Die verarbeitende Industrie unterscheidet sich von Dienstleistungsbranchen in einem Punkt, der direkte Folgen für Nachhaltigkeitsdaten hat: Der größte Teil der Umweltauswirkungen liegt nicht im eigenen Gebäude, sondern in der Kette davor und danach. Rohstoffe, Halbfertigprodukte, energieintensive Bearbeitungsschritte, Transport zwischen Fabriken, Abfallströme auf dem Werksgelände — der eigene Betrieb ist oft nur ein kleiner Teil des Gesamtbildes. Das bedeutet, dass eine Organisation in der verarbeitenden Industrie für einen wesentlichen Teil ihrer Berichtspflicht von Daten abhängig ist, die anderswo entstehen: bei einem Zulieferer, einem Transporteur, einem Energieversorger. Diese Abhängigkeit ist vom Muster her vergleichbar mit dem, was in dem Agrarsektor auftritt, wo die Kette vor und nach dem eigenen Unternehmen ebenfalls einen großen Teil der Auswirkungen bestimmt.
Innerhalb der eigenen Mauern sind Nachhaltigkeitsdaten über Systeme verteilt, die dafür nicht entwickelt wurden. Der Energieverbrauch je Produktionslinie steht im Gebäudeleitsystem oder beim Energieversorger, nicht verknüpft mit Produktionsvolumina. Maschinenlaufzeiten und Stillstand stehen im MES oder in einer Excel-Übersicht des Schichtleiters. Abfallströme — Schrott, Restmaterial, chemischer Abfall — werden häufig je Gewichtsschein vom Entsorgungsunternehmen erfasst, losgelöst vom internen System. Der Wasserverbrauch wird manchmal zentral für das gesamte Gelände gemessen, ohne Aufteilung nach Prozess. Für jemanden, der eine Emissionszahl je Produktionslinie benötigt, bedeutet das eine Suche entlang von Messsystemen, die jeweils ihre eigene Logik und Frequenz haben.
Das ERP-System enthält Einkaufsvolumina, Materialströme und manchmal Lieferantendaten, aber selten Emissionsfaktoren. Das MES kennt Maschinenzeiten und Output, verknüpft das aber nicht automatisch mit dem Energie- oder Materialverbrauch je Produkteinheit. Zwischen diesen beiden Systemen liegt oft ein manueller Schritt: jemand, der Volumina aus dem ERP holt, Maschinendaten aus dem MES kombiniert und mit einer separaten Rechentabelle zu einer Emissionszahl kommt. Diese Rechentabelle — und die darin enthaltenen Annahmen — ist genau der Punkt, an dem die Nachvollziehbarkeit verschwindet, wenn niemand festhält, welche Quelle, welcher Faktor und welche Annahme verwendet wurde.
Für Scope 3 ist die verarbeitende Industrie stark davon abhängig, was Zulieferer liefern. Der eine Lieferant schickt einen ausführlichen Nachhaltigkeitsbericht, der andere eine Schätzung auf einer Rechnung, ein dritter gar nichts. Manche Unternehmen arbeiten mit generischen Branchendurchschnitten, weil Lieferantendaten fehlen; andere haben für einige große Lieferanten Primärdaten, für den Rest der Kette jedoch nicht. Diese Mischung aus Datenquellen — primär, sekundär, geschätzt — muss irgendwo mit einem Vermerk über die Herkunft festgehalten werden, sonst lässt sich nachträglich nicht mehr rekonstruieren, welche Zahl auf welcher Annahme beruht.
Viele Fertigungsunternehmen haben bereits Zertifizierungen wie ISO 14001 oder Energieaudits laufen. Diese Prozesse erzeugen wertvolle Daten — Energieverbrauch, Verbesserungspläne, verifizierte Zahlen — aber die Ergebnisse landen oft in einem separaten Archiv der Qualitätsabteilung, losgelöst von der Nachhaltigkeitsberichterstattung. Die Zahl, die der Auditor bereits verifiziert hat, wird dann erneut und unabhängig davon für den Nachhaltigkeitsbericht erhoben, mit dem Risiko, dass die beiden Zahlen nicht mehr übereinstimmen.
Wer ist verantwortlich für die Energiezahl eines Produktionsstandorts: der Plant Manager, der Facility Manager oder der Nachhaltigkeitskoordinator am Hauptsitz? Wer verwaltet die Emissionsfaktoren, die auf Transportdaten angewendet werden: Einkauf, Logistik oder Finance? In vielen Fertigungsunternehmen wurde diese Verantwortung nie explizit zugewiesen. Dateneigentümerschaft entsteht implizit, bei wem gerade Zugang zum System hat, nicht bei wem den Inhalt am besten kennt oder kontrollieren kann.
Die Versuchung ist groß, ein Softwarepaket zu kaufen, das automatisch mit ERP und MES verknüpft und daraus ordentliche Dashboards erzeugt. Aber ein Werkzeug, das auf ein unorganisiertes Fundament gesetzt wird, produziert vor allem schnellere und überzeugender wirkende Versionen derselben unsicheren Zahlen. Bevor ein System Daten abrufen kann, muss festgelegt sein, welcher Datenpunkt aus welcher Quelle stammt, wer dessen Eigentümer ist und welche Qualitätsregel dazugehört. Das gilt für die verarbeitende Industrie genauso wie für Branchen mit einer ganz anderen Kettenstruktur, wie der Transportsektor oder der Einzelhandel, wo die Datenquellen anders liegen, das Ordnungsproblem aber dasselbe ist.
Der Data Readiness Scan legt für die verarbeitende Industrie ein Datenpunktregister an: je Emissionsquelle, je Produktionslinie, je Kettenglied wird festgestellt, welcher Datenpunkt benötigt wird, wo er entsteht — Maschine, ERP, Energieversorger, Entsorgungsunternehmen, Zulieferer — und über welche Route er zum endgültigen Berichtspunkt gelangt. Dazu kommen ein Eigentümer je Datenpunkt und eine Qualitätsregel, die bestimmt, wann eine Zahl verwendbar ist und wann nicht. Das ist kein Bericht und kein ausgefüllter Fragebogen, sondern die zugrunde liegende Struktur, die es ermöglicht, eine Zahl jederzeit auf ihre Quelle zurückzuführen. Diese Struktur ist vergleichbar mit dem, was in den unternehmensnahen Dienstleistungen benötigt wird, wo Daten ebenfalls über einzelne Systeme und Tabellen verteilt sind, auch wenn die Kette dort anders aussieht.
Das Werkzeug, das diesen Scan durchführt, befindet sich im Aufbau. Wer seine Organisation darauf vorbereiten möchte, kann sich für die Warteliste anmelden.
Sobald klar ist, welche Datenpunkte es gibt, wo sie entstehen und wer sie verwaltet, wird auch sichtbar, wie viel manuelle Arbeit im Sammeln, Kontrollieren und Abschreiben dieser Daten steckt. Diese Arbeit — Daten aus mehreren Systemen abrufen, Zahlen auf eine Quelle zurückführen, Qualitätskontrollen durchführen — besteht aus einzelnen Aufgaben, die nicht alle gleich viel menschliche Arbeit erfordern. Der Werkscan von FTE TO AI berechnet je Aufgabe, welcher Anteil davon von KI übernommen werden kann, sodass deutlich wird, wo Automatisierung den größten Zeitgewinn bringt und wo menschliche Kontrolle notwendig bleibt.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.