15 Oktober 2026

Industrial Data bezeichnet Daten, die im industriellen Umfeld entstehen oder dort für technische und betriebliche Aufgaben verwendet werden. Dazu zählen beispielsweise Konstruktionsinformationen, Maschinenmesswerte, Auftragsrückmeldungen und Qualitätsdaten. Der Begriff umfasst unterschiedliche Formate und Lebenszyklusphasen und ist keine einzelne Datenart. Nutzbar werden die Daten durch eine eindeutige Bedeutung, ausreichende Qualität und einen passenden Bezug zur jeweiligen Aufgabe.

Was zählt zu Industrial Data?

Industrielle Daten entstehen nicht nur an Sensoren. Bereits in der Entwicklung werden Produktstrukturen, Zeichnungen und Anforderungen erzeugt. Die Planung ergänzt Arbeitsfolgen und Ressourcen. Während der Fertigung kommen Zustände, Mengen und Prüfergebnisse hinzu. Im späteren Betrieb können Wartungsbefunde und Nutzungsinformationen entstehen.

Diese Daten unterscheiden sich in Struktur, Häufigkeit und Bedeutung. Ein Messwertstrom kann viele Werte pro Sekunde liefern. Eine freigegebene Zeichnung ändert sich dagegen nur bei einem neuen Änderungsstand. Beide können für die Beurteilung desselben Produkts relevant sein. Ihre Zusammenführung verlangt einen nachvollziehbaren Bezug.

Datenbereich	Beispiele	Typische Verwendung
Engineering	Modelle, Zeichnungen, Spezifikationen	Produkt und Anlage beschreiben
Planung	Arbeitspläne, Sollzeiten, Ressourcen	Herstellung vorbereiten
Produktion	Aufträge, Mengen, Zustände	Ablauf steuern und bewerten
Prozess und Qualität	Messreihen, Prüfergebnisse, Freigaben	Prozess und Ergebnis beurteilen
Instandhaltung und Betrieb	Befunde, Laufzeiten, Eingriffe	Technischen Zustand und Nutzung nachvollziehen

Daten, Information und Kontext unterscheiden

Der Wert „72“ lässt sich ohne weitere Angaben kaum nutzen. Er könnte eine Temperatur, eine Stückzahl oder eine Auftragskennung sein. Auch nach Ergänzung der Einheit bleiben Fragen offen: Wo wurde gemessen? Wann? Unter welcher Last? Ist es ein Messwert, ein Sollwert oder ein bereits berechneter Mittelwert?

Kontext verbindet solche Angaben mit ihrem fachlichen Zusammenhang. NIST betont in den Empfehlungen zur Erfassung und Wiederverwendung von Fertigungsdaten, dass reine Konnektivität dafür nicht genügt. Welche Zusatzinformationen notwendig sind, richtet sich nach dem betrachteten Anwendungsfall und der zu treffenden Entscheidung.

Metadaten beschreiben Daten, beispielsweise Einheit, Quelle, Erfassungszeit oder Änderungsstand. Eine eindeutige Kennung kann einen Messwert mit Maschine, Auftrag oder Produkt verbinden. Dabei muss die Zuordnung zeitlich stimmen. Eine heute gültige Maschinenkonfiguration erklärt nicht zwingend einen Messwert aus der Zeit vor einem Umbau.

Wie entsteht ein industrieller Datenfluss?

Erfassen: Daten aus Sensoren, Steuerungen, Anwendungen oder Eingaben aufnehmen.
Zuordnen: Quelle, Zeit, Objekt und fachlichen Zusammenhang ergänzen.
Prüfen: Fehlende Werte, unzulässige Einheiten und widersprüchliche Angaben erkennen.
Verarbeiten: Daten für einen definierten Zweck umformen oder auswerten.
Bereitstellen: Ergebnisse an die vorgesehenen Nutzer oder Anwendungen übergeben.
Pflegen: Änderungen, Aufbewahrung und Verantwortlichkeiten steuern.

Die Maschinendatenerfassung ist ein möglicher Einstiegspunkt. Die Betriebsdatenerfassung ergänzt betriebliche Zusammenhänge. Ein ERP und ein MES können weitere Informationen liefern. Für eine Analyse sollten die Quellen nicht nur technisch erreichbar, sondern auch fachlich miteinander verknüpfbar sein.

Fraunhofer IPA beschreibt Data Pipelines als Verfahren zur Überführung, Transformation und Bereitstellung von Daten zwischen Systemen mit möglichst wenigen manuellen Eingriffen. Eine solche Pipeline benötigt trotzdem fachlich festgelegte Regeln. Automatisierung macht eine fehlerhafte Zuordnung lediglich schneller und wiederholbar, wenn die Logik nicht überprüft wurde.

Praxisbeispiel: Ausschuss nach einem Werkzeugwechsel untersuchen

Das folgende Beispiel ist fiktiv. Ein Betrieb beobachtet, dass die Ausschussquote eines Produkts von zwei auf fünf Prozent gestiegen ist. Bei jeweils 1.000 geprüften Teilen entspricht das einer Veränderung von 20 auf 50 Ausschussteile. Der Anstieg beträgt drei Prozentpunkte beziehungsweise 30 zusätzliche Ausschussteile in der betrachteten Menge.

Für die Untersuchung werden Prüfergebnisse mit Auftragsnummer, Materialcharge, Werkzeugkennung und den Zeitpunkten der Bearbeitung verbunden. Die Instandhaltungsdokumentation zeigt einen Werkzeugwechsel. Zusätzlich hat sich jedoch die Materialcharge geändert. Aus dem zeitlichen Zusammentreffen lässt sich deshalb nicht sicher ableiten, dass der Werkzeugwechsel die Ursache war.

Das Team vergleicht weitere geeignete Produktionsabschnitte und prüft die fachlich plausiblen Einflussgrößen. Messwerte, die keinem eindeutigen Auftrag zugeordnet werden können, werden kenntlich gemacht. Eine vermeintlich große Datenbasis darf nicht darüber hinwegtäuschen, dass nur ein Teil für die konkrete Frage belastbar verwendbar ist.

Das Beispiel zeigt den Unterschied zwischen Datensammlung und Untersuchung. Erst durch passende Verknüpfungen entsteht eine prüfbare Hypothese. Ein statistischer Zusammenhang allein beweist noch keine Ursache. Die anschließende technische Prüfung bleibt Bestandteil der Arbeit.

Welche Anforderungen stellt industrielle Datennutzung?

Die Anforderungen hängen vom Zweck ab. Für eine langfristige Auslastungsübersicht können verdichtete Zeitintervalle genügen. Eine Untersuchung kurzer Prozessspitzen benötigt möglicherweise deutlich feinere Messreihen. Zu frühe Verdichtung kann wichtige Informationen entfernen; unbegrenzte Speicherung aller Rohdaten erzeugt dagegen Aufwand ohne gesicherten Nutzen.

Eindeutigkeit: Objektkennungen und Begriffe konsistent verwenden.
Zeitbezug: Ereigniszeit, Empfangszeit und Zeitzone unterscheiden.
Qualität: Fehlende oder fragliche Werte sichtbar kennzeichnen.
Nachvollziehbarkeit: Quelle und Verarbeitungsschritte dokumentieren.
Zugriff: Daten passend zu Aufgabe und Berechtigung bereitstellen.
Verantwortung: Fachliche und technische Ansprechpartner benennen.

Interoperabilität erleichtert den Austausch zwischen unterschiedlichen Systemen. Gemeinsame Formate reichen jedoch nicht aus, wenn beispielsweise eine Mengenangabe unterschiedliche Zählpunkte bezeichnet. Die Bedeutung muss über die gesamte Verarbeitungskette erhalten bleiben.

Architektur und Betrieb

Industrial Data setzt keine bestimmte Plattform voraus. Mit Edge Computing können Informationen nahe an der Quelle verarbeitet werden. Zentrale Systeme können Daten mehrerer Anlagen zusammenführen. Eine Cloud ist eine mögliche Option, aber kein notwendiges Merkmal industrieller Datennutzung.

Entscheidend ist eine Architektur, die zum Anwendungsfall passt. Sie muss auch Ausfälle und Änderungen berücksichtigen. Wenn eine Verbindung unterbrochen wird, sollte erkennbar sein, welche Daten fehlen oder später nachgeliefert werden. Eine Analyse darf einen fehlenden Messwert nicht ungeprüft als tatsächlichen Nullwert behandeln.

Bei Änderungen an Maschinen, Produkten oder Software können bestehende Regeln unpassend werden. Ein neuer Sensor besitzt möglicherweise einen anderen Messbereich. Eine neue Produktvariante verändert die zulässigen Prozessbedingungen. Datenmodelle und Auswertungen brauchen deshalb einen geregelten Betrieb und gelegentliche fachliche Überprüfung.

Typische Fehler

Ein häufiger Fehler ist die Sammlung möglichst vieler Daten ohne konkrete Fragestellung. Ebenso problematisch sind nicht dokumentierte Bereinigungen: Werden auffällige Werte pauschal entfernt, verschwinden möglicherweise gerade die gesuchten Störereignisse. Rohwerte und aufbereitete Ergebnisse sollten bei Bedarf nachvollziehbar miteinander verbunden bleiben.

Ein weiterer Fehler ist die Gleichsetzung von Datenmenge und Aussagekraft. Viele fast identische Messwerte aus einem einzigen Betriebszustand decken nicht automatisch andere Produkte oder Lastfälle ab. Für Condition Monitoring und andere Analysen ist die Repräsentativität der Daten oft wichtiger als ihre reine Anzahl.

Häufige Fragen zu Industrial Data

Sind Industrial Data immer Sensordaten?

Nein. Dazu gehören auch Auftragsinformationen, Produktstrukturen, Prüfberichte und Wartungsbefunde. Sensordaten bilden lediglich einen Teil des industriellen Datenbestands. Häufig entsteht der eigentliche Nutzen erst, wenn technische Messwerte mit solchen Informationen verknüpft werden. Dadurch lässt sich beispielsweise erkennen, zu welchem Produkt, Auftrag oder Betriebszustand ein Wert gehört.

Ist eine zentrale Datenplattform zwingend notwendig?

Nein. Ein begrenzter Anwendungsfall kann mit vorhandenen Systemen und geeigneten Schnittstellen umgesetzt werden. Eine Plattform kann bei vielen Quellen und Nutzern hilfreich sein, verursacht aber ebenfalls Betriebsaufwand. Die Architektur sollte aus den benötigten Funktionen entstehen. Eine zusätzliche Datenablage löst weder unklare Begriffe noch fehlende Verantwortlichkeiten von selbst.

Was unterscheidet Rohdaten von aufbereiteten Daten?

Rohdaten liegen nahe an ihrer ursprünglichen Erfassung vor. Aufbereitete Daten wurden beispielsweise bereinigt, vereinheitlicht, verknüpft oder verdichtet. Beide können je nach Aufgabe sinnvoll sein. Wichtig ist, dass die Verarbeitung bekannt bleibt. Ein Mittelwert ist nicht mit einer vollständigen Messreihe gleichzusetzen und kann kurze Extremwerte verdecken.

Wie beginnt ein Unternehmen sinnvoll?

Mit einer konkreten betrieblichen Frage und einem begrenzten Anwendungsfall. Danach wird geprüft, welche Daten bereits vorhanden sind, welche fehlen und wie ihre Qualität beurteilt werden kann. Ein Pilot sollte nicht nur eine technische Verbindung demonstrieren, sondern eine tatsächlich nutzbare Entscheidung ermöglichen. Erst anschließend ist die Erweiterung auf weitere Bereiche sinnvoll zu bewerten.

Wer ist für industrielle Daten verantwortlich?

Fachbereich und IT beziehungsweise Automatisierung übernehmen unterschiedliche Aufgaben. Der Fachbereich erklärt Bedeutung und Nutzungszweck, die technischen Verantwortlichen sichern Übertragung und Betrieb. Zusätzlich braucht es klare Regeln für Änderungen und Zugriffe. Ohne benannte Zuständigkeiten können selbst technisch gut verfügbare Daten fachlich veralten oder widersprüchlich verwendet werden.

Quellen und weiterführende Informationen

Stand: Oktober 2026. Das Zahlenbeispiel ist fiktiv.