ROI der Digitalisierung: 5 Metriken, die Fertigung und Logistik wirklich brauchen

Ich erinnere mich an einen Besuch in einer mittelständischen Gießerei im Ruhrgebiet. Der Geschäftsführer zeigte mir stolz sein neues ERP-System, das sechsstellige Summe verschlungen hatte. Auf meine Frage nach dem Return on Investment zuckte er mit den Schultern. Irgendwann werde sich das schon rechnen, sagte er. Diese Haltung habe ich in traditionellen Industrien immer wieder erlebt. Technologie wird gekauft, aber selten mit der gleichen Nüchternheit bewertet wie eine neue Presse oder ein Lkw.

Die meisten Unternehmen in Fertigung und Logistik beherrschen die Kalkulation von Maschinenstunden oder Kilometerkosten perfekt. Sobald es um Software, Sensoren oder Cloud-Dienste geht, verlassen sie sich auf Bauchgefühle. Dabei gibt es handfeste Methoden, den Erfolg solcher Investitionen zu messen. Ich habe fünf Ansätze gefunden, die in der Praxis funktionieren – nicht weil sie besonders ausgeklügelt sind, sondern weil sie an der konkreten Arbeit ansetzen.

Wenn ich mit Fertigungsbetrieben arbeite, fange ich fast immer mit der Amortisationsdauer an. Aber nicht mit dem einfachen Payback, den Verkäufer gerne in die Runde werfen. Drei Jahre, sagt der Vertrieb, dann haben Sie Ihr Geld wieder. Die Rechnung stimmt meist, weil sie Zinsverluste, Schulungszeit und Produktionsausfälle während der Einführung schlicht ignoriert. Ich schaue mir lieber die Opportunitätskosten an. Was hätte das Unternehmen mit dem Geld sonst anfangen können? Eine neue Fräsmaschine, die sofort die Taktzeit senkt? Oder Weiterbildung für die Instandhalter? Die echte Amortisation errechnet sich aus dem Vergleich mit der nächstbesten Alternative.

Ein Maschinenbauer aus Baden-Württemberg installierte IoT-Sensoren an seinen Werkzeugmaschinen. Die Hersteller versprachen eine Halbierung der Wartungskosten. Nach einem Jahr waren sie tatsächlich um vierzig Prozent gesunken. Der CFO jubelte. Erst als ich die versteckten Kosten aufzeigte – die monatlichen Gebühren für die Cloud-Plattform, die Zeit der eigenen IT-Abteilung für die Integration, die Schulungen für die Monteure –, zeigte die Rechnung ein anderes Bild. Die Amortisationszeit verlängerte sich von zwölf auf zweiundzwanzig Monate. Immer noch gut, aber nicht so überragend wie gedacht. Der Punkt ist: Wer nur auf die Bruttorendite schaut, übersieht die Nebenkosten, die jedes Digitalisierungsprojekt mit sich bringt.

Der zweite Ansatz dreht sich um die Ausfallrate von Maschinen. In der traditionellen Instandhaltung gilt: Ein Getriebe läuft, bis es kaputtgeht, dann wird es getauscht. Vorausschauende Wartung mit Vibrationssensoren soll das ändern. Ich habe erlebt, wie ein Hersteller von Druckgussteilen nach der Installation solcher Sensoren die ungeplanten Stillstände um siebzig Prozent reduzierte. Das klingt fantastisch. Aber die entscheidende Kennzahl ist nicht die Anzahl der Ausfälle, sondern die Gesamtkosten der Instandhaltung. Die Sensoren selbst sind billig, die Auswertung der Daten nicht. Der Betrieb musste einen Data Analysten einstellen, der die Muster interpretierte. Die Personalkosten fraßen die Einsparungen bei den Ersatzteilen teilweise wieder auf. Am Ende blieb ein Nettovorteil von etwa fünfzehn Prozent. Der lohnt sich, doch er zeigt: Auch hier kommt es auf die vollständige Kostenperspektive an.

Der dritte Ansatz, die Liefergenauigkeit, klingt auf den ersten Blick einfach. Ein Spediteur, den ich beriet, setzte eine KI-gestützte Routenoptimierung ein. Die Software versprach, die pünktliche Ankunft von siebzig auf fünfundneunzig Prozent zu steigern. Nach drei Monaten lag die Quote bei dreiundneunzig Prozent – ein Erfolg. Die Kundenzufriedenheit stieg messbar, die Reklamationen sanken. Doch dann geschah etwas Unerwartetes. Die Fahrer begannen, die vorgeschlagenen Routen zu ignorieren. Sie kannten die Straßen besser, die Baustellen, die Staufallen. Die KI lernte aus historischen Daten, aber nicht aus dem aktuellen Verkehr der letzten Stunde. Die Disponenten mussten die Vorschläge manuell übersteuern. Am Ende nutzte das Unternehmen die KI nur noch als Empfehlung, nicht als Entscheidungssystem. Die Liefergenauigkeit blieb bei neunzig Prozent. Die Investition hatte sich nicht wie erhofft amortisiert, aber sie hatte einen anderen Effekt: Die Fahrer begannen, systematischer zu planen, weil sie die Vorschläge mit ihrer eigenen Erfahrung abgleichen mussten. Die Verbesserung der Liefergenauigkeit war das Ergebnis von Mensch und Maschine, nicht von Technologie allein.

Der vierte Ansatz wird fast überall vernachlässigt: die tatsächliche Nutzung durch die Mitarbeiter. Ich habe noch kein Digitalisierungsprojekt gesehen, das an der Technik gescheitert wäre. Die Hürden sind immer die Menschen. Ein großer Logistikdienstleister führte ein neues Lagerverwaltungssystem ein, das die Kommissionierung beschleunigen sollte. Die Software war tadellos. Nach sechs Monaten stellte sich heraus, dass die Kommissionierer die alten Papierlisten weiter nutzten. Sie vertrauten dem neuen Pick-by-Voice-System nicht, weil es bei Umgebungsgeräuschen manchmal falsche Positionen ansagte. Die Nutzungsrate lag unter zwanzig Prozent. Der CFO wollte das Projekt abbrechen. Ich schlug vor, die Anwendung in der Kantine aufzustellen und die Mitarbeiter selbst testen zu lassen. Nach zwei Wochen stieg die Nutzung auf achtzig Prozent. Die Ursache war nicht die Technik, sondern mangelnde Einbindung. Seitdem messe ich bei jedem Projekt in den ersten drei Monaten die aktive Nutzungsdauer pro Mitarbeiter. Liegt sie unter sechzig Prozent, mache ich mir mehr Sorgen um die Akzeptanz als um die Funktionalität. Die schönste Analyse bringt nichts, wenn niemand sie anwendet.

Aus diesen Erfahrungen habe ich einen einfachen Bewertungsrahmen entwickelt, der Technologieausgaben an klare Geschäftsziele knüpft. Er besteht aus drei Fragen: Was kostet das Problem, das ich lösen will, in Euro pro Jahr? Wie viel dieser Kosten wird die Technologie realistisch beseitigen? Und welche zusätzlichen Kosten entstehen durch die Einführung selbst? Die Antworten ergeben das Kosten-Nutzen-Verhältnis. Diesen Rahmen wende ich immer vor der Beschaffung an, nicht danach. Bei dem Maschinenbauer mit den IoT-Sensoren ergab die erste Kalkulation eine Einsparung von achttausend Euro pro Monat bei einer Investition von hunderttausend Euro – zurück in gut zwölf Monaten. Die zweite Rechnung, mit Schulung, Cloudgebühren und Anpassungen, zeigte sechzehntausend Euro monatlich, also Rückzahlung in vierzehn Monaten. Immer noch attraktiv. Der Spediteur mit der Routenoptimierung kam nach dem Rahmen auf eine Verzögerung von achtzehn statt zwölf Monaten, weil die Akzeptanz der Fahrer zusätzliche Workshops erforderte.

Dieser Rahmen zwingt zum ehrlichen Hinsehen. Unternehmen in traditionellen Branchen haben oft den Reflex, Technologie als Wundermittel zu betrachten. Dabei ist sie nur ein Werkzeug, das in den Arbeitsalltag passen muss. Ich habe gelernt, dass die besten Metriken nicht die sind, die glänzende Zahlen zeigen, sondern die, die das tatsächliche Verhalten der Organisation widerspiegeln. Amortisationsdauer, Ausfallrate, Liefergenauigkeit und Nutzungsgrad – diese vier Kennzahlen, kombiniert mit einem soliden Bewertungsrahmen, geben ein realistischeres Bild als jede PowerPoint-Folie eines Softwareanbieters. Wenn ich heute eine Gießerei oder einen Spediteur besuche, frage ich nicht mehr nach dem System. Ich frage nach den Zahlen, die niemand gerne teilt: den Nebenwirkungen der Digitalisierung. Dort liegt der wahre Erfolg.