Nachbericht zum Vortrag von Matthias Markus, Bayer, auf der Packaging Machinery Conference 2026
Datensilos aufbrechen – aber wie?
Wie lassen sich Datensilos trotz komplexer Realität aufbrechen? Bayer-Manager Matthias Markus sprach auf der Packaging Machinery Conference 2026 darüber, wie Krisen Innovation treiben, warum es ok ist, wenn 80 % der Ideen scheitern – und wieso nur gemeinsame Standards den Durchbruch für die datengetriebene Produktion bringen.
Redaktion .Redaktion.neue verpackung
4 min
Wie lassen sich Datensilos aufbrechen? Mit gemeinsamen Standards – und Pragmatismus.OpenAI
Anzeige
Matthias Markus, Plant Technical Manager bei Bayer, begann seinen Vortrag „Wie brechen wir (endlich) die Datensilos auf?“ mit einem Blick auf die tägliche Nachrichtenlage, die aktuell von geopolitischen Spannungen, wirtschaftlicher Unsicherheit und massiven strukturellen Veränderungen geprägt sei.
Matthias Markus während seines Vortrags auf der Packaging Machinery Conference 2026.Ronja Prokosch
Doch der vermeintliche Widerspruch folgte unmittelbar: Parallel zu diesen Herausforderungen stünden enorme technologische Chancen. Insbesondere die rasanten Investitionen in KI-Infrastrukturen durch große US-Tech-Konzerne zeigten, welche Dynamik aktuell entstehe. „Es ist nicht verwunderlich: AI hat einen riesigen Impact – und jeden Tag wird es mehr.“ Neben KI nannte Markus auch (vergleichsweise) etabliertere Bereiche wie IoT und immersive Technologien, in denen nach wie vor großes Potenzial schlummere.
Anzeige
Seine zentrale Botschaft darum gleich zu Beginn: Die Industrie stehe gleichzeitig unter Druck und vor nie dagewesenen Möglichkeiten – und müsse beides aktiv zusammenbringen.
Lernen aus der Krise – und aus dem „Warning Letter“
Wie ernst diese Aufgabe ist, illustrierte Markus anhand einer prägnanten Erfahrung aus seiner eigenen Laufbahn. Fast zeitgleich mit seinem internen Wechsel in die Pharmasparte von Bayer habe ein „Warning Letter“ die Organisation massiv unter Druck gesetzt. „Alle standen da mit gesenkten Köpfen“, erinnerte er sich. Gleichzeitig habe genau diese Krise den nötigen Veränderungsschub ausgelöst: „Wenn man zurückblickt, stellt man fest, dass man ganz viele Dinge in dem Moment bewegt hat.“
Anzeige
Eine Konsequenz: Bayer etablierte Strukturen, um neue Technologien systematisch in die Produktion zu bringen. Ein entscheidender Baustein war dabei ein eigens aufgebautes Schulungs- und Innovationszentrum, das nicht nur Trainings ermöglichte, sondern auch als Testumgebung für neue Technologien diente.
Experimentieren mit System – und bewusstes Scheitern
Die Ziele des Projekts Datenökonomie Pharmaindustrie.Bayer
In diesem Umfeld wurden über Jahre hinweg unterschiedliche Technologien erprobt: Augmented Reality mit der Holo-Lens zur Unterstützung von Line-Clearance-Prozessen, Virtual-Reality-Trainings, Vision-Systeme mit Deep Learning, Machine-Learning-Anwendungen oder IoT-Lösungen zur Zustandsüberwachung von Anlagen.
Anzeige
Dabei machte Markus keinen Hehl daraus, dass der Großteil dieser Ansätze nie den Weg in den produktiven Einsatz findet: „Die Wahrheit ist: 80 Prozent der Lösungen kommen gar nicht so weit.“ Gerade darin liege jedoch der Wert: schnell erkennen, was funktioniert – und was nicht.
Ein bemerkenswerter organisatorischer Ansatz: Das Innovationszentrum wurde weitgehend ohne zusätzliches Stammpersonal betrieben. Stattdessen setzte man gezielt auf Kooperationen mit Hochschulen und integrierte Bachelor- und Masterarbeiten. Das reduziert Aufwand und schafft gleichzeitig Zugang zu Talenten.
Ein konkreter Use Case: Wissensmanagement neu gedacht
Besonders ausführlich ging Markus auf eine konkrete Lösung ein, die sich durchgesetzt hat: die Software „Maddox“ von Peerox.
Anzeige
Die Ausgangsfrage war simpel, aber im Alltag hochrelevant: Wie findet ein Bediener bei einer Störung die richtige Information? „Ich sehe vielleicht nur eine Lampe – nach was suche ich denn eigentlich in der Bedienungsanleitung?“
Die Lösung nutzt Maschinendaten, erkennt Muster und verknüpft diese direkt mit möglichen Ursachen. „Ich brauche überhaupt nicht mehr suchen, sondern das System schlägt mir vor, was die Ursache sein kann.“ Ergänzt wird dies durch Wissenskarten, die konkrete Handlungsempfehlungen liefern. Für diesen Ansatz wurde Bayer unter anderem mit dem Instandhaltungspreis sowie dem Pharma Innovation Award ausgezeichnet.
Die harte Realität der Digitalisierung im Brownfield
Anzeige
Doch so überzeugend einzelne Anwendungen sein mögen – die eigentliche Herausforderung liegt tiefer. Markus schilderte eindrücklich die Realität bei der Integration von Maschinen und Daten: instabile Verbindungen, unzureichende Schnittstellen, fehlende Datenpunkte und mangelnde Standards. Ein besonders drastisches Beispiel: „Wir haben eine Maschine gehabt – als wir den Netzwerkstecker reingesteckt haben, ist die Maschine zusammengebrochen.“
Die Ursachen sind vielfältig: proprietäre Systeme, fehlende semantische Beschreibungen, unterschiedliche Herstelleransätze – und vor allem das Fehlen verbindlicher Standards. Genau hier setzte der zweite große Schwerpunkt seines Vortrags an.
Gemeinsame Initiative: Datenökonomie in der Pharmaindustrie
Anzeige
Aus einem Austausch mit Branchenvertretern – unter anderem im Umfeld des Packaging Valley – entstand schließlich eine branchenübergreifende Initiative. Gemeinsam mit Unternehmen wie Boehringer Ingelheim, Merck sowie verschiedenen Maschinenbauern, Komponentenherstellern und Automatisierungspartnern arbeitet Bayer heute an einem Projekt zur „Datenökonomie in der Pharmaindustrie“.
Kernidee ist die Entwicklung eines sogenannten Metastandards: Statt neue Standards zu schaffen, sollen bestehende Ansätze kombiniert werden, um eine durchgängige Datenarchitektur für Verpackungslinien zu ermöglichen.
Ziel ist eine Pilotanlage, die zeigt, wie sich Maschinen herstellerübergreifend vernetzen lassen und Daten durchgängig nutzbar werden.
Es gibt noch einige Baustellen bei der Digitalisierung.Bayer
Besonderheiten der Pharmaproduktion
Warum gerade die Pharmaindustrie hier besonders gefordert ist, machte Markus deutlich: lange Lebenszyklen von Anlagen, hoher regulatorischer Aufwand und strenge Validierungsprozesse. „Wenn wir eine Maschine bekommen, brauchen wir ungefähr ein Jahr, bis wir sie nutzen können.“
Zugleich wachsen Datenmengen und Anforderungen an Datensicherheit stetig – bei gleichzeitigem Fachkräftemangel und steigender Komplexität.
Der Weg zum durchgängigen Datenfluss
Die Vision des Projekts ist klar formuliert: eine nahtlose Zusammenarbeit von Maschinen über Herstellergrenzen hinweg, kombiniert mit einem durchgängigen Datenfluss und der Möglichkeit, datenbasierte Entscheidungen in Echtzeit zu treffen.
Technologisch setzt man auf eine Kombination verschiedener Standards und Konzepte, darunter Namur Open Architecture (NOA) für den Brownfield-Zugang zu Daten, MTP (Module Type Package) zur Vereinfachung der Integration, die Verwaltungsschale als Grundlage für den digitalen Produktpass sowie Ansätze wie PackML.
Gerade für Bestandsanlagen sei NOA entscheidend: „Damit können wir Daten aus dem Feld herausziehen, ohne in die validierten Systeme eingreifen zu müssen.“
Parallel wird geprüft, wie sich durch die Trennung von Steuerungssoftware und Hardware – etwa über IEC 61499 – der Validierungsaufwand reduzieren lässt.
Agil statt akademisch
Maddox unterstützt bei Störungen bei der Ursachenforschung und gibt auch gleich Handlungsempfehlungen.Bayer
Ein wesentliches Merkmal des Projekts ist die Arbeitsweise: Statt großer Gremien setzt man auf kleine, agile Teams, die schnell Lösungsvorschläge entwickeln und testen. Diese werden anschließend in der Community diskutiert und weiterentwickelt.
„Wir wollen nicht die eierlegende Wollmilchsau definieren“, wurde aus dem Projektkreis ergänzt, sondern bewusst iterativ vorgehen.
Zwischen Pragmatismus und Vision
In der abschließenden Diskussion wurde deutlich, wie schwierig der Weg zur Standardisierung tatsächlich ist. Markus plädierte für Pragmatismus: „Jeder Schritt in die richtige Richtung ist ein richtiger.“ Gleichzeitig warnte er davor, auf die „perfekte Lösung“ zu warten: „Zu sagen, ich mache jetzt gar nichts mehr, bis das Projekt fertig ist – das ist total falsch.“
Sein Fazit: Die Auflösung von Datensilos erfordert gemeinsames Handeln – von Betreibern, Maschinenbauern und Technologieanbietern gleichermaßen. Entscheidend sei nicht, den perfekten Standard zu finden, sondern überhaupt eine gemeinsame Richtung einzuschlagen.
Oder, wie Markus es formulierte: Man müsse den „Nordstern“ definieren – und dann konsequent darauf zugehen.