43 Reports. 7 Excel-Dateien. 3 PowerPoint-Decks pro Monat. Und trotzdem konnte der COO eines mittelständischen Fertigungsunternehmens mit 220 Mitarbeitern eine simple Frage nicht beantworten: Wie lange dauert es vom Auftragseingang bis zur Auslieferung? Nicht im Durchschnitt. Nicht laut ERP. Sondern wirklich. Die Antwort war ein KPI Dashboard operativ aufgebaut, das nicht Daten sammelt, sondern Entscheidungen ermöglicht.

Es gibt zwei Arten von COOs im Mittelstand. Die einen steuern ihre Prozesse mit Zahlen, die sie verstehen, in Echtzeit, mit klaren Schwellenwerten. Die anderen steuern mit Erfahrung, Bauchgefühl und dem Monatsreport, der immer zwei Wochen zu spät kommt. Dieser Artikel zeigt, wie ein COO den Wechsel von Kategorie zwei zu Kategorie eins geschafft hat. Nicht mit einem IT-Großprojekt. Mit drei Dashboards.

43 Reports und null Steuerungsfähigkeit: Die Ausgangslage

Das Unternehmen, ein Zulieferer für den Maschinenbau im süddeutschen Raum, hatte kein Datenproblem. Es hatte ein Steuerungsproblem. ERP, MES, CRM, Zeiterfassung, Excel-Sheets der Abteilungsleiter: Daten gab es überall. Was fehlte, war ein System, das aus diesen Daten Handlungsfähigkeit macht.

Der COO beschrieb die Situation in unserem ersten Gespräch so: "Ich weiß am Monatsende, was letzten Monat passiert ist. Aber ich weiß am Dienstag nicht, was diese Woche schiefläuft." Das ist der Kern des Problems. Operative Steuerung braucht keine historischen Analysen. Sie braucht Kennzahlen, die in Echtzeit zeigen, wo eingegriffen werden muss.

Die interne Analyse ergab: Von 43 erfassten KPIs waren 28 reine Ergebnis-Kennzahlen. Sie zeigten, was passiert war, nicht, was passieren wird. 9 KPIs wurden von niemandem aktiv genutzt. Und die verbleibenden 6, die tatsächlich steuerungsrelevant waren, lagen verteilt über vier verschiedene Systeme, ohne Zusammenhang, ohne Schwellenwerte, ohne klare Verantwortung.

Das ist kein Einzelfall. In unserer Projektarbeit sehen wir dieses Muster in fast jedem Mittelständler: zu viele Kennzahlen, die niemand nutzt, und zu wenige, die jemand versteht. Die Lösung liegt nicht in mehr Daten. Sie liegt in weniger KPIs, richtig strukturiert, an der richtigen Stelle im Unternehmen verankert.

Bevor ein Dashboard entstand, musste der Prozess klar sein

Der erste Impuls des COOs war nachvollziehbar: ein BI-Tool kaufen, Daten anbinden, Dashboard bauen. Wir haben diesen Impuls gestoppt. Nicht weil BI-Tools schlecht sind. Sondern weil ein Dashboard auf unklaren Prozessen nur den Blindflug visualisiert.

In unserem 3-Layer Framework beginnt jedes Projekt mit Layer 1: dem Prozessfundament. Bevor Technologie ins Spiel kommt, muss klar sein, welche Prozesse existieren, wie sie wirklich ablaufen und wo die kritischen Übergabepunkte liegen.

Wir haben deshalb zwei Wochen damit verbracht, die operativen Kernprozesse zu kartieren und zu dokumentieren. Auftragseingang, Produktionsplanung, Fertigung, Qualitätskontrolle, Versand. Nicht aus der ERP-Dokumentation, sondern aus der Realität: Interviews mit Abteilungsleitern, Begehungen in der Fertigung, Analyse der tatsächlichen Informationsflüsse.

Das Ergebnis war ernüchternd und befreiend zugleich. Der dokumentierte Soll-Prozess wich in 14 Punkten vom Ist-Prozess ab. Drei Übergabepunkte zwischen Abteilungen existierten nur mündlich. Und die Produktionsplanung arbeitete mit einer Excel-Datei, die der Meister seit 2019 pflegte, von der aber niemand in der Geschäftsleitung wusste.

Erst mit diesem Prozessverständnis konnten wir die richtigen KPIs identifizieren. Nicht 43. Nicht 15. Neun operative Kennzahlen, verteilt auf drei Dashboards, die jeweils eine spezifische Steuerungsebene abbilden.

Dashboard 1: Prozess-Performance in Echtzeit

Das erste Dashboard beantwortet eine einzige Frage: Laufen unsere Kernprozesse innerhalb der definierten Parameter? Drei Prozesskennzahlen, die den Ist-Zustand der operativen Leistung in Echtzeit zeigen.

Die Durchlaufzeit war die kritischste Kennzahl. Vor dem Dashboard lag der Durchschnitt bei 6,2 Tagen. Aber der Durchschnitt war das Problem: Er verdeckte die Streuung. Manche Aufträge liefen in 3 Tagen durch, andere brauchten 12. Erst die Echtzeit-Ansicht machte sichtbar, wo Aufträge stecken blieben. In 67 % der Fälle war es der Übergang von Produktionsplanung zu Fertigung. Nicht weil die Fertigung langsam war. Sondern weil die Produktionsplanung auf Tagesbasis arbeitete und Aufträge, die nach 14 Uhr eingingen, erst am nächsten Morgen eingeplant wurden.

Die First Pass Yield, also der Anteil der Produkte, die ohne Nacharbeit die Qualitätskontrolle bestehen, lag bei 89 %. Das Unternehmen hielt das für "branchenüblich". Es ist es nicht. Fertigungsunternehmen mit vergleichbarer Komplexität erreichen 95 bis 97 % (Quelle: ASQ, Manufacturing Quality Benchmarks 2025). Die Differenz von 6 bis 8 Prozentpunkten kostete das Unternehmen geschätzt 340.000 Euro pro Jahr an Nacharbeitskosten.

Der Produktivitätsindex pro Schicht zeigte etwas, das niemand erwartet hatte: Die Frühschicht produzierte 23 % mehr Output pro Stunde als die Spätschicht. Nicht wegen Motivation. Wegen Materialverfügbarkeit. Die Spätschicht wartete im Schnitt 42 Minuten pro Schicht auf Materialbereitstellung, weil die Logistikabteilung um 16 Uhr den Betrieb reduzierte.

Drei KPIs. Drei Erkenntnisse, die vorher unsichtbar waren. Und keine davon wäre aus einem Monatsreport hervorgegangen.

Dashboard 2: Automatisierungs-Pipeline und Effizienz-Tracking

Nachdem die Prozesskennzahlen standen, wurde klar, wo Automatisierung den größten Hebel bietet. Das zweite Dashboard bildet Layer 2 des 3-Layer Frameworks ab: die digitale Architektur und Automatisierungsschicht.

Dieses Dashboard war für den COO anfangs ungewohnt. Es zeigt nicht nur, was läuft, sondern was sich verändert. Der Automatisierungsgrad je Prozessbereich machte zum Beispiel sichtbar, dass die Auftragserfassung bereits zu 78 % automatisiert war, die Produktionsplanung aber nur zu 12 %. Diese Asymmetrie erklärt, warum der Flaschenhals genau dort lag, wo die Automatisierung fehlte.

Die eingesparten Stunden pro Woche waren mehr als eine Effizienzkennzahl. Sie waren ein Business Case in Echtzeit. Jede Automatisierung, die live ging, erhöhte den Zähler. Nach vier Monaten: 67 Stunden pro Woche weniger manuelle Arbeit. Das entsprach 1,7 Vollzeitstellen, die für wertschöpfende Aufgaben frei wurden. Nicht durch Stellenabbau, sondern durch Umverteilung auf Qualitätssicherung und Kundenberatung.

Der ROI je Automatisierungsprojekt war die Kennzahl, die den CFO überzeugte. Die erste Automatisierung, die automatische Auftragsbestätigung an Kunden, kostete 14.000 Euro in der Umsetzung. Sie sparte 6,5 Stunden pro Woche. Break-Even nach 11 Wochen. Die zweite Automatisierung, die Materialbedarfsberechnung, kostete 28.000 Euro und sparte 12 Stunden pro Woche. Break-Even nach 9 Wochen. Jede Kennzahl mit eingebauter Wirtschaftlichkeit, nicht als Quartalsbericht, sondern als Live-Tracking.

Dashboard 3: Das Frühwarnsystem, das Probleme erkennt, bevor sie eskalieren

Das dritte Dashboard war das, das den größten Kulturwandel auslöste. Es zeigt nicht, was passiert ist. Es zeigt, was passieren wird.

Die Liefertreue-Prognose war der Gamechanger. Basierend auf Durchlaufzeitdaten aus Dashboard 1, Kapazitätsinformationen aus der Fertigungssteuerung und dem aktuellen Auftragsbestand berechnet das System eine 7-Tage-Vorschau: Welche Aufträge werden den zugesagten Liefertermin voraussichtlich nicht einhalten? Bevor das Dashboard existierte, erfuhr der COO von Lieferverzögerungen, wenn der Kunde anrief. Jetzt sieht er am Montagmorgen, welche Aufträge der Woche kritisch werden, und kann eingreifen.

In den ersten drei Monaten nach Einführung stieg die Liefertreue von 82 % auf 94 %. Nicht weil die Fertigung schneller wurde. Sondern weil Probleme früh genug erkannt wurden, um Kapazitäten umzuschichten, Liefertermine proaktiv zu kommunizieren oder Fertigungsreihenfolgen anzupassen.

Die Kapazitätsauslastung mit Schwellenwert-Alarmen verhinderte zwei Szenarien: Überlastung, die zu Qualitätsproblemen führt, und Unterauslastung, die Kosten erzeugt. Der Schwellenwert von 92 % war bewusst gewählt. Darüber steigt die Fehlerquote messbar an, das zeigte die Korrelationsanalyse der historischen Daten. Der untere Schwellenwert von 65 % löste in den ersten Wochen dreimal einen Alarm aus und ermöglichte es dem Vertrieb, gezielt kurzfristige Aufträge zu akquirieren.

Die Kostenquote operativer Prozesse zum Umsatz war die Kennzahl, die der COO jeden Morgen als Erstes prüfte. Nicht weil sie die aufregendste war. Sondern weil sie die ehrlichste war: Wenn die Prozesskosten schneller steigen als der Umsatz, läuft etwas fundamental schief, egal wie gut die anderen Zahlen aussehen.

Vorher vs. nachher: Die Zahlen sprechen eine klare Sprache

Die Zahlen erzählen die Geschichte besser als jede Beschreibung. Aber die wichtigste Veränderung lässt sich nicht in einer Kennzahl fassen: Der COO führte zum ersten Mal proaktiv statt reaktiv. Montagmorgen-Meetings, die vorher 90 Minuten dauerten und mit dem Durchblättern von Reports begannen, dauerten 25 Minuten. Weil alle relevanten Informationen bereits auf drei Bildschirmen sichtbar waren, bevor jemand den Raum betrat.

Die Kostenersparnis durch vermiedene Nacharbeit, optimierte Kapazitätsauslastung und reduzierte Lieferverzögerungen: geschätzt 480.000 Euro im ersten Jahr. Die Investition in die drei Dashboards inklusive Prozessarbeit, Datenanbindung und Schulung: 85.000 Euro. Ein ROI, der sich nicht diskutieren lässt.

Warum drei Dashboards und nicht eines: Die Architektur-Entscheidung

Die Entscheidung für drei separate Dashboards statt einer einzigen Übersicht war bewusst. Jedes Dashboard bildet einen Layer des 3-Layer Frameworks ab und hat einen klar definierten Zweck.

Ein einziges Dashboard mit 9 KPIs wäre technisch möglich gewesen. Aber es hätte das zentrale Problem reproduziert: zu viele Informationen ohne Kontext. Der COO braucht am Montagmorgen das Prozess-Performance-Dashboard. Mittwochs prüft er die Automatisierungs-Pipeline. Und das Frühwarnsystem läuft durchgehend mit automatischen Alerts.

Diese Trennung erzeugt Klarheit. Jedes Dashboard hat maximal drei KPIs. Jeder KPI hat einen definierten Schwellenwert. Jeder Schwellenwert ist einer verantwortlichen Person zugeordnet. Und jede verantwortliche Person weiß, was zu tun ist, wenn der Schwellenwert überschritten wird. Das ist der Unterschied zwischen einem Dashboard und einem Steuerungsinstrument.

Der häufigste Fehler, den wir in unserer Projektarbeit sehen: Unternehmen messen ihre Prozessreife nicht, bevor sie ein Dashboard aufsetzen. Das führt dazu, dass Dashboards Daten visualisieren, die auf unreifen Prozessen basieren. Die Zahlen sehen professionell aus, bilden aber die Realität nicht ab.

Was andere COOs daraus lernen können

Dieser Case ist kein Einzelfall. Er ist ein Muster. In unserer Projektarbeit sehen wir die gleichen drei Fehler in fast jedem Mittelständler, der mit operativer Steuerung kämpft.

Erstens: Zu viele KPIs ohne Verankerung im Organigramm. Wenn niemand persönlich für einen Schwellenwert verantwortlich ist, bleibt die Kennzahl eine Zahl auf einem Bildschirm. Keine Steuerung.

Zweitens: Dashboards ohne Prozessverständnis. Ein Dashboard auf chaotischen Prozessen zeigt chaotische Daten. Die sehen dann sogar gut aus, weil der Durchschnitt die Ausreißer glättet.

Drittens: Keine Unterscheidung zwischen Ergebnis-KPIs und Steuerungs-KPIs. Umsatz ist ein Ergebnis. Durchlaufzeit ist ein Steuerungshebel. Wer nur Ergebnisse misst, kann nicht eingreifen.

Das KPI Dashboard operativ aufzubauen, ist keine Frage der Technologie. Die meisten Mittelständler haben die Daten bereits. Die Frage ist, ob sie die Prozesse verstehen, die diese Daten erzeugen. Und ob sie den Mut haben, 43 Kennzahlen auf 9 zu reduzieren.

Die Frage ist nicht, ob Sie ein Dashboard brauchen. Die Frage ist, ob Sie wissen, was Ihre drei wichtigsten Prozesse wirklich leisten. Und ob Sie es morgen früh um 8 Uhr auf einem Bildschirm sehen können, ohne jemanden anrufen zu müssen.