Mini-Masterclass Folge 10: Der teuerste Digitalisierungs-Mythos!

Start now, clean later: Warum perfekte Daten deine Digitalisierung bremsen

Kennst du den teuersten Mythos der Digitalisierung?

Die Vorstellung, dass du erst sämtliche Stammdaten bereinigen musst, bevor du eine neue Software einführen kannst.

Also beginnt das große Aufräumen: Anlagenlisten werden aus verschiedenen Systemen exportiert, Excel-Dateien zusammengeführt und Bezeichnungen vereinheitlicht. Am Schreibtisch versucht ein Projektteam, die gesamte Anlagenstruktur des Unternehmens vollständig und fehlerfrei abzubilden.

Das dauert Wochen, Monate oder sogar Jahre.

Und sobald die Liste endlich fertig ist, stimmt sie schon nicht mehr mit der Realität überein.

Denn während am Schreibtisch Daten bereinigt werden, läuft die Produktion weiter. Motoren werden ausgetauscht, Bauteile verändert und provisorische Lösungen eingebaut. Ein Techniker legt einen Bypass, doch die Änderung landet in keiner Dokumentation.

Wer versucht, den Ist-Zustand theoretisch einzufrieren, verliert gegen den Alltag in der Produktion.

Das ewige Stammdatenprojekt

Saubere Stammdaten sind wichtig. Ohne eindeutige Anlagen, Komponenten und Zuordnungen lassen sich Informationen nur schwer auswerten.

Das bedeutet aber nicht, dass deine Daten vor dem Start vollständig und perfekt sein müssen.

Genau diese Annahme führt in vielen Unternehmen zu einem Stillstand vor dem eigentlichen Projekt. Die Digitalisierung beginnt nicht in der Werkstatt, sondern mit endlosen Vorarbeiten:

• Anlagenbezeichnungen vereinheitlichen,
• doppelte Datensätze entfernen,
• Hierarchien überarbeiten,
• fehlende Komponenten ergänzen,
• Verantwortlichkeiten klären,
• und Excel-Listen miteinander abgleichen.

Aus dem geplanten Digitalisierungsprojekt wird zunächst ein Stammdatenprojekt. Der operative Nutzen wird immer weiter verschoben.

Die Mitarbeiter erhalten noch keine bessere Unterstützung. Die Dokumentation verbessert sich nicht. Und neues Wissen fließt weiterhin in Notizzettel, E-Mails oder persönliche Dateien.

Das Unternehmen wartet auf perfekte Voraussetzungen, während die Datenqualität im laufenden Betrieb weiter abnimmt.

Die Realität verändert sich schneller als deine Excel-Liste

Eine Produktionsanlage ist kein statisches Objekt.

Bauteile werden ersetzt, Komponenten umgebaut und technische Lösungen an neue Anforderungen angepasst. Nicht jede Änderung wird unmittelbar im Enterprise-Resource-Planning-System, kurz ERP-System, oder in der technischen Dokumentation nachgeführt.

Deshalb entsteht eine wachsende Lücke zwischen dem dokumentierten und dem tatsächlichen Zustand.

In SAP ist möglicherweise ein bestimmter Motor hinterlegt. Vor Ort wurde dieser Motor aber längst durch ein anderes Modell ersetzt. Der Techniker erkennt die Abweichung sofort, weil er direkt vor der Anlage steht.

Das Projektteam am Schreibtisch kann diese Information dagegen nur mit erheblichem Aufwand ermitteln.

Der beste Ort zur Verbesserung von Anlagendaten ist deshalb häufig nicht das Büro.

Es ist die Anlage selbst.

Start now, clean later

Der pragmatische Gegenentwurf lautet: Start now, clean later.

Beginne mit den Daten, die heute vorhanden sind. Akzeptiere, dass sie unvollständig, uneinheitlich oder teilweise falsch sein können.

Die Bereinigung erfolgt anschließend schrittweise im laufenden Arbeitsprozess.

Das klingt zunächst riskant. Tatsächlich ist es häufig näher an der betrieblichen Realität als der Versuch, vorab einen perfekten Datenbestand zu schaffen.

Denn moderne Systeme sollten nicht nur mit sauberen Daten arbeiten können. Sie sollten dabei helfen, die Datenqualität kontinuierlich zu verbessern.

Die Software wird damit nicht zum Endpunkt der Bereinigung. Sie wird zu ihrem Werkzeug.

Daten dort korrigieren, wo Fehler sichtbar werden

Stell dir vor, ein Techniker steht vor einer Anlage und bemerkt, dass die Dokumentation nicht zum tatsächlich verbauten Bauteil passt.

Im klassischen Prozess müsste er sich die Abweichung notieren, später einen zuständigen Kollegen informieren und darauf hoffen, dass der Datensatz irgendwann angepasst wird.

Im Alltag geht diese Information leicht verloren.

Bei einem nutzerfreundlichen digitalen Prozess korrigiert der Techniker die Angabe direkt vor Ort:

Er fotografiert das Typenschild und beschreibt die Änderung mit einer kurzen Sprachnachricht.

Zum Beispiel:

„Der dokumentierte Motor ist nicht mehr verbaut. Eingebaut wurde ein Motor vom Typ XY. Der Austausch erfolgte beim letzten ungeplanten Stillstand.“

Das System strukturiert die Angaben, erkennt relevante Stammdaten und bereitet die Änderung im Hintergrund auf.

Der Mitarbeiter muss keine umfangreiche Excel-Liste öffnen und keine komplizierte Eingabemaske bedienen. Er dokumentiert die Abweichung in dem Moment, in dem er sie entdeckt.

So entsteht Datenqualität nicht durch eine einmalige Aktion, sondern durch viele kleine Verbesserungen im Arbeitsalltag.

Die Software muss für dich aufräumen

Viele Digitalisierungsprojekte verlangen zunächst zusätzliche Arbeit von den Mitarbeitern.

Sie sollen Daten bereinigen, Informationen übertragen und bestehende Ablagen neu strukturieren, bevor sie selbst einen Nutzen aus der neuen Lösung ziehen.

Das ist die falsche Reihenfolge.

Eine moderne Anwendung sollte den Mitarbeiter bei seiner eigentlichen Aufgabe unterstützen und gleichzeitig die Datenbasis verbessern.

Der Techniker liefert das, was er direkt vor Ort zuverlässig beurteilen kann:

• ein Foto,
• eine Beobachtung,
• eine kurze Beschreibung,
• oder die Information über ein ausgetauschtes Bauteil.

Das System übernimmt anschließend möglichst viel der weiteren Arbeit:

• Inhalte auslesen,
• Informationen strukturieren,
• Anlagen und Komponenten zuordnen,
• vorhandene Datensätze vergleichen,
• und Korrekturen vorbereiten.

Die Software räumt für dich auf, während du arbeitest – nicht umgekehrt.

Warum der Arbeitskontext entscheidend ist

Eine Bereinigung am Schreibtisch betrachtet Daten meist isoliert.

Dort steht eine Anlagenbezeichnung, eine Materialnummer oder eine technische Beschreibung. Ob diese Angaben noch der Realität entsprechen, lässt sich anhand der Liste allein oft nicht erkennen.

Der Techniker vor Ort besitzt dagegen den entscheidenden Kontext.

Er sieht, welches Bauteil tatsächlich verbaut ist. Er erkennt Umbauten und provisorische Lösungen. Er weiß möglicherweise auch, warum von der ursprünglichen Dokumentation abgewichen wurde.

Dieses Wissen muss möglichst einfach in das System zurückfließen können.

Je höher die Eingabehürde ist, desto wahrscheinlicher bleibt die Abweichung undokumentiert. Deshalb sind Fotos und natürliche Sprache so wertvoll: Sie passen zur konkreten Arbeitssituation und erfordern keine umfangreiche Nachbearbeitung durch den Techniker.

Perfektion ist kein Startpunkt

Natürlich darf „Start now, clean later“ nicht bedeuten, dass Datenqualität unwichtig ist.

Es bedeutet auch nicht, dass jede ungeprüfte Information automatisch als verbindlicher Stammdatensatz übernommen werden sollte.

Die zentrale Erkenntnis lautet vielmehr: Perfektion ist kein realistischer Startpunkt.

Du brauchst einen kontrollierten Prozess, der mit unvollständigen Daten beginnen kann und die Qualität anschließend kontinuierlich erhöht.

Dabei können klare Regeln helfen:

1. Kritische Daten zuerst Nicht jede Information hat dieselbe Bedeutung. Beginne mit den Anlagen und Stammdaten, die für Sicherheit, Verfügbarkeit und Reparaturprozesse besonders wichtig sind.
2. Korrekturen im Arbeitsprozess erfassen Mitarbeiter sollten Abweichungen genau dann melden können, wenn sie sie entdecken. Der Prozess muss schnell und einfach sein.
3. Änderungen nachvollziehbar prüfen Relevante Korrekturen können vor der endgültigen Übernahme durch verantwortliche Personen geprüft und freigegeben werden.
4. Die Datenbasis schrittweise erweitern Jede Reparatur, jeder Austausch und jede Rückmeldung verbessert den digitalen Anlagenbestand.

So wächst die Qualität mit der Nutzung des Systems.

Der Weg ist das Ziel

Digitalisierung ist kein Zustand, den du nach einem langen Vorbereitungsprojekt plötzlich erreichst.

Sie ist ein fortlaufender Prozess.

Deine Anlagen verändern sich. Mitarbeiter sammeln neue Erfahrungen. Komponenten werden ersetzt und Prozesse angepasst. Eine Datenbasis, die heute vollständig erscheint, benötigt morgen bereits die nächste Aktualisierung.

Deshalb ist ein lernendes System wertvoller als eine vermeintlich perfekte Ausgangsliste.

Der entscheidende Fortschritt entsteht nicht durch die einmalige Bereinigung aller Daten. Er entsteht durch einen Arbeitsprozess, in dem neue Informationen einfach erfasst, vorhandene Angaben korrigiert und die Daten fortlaufend verbessert werden.

Die wichtigsten Erkenntnisse der Folge

Die zentrale Botschaft lautet: Warte nicht auf perfekte Stammdaten. Nutze die Digitalisierung, um sie während der Arbeit zu verbessern.

Die wichtigsten Key Takeaways:

• Perfekte Daten sind keine Voraussetzung für den Start. Wer darauf wartet, verschiebt den operativen Nutzen immer weiter.
• Excel-Listen veralten schneller als die Produktion stillsteht. Während Daten am Schreibtisch bereinigt werden, verändern sich die Anlagen bereits wieder.
• Der tatsächliche Zustand ist vor Ort sichtbar. Techniker erkennen Abweichungen direkt an der Maschine.
• Daten sollten im Arbeitskontext korrigiert werden. Ein Foto und eine kurze Sprachnachricht können dafür ausreichen.
• Moderne Software muss bei der Bereinigung unterstützen. Sie strukturiert Informationen und bereitet Stammdaten im Hintergrund auf.
• Die Datenqualität wächst mit der Nutzung. Jede Reparatur und jede Rückmeldung kann den Anlagenbestand verbessern.
• Digitalisierung ist ein kontinuierlicher Prozess. Der Weg ist das Ziel, nicht die perfekte Ausgangsdatei.

Hängst du noch im ewigen Stammdatenprojekt fest?

Dann hör auf, die Realität am Schreibtisch einfrieren zu wollen.

Starte mit dem, was vorhanden ist. Lass deine Mitarbeiter Abweichungen dort erfassen, wo sie sichtbar werden. Und setze Software ein, die beim Arbeiten für dich aufräumt.

Start now, clean later.

• Kritische Anlagen statt aller Daten priorisieren
• Korrekturen direkt vor Ort per Foto und Sprache erfassen
• Stammdaten im laufenden Betrieb kontinuierlich verbessern