5S ohne Bewegungsgrenzen ist Theater – Visual Management für KI

5S, Dashboards, Maschinendaten, MES – Sie haben das alles, und trotzdem bringt die Automatisierung nicht die versprochene Leistung. Der Grund liegt selten im KI-Modell. Er liegt auf dem Boden. Wenn es in der Halle keine lesbaren Zonen, Verkehrsregeln und Kennzeichnungen gibt, analysiert das System einen Prozess, der nicht stabil ist. Deshalb ist Visual Management für die Automatisierung keine Zierde der Einführung – es ist ihre Voraussetzung.

Was die Hannover Messe 2026 wirklich gezeigt hat

Auf der Hannover Messe 2026 stellte das Analyseunternehmen IDC eine These auf, die das übliche Denken über den Vorsprung durch KI in der Produktion auf den Kopf stellt. Der Kernsatz lautet: „the data gold mine is not just in the machine data“ – die Goldmine der Wertschöpfung liegt nicht allein in den Maschinendaten. Der wertvollste Kontext entsteht dort, wo Mitarbeitende und Prozess aufeinandertreffen: in den Entscheidungen des Bedieners, in der Art, wie man sich durch die Halle bewegt, darin, wo und wie Material abgestellt wird.

Das ist eine wichtige Korrektur. Jahrelang flossen die Investitionen in die digitale Ebene – Sensoren, Telemetrie, Integrationen. Dabei hängt die Qualität der Schlüsse, die KI zieht, von der Tiefe des operativen Kontexts ab und nicht allein von der Qualität des Modells. Ein reicher Datenstrom aus der Maschine beschreibt die Maschine. Er beschreibt nicht das Chaos um sie herum.

In der Praxis bedeutet das eine Verschiebung des Schwerpunkts. Bevor Sie ein weiteres Modell oder Dashboard hinzufügen, lohnt sich die Frage, ob der Prozess rund um die Maschine so geordnet ist, dass sich daraus überhaupt ein wiederholbares Muster ablesen lässt. Wenn nicht, misst jede weitere digitale Ebene eine Schwankung, die leichter zu beseitigen als zu analysieren wäre.

Warum 5S ohne Bewegungsgrenzen nur Dekoration ist

5S ordnet den Arbeitsplatz: Sortieren, Systematisieren, Säubern, Standardisieren, Selbstdisziplin. Das Problem ist, dass klassisches 5S meist beim Werkzeugumriss und beim Etikett am Regal endet und nicht bis zu der Ebene reicht, die über die Wiederholbarkeit des gesamten Materialflusses entscheidet – bis zu den Bewegungsgrenzen. Wenn es keine festgelegten Fahrwege, keine gekennzeichneten Abstellzonen und keine eindeutigen Regeln gibt, wer wem Vorfahrt gewährt, existiert die „Ordnung“ nur auf dem Audit-Foto.

Für den Menschen ist ein solcher Mangel unbequem. Für ein autonomes System und für die Analytik ist er schlicht Rauschen. Visual Management für die Automatisierung schließt das, was 5S in der arbeitsplatzbezogenen Variante nicht abdeckt: Es übersetzt die Prozessregeln in Signale, die aus einigen Metern Entfernung sichtbar und in jeder Schicht gleich sind.

Vier Stellen, an denen KI den Kontext verliert

Wenn Sie prüfen möchten, wo Ihr Prozess leckt, bevor Sie eine weitere digitale Ebene hinzufügen, schauen Sie sich vier Punkte an. Hier geht der für eine verlässliche Analyse nötige Kontext am häufigsten verloren.

1. Bewegung von Menschen und Staplern

Ohne festgelegte Fahrwege existiert der tatsächliche Materialfluss nur in den Köpfen der Bediener. Zwei Personen legen dieselbe Strecke auf zwei Arten zurück, und das System kann Norm und Abweichung nicht unterscheiden. Festgelegte Verkehrswege verwandeln „so geht man hier eben“ in eine messbare Regel.

2. Wie der Bediener Entscheidungen umsetzt

Wenn der Abstellplatz oder die Zone für nicht konformes Material nicht gekennzeichnet ist, nimmt die Schwankung zu. Ein Bediener stellt die Palette hier ab, ein anderer zwei Meter weiter. Die Analytik erfasst diese Schwankung als „Zufälligkeit des Prozesses“, obwohl es in Wirklichkeit am visuellen Standard fehlt.

3. Qualität der Prozessdaten

Ohne lesbaren Standard verschwindet die Ursache eines Ereignisses. Das System sieht, dass das Material 40 Minuten stand, erfährt aber nicht, dass es in der falschen Zone stand, weil es die Zone nicht gab. Daten ohne räumlichen Kontext beschreiben die Wirkung, nicht die Ursache.

4. Wiederholbarkeit der Abläufe

Ohne wiederholbaren Prozess gibt es keine Analytik. Wenn derselbe Schritt jedes Mal anders ausgeführt wird, lernt die KI aus unscharfem Material und liefert unscharfe Schlüsse. Wiederholbarkeit beginnt damit, dass der Raum eine einzige Art der Ausführung erzwingt.

Visual Management für die Automatisierung: eine Reihenfolge, die funktioniert

Aus den Beobachtungen von IDC ergibt sich eine einfache operative Schlussfolgerung: zuerst ein sichtbarer Standard, dann verlässliche Daten, erst ganz am Ende eine kluge KI. Die Umkehrung dieser Reihenfolge ist der kostspieligste Fehler bei Einführungen – man setzt Analytik auf einen Prozess, der sich noch nicht zuverlässig messen lässt.

Der sichtbare Standard ist die Ebene, die das Unternehmen vollständig selbst kontrolliert und die es ohne Warten auf Integrationen umsetzen kann. Kontrastreiche Bodenmarkierungsbänder legen Fahrwege und Zonen fest, und Bodenmarkierungselemente kennzeichnen Abstellplätze und Entscheidungspunkte eindeutig. Hinzu kommt die Adressierung: Lesbare Boden- und Regaletiketten sorgen dafür, dass der Lagerplatz für Mensch und System derselbe ist. Erst auf diesem Fundament beginnen die Daten aus der Halle überhaupt etwas zu bedeuten.

Womit Sie in der Halle beginnen

Sie brauchen keine Überarbeitung des gesamten Layouts, um loszulegen. Beginnen Sie mit diesen vier Schritten – jeder schließt eine der Stellen, an denen zuvor der Kontext verloren ging:

• Legen Sie Fahrwege und Verkehrswege fest. Die Bewegung von Menschen und Staplern soll einem einzigen, sichtbaren Muster folgen und nicht mehreren schichtabhängigen Varianten.
• Kennzeichnen Sie Abstellzonen und Entscheidungspunkte. Platz für konformes Material, Zone für Abweichungen, Puffer – jeweils mit einer eigenen, wiederholbaren Kennzeichnung.
• Vereinheitlichen Sie Farbcode und Adressierung. Wenn jede Abteilung auf ihre Weise kennzeichnet, ist der Prozess nicht mehr skalierbar und die Daten nicht mehr vergleichbar.
• Prüfen Sie die Lesbarkeit bei schwächerem Licht und aus schrägem Winkel. Ein Standard, der aus der Distanz nicht sichtbar ist, ist kein Standard – er ist eine Absichtserklärung.

Ein einfacher Bereitschaftstest: Versteht eine neue Person die Verkehrsregeln in Ihrer Halle innerhalb weniger Minuten ohne Erklärung? Wenn ja, haben Sie eine Ebene, auf die sich Analytik und Automatisierung stützen können. Wenn nicht, kann das kein Modell ausgleichen – es macht das Chaos zuerst sichtbar und beschleunigt es dann.

Häufig gestellte Fragen

Braucht man Visual Management, wenn Roboter eine immer bessere Wahrnehmung haben?

Je mehr ein System „sieht“, desto stärker hängt es von der Qualität der Signale ab, die es liest. Eine mehrdeutige Kennzeichnung ist ein schwaches Eingangssignal, unabhängig von der Sensorklasse. Eine bessere Wahrnehmung erhöht die Anforderungen an die Umgebung, statt sie zu senken.

Womit beginnen, wenn wir 5S bereits eingeführt haben?

Erweitern Sie 5S vom Arbeitsplatz auf den Materialfluss. Prüfen Sie, ob Sie neben der Ordnung an den Arbeitsplätzen festgelegte Fahrwege, gekennzeichnete Abstellzonen und eine einheitliche Adressierung haben. Das ist meist das fehlende Glied zwischen einer „aufgeräumten Halle“ und einer „Halle, die für Daten und Automatisierung bereit ist“.

Ist das eine Investition für KI oder für die tägliche Arbeit der Menschen?

Für beides. Dieselbe Ebene, die dem System verlässliche Daten liefert, verkürzt den Menschen die Such- und Entscheidungszeit und verringert Fehler. Bereitschaft für die Automatisierung und Bereitschaft für die Menschen sind in der Praxis derselbe Standard.

Quellen

• IDC, Hannover Messe 2026: Industrial AI in Manufacturing – https://www.idc.com/resource-center/blog/hannover-messe-2026-industrial-ai-manufacturing/