MES-Integration: Produktionsdaten nahtlos in Ihre Pipeline

Das Problem: Produktionsdaten erreichen nie die Systeme, die sie brauchen

Ihre Maschinen liefern Daten. Ihr MES sammelt sie. Ihr Warenwirtschaftssystem plant Aufträge. Ihr ERP bucht Material. Und zwischen allen Systemen liegen Excel-Exports, manuelle Uploads und E-Mails mit CSV-Anhängen. Das Ergebnis: Die Geschäftsführung sieht Kennzahlen von gestern, der Einkauf reagiert zu spät auf Materialengpässe, und die Produktionsleitung verliert den Überblick über tatsächliche Durchlaufzeiten.

MES-Daten sind wertvoll, wenn sie andere Prozesse automatisch steuern. Doch viele Mittelständler nutzen ihr Manufacturing Execution System nur als digitales Logbuch, ohne die Informationen in Echtzeit weiterzuleiten. Die Folge sind Medienbrüche, veraltete Planungsdaten und manuelle Nacharbeit in allen nachgelagerten Systemen.

Was MES-Integration wirklich bedeutet

Ein Manufacturing Execution System erfasst, was in der Fertigung passiert: Maschinenlaufzeiten, Stückzahlen, Ausschuss, Stillstände, Materialverbrauch. Integration heißt, diese Daten automatisch in andere Systeme zu schieben oder von dort abzurufen, ohne dass ein Mitarbeiter exportiert, konvertiert oder hochlädt.

Typische Ziele einer MES-Integration:

• ERP-Synchronisation: Fertigmeldungen, Materialverbräuche und Auftragsstatus fließen ins ERP, damit Buchhaltung und Disposition auf echten Zahlen arbeiten.
• BI und Reporting: Produktionskennzahlen landen in Dashboards, die Geschäftsführung und Produktionsleitung täglich nutzen.
• Predictive Maintenance: Maschinendaten werden analysiert, um Wartungsbedarf vorherzusagen, bevor teure Stillstände entstehen.
• Lieferketten-Steuerung: Bei Verzögerungen in der Fertigung löst die Pipeline automatisch Nachrichten an Einkauf oder Kunden aus.

Ohne Integration bleibt MES ein isoliertes System, dessen Daten manuell übertragen werden müssen.

Schritt 1: Welche Daten liefert Ihr MES und über welche Schnittstelle

Bevor Sie eine Pipeline bauen, prüfen Sie, welche Exportformate Ihr MES anbietet. Viele Systeme stellen REST-APIs, OPC UA, SQL-Views oder MQTT-Topics bereit. Andere schreiben CSV-Dateien in ein Netzlaufwerk oder bieten nur einen manuellen Export.

Checkliste für die Bestandsaufnahme:

1. Dokumentation des Herstellers durcharbeiten: Welche Schnittstellen sind lizenziert?
2. IT-Verantwortlichen fragen: Gibt es bereits API-Zugänge oder Datenbankfreigaben?
3. Testdaten ziehen: Exportieren Sie einmal manuell eine Fertigmeldung oder Maschinenstatus, um Struktur und Felder zu verstehen.
4. Latenz messen: Wie lange dauert es, bis eine Änderung in der Produktion im MES sichtbar wird?

Ein Beispiel aus einem Metallbaubetrieb mit 45 Mitarbeitenden: Das MES schrieb alle 15 Minuten eine CSV-Datei mit Maschinenstatus in ein Netzlaufwerk. Die Pipeline holte die Datei per SFTP ab, validierte Zeitstempel und Maschinen-IDs und schob die Zeilen in eine PostgreSQL-Datenbank. Von dort zog ein Dashboard-Tool stündlich aggregierte Werte. Latenz gesamt: 20 Minuten. Für operative Steuerung ausreichend, für Echtzeit-Alarmierung zu langsam.

Schritt 2: Datenfluss modellieren und Transformationen planen

MES-Daten kommen selten in der Form, die Zielsysteme erwarten. Feldnamen, Zeitformate, Maßeinheiten und Kodierungen unterscheiden sich. Deshalb brauchen Sie eine Transformationslogik zwischen Quelle und Ziel.

Typische Transformationen:

• Zeitstempel normalisieren: MES liefert lokale Zeit, ERP erwartet UTC.
• Einheiten umrechnen: Maschine meldet Meter, ERP bucht Stück.
• Stammdaten anreichern: Maschinen-ID wird durch Kostenstelle, Standort und Verantwortlichen ergänzt.
• Duplikate filtern: Manche MES senden bei Verbindungsabbruch dieselbe Meldung mehrfach.

Zeichnen Sie den Datenfluss als einfaches Diagramm: Quelle, Transformationsschritte, Ziel. Das hilft später bei Fehlersuche und Dokumentation.

Ein Beispiel: Fertigmeldungen aus dem MES enthielten nur die Auftragsnummer. Die Pipeline holte über eine SQL-Abfrage die zugehörige Kostenstelle aus dem ERP, rechnete Stückzahlen in Kilogramm um (Gewicht pro Stück lag in einer Stammdatentabelle) und schrieb das Ergebnis in ein Data Warehouse. Transformationszeit pro Datensatz: unter 200 Millisekunden.

Schritt 3: Pipeline technisch umsetzen

Sie haben drei Architektur-Optionen:

1. Workflow-Plattform (n8n, Make): Visueller Editor, schnelle Anpassungen, gut für CSV-, REST- und Webhook-Integrationen. Weniger geeignet für hohe Datenraten oder komplexe Transformationen.
2. ETL-Tool (Apache NiFi, Airbyte): Für strukturierte Batch-Jobs und klassische Datenbank-zu-Datenbank-Transfers. Mehr Setup-Aufwand, dafür skalierbar und robust.
3. Custom-Code (Python, Node.js): Maximale Flexibilität, volle Kontrolle über Fehlerbehandlung und Logging. Wartungsaufwand höher, aber für komplexe Logik oft alternativlos.

In der Praxis kombinieren Mittelständler oft Workflow-Plattform für einfache Routen (z. B. Fertigmeldung per Webhook an ERP) und Custom-Code für rechenintensive Aggregationen oder Predictive-Maintenance-Modelle.

Konkrete Umsetzung in n8n:

1. Trigger: Cron-Node startet alle 10 Minuten.
2. Read Files: SFTP-Node holt neue CSV-Dateien aus dem MES-Export-Verzeichnis.
3. Parse CSV: Spreadsheet-Node wandelt Zeilen in JSON-Objekte.
4. Filter: IF-Node prüft, ob Zeitstempel neuer ist als letzter Import (gespeichert in einer SQLite-Tabelle).
5. Enrich: HTTP-Request-Node fragt ERP-API nach Kostenstelle und Materialstamm.
6. Transform: Function-Node rechnet Einheiten um, normalisiert Zeitstempel.
7. Write: PostgreSQL-Node schreibt finale Zeilen in Data Warehouse.
8. Notify: Bei Fehlern schickt ein Webhook eine Nachricht an Microsoft Teams.

Laufzeit für 200 Datensätze: circa 30 Sekunden. Die Pipeline läuft auf einem Debian-Server mit 4 vCPUs und 8 GB RAM, gehostet bei Hetzner in Falkenstein.

Schritt 4: Fehlerbehandlung und Monitoring einbauen

MES-Integrationen laufen oft nachts oder am Wochenende. Wenn die Pipeline abbricht, merkt es niemand, bis Montag früh das Dashboard leer bleibt. Deshalb brauchen Sie strukturiertes Monitoring.

Checkliste Fehlerbehandlung:

• Retry-Logik: Bei Netzwerkfehlern automatisch drei Versuche mit exponentiellem Backoff (2, 4, 8 Sekunden Pause).
• Dead-Letter-Queue: Datensätze, die nach drei Versuchen fehlschlagen, landen in einer separaten Tabelle zur manuellen Prüfung.
• Health-Check-Endpoint: Ein HTTP-Endpunkt gibt Status der letzten Pipeline-Runs zurück, z. B. {"last_run": "2026-09-03T06:15:00Z", "status": "ok", "records_processed": 187}.
• Alerting: Bei Abbruch oder mehr als 10 Prozent fehlgeschlagenen Datensätzen geht eine Nachricht an die IT.

Ein Beispiel aus einem Kunststoffverarbeiter: Die Pipeline scheiterte nachts, weil das MES nach einem Update Zeitstempel ohne Sekunden lieferte. Der Parser erwartete ISO 8601, bekam aber :15. Die Retry-Logik half nicht, weil das Format durchgängig falsch war. Erst am Montagmorgen fiel auf, dass das Dashboard eingefroren war. Lösung: Ein zusätzlicher Parsing-Versuch mit relaxiertem Regex und sofortige Benachrichtigung bei unbekanntem Zeitformat.

Realistische Outcomes: Was Sie nach vier Wochen sehen

• Latenz sinkt von Stunden auf Minuten: Fertigmeldungen erreichen ERP und BI in unter 15 Minuten statt am Folgetag.
• Manuelle Exports entfallen: Produktionsleitung muss keine CSV-Dateien mehr per E-Mail verschicken.
• Fehlerquote sinkt: Zahlendreher und vergessene Übertragungen gehören der Vergangenheit an.
• Transparenz steigt: Geschäftsführung sieht täglich aktuelle OEE-Werte (Overall Equipment Effectiveness) im Dashboard.

Was Sie nicht erwarten sollten: perfekte Datenqualität vom ersten Tag an. MES-Daten enthalten Ausreißer, Tippfehler in Auftragsnummern und ungeplante Stillstände, die nicht korrekt gebucht wurden. Die Pipeline deckt Qualitätsprobleme auf, löst sie aber nicht automatisch. Planen Sie Zeit für Datenbereinigung und Abstimmung mit der Produktion ein.

Was typischerweise nicht funktioniert

Echtzeit ohne Puffer: Viele MES liefern Daten mit Verzögerung. Wer erwartet, dass eine Fertigmeldung sofort im ERP erscheint, wird enttäuscht. Puffern Sie mindestens 5 bis 10 Minuten ein.

Alle Daten auf einmal migrieren: Historische Produktionsdaten der letzten drei Jahre sind oft inkonsistent, unvollständig oder in veralteten Formaten. Starten Sie mit Live-Daten ab jetzt und migrieren Sie Altdaten nur, wenn echte Analysen das erfordern.

Integration ohne Fachbereich: IT kann die Pipeline bauen, aber nur die Produktion weiß, welche Kennzahlen wirklich zählen und welche Ausreißer ignoriert werden dürfen. Ohne Abstimmung entstehen Dashboards, die niemand nutzt.

Vergessene Lastspitzen: Schichtwechsel, Monatsabschlüsse und Inventuren erzeugen Datenspitzen. Dimensionieren Sie Server und Datenbankverbindungen so, dass sie das Dreifache der Normallast verarbeiten.

So starten Sie die MES-Integration in Ihrer Produktion

1. Schnittstellen-Check: Klären Sie mit dem MES-Hersteller oder Ihrer IT, welche APIs oder Exportformate verfügbar sind.
2. Zielsystem festlegen: Entscheiden Sie, wohin die Daten fließen sollen (ERP, Data Warehouse, BI-Tool).
3. Pilotroute bauen: Wählen Sie einen einfachen Use Case, z. B. Fertigmeldungen an ERP, und setzen Sie die Pipeline in zwei Wochen um.
4. Monitoring aktivieren: Richten Sie Logging, Retry-Logik und Alerting ein, bevor die Pipeline produktiv geht.
5. Fachbereich einbinden: Lassen Sie Produktionsleitung und Controlling die ersten Ergebnisse prüfen und geben Sie Feedback direkt in die Pipeline-Konfiguration zurück.

Wenn Sie MES-Daten nahtlos in Ihre Systemlandschaft integrieren möchten und unsicher sind, welche Architektur zu Ihrer Fertigung passt, sprechen Sie mit uns.

Sprechen Sie mit uns

Sie möchten das in Ihrem Betrieb umsetzen? Wir bauen die passende Maschine mit Ihnen.

Telefon: 040 468 967 680
E-Mail: info@whitefox-automations.com
Oder über unser Kontaktformular.