Datenqualität statt Tool-Debatten: Worauf es im PLM wirklich ankommt
Ohne saubere Produktdaten bleibt selbst die beste Technologie Stückwerk. Ob KI, Digital Thread, Compliance oder Cloud: Der Nutzen moderner PLM-Ansätze hängt davon ab, wie gut Daten strukturiert, vernetzt und nutzbar gemacht werden.
Im Interview spricht Dr. Steffen Kunnen, Head of Product für PRO.FILE, darüber, warum Fertigungsunternehmen weniger über einzelne Tools und stärker über Datenqualität, Prozessreife und ein belastbares Product Data Backbone sprechen sollten. Seine Einschätzung: Wer neue Technologien erfolgreich einsetzen will, muss zuerst die Grundlage dafür schaffen.
Welche Technologietrends prägen aus Ihrer Sicht das PLM-Umfeld und die Fertigungsindustrie im zweiten Halbjahr 2026 am stärksten? Wo besteht langfristig Handlungsbedarf und welche kurzfristigen Maßnahmen können ergriffen werden, um sich diesen Trends vorbereitend anzupassen?
Künstliche Intelligenz bleibt ohne Frage das Trendthema Nummer 1. Allerdings ist dabei nicht entscheidend, ob Unternehmen „irgendetwas mit KI“ machen, sondern ob sie konkrete Anwendungsfälle mit messbarem Nutzen identifizieren. Für generative KI sehe ich im PLM- und Engineering-Umfeld vor allem Potenziale in der Informationssuche, bei der Vervollständigung von Eingaben und der Automatisierung klar definierter Prozesse.
Kurzfristig geht es vor allem darum, die Datengrundlage vorzubereiten, gezielt wenige Workflows zu priorisieren und Nutzende frühzeitig mitzunehmen. Freigabeprozesse, Stücklistenübergaben oder technische Dokumentation bieten sich dafür an. Denn KI funktioniert nur dort zuverlässig, wo Informationen strukturiert und konsistent verfügbar sind und genau da wird PLM relevant.
Die aktuelle Studie von PRO.FILE zeigt: 29 % der DACH-Unternehmen sehen den Aufbau eines Produktdaten-Backbones als wichtigste Maßnahme zur Zukunftssicherung ihrer Teams. Warum ist Ihrer Meinung nach ein solides Datenfundament wichtiger als einzelne Technologie-Adoptionen?
Weil neue Technologien immer nur so gut sind wie die Daten, auf die sie zugreifen. Die Entwicklungsgeschwindigkeit ist enorm. Was gestern noch als Innovation galt, ist morgen schon Standard. Wenn die Datenbasis nicht stimmt, verpufft der Nutzen jedes neuen Tools und aus Implementierungsprojekten ergeben sich statt Fortschritten nur neue Schwierigkeiten.
Das spiegelt sich auch in der Umsetzung einiger PLM-Initiativen wider: Die scheitern selten an fehlenden Funktionen, sondern mangels Datenqualität oft an der Integration in bestehende Systeme. Gleichzeitig hängen die wichtigsten Anwendungsfelder direkt von verlässlichen Stammdaten ab. Ein zentrales Product Data Backbone wie PRO.FILE es bietet, ist Grundvoraussetzung dafür, dass Prozesse überhaupt belastbar digitalisiert werden können.
EU-Regulierungen wie CSRD oder CBAM verändern die Anforderungen an Rückverfolgbarkeit und Datendurchgängigkeit drastisch. Wie stark beeinflussen diese Richtlinien die PLM-Strategie mittelständischer Fertigungsunternehmen? Welche Rolle spielt dabei die durchgängige Datenkette?
Stärker als viele Unternehmen vermuten. Die EU schreibt Unternehmen zwar keine bestimmte Software vor, aber die Regularien erhöhen den Druck auf Datenkonsistenz, Nachvollziehbarkeit und Auditfähigkeit erheblich. Das betrifft nicht nur direkt berichtspflichtige Unternehmen. In vielen Fällen werden Anforderungen entlang der Lieferkette weitergereicht, etwa wenn OEMs Emissionsdaten, Materialnachweise oder Traceability-Informationen vertraglich von ihren Zulieferern einfordern.
Meiner Meinung nach geht das Hand in Hand mit dem Thema “Digitaler Produktpass”, der die digitale, standardisierte und maschinenlesbare Bereitstellung von Material-, Lieferanten- und Lebenszyklusdaten fordert. Wer die gefragten Daten nicht strukturiert vorliegen hat, arbeitet sich mit manuellen Lösungen durch und muss dafür einen hohen Aufwand manueller Pflege betreiben. Genau deshalb ist die durchgängige Datenkette ein strategisch sinnvolles Unterfangen für Compliance und Nachweisbarkeit.
Corporate Sustainability Reporting Directive (CSRD)
EU-Richtlinie, die zur Offenlegung von Nachhaltigkeits- und ESG-Daten verpflichtet und die Anforderungen an Transparenz, Rückverfolgbarkeit und Auditierbarkeit erhöht.
Carbon Border Adjustment Mechanism (CBAM)
Das CO₂-Grenzausgleichssystem der EU verpflichtet zur Berichterstattung über die CO₂-Emissionen bestimmter Importgüter und verschärft die Anforderungen an Emissionsdaten, Lieferkettentransparenz und standardisierte Nachweise.
Engineering Change Management gilt vielerorts als Achillesferse: Änderungen werden über E-Mail, Excel oder mündliche Absprachen abgewickelt. Eigentlich schlagkräftige Argumente, um das Änderungsmanagement endlich systematisch und werkzeuggestützt anzugehen. Warum tun es dennoch so wenige?
ECM ist kein reines Tool-Thema. Das Änderungsmanagement greift tief in die Arbeitsweise eines Unternehmens ein und betrifft mehrere Abteilungen, die alle abgeholt werden müssen. Sobald man diesen Prozess strukturiert aufsetzt, werden Verantwortlichkeiten sichtbar, gewohnte Abkürzungen verschwinden und bestehende “politische“ oder organisatorische Widerstände werden aufgezeigt. Viele Firmen wissen zwar, dass der vorherige Status quo nicht ideal ist, scheuen aber diese Konfrontation.
Dazu kommt die Gefahr der Over-Customization: Wenn ECM-Prozesse zu stark auf Sonderanforderungen zugeschnitten werden, steigt die Komplexität und mit ihr sinkt die Nutzerakzeptanz. Ich denke außerdem, dass vielen nicht bewusst ist, wie schnell sich moderne ECM-Lösungen einführen lassen. So bleiben E-Mail, Excel und informelle Abstimmungen oft der bequemste, wenn auch fehleranfälligste Weg.
In vielen Bereichen heißt es eher „Datensicherheit“ versus „Datenvernetzung“, statt beide Kernanforderungen gedanklich und systematisch zu vereinen. In der DACH-Region priorisieren 25 % der Hersteller Sicherheit und Datenschutz als Top-Investitionsbereich. Wie lässt sich Ihrer Meinung nach der Wunsch nach strengem IP-Schutz und Compliance mit dem Bedarf an offener Datenintegration in Einklang bringen?
Gerade im DACH-Raum ist Datensouveränität eine Grundbedingung. Nachvollziehbar, schließlich gehören Konstruktionsdaten, Produktwissen und geistiges Eigentum zum Kern der Wertschöpfung. Isolation führt jedoch nicht weiter. Wer Systeme abschottet, blockiert die Datendurchgängigkeit, die von modernen Prozessen und Technologien verlangt wird.
Das Problem lässt sich durch sauber definierte Zugriffsmodelle lösen. Zusammen mit einer Architektur, die Datensouveränität und Durchgängigkeit zugleich zulässt. Aus diesem Grund werden hybride Modelle weiter an Bedeutung gewinnen. Sie halten sensible Daten dort, wo Unternehmen volle Kontrolle brauchen und ermöglichen die Zusammenarbeit gezielt über webbasierte oder Cloud-nahe Komponenten.
Wenn dann KI ins Spiel kommt, gilt: Je offener und leistungsfähiger ein System wird, desto wichtiger werden Verifikation, Nachvollziehbarkeit und Zero-Trust-Denken. Vernetzung funktioniert also dann nachhaltig, wenn die Datensicherheit von Anfang an Teil des Systemdesigns ist.
Viele mittelständische Hersteller starten mit einem PDM-System und stoßen früher oder später an Grenzen. Was ist der Schlüssel, um den Sprung vom reinen Produktdaten-Management zu einem skalierbaren PLM-System zu meistern, und welche Prinzipien oder Etappen sind dabei entscheidend?
Es wird zu schnell über finale Lösungen gesprochen. Wenn das PDM an Grenzen stößt, sollte die richtige erste Frage nicht sein: „Welches PLM brauchen wir jetzt?“ Sondern: „An welcher Stelle hakt’s und welches Problem müssen wir zuerst lösen?“
Ich würde in Etappen vorgehen: Probleme ermitteln, Lücken im bestehenden Daten- und Prozessmodell identifizieren, Anforderungen beschreiben, Datenfundament stärken und daraus die PLM-Strategie aufbauen.
Skalierbares PLM entsteht durch konsequente Anschlussfähigkeit. Wenn das Datenmodell stimmt und Erweiterungen use-case-getrieben erfolgen, lässt sich ein System deutlich robuster entwickeln. Hier greift der Backbone-Ansatz, den PRO.FILE verfolgt. Er bietet die belastbare Struktur für sinnvolle Erweiterungen.
Oftmals gilt Cloud-Software als alternativlos. Auch Ihre Studie zeigt, dass bereits 44 % der Befragten cloudbasierte PLM-Lösungen nutzen. Ist Cloud-first im industriellen PLM tatsächlich der einzig gangbare Weg oder werden On-Premise- und Hybrid-Modelle im Mittelstand ihre Berechtigung behalten?
„Cloud“ kann sehr Unterschiedliches bedeuten, von SaaS über Private-Cloud-Modelle bis hin zu Hosted-IaaS-Lösungen. Cloud-first hat sich in bestimmten Bereichen durchgesetzt, bleibt jedoch im klassischen PDM noch weit hinterher.
Im DACH-Mittelstand bleiben Datensouveränität, Performance-Anforderungen und bestehende CAD-nahe Prozesse starke Argumente für On-Prem- oder hybride Modelle. Dort, wo sensible Engineering-Kerndaten, etablierte Integrationen oder spezifische Konfigurationen eine große Rolle spielen, wird On-Prem auch nicht einfach verschwinden. Ich sehe deshalb Hybridmodelle eher als bewusste Zielarchitektur denn als Übergangsphase.
Die realistische Zukunft ist aus meiner Sicht nicht dogmatisch, sondern differenziert: Der PDM-Kern bleibt dort, wo Kontrolle und Performance besonders kritisch sind, und zusätzliche PLM-Funktionen werden gezielt webbasiert oder cloudnah ergänzt. Wer Architekturentscheidungen so trifft, gewinnt Flexibilität, ohne Souveränität aufzugeben.
Buzzword „Digital Thread“: Wie definieren Sie den digitalen Faden im Kontext Ihrer Arbeit, und wie lässt er sich in der Praxis herstellen, ohne dass die Komplexität ausufert? Zukünftig soll der Digital Thread zudem zwingend auditfähig sein – etwa im Kontext von CSRD oder CBAM. Was denken Sie, wie weit ist die Realität davon entfernt?
In der Theorie: eine durchgängige Verknüpfung aller Informationen, die entlang des Produktlebenszyklus entstehen. Entscheidend ist, dass die entstehenden Informationen nicht isoliert stehen, sondern verknüpft sind und sich jederzeit kontextbezogen abrufen lassen.
In der Praxis scheitert es aber oft an unvollständigen Prozessen, fehlenden Integrationen und Medienbrüchen. Sobald kritische Informationen per E-Mail, in Nebenlisten oder außerhalb definierter Prozesse laufen, reißt der Faden. Viele Unternehmen sind davon noch ein gutes Stück entfernt. In der Umsetzung sollte es nicht das Ziel sein, alles auf einmal zu realisieren. Sinnvoller ist ein schrittweiser Aufbau entlang kritischer Datenpfade. Der Digital Thread ist das Ziel und die Reise dorthin hat gerade erst begonnen.
Bleiben wir beim Thema KI: Setzen Fertigungsunternehmen bereits KI-gestützte Assistenten oder Automatisierungen im PLM- und Engineering-Umfeld ein? Wo sehen Sie aktuell den konkreten Nutzen, und welche KI-Anwendungen werden im Produktlebenszyklus künftig zu erwarten sein?
Obwohl sich viele Unternehmen mit KI beschäftigen, hat vielleicht nur ein Drittel davon eine klare Vorstellung, was sie damit konkret erreichen wollen. Entsprechend ist KI bei den wenigsten produktiv im Einsatz.
Im Einsatz zeigt sich der Nutzen schnell in der Reduzierung wiederkehrender Aufgaben, beim schnelleren Zugriff auf Informationen oder als Unterstützung bei der Erstellung von Inhalten. In all diesen Bereichen kann KI die Produktivität der Mitarbeitenden steigern.
Auch hier gilt: Erst das Datenfundament, dann die Skalierung. KI stockt dort, wo PDM, ERP und CAD noch nicht sauber zusammenarbeiten.
Der PRO.FILE Smart Manufacturing 2026 Report zeigt, dass 36 % der Hersteller fehlende KI-Kompetenzen als dringendste Qualifikationslücke identifizieren. Wo sehen Sie heute den konkreten Nutzen von KI im PLM- und Engineering-Umfeld, und welche Vorbedingungen müssen erfüllt sein, damit KI im Produktlebenszyklus tatsächlich skaliert?
Die aktuellen Anwendungen sind eher pragmatisch: semantische Suche, automatische Klassifikation, Extraktion von Informationen aus Dokumenten, Anomalieerkennung oder erste Analysen. Das sind Felder, in denen KI entlastet, weil sie die Informationsarbeit beschleunigt, die sonst manuell höheren Aufwand erfordern würde.
Für mehr braucht es wie immer die saubere Grundlage von hoher Datenqualität, vollständiger und digital gepflegter Datensätze, belastbarer Prozessintegration und Sicherstellung der Datensouveränität. Ohne strukturiertes Produktdatenmodell fehlt Kontext und KI stößt schnell an Grenzen. Um frühzeitig potenzielle Lücken zu ermitteln, empfehle ich einen KI-Readiness-Check.
Aus Industrie 4.0 wird Industrie 5.0: Was bedeutet das konkret für die Rolle von Ingenieur:innen im Entwicklungsprozess der Zukunft? Verändert KI den klassischen Engineering-Job grundlegend oder bleibt sie ein Werkzeug, das die Expertise der Menschen ergänzt?
Das hängt, denke ich, stark von der Branche ab, aber KI wird den Engineering-Beruf verändern, jedoch nicht ersetzen. Wir müssen uns fragen, welche Tätigkeiten im Engineering wirklich betroffen sind: Was fällt weg, was wird unterstützt und was gewinnt an Bedeutung.
Routineaufgaben und Dokumentation lassen sich jetzt schon gut von KI umsetzen. Bei Aufgaben, die sich nicht einfach delegieren lassen, sieht das anders aus: Systemverständnis, Anforderungserhebung, Abstimmung und Bewertung. Der Ingenieur wird wieder weniger Ausführender und stärker jemand, der den Rahmen setzt und Ergebnisse einordnet.
Egal wie, das Thema Kontrolle bleibt zentral: Ergebnisse müssen von Menschen verifiziert werden.
Der Fachkräftemangel macht deutlich, dass Unternehmen ihre Zukunft nicht einfach durch „mehr Personal“ absichern können. Wenn erfahrene Mitarbeitende das Unternehmen verlassen, geht nicht nur wichtiges Wissen verloren, zudem stoßen KI-Ansätze an ihre Grenzen, da Kontext fehlt.
In Deutschland lag die MINT-Arbeitskräftelücke im November 2025 bei 149.100 Personen. Wie begegnen Fertigungsunternehmen diesem Fachkräftemangel? Welche Rolle kann ein modernes PLM-System dabei spielen, fehlendes Wissen zu bewahren und neue Mitarbeitende schneller produktiv zu machen?
Ein PLM-System wie PRO.FILE kann hilfreich sein, wenn Entscheidungen, Änderungen und Zusammenhänge sauber im Product Data Backbone dokumentiert sind. Dann lassen sich auch direkte Effekte erkennen: kürzeres Onboarding, bessere Wiederverwendung und schnellerer Zugriff auf relevante Informationen. Es geht darum, Produktwissen abrufbar zu machen, statt es nur in Köpfen zu halten.
Der Markt und vor allem die Technik ändern sich rasant und teilweise grundlegend. Was wird uns Ihrer Meinung nach rückblickend als der entscheidende Wendepunkt der 2020er-Jahre in der Fertigungsindustrie in Erinnerung bleiben?
Ich glaube, man wird die 2020er-Jahre rückblickend als das Jahrzehnt betrachten, in dem Daten im Engineering ihren Status verändert haben. Schon jetzt sind sie nicht mehr “nur” das Ergebnis eines Entwicklungsprozesses, sondern Basis für Entscheidungen und neue Produkte. KI verstärkt das, ist aber nicht der Auslöser.
Unternehmen mussten und müssen lernen, Daten nicht nur zu erzeugen, sondern sie systematisch als produktiven Rohstoff zu behandeln.
Der Begriff PLM wird immer wieder debattiert. Braucht es einen neuen Begriff oder haben sich einfach die Ansprüche daran geändert, was PLM heute leisten muss?
Ich glaube nicht, dass es ein Begriffsproblem ist. Die Diskussionsgrundlage ist eher, was Unternehmen tatsächlich unter PLM verstehen. Viele verstehen PLM als Tool. Tatsächlich geht es um die übergeordnete Strategie, wie Produktdaten und Prozesse im Unternehmen zusammengeführt werden.
Die Erwartung ist oft, dass PLM alle Probleme löst. In der Praxis passiert eher das Gegenteil: Am Anfang macht es Lücken sichtbar, bringt Prozessschwächen ans Licht und fordert klare Strukturen und das wiederum belastet die Akzeptanz.
Mit KI verschiebt sich die ursprüngliche Erwartungshaltung noch weiter und PLM wird schnell als Allheilmittel gesehen. Ich denke, unabhängig von einer möglichen Namensdebatte sind wir auf dem richtigen Weg: weg vom Tool-Denken, hin zu einem strategischen Umgang mit Daten.
Zum Abschluss eine persönliche Frage: Haben Sie ein Leitprinzip, um bei all den Tech- Mein Leitprinzip ist im Grunde einfach: Erst das Problem verstehen, dann über Technologie sprechen. Ich halte wenig davon, neue Werkzeuge isoliert zu bewerten, bevor klar ist, welche reale Herausforderung sie überhaupt lösen sollen.
Trends die Spreu vom Weizen zu trennen? Mit welcher Maxime unterscheiden Sie echten Fortschritt von kurzfristigem Hype?
Fortschritt zeigt sich nicht daran, wie modern etwas klingt, sondern daran, ob Prozesse dadurch wirklich verbessert werden und selbst ein anfangs “unspektakulärer“ Schritt kann sich im Ergebnis als strategisch sehr wertvoll herausstellen.
Dr. Steffen Kunnen ist Head of Product für PRO.FILE bei Revalize und eine Schlüsselfigur im PLM-Produktteam. Mit seinem umfassenden Hintergrund im Maschinenbau und einer Promotion über Produktentwicklungsprozesse und Datenmanagement leitet er die strategischen Initiativen von PRO.FILE.
