mit eigenem Budget, Zeitplan und Technologie-Stack und jeweils von den anderen entkoppelt. Die Fullstack-Studie 2025 zum Scheitern digitaler Transformation führt 37 % der Projektfehlschläge direkt auf fehlende klare Ziele und Vision zurück. Die Folge der Zersplitterung ist, dass sich Talente und Budget über konkurrierende Prioritäten verteilen, die Integration zwischen Initiativen zur Nebensache wird und die Transformation als Ganzes eine Sammlung interessanter Piloten statt einer kohärenten operativen Fähigkeit erzeugt. Die Gegenmaßnahme ist ein Sponsor auf Portfolioebene mit der Autorität, Nein zu sagen zu einzelnen Initiativen, die nicht zur strategischen Richtung passen, was politisch unangenehm, strukturell aber wesentlich ist.

Altsysteme und Integrationskosten

Fertigungsorganisationen laufen von Natur aus auf Altsystemen. Eine typische Fabrik hat Maschinen aus den 1990er-Jahren oder früher, Steuerungen ohne moderne Anbindung, individuell konfigurierte ERP-Installationen mit fünfzehn Jahren angehäufter Anpassungen und Prozesse, die in Ordnern statt in ausführbaren Systemen dokumentiert sind. IIoT-Sensoren an alte Maschinen nachzurüsten ist möglich, aber teuer, und die Maschinen selbst zu ersetzen ist auf rein finanzieller Grundlage oft nicht zu rechtfertigen. Alt-ERP-Systeme wie SAP ECC oder eigene Mainframes haben keine modernen APIs und erzwingen Integration über fragile Punkt-zu-Punkt-Verbindungen. Integrationskosten verschlingen typischerweise 40 bis 60 % des Projektbudgets einer digitalen Transformation, und Organisationen, die das bei der Planung unterschätzen, geraten in Budgetüberschreitungen, die die Glaubwürdigkeit der Transformation bei den Sponsoren untergraben. Die Gegenmaßnahme ist eine ehrliche Altsystembewertung am Anfang der Transformation, einschließlich des politischen Gesprächs darüber, was ersetzt, was integriert und was umgangen werden muss.

Akzeptanz der Belegschaft und kultureller Widerstand

Neue Technologie ohne Prozessänderung erzeugt keinen Return, und Prozessänderung ohne Akzeptanz der Belegschaft bleibt nicht bestehen. Werkstattbediener mit zwanzig oder dreißig Jahren Erfahrung im selben Prozess sorgen sich (oft berechtigt) um Arbeitsplatzverlust durch Automatisierung und darum, von digitalen Werkzeugen, die jede ihrer Handlungen verfolgen, enger gemessen zu werden. Mittlere Führungskräfte wehren sich gegen die Transparenz neuer Daten, weil sie Leistungsschwankungen offenlegt, die früher unsichtbar waren. BCG und Slalom argumentieren in ihrem Ausblick 2026, dass Data Governance und Bereitschaft der Belegschaft wichtiger sind als das Hinzufügen neuer Technologie, und stellen den kulturellen Wandel als primären Hebel vor die technische Arbeit selbst. Die Gegenmaßnahme ist Change Management, das parallel zum technischen Rollout läuft, nicht als Nachgedanke, sobald die Technologie ausgerollt ist: Einbindung der Belegschaft in Designentscheidungen, transparente Kommunikation über Arbeitsplatzfolgen und Investition in Weiterbildung, die Bediener als Nutznießer der Transformation behandelt statt als deren Opfer.

Governance versus reiner Technologiefokus

Der größte Hebel, der erfolgreiche von gescheiterten digitalen Transformationen trennt, ist, wo die Transformation gesteuert wird. McKinsey-Untersuchungen aus 2023 ergaben, dass Organisationen, die den organisatorischen Wandel priorisieren, 5,3-mal höhere Erfolgsraten erzielen als solche, die sich allein auf Technologie konzentrieren, ein weit größerer Effekt als jede Technologiewahl innerhalb der Transformation. Digitale Transformation ist kein IT-Projekt, und sie als solches zu behandeln, erzeugt genau die zuvor beschriebene Zersplitterung, Integrationskosten und Akzeptanzfehler. Ein Lenkungsausschuss ohne Vertretung durch CEO oder COO hat nicht die Autorität, die harten Abwägungen zu treffen, die die Transformation erfordert. Ein Portfolio ohne Portfolioblick erzeugt Initiativen, die ohne jemandes Bemerken um Ressourcen konkurrieren. Die Governance-Schicht ist kein Overhead über der eigentlichen Arbeit der digitalen Transformation; sie ist der Unterschied zwischen einer Transformation mit messbaren Geschäftsergebnissen und einem kostspieligen Experiment, das Foliensätze und Pilotprojekte erzeugt.

Digitale Transformation als Portfolioproblem, nicht als Projektproblem

Der größte konzeptionelle Fehler beim Angehen der digitalen Transformation in der Fertigung ist, sie als Projekt zu behandeln (eine Initiative, mit Start- und Enddatum, geliefert von einem Projektteam, abgeschlossen, wenn das Ergebnis steht) statt als Portfolio (viele parallel über mehrere Jahre laufende Initiativen, die Ressourcen teilen, um Kapital konkurrieren und fortlaufende Governance erfordern). Eine Projektdenkweise optimiert die einzelne Initiative auf termin- und budgetgerechte Lieferung; eine Portfoliodenkweise optimiert das kollektive Geschäftsergebnis über den gesamten Satz von Initiativen, worauf es tatsächlich ankommt.

Ein typischer Hersteller hat 15 bis 30 parallele Initiativen

Der Umfang eines typischen Portfolios der digitalen Transformation überrascht Organisationen, die es zum ersten Mal zählen. Ein mittelgroßer Hersteller mit 500 bis 2.000 Beschäftigten hat typischerweise 15 bis 30 aktive Initiativen zu einem gegebenen Zeitpunkt. Ein großer Hersteller mit 5.000 oder mehr Beschäftigten hat typischerweise 50 bis 100 parallel laufende Initiativen. Die Initiativen reichen von MES-Rollout in einer Fabrik über einen IIoT-Piloten auf einer Linie, einen Proof of Concept für vorausschauende Wartung, eine AR-Anwendung für den Außendienst, eine Cloud-ERP-Migration, eine Überarbeitung der OT-Sicherheit, eine Data-Lake-Umsetzung, eine mobile App für Werkstattbediener bis zu Dutzenden weiterer Stränge in unterschiedlichen Reifegraden. Ohne Portfolioblick wird jede Initiative separat gesteuert, konkurriert um dieselben geteilten Engineering-Ressourcen, ohne Sicht darauf, wie jede Initiative von den anderen abhängt oder sie stützt. Der erste praktische Schritt ist für viele Hersteller schlicht die Bestandsaufnahme: die Liste der aktiven Initiativen zu erstellen ist oft schon aufschlussreich, weil die Zahl meist größer ist, als die Führung schätzte.

Kategorien von Initiativen der digitalen Transformation

Initiativen der digitalen Transformation in der Fertigung gruppieren sich in fünf Hauptkategorien, und ein gesundes Portfolio hat Initiativen in allen fünf statt einer Konzentration auf eine. Automatisierungsinitiativen umfassen Robotik, robotergestützte Prozessautomatisierung für Backoffice-Abläufe und autonome Transportfahrzeuge auf der Fläche. Konnektivitätsinitiativen umfassen MES-Rollout, IIoT-Sensoreinsatz und Integration zwischen bestehenden Systemen wie ERP und MES. Analytikinitiativen umfassen KI- und Machine-Learning-Modelle, vorausschauende Wartung und Qualitätsanalytik aus Computer Vision. Belegschaftsinitiativen umfassen AR- und VR-Schulung, digitale Standardarbeitsanweisungen und mobile Apps für das Werkstattpersonal. Nachhaltigkeitsinitiativen umfassen Energieüberwachung, CO2-Verfolgung und ESG-Berichtsinfrastruktur. Ein stark auf eine Kategorie gewichtetes Portfolio (etwa nur Automatisierung ohne Belegschaft) signalisiert eine strategische Unwucht, die sich später als Akzeptanzfehler oder fehlende Fähigkeiten in anderen Domänen zeigt.

Piloten, Skalierungen und Plattformwetten ausbalancieren

Initiativen in einem Portfolio der digitalen Transformation liegen auf drei Reifegraden, die bewusst ausbalanciert werden müssen. Piloten (Proof of Concept) prüfen, ob eine Technologie im konkreten Kontext der Organisation funktioniert, mit begrenztem Umfang und Budget, um das Risiko vor größerer Bindung zu senken. Skalierungen nehmen einen erfolgreichen Piloten und weiten ihn auf die gesamte Organisation aus, was typischerweise das 5- bis 10-Fache des Pilotbudgets und andere Fähigkeiten erfordert (Change Management, Schulung im Maßstab, Integration mit bestehenden Systemen). Plattformwetten investieren in geteilte Technologiefundamente, die viele künftige Initiativen ermöglichen, etwa Datenplattformen, Integrationsschichten oder Cloud-Infrastruktur. Das klassische Fehlermuster ist das Piloten-Fegefeuer: Portfolios mit 80 % Piloten und nur 5 % Skalierungen, was anzeigt, dass erfolgreiche Piloten nie in Produktionswertschöpfung münden. Ein gesunder Rhythmus verteilt rund 30 % der Ressourcen auf Piloten, 50 % auf Skalierungen und 20 % auf Plattformwetten, mit einer an den Reifegrad angepassten Mischung.

Reihenfolge und Abhängigkeiten (warum MES vor IoT-Sensoren)

Nicht alle Initiativen in einem Portfolio sind gleichrangig; einige sind Voraussetzung für andere, und sie ohne Rücksicht auf Abhängigkeiten abzufolgen, verschwendet Geld und erzeugt Zombie-Initiativen. Eine klassische Abhängigkeit: IIoT-Sensoren auf der Fläche erzeugen Daten, die Interpretation brauchen, doch Interpretation erfordert MES, um die Daten zu kontextualisieren (welcher Fertigungsauftrag, welches Produkt, welche Qualitätsspezifikation), was wiederum ERP als Quelle der Stammdaten erfordert. Eine häufige Fehlerreihenfolge ist, KI-gestützte Piloten für vorausschauende Wartung zu starten, bevor das Datenfundament existiert, was interessante Demonstrationen erzeugt, die nicht skalieren, weil die zugrunde liegenden Daten für Produktionsmodelle nicht konsistent genug sind. Die richtige Reihenfolge läuft in den meisten Transformationen erst über die ERP-Basis, dann MES-Rollout, dann IIoT-Sensoren für die vernetzten Daten und darauf Analytik und KI. Ein Portfolio ohne Abhängigkeitsbewusstsein bringt frustrierte Teams hervor (die an Initiativen arbeiten, die erst gelingen können, wenn frühere abgeschlossen sind) und vergeudetes Budget (Investition in spätere Fähigkeiten, die nicht ausgerollt werden können).

Eine praktische Roadmap der digitalen Transformation für einen mittelgroßen Hersteller

Digitale Transformation in der Fertigung ist keine starre Abfolge mit festen Zeitplänen. Sie ist eine mehrjährige Reifekurve, die sich bei den meisten Herstellern über fünf bis fünfzehn Jahre entfaltet, wobei das Tempo von Ausgangsreife, Kapitalverfügbarkeit und organisatorischer Bereitschaft abhängt. Das unten beschriebene Dreiphasenmuster ist die typische Kurve über hunderte Umsetzungen hinweg, keine universelle Vorschrift für jeden Kontext. Phasen überlappen sich in reifen Transformationen, und Organisationen mit höherer Ausgangsreife können die frühen Phasen beschleunigen.

Phase 1: Fundament (ein bis zwei Jahre): Dateninfrastruktur und ERP-Basis

Die Fundamentphase schafft die Daten- und Systembasis, von der alles andere abhängt. Aktivitäten umfassen eine ehrliche Bewertung des Alt-ERP, die Migration auf moderne Plattformen wie SAP S/4HANA oder Cloud-ERP-Alternativen, die Bereinigung der Stammdaten organisationsweit und die Basisdokumentation der Ist-Prozesse. Governance-Aktivitäten in dieser Phase umfassen die Einrichtung des Lenkungsausschusses für digitale Transformation, die Ernennung eines Transformationsleiters in formaler Rolle (oft Chief Digital Officer oder Vice President Digitale Transformation) und die Definition der Portfolio-KPIs, die spätere Entscheidungen leiten. Die Investition in die Fundamentphase verschlingt typischerweise 20 bis 40 % des Gesamtbudgets, was vielen Führungskräften für Grundlagenarbeit hoch erscheint, aber genau das ermöglicht, dass die späteren Phasen skalieren. Das Bereitschaftssignal für den Übergang zu Phase 2 ist eine einzige Wahrheitsquelle für Stammdaten organisationsweit, wobei ERP als konsistentes operatives Rückgrat statt als zersplitterte Sammlung von Instanzen funktioniert.

Phase 2: Konnektivität (zwei bis vier Jahre): MES, IIoT, erste digitale Zwillinge

Die Konnektivitätsphase verbindet die Werkstatt mit den Geschäftssystemen und erweitert den digitalen Fußabdruck vom ERP nach unten in den Betrieb. Aktivitäten umfassen MES-Rollout beginnend mit einer Pilotfabrik und Skalierung über das Netzwerk, Nachrüstung bestehender Maschinen mit IIoT-Sensoren, Integration zwischen ERP, MES und PLM sowie erste digitale Zwillinge für kritische hochwertige Anlagen. Governance reift in dieser Phase zu einem Stage-Gate-Portfolio-Review mit vierteljährlichen Sitzungen des Lenkungsausschusses und KPI-Dashboards, die Fortschritt und Blocker offenlegen. Herausforderungen sind die kulturelle Arbeit der IT-OT-Konvergenz (wie zuvor behandelt), die Schulung der Belegschaft für Bediener, die zum ersten Mal digitalen Werkzeugen begegnen, und die Cybersicherheit der neu vernetzten Werkstattsysteme. Das Bereitschaftssignal für Phase 3 ist Echtzeit-Transparenz über die Produktion im Netzwerk, wobei MES 80 % oder mehr der Fläche abdeckt und Daten beginnen, operative Entscheidungen zu informieren, statt nur für spätere Sichtung gesammelt zu werden.

Phase 3: Intelligenz (vier bis sechs Jahre): KI, prädiktiv, autonom

Die Intelligenzphase wandelt die vernetzte Dateninfrastruktur in vorausschauende und autonome Fähigkeit. Aktivitäten umfassen Machine-Learning-Modelle für vorausschauende Wartung, Computer Vision für automatisierte Qualitätsprüfung, fortgeschrittene Analytik für Planungs- und Terminentscheidungen und die Anfänge autonomer Abläufe in eng definierten Domänen. Governance umfasst in dieser Phase eingebettete Data-Science-Teams neben dem Betrieb, formale Prozesse für KI-Ethik und -Governance und eine Kultur kontinuierlicher Verbesserung, die jedes ausgerollte Modell als Ausgangspunkt für Iteration statt als fertiges Produkt behandelt. Die nächste Welle, die 2026 aufkommt, ist agentische KI: Systeme, die innerhalb ihres zugewiesenen Bereichs autonom operative Entscheidungen treffen und die Fertigung von menschlich überwachter Automatisierung hin zu wirklich autonomen Abläufen führen. Das Reifesignal am Ende von Phase 3 ist, dass digitale Transformation kein abgegrenztes Programm mehr ist, sondern die Standardarbeitsweise der Organisation, woraufhin das Phasenmodell ausläuft und kontinuierliche Weiterentwicklung übernimmt.

Governance des Portfolios der digitalen Transformation

Governance ist der Ort, an dem digitale Transformationen gelingen oder scheitern. Die Technologie ist verfügbar, die Methoden sind dokumentiert, die Referenzarchitekturen existieren: Was die Transformationen, die messbare Geschäftsergebnisse erzeugen, von denen trennt, die Foliensätze erzeugen, ist die Disziplin, wie das Portfolio gesteuert wird. Drei Governance-Elemente zählen am meisten: wer im Lenkungsausschuss sitzt, welche KPIs das Portfolio leiten und wie Stage-Gate-Governance auf Ebene der einzelnen Initiativen läuft.

Der Lenkungsausschuss für digitale Transformation

Der Lenkungsausschuss für digitale Transformation ist das Forum, in dem Entscheidungen auf Portfolioebene getroffen werden, und seine Zusammensetzung bestimmt, ob diese Entscheidungen die Autorität haben zu bestehen. Typische Mitglieder sind der CEO oder COO als Executive Sponsor, der CIO oder Chief Digital Officer als Executive Lead, der CFO für die finanzielle Governance, der Vice President Betrieb als primärer Empfänger der Transformation, der Chief Human Resources Officer für die Bereitschaft der Belegschaft und optional ein externer Berater für Außensicht. Ohne Vertretung durch CEO oder COO fehlt dem Ausschuss die Autorität für die harten Abwägungen, die die Transformation erfordert, besonders wenn konkrete Initiativen konkrete Funktionsleitungen betreffen, die sie sonst blockieren würden. Ohne CFO-Vertretung schwächt sich die Finanzdisziplin und Budgets laufen über. Der Sitzungsrhythmus läuft typischerweise über monatliche Portfolio-Reviews und vierteljährliche strategische Reviews, wobei die monatlichen Sitzungen Gate-Entscheidungen zu einzelnen Initiativen behandeln und die vierteljährlichen die Portfoliozusammensetzung und die strategische Ausrichtung. Ein Lenkungsausschuss, der nur zusammentritt, wenn jemand eine Krise ausruft, ist keine Governance, sondern reaktives Management, und erzeugt die im Abschnitt zu den Fehlermustern beschriebene Zersplitterung.

KPI-Rahmen: OEE, Stillstand, Qualität, Durchlaufzeit, Akzeptanzrate

Die KPIs, die ein Portfolio leiten, müssen vier Kategorien abdecken statt nur eine, weil ein Portfolio, das nur Produktionskennzahlen misst, die Akzeptanzfehler übersieht, die langfristige Ergebnisse untergraben. Operative Kennzahlen umfassen OEE (Gesamtanlageneffektivität), ungeplanten Stillstand, First-Time-Right-Qualitätsrate und Durchlaufzeit. Das sind die klassischen Fertigungskennzahlen, die die Transformation verbessern soll. Akzeptanzkennzahlen umfassen den Anteil der Beschäftigten, die jedes neue System aktiv nutzen, wöchentliche aktive Nutzerzahlen und die Zeit bis zur Kompetenz für neue Fähigkeiten. Portfoliokennzahlen umfassen den Anteil termingerechter Initiativen, den Anteil mit positivem verifiziertem Return und das Verhältnis von Transformationskosten zu Umsatzwirkung. Kulturkennzahlen umfassen den Net Promoter Score der Beschäftigten für die eingesetzten Werkzeuge und die Zufriedenheit mit der Transformation insgesamt. Ohne Akzeptanzkennzahlen kann eine Technologie vom Lieferteam erfolgreich ausgerollt, aber nie in der Produktion genutzt werden, was bei vollen Technologiekosten null Geschäftswert erzeugt, eine der häufigeren Arten, wie Initiativen Wert zerstören und dabei erfolgreich aussehen.

Stage-Gate-Governance für Projekte der digitalen Transformation

Jede Initiative im Portfolio profitiert von einer Stage-Gate-Governance mit Gates, die spezifisch für den Lebenszyklus der digitalen Transformation sind: Proof of Concept, Pilot, Skalierung, Produktion. Das Gate vom Proof of Concept zum Piloten bewertet, ob die Technologie im konkreten Kontext der Organisation funktioniert und ob die Initiative die Investition für einen echten Piloteinsatz verdient. Das Gate vom Piloten zur Skalierung bewertet, ob die Skalierung technisch machbar, finanziell tragfähig und organisatorisch getragen ist, das Gate, an dem die meisten Initiativen scheitern, weil Skalierung Fähigkeiten jenseits dessen erfordert, was der Pilot zeigte. Das Gate von der Skalierung zur Produktion bewertet, ob Akzeptanz und Return wie erwartet eintreten. Stage-Gate-Governance verhindert das Piloten-Fegefeuer (das Fehlermuster von Piloten, die nie skalieren), indem sie am Pilot-Gate einen expliziten Skalierungsplan verlangt und Initiativen beendet, die keinen artikulieren können. Das Muster ist allgemein in der Referenz-Stage-Gate-Methodik beschrieben und für Kontexte der digitalen Transformation über die je Initiativtyp passenden Gate-Kriterien angepasst.

Häufige Fallstricke der digitalen Transformation in der Fertigung

Vier Fehlermuster tauchen in der Fertigung immer wieder auf, verschieden von den zuvor besprochenen allgemeinen Mustern. Jedes lässt sich mit benannten Gegenmaßnahmen verhindern, und jedes ist häufiger, als es angesichts der guten Dokumentation in der Branchenforschung sein sollte. Deloittes Smart Manufacturing Survey 2025 ergab, dass 92 % der Führungskräfte Smart Manufacturing in den nächsten drei Jahren als primären Wettbewerbshebel sehen, doch die praktische Umsetzung läuft in diese vier spezifischen Fallen, die strategische Ambition von operativer Realität trennen.

Piloten-Fegefeuer: Projekte, die nie skalieren

Das häufigste fertigungsspezifische Fehlermuster ist das Piloten-Fegefeuer: Eine Pilotfabrik startet erfolgreich MES oder IIoT, erzeugt positive frühe Ergebnisse und bleibt drei Jahre später die einzige Fabrik mit der ausgerollten Fähigkeit. Gründe sind das Fehlen eines mit dem Piloten genehmigten Skalierungsbudgets, das Fehlen eines dokumentierten Playbooks zur Replikation an anderen Standorten und Widerstand anderer Fabriken, die ihre lokalen Prozesse und Prioritäten schützen. Das Signal des Piloten-Fegefeuers in einem Portfolio ist eine Verteilung, in der 80 % der Initiativen im Pilotstatus sitzen und nur 5 % zur Skalierung übergegangen sind, was anzeigt, dass Erfolg im Pilotstadium sich nicht zuverlässig in Produktionswertschöpfung übersetzt. Die Gegenmaßnahme ist, einen Piloten nur zu genehmigen, wenn ein Skalierungsplan vorab vereinbart ist, die Skalierung als eigene Gate-Entscheidung mit eigenem Budget zu behandeln und den Erfolg des Piloten teils daran zu bewerten, wie gut er die Skalierung vorbereitet, statt nur an seinen lokalen Ergebnissen.

Shiny-Object-Syndrom: neue Technologien ohne Strategie

Das zweite Muster ist das Shiny-Object-Syndrom: Eine neue Technologie (Metaverse, Quantencomputing, agentische KI) wird vor allem deshalb zur organisatorischen Priorität, weil sie neu ist, ohne einen Business Case, der die konkrete Investition rechtfertigt, oder eine Passungsprüfung gegen das aktuelle Portfolio. Ein CEO kehrt von einer Branchenkonferenz mit einer Idee für Blockchain in der Lieferkette zurück, fügt sie per Anordnung dem Portfolio hinzu, und die Initiative verdrängt andere, die die normalen Governance-Kriterien bestanden hatten. Ohne disziplinierte Portfoliostrategie destabilisiert jeder Hype-Zyklus die Prioritäten und verwässert den Umsetzungsfokus, sodass die Transformation der am aggressivsten vermarkteten Technologie in der Fachpresse ausgeliefert ist. Die Gegenmaßnahme ist ein Lenkungsausschuss mit formalen Kriterien für die Aufnahme von Initiativen ins Portfolio: strategische Passung, technische Machbarkeit, erwarteter Return, Ressourcenverfügbarkeit und Abhängigkeitsverträglichkeit. Neuheit ist kein Kriterium, und der Ausschuss braucht die Autorität, Initiativen abzulehnen, die mit Führungsbegeisterung, aber ohne Portfoliopassung ankommen.

Anbieterabhängigkeit in Alt-Ökosystemen

Das dritte Muster ist die Anbieterabhängigkeit durch umfassende Plattformbindungen. Ein Anbieter (SAP, Siemens, GE Digital, PTC) schlägt eine vollständige Plattform vor: ERP, MES, PLM, IoT und Analytik aus einem Ökosystem, mit dem Argument, dass Ein-Anbieter-Integration schneller einsetzbar und leichter zu unterstützen sei als Multi-Anbieter-Architekturen. Das kurzfristige Angebot ist real: schnellerer Start, ein Ansprechpartner, kohärente Nutzererfahrung über den Stack. Der langfristige Preis ist, dass Wechselkosten exponentiell wachsen, Innovation auf das Tempo des gewählten Anbieters sinkt und Preisverhandlungsmacht verschwindet, sobald die Plattform tief verankert ist. Die Gegenmaßnahme ist eine Multi-Anbieter-Architektur auf offenen Standards wie OPC UA und MQTT, mit einer Integrationsschicht im Besitz des Herstellers statt eines einzelnen Anbieters. Der Kompromiss ist real: mehr architektonische Komplexität im Tausch gegen weniger Anbieterabhängigkeit, und vernünftige Organisationen kommen je nach eigener Engineering-Kapazität zu unterschiedlichen Schlüssen über die Balance.

OT-Sicherheit ignorieren: Cybersicherheit der Werkstatt

Das vierte Muster ist, die Sicherheit der Betriebstechnologie als Nachgedanke statt als erstrangiges Element der Roadmap zu behandeln. OT-Systeme waren traditionell von IT-Netzen luftgetrennt und boten Sicherheit durch Isolation. Digitale Transformation hebt diese Isolation auf, indem sie Werkstattsensoren, -steuerungen und -anlagen mit IT-Netzen und Cloud-Plattformen verbindet, was Angriffsvektoren öffnet, die es in der unvernetzten Fabrik nicht gab. Prominente Vorfälle wie Colonial Pipeline 2021 und Norsk Hydro 2019 verursachten jeweils Verluste in Höhe hunderter Millionen Dollar, und weniger sichtbare Vorfälle geschehen ständig im Fertigungssektor. Die Gegenmaßnahme ist, OT-Sicherheit von Tag eins an als erstrangiges Element der Roadmap zu behandeln, den Chief Information Security Officer in den Lenkungsausschuss aufzunehmen und Security-by-Design in jede IIoT- und Konnektivitätsinitiative einzubauen, statt Sicherheitskontrollen nachträglich hinzuzufügen.

Wie FlexiProject Portfolios der digitalen Transformation unterstützt

FlexiProject sitzt in der Projektportfoliomanagement-Schicht des Fertigungs-Technologie-Stacks, oberhalb der operativen Systeme, die die digitale Transformation ausführen, und unterhalb der strategischen Ebene, auf der Führungskräfte die Portfolioprioritäten setzen. Es setzt die Technologien der digitalen Transformation nicht selbst um; es liefert die operative Infrastruktur, die Governance auf Portfolioebene über 15 bis 30 oder mehr parallele Initiativen handhabbar macht.

Portfolioblick für Programme mit vielen Initiativen

FlexiProject bietet ein Portfolio-Dashboard, das alle aktiven Initiativen in einer Ansicht zeigt, mit Status, KPI-Fortschritt, Budgetverbrauch gegen Plan und Gate-Positionen über das gesamte Portfolio. Initiativen lassen sich nach Kategorie (Automatisierung, Konnektivität, Analytik, Belegschaft, Nachhaltigkeit) und nach Lebenszyklusstufe (Proof of Concept, Pilot, Skalierung, Produktion) filtern, sodass der Lenkungsausschuss die Portfoliozusammensetzung auf einen Blick sieht, statt sie vor jeder Sitzung aus Tabellen zu rekonstruieren. Der Portfolioblick beantwortet die Fragen, die der Lenkungsausschuss tatsächlich braucht: welche Initiativen im Plan liegen, welche blockiert sind, wo die Abhängigkeitskonflikte liegen und welche Kategorien im Verhältnis zur strategischen Richtung unterinvestiert sind.

Stage-Gate-Vorlagen für Typen von Transformationsprojekten

FlexiProject bietet Stage-Gate-Vorlagen out of the box für die typischen Initiativtypen der digitalen Transformation: MES-Rollout, IIoT-Pilot, KI-Proof-of-Concept, ERP-Migration, digitaler Zwilling, AR-Schulungs-Rollout. Jede Vorlage trägt die zum Initiativtyp passenden Gate-Kriterien, Deliverable-Checklisten je Gate und Bewertungsdimensionen, die den Vergleich auf Portfolioebene stützen. Das Gate vom Proof of Concept zum Piloten verlangt die Validierung des Business Case und eine vorläufige technische Machbarkeit. Das Gate vom Piloten zur Skalierung verlangt den Skalierungsplan, dessen Fehlen das Piloten-Fegefeuer verursacht. Das Gate von der Skalierung zur Produktion verlangt Akzeptanzkennzahlen und verifizierten Return. Vorlagen konfigurieren organisatorische Besonderheiten, ohne den Rahmen aufzugeben, sodass die Disziplin der Stage-Gate-Governance über die Initiativtypen hinweg konsistent wirkt.

Ressourcensteuerung über geteilte IT- und OT-Engineering-Teams

Initiativen der digitalen Transformation teilen sich einen kleinen Pool spezialisierter Ingenieure über Dutzende gleichzeitiger Vorhaben: Data Engineers, Machine-Learning-Ingenieure, Integrationsarchitekten, Cybersicherheitsspezialisten. Diese Ingenieure sind typischerweise 10 bis 20 Personen, die ein Portfolio von 15 bis 30 Initiativen stützen, und Konflikte um ihre Zeit sind unvermeidlich. FlexiProject legt die geteilte Ressourcenauslastung auf Portfolioebene offen und zeigt, welche Ingenieure welchen Initiativen zugewiesen sind und wo die Konflikte liegen. Mitglieder des Lenkungsausschusses können die Wirkung des Hinzufügens, Verzögerns oder Beschleunigens konkreter Initiativen auf die gesamte Engineering-Last modellieren und Priorisierungsentscheidungen auf echten Zahlen statt aus dem Bauch treffen. Allein diese Fähigkeit ändert oft Portfolioentscheidungen, sobald der Ausschuss zum ersten Mal sieht, wie dünn der geteilte Talentpool gestreut ist.

Was FlexiProject nicht leistet

FlexiProject führt die Technologien der digitalen Transformation nicht selbst aus. Es ersetzt weder MES für die Werkstattausführung noch ERP für Finanztransaktionen, PLM für Produktdaten oder IoT-Plattformen für die Sensordatenerfassung. Es trainiert keine Machine-Learning-Modelle und erzeugt nicht die vorausschauende Analytik, die KI-Initiativen liefern. Es ersetzt weder die operativen Systeme, die die Fabrik tatsächlich betreiben, noch die analytischen Systeme, die Fabrikdaten in Erkenntnisse verwandeln. FlexiProject sitzt in der Governance- und Portfoliomanagement-Schicht und koordiniert die Initiativen, die diese Fähigkeiten liefern, statt die Fähigkeiten selbst zu liefern. Organisationen, die von einem Projektportfoliosystem einen Ersatz für den operativen Technologie-Stack erwarten, missverstehen, was Portfoliomanagement leistet, und Organisationen, die ein Portfolio mit 30 Initiativen in Tabellen und E-Mails steuern, erzeugen typischerweise genau die in den Fehlerabschnitten beschriebene Zersplitterung, Akzeptanzfehler und das Piloten-Fegefeuer.

Häufig gestellte Fragen

Wie lange dauert eine digitale Transformation in der Fertigung?

Ein voller Zyklus läuft typischerweise fünf bis zehn Jahre bei einem mittelgroßen Hersteller und acht bis fünfzehn Jahre bei einem großen. Die Fundamentphase dauert ein bis zwei Jahre für Dateninfrastruktur und ERP-Basis, die Konnektivitätsphase zwei bis vier Jahre für MES- und IIoT-Rollout mit ersten digitalen Zwillingen und die Intelligenzphase vier bis sechs Jahre für KI, vorausschauende Analytik und erste autonome Abläufe, mit teilweiser Überlappung mit wachsender Reife. Organisationen, die einen Return innerhalb von zwölf Monaten erwarten, enden meist enttäuscht und geben die Transformation auf, bevor sie sinnvolle Ergebnisse liefert. Digitale Transformation ist ein mehrjähriges Programm, keine vierteljährliche KPI-Initiative, und sie als Letzteres zu behandeln, ist einer der Gründe, warum die Fehlerquote so hoch bleibt.

Was ist der Unterschied zwischen digitaler Transformation und Industrie 4.0?

Digitale Transformation ist ein allgemeines Konzept, das für jede Branche gilt, von Banken über Gesundheit und Handel bis zur Fertigung. Industrie 4.0 ist der fertigungsspezifische Rahmen für digitale Transformation, 2011 in Deutschland gestartet, mit konkreten Technologiesäulen (IIoT, digitale Zwillinge, KI, Cloud, Analytik, AR/VR) und einer konkreten cyber-physischen Systemarchitektur. Jede Industrie-4.0-Initiative ist eine Initiative der digitalen Transformation, aber nicht jede digitale Transformation ist Industrie 4.0: Digitale Transformation in einer Bank nutzt nicht das Industrie-4.0-Vokabular, weil sie keine Werkstattabläufe umfasst. In Fertigungsgesprächen werden die beiden Begriffe oft synonym verwendet, und sie in einem Fertigungskontext als praktisch gleichbedeutend zu behandeln, funktioniert gut genug, dass der Unterschied in der Praxis selten zählt.

Müssen wir das ERP vor Beginn der digitalen Transformation ersetzen?

Nicht immer, aber oft. Wenn das ERP alt ist (SAP ECC ohne moderne APIs, eigene Mainframe-Installationen oder stark angepasste Installationen, die sich der Integration widersetzen), ist eine volle digitale Transformation eingeschränkt, weil spätere Initiativen davon abhängen, dass Daten sauber aus dem ERP in andere Systeme fließen. Die ERP-Modernisierung kann in diesem Fall die erste Initiative in der Fundamentphase sein und als ermöglichende Investition für alles Folgende behandelt werden. Eine Alternative für Organisationen, die nicht zu einem vollen ERP-Ersatz bereit sind, ist eine Integrationsschicht (iPaaS-Plattform) um das Alt-ERP, die modernen API-Zugang ohne Ersatz des zugrunde liegenden Systems bietet und Zeit für den späteren Ersatz kauft, während frühe Initiativen fortschreiten. Ein voller ERP-Ersatz ist meist irgendwann unvermeidlich, doch der Zeitpunkt lässt sich nach Geschäftsprioritäten steuern statt durch Technologiedogma erzwingen.

Wie viel kostet eine typische digitale Transformation?

Die Kosten hängen von Umfang und Ambition ab. Ein mittelgroßer Hersteller (500 bis 2.000 Beschäftigte) gibt typischerweise 2 bis 10 Millionen Euro jährlich über 5 bis 8 Jahre aus, mit Gesamtprogrammkosten im zweistelligen Millionenbereich. Ein großer Hersteller (5.000 oder mehr Beschäftigte) gibt typischerweise 20 bis 100 Millionen Euro jährlich über ähnliche Zeiträume aus. Der größte Einzelkostenblock ist die Integration zwischen Systemen (40 bis 60 % des Programmbudgets), gefolgt von organisatorischem Change Management (20 bis 30 %) sowie Technologielizenzen und Infrastruktur (20 bis 30 %). Der Return bei voller Reife umfasst typischerweise 20 bis 40 % Senkung der Betriebskosten und 15 bis 30 % Verbesserung der OEE, wobei die konkreten Zahlen je nach Teilbranche, Ausgangsreife und Umsetzungsqualität deutlich variieren.

Können auch kleinere Hersteller (KMU) von digitaler Transformation profitieren?

Ja, aber in anderem Maßstab und anderer Form. Kleine und mittlere Unternehmen (50 bis 500 Beschäftigte) geben typischerweise 100.000 bis 500.000 Euro jährlich für ausgewählte Initiativen aus und konzentrieren sich auf die wirkungsstärksten Investitionen statt auf eine umfassende Transformation. Prioritäten sind meist Cloud-ERP (Vermeidung der Kapitalkosten einer On-Premises-Infrastruktur), MES als Software-as-a-Service und ausgewählter IIoT-Einsatz an den wertvollsten Maschinen statt auf der gesamten Fläche. Förderprogramme wie die Digital Innovation Hubs der Europäischen Union bieten KMU subventionierten Zugang zu Expertise und Pilotfinanzierung für Industrie-4.0-Initiativen. Der wirkungsstärkste Ansatz für KMU ist meist, konkrete Prozesse mit hohem Volumen und klarem Return zu automatisieren, statt eine volle Transformation zu versuchen, und digitale Transformation als eine Reihe gezielter Verbesserungen statt als umfassendes Programm zu behandeln.

Digitale Transformation in der Fertigung ist die Integration digitaler Technologien über den gesamten operativen Zyklus eines Fertigungsunternehmens hinweg, für Hersteller strukturiert durch den 2011 in Deutschland gestarteten Industrie-4.0-Rahmen mit sechs Technologiesäulen: IIoT, digitale Zwillinge, KI und maschinelles Lernen, Cloud- und Edge-Computing, fortgeschrittene Analytik sowie Augmented und Virtual Reality. Laut McKinsey scheitern rund 70 % der Initiativen, und 76 % der Hersteller bezeichnen die Transformation als anspruchsvoll oder sehr anspruchsvoll laut einer Zusammenstellung von Manufacturing Lead Generation aus 2026, wobei die vorherrschende Ursache Governance und Kultur statt Technologie ist (McKinsey 2023 fand, dass Organisationen mit Fokus auf organisatorischen Wandel 5,3-mal höheren Erfolg erzielen als technologiefokussierte). Digitale Transformation in der Fertigung ist ein Portfolioproblem, kein Projektproblem: Ein typischer mittelgroßer Hersteller betreibt 15 bis 30 parallele Initiativen über fünf Kategorien (Automatisierung, Konnektivität, Analytik, Belegschaft, Nachhaltigkeit), und Governance auf Portfolioebene trennt kohärente Transformation von verstreuten Piloten. Eine praktische dreiphasige Roadmap läuft über Fundament (ein bis zwei Jahre, ERP-Basis und Dateninfrastruktur), Konnektivität (zwei bis vier Jahre, MES und IIoT mit ersten digitalen Zwillingen) und Intelligenz (vier bis sechs Jahre, KI und vorausschauende Analytik hin zu autonomen Abläufen), wobei sich die Phasen in reifen Umsetzungen überlappen. Governance erfordert einen Lenkungsausschuss mit Vertretung durch CEO oder COO, einen KPI-Rahmen über operative, Akzeptanz-, Portfolio- und Kulturkennzahlen und Stage-Gate-Disziplin auf Ebene der einzelnen Initiativen, um das Piloten-Fegefeuer zu verhindern. Vier fertigungsspezifische Fallstricke (Piloten-Fegefeuer, Shiny-Object-Syndrom, Anbieterabhängigkeit und Vernachlässigung der OT-Sicherheit) sind alle mit benannten Gegenmaßnahmen vermeidbar. FlexiProject liefert die Projektportfolio-Schicht, die Governance der digitalen Transformation im Maßstab handhabbar macht, mit Portfolioblicken, Stage-Gate-Vorlagen und geteilter Ressourcensteuerung, ohne die operativen Systeme darum herum ausführen zu wollen. Wenn das Programm eines Herstellers über die Reichweite von Tabellen und E-Mails hinausgewachsen ist und ein Portfoliosystem für 15 bis 30 oder mehr parallele Initiativen braucht, sind dreißig Tage voller Zugriff ohne Kreditkarte eine praktische Möglichkeit, die Passung zu testen.