Hohe Datenqualität als Must-have für operative Exzellenz

Die Jahresbilanz 2025 des Verbands der Chemischen Industrie (VCI) fällt eher nüchtern aus. So gingen Produktion, Preise und Umsätze erneut zurück. Im Jahr 2026 erwartet der Verband für die chemisch-pharmazeutische Branche insgesamt eine stagnierende Produktion, für die Chemie einen Rückgang von einem Prozent.

Chemiebetriebe kämpfen mit bürokratischen Hürden, hohen Energiepreisen sowie Emissions- und Rohstoffkosten. Auch zahlreiche Regularien machen den Unternehmen zu schaffen. Hierzu zählen auf europäischer Ebene insbesondere die Reach-Verordnung (Registration, Evaluation, Authorisation and Restriction of Chemicals) und die CLP-Verordnung (Classification, Labelling and Packaging of Substances and Mixtures), die durch nationale Gesetze ergänzt werden. Wenn diese Vorgaben nicht eingehalten oder widersprüchliche Angaben zu Produktzusammensetzungen gemacht werden, drohen empfindliche Bußgelder oder sogar strafrechtliche Konsequenzen. Hinzu kommen mögliche Reputationsschäden und der damit verbundene Vertrauensverlust bei Kunden und Partnern.

Unzureichende Datenqualität als Störfaktor

Gerade für international aufgestellte Chemiekonzerne ist das Einhalten der Verordnungen eine große Herausforderung. Ihre verteilten Niederlassungen beziehen die Rohstoffe für ihre Produkte häufig von mehreren, meist regionalen Lieferanten, die dieselben Stoffe unterschiedlich bezeichnen. Dadurch ist es für Chemiekonzerne schwer zu ermitteln, wie viele Tonnen einer bestimmten Substanz tatsächlich eingekauft und verarbeitet wurden. Fehlen Mechanismen zur Datennormalisierung, müssen Unternehmen ihre Softwareapplikationen manuell durchsuchen, um Handelsnamen den entsprechenden Rohstoffen zuzuordnen. Erst dann können sie Berichte erstellen sowie Ein- oder Ausfuhrdokumente korrekt ausfüllen.

Erschwerend kommt hinzu, dass sich Handelsnamen laufend ändern. Mit solchen Inkonsistenzen gehen höhere Personalkosten, ein erhöhtes Risiko für Compliance-Verstöße sowie eine schlechtere Produktqualität durch Kommunikationsprobleme in der Produktion einher. Deshalb sind Chemieunternehmen gut beraten, eine hohe Datenqualität bei der Dokumentation der verwendeten Ausgangsstoffe sicherzustellen.

Zugleich ist eine hohe Datenqualität ein zentraler Hebel für die operative Exzellenz von Unternehmen. Dabei handelt es sich um einen ganzheitlichen, strategischen Managementansatz, mit dem Unternehmen Optimierungspotenziale entlang der gesamten Wertschöpfungskette identifizieren und ausschöpfen können.

KI bereinigt hinterlegte Datensätze

Ein wirksamer Ansatz, um die Produktstammdaten-Qualität in Chemieunternehmen zu verbessern, ist, eine Integrationsplattform zu nutzen. Diese verbindet ein Master-Data-Management-System (MDM) mit den eingesetzten Lösungen wie Enterprise-Resource-Planning- (ERP) oder Labor-Informations-Management-Systemen (LIM). Dabei fungiert die MDM-Anwendung als Single Source of Truth: Alle Ausgangsstoffe sind dort mit einer eindeutigen Bezeichnung hinterlegt, die sich etwa aus der Chemical-Abstracts-Service-Nummer (CAS), einem internen Stock-Keeping-Unit-Code (SKU) sowie dem jeweiligen Handelsnamen zusammensetzt.

Idealerweise ist auch ein KI-Modell über die Plattform in die IT-Landschaft integriert. Dieses kann die variierenden Bezeichnungen der Rohstoffe im ERP- oder LIM-System automatisiert mit den im MDM-System hinterlegten Datensätzen abgleichen und bereinigen. Dabei lernt die KI anhand neuer Einträge stetig hinzu, sodass die Datenqualität kontinuierlich steigt.

Da Chemieunternehmen zahlreiche Ausgangsstoffe verarbeiten, empfiehlt sich zum Einführen ein schrittweises Vorgehen: So sollte das MDM-System im Rahmen eines Pilotprojekts zunächst mit den Daten jener Rohstoffe befüllt werden, bei denen die meisten Inkonsistenzen auftreten. Die Mitarbeitenden oder ausgewählte Data Stewards prüfen die Ergebnisse der KI und spielen ihr mögliche Interpretationsfehler zurück („Human-in-the-Loop“), sodass sie im Laufe der Zeit die Daten immer zuverlässiger harmonisiert. Erst wenn das KI-Modell die Bezeichnungen der Substanzen mit der gewünschten Genauigkeit korrigiert, werden die Einträge im MDM-System ausgeweitet. Zudem kann angedacht werden, weitere Systeme wie eine Lagerverwaltungslösung anzubinden.

Für international agierende Chemieunternehmen ist hohe Datenqualität äußerst wertvoll. Sie reduziert nicht nur manuelle Aufwände beim Reporting, sondern senkt vor allem auch Compliance- und Haftungsrisiken. Zugleich können Unternehmen auf Basis validierter Produktstammdaten ihre operative Exzellenz erheblich steigern, indem sie Personalkosten reduzieren sowie eine hohe Produktqualität und damit die Kundenzufriedenheit sicherstellen.

Wie weit ist der Anlagenbau beim Umsetzen von KI-Anwendungen?

Auf dem Engineering Summit in Darmstadt wurden im November 2025 konkrete Anwendungsfälle für KI im Anlagenbau vorgestellt. Gleichzeitig fand eine Podiumsdiskussion mit der Frage „Verschläft der Anlagenbau die KI-Revolution?“ statt – wie passt das zusammen?