MES-Entwicklung im Fast-Track: Hersteller bauen Custom-Lösungen in 48 Stunden

Fünf diskrete Hersteller. Fünf echte Probleme. Fünf funktionierende Lösungen, gebaut auf Live-Produktionsdaten in 48 Stunden.

Jeder Hersteller, mit dem wir sprechen, hat dieselbe Frustration: Ihre Software passt fast. Das MES managt Work Orders, Scheduling, OEE. Aber die workflows, die spezifisch für ihren Betrieb sind – die auf Whiteboards, Clipboards und in Stammeswissen leben – schaffen es nie ins System.

Also bauen sie Workarounds: Tabellen, Durchsagen, morgendliches manuelles Auswerten von Papiercharts, ob der Tag gut oder schlecht läuft.

Im März 2026 wollten wir sehen, was passiert, wenn wir fünf Kunden zwei Tage, ein Engineer-Team und KI-unterstützte Dev-Tools geben und sie auffordern, ihre Lücken selbst zu schließen.

Die Ergebnisse übertrafen Erwartungen.

Was ist Production Lab?

Production Lab ist ein zweitägiges, hands-on Building Event, bei dem MachineMetrics-Kunden Seite an Seite mit unserem Engineering-Team Custom Applikationen auf der MachineMetrics-Plattform designen und bauen.

Dieses Jahr am 11. und 12. März nahe unserem HQ in Northampton, Massachusetts, während einer einwöchigen Engineering-Onsite. Fünf Kundenteams, jedes mit einem spezifischen operativen Problem und einem gemeinsamen Ziel: Mit etwas nach Hause gehen, das sie auf dem Shopfloor tatsächlich nutzen können.

Die Tools: Max AI für Data Exploration & Prompt Development, Lovable und Cursor für KI-unterstütztes App-Building, und Carbide – MachineMetrics' Custom Application Builder – für Deployment produktionsreifer Applikationen direkt in die Plattform.

Jedes Team lieferte zum Ende von Tag 2 eine funktionierende Lösung, angebunden an echte Live-Maschinendaten.

Die Projekte

Harvey Performance: Die Lights-Out-Lücke schließen

Harvey Performance fertigt industrielle Schneidwerkzeuge für Luftfahrt, Medizintechnik, Elektronik. Ihr Shop läuft komplexe Made-to-Stock-Produktion mit hunderten Job-Familien – und einem hartnäckigen Problem: Wenn ein Job endet, stehen Maschinen still, bis jemand physisch erscheint, um das nächste Setup zu starten.

Harvey hatte die Technologie für automatisierte Wechsel zwischen Jobs mit gleichem Werkzeug. Fehlte war ein System zur Planung und Orchestrierung. Ohne sie sank die Wochenendauslastung sonntags stark und brauchte Tage zur Erholung.

In zwei Tagen bauten sie den Stacker Tracker: Ein Live-Supervisor-Dashboard, das jeden aktiven Job, alle queued Jobs und projizierte Laufzeit durch das Lights-Out-Fenster zeigt. Das System berechnet dynamische Setup-Zeiten basierend auf Harveys proprietärer Batch-Code-Struktur, flaggt Arbeitskonflikte und lässt Supervisoren Operatoren Setups mit konkreten Startzeiten zuweisen. Findet das Setup nicht statt, reverted der Schedule automatisch. Kein manuelles Aufräumen nötig.

Business Case: Siebenstellige Cost-Saving-Initiative und mehrere Millionen zusätzlicher Umsatz durch zurückgewonnene Kapazität.

„Innerhalb von eineinhalb Tagen konnten wir etwas designen, das zuvor Monate gedauert hätte – und es ist spezifisch auf unseren Betrieb zugeschnitten.“ — George Burleson, Director of Manufacturing Analytics, Harvey Performance

Zygo (AMETEK): Digitaler War Room für Daily Management

Zygo fertigt Ultrapräzisionsoptik für Halbleiter, Verteidigung, Laserfusion. Jeden Tag steht das Management vor Whiteboards, Papiercharts, gedruckten Graphen, um zu prüfen, ob der Betrieb auf Kurs ist.

Ziel: Alle 15 Key Metrics über Safety, People, Quality, Delivery, Value in 10 Sekunden aus 10 Fuß Entfernung lesbar – auf jeder Organisationsebene.

Sie bauten ein vollständig digitales, Multi-Tier Management System in Lovable. Es drillt vom Enterprise-Level bis zu einzelnen Maschinenzellen in wenigen Klicks. Max AI generiert Zusammenfassungen und flaggt Patterns auf jeder Ebene. Ein konfigurierbares Ticketing-System bündelt Safety-Bedenken, Wartungsanfragen und CI-Ideen an einem Ort – nichts geht in disparaten Systemen verloren.

Es erreicht jeden in Operations ab Tag 1.

„Dinge wie das digitale Tier-Board-System, das wir hier in zwei Tagen gebaut haben, war nicht mal auf meinem Radar für das, was MachineMetrics leisten kann. Mit KI und Carbide bringt MachineMetrics jeden Tag neue Wege, neuen Wert und Flexibilität.“ — JD Smith, Director of Operations for Optics, Zygo/AMETEK

Pindel Global Precision: Tool Offset Data in Process Intelligence verwandeln

Pindel läuft einen Government Contract auf vier CNC-Maschinen, 24/7. Unterschiedliche Operatoren justierten Tool Offsets in extrem unterschiedlichen Raten – aber niemand sah es. Maschinen waren verbunden, Daten flossen. Nur wurden sie nirgendwo sinnvoll erfasst.

Thomas Deslongchamps, Director of Training & Continuous Improvement, änderte das. Mit Lovable und MachineMetrics Carbide Application Builder baute er eine Custom Tool Offset Analytics Applikation fast allein. Sie visualisiert Offset-Anpassungen pro Werkzeug über die Zeit, korreliert mit Stückzahl und farbkodiert nach Operator. Erstmals konnte Pindel sehen: Welche Operatoren sind Outlier? Wann clustern Anpassungen? Welche Patterns entstehen über Maschinen hinweg?

„Wir wollen weg vom präferenziellen Operational Status Quo hin zu einem datenbasierten. Könnten wir weniger Offsets machen und trotzdem innerhalb der Qualitätsparameter bleiben?“ — Thomas Deslongchamps, Director of Training and Continuous Improvement, Pindel Global Precision

Ein MachineMetrics Engineer neben Thomas nutzte einen Custom AI Agent, um den underlying Code zu scannen und fand einen effizienteren Data Access Path – der genau die Funktionalität freischaltete, die Thomas brauchte, und Türen für breitere Use Cases öffnet.

Die Capability existierte immer in der Plattform. Es brauchte den richtigen Kunden, Use Case und Toolchain, um sie zum Leben zu erwecken. Was Pindel baute, löst nicht nur ihr Problem – es definiert, was für jeden Präzisionshersteller möglich ist, der dieselbe unsichtbare Frage stellt.

Flexco: Forklift Dispatch System von Grund auf bauen

Flexco fertigt Förderlösungen. Am Standort Downers Grove sind Gabelstapler (intern „Jeeps“) kritische Assets mit null Sichtbarkeit. Materialanfragen gehen per Durchsage raus. Fahrer müssen sich merken, was wo gefragt war. 2025 kostete dieser Blind Spot schätzungsweise 225.000 $ verlorene Produktionszeit.

Jaimeson Aufderheide, Continuous Improvement Specialist ohne Software-Vorerfahrung, baute die Kernapplikation selbst mit Lovable. Ende Tag 2 hatte Flexco ein fully embedded Dispatch System: Operator Request Interface, Live Driver Queue mit zonenbasierter Priorisierung, Manager Dashboard mit Echtzeit- und Historical Ticket Performance, und ein konfigurierbares Widget, das alles in ein einzelnes deploybares Tile rollt.

Lovable und Cursor Codebases wurden via GitHub in ein unified Data Model gemerged. Dieses Cross-Tool Collaboration Pattern entstand organisch während des Events – nicht geplant.

„Vor zwei Tagen, wenn ich gefragt hätte: ‚Hast du es?‘, was hättest du gesagt?‚“ „Ich wüsste nicht mal, wo anfangen.“ — Austausch während Flexco Showcase

Johnstech International: Tool Life Management & ein Jahrzehnte langes Data Gap geschlossen

Johnstech fertigt Halbleiter-Testequipment. Problem: Operatoren wechselten Tools zu früh (alles bei Schichtbeginn, egal ob Verschleiß) oder zu spät (schlechte Teile).

Lösung: Tool Life Dashboard mit allen Tools gerankt nach tatsächlicher Engagement-Zeit, farbkodiert für Attention. Die Überraschung kam mid-build: Das Team entdeckte, dass Johnstech seit Tag 1 ihrer MachineMetrics-Deployment ein Tool Change Sub-Program auf jeder Maschine laufen hatte. Die gesamten historischen Daten waren bereits im System – nur unprozessiert.

Sie backfillten 90 Tage Tool Life History retroaktiv. Keine neue Hardware. Keine neue Konfiguration. Nur Verarbeitung dessen, was schon da war.

Das zweite Projekt schloss eine 10–15 Jahre alte Lücke: Live ERP-Integration mit Microsoft Dynamics 365, die geplant vs. tatsächliche Produktionslaufzeit für jede Operation, jeden Tag vergleicht.

„Das ist etwas, das wir 10, 15 Jahre einfach nie wussten. Und jetzt haben wir diese Information.“ — Dan Sheehan, IT Manager, Johnstech International

Was das beweist

MachineMetrics ist nicht nur ein Tool, auf das Hersteller schauen. Es ist eine Plattform, auf der sie bauen.

Das ist keine Positionierungsbehauptung. Das passierte über fünf Unternehmen, fünf verschiedene operative Probleme, fünf verschiedene Skill-Level in zwei Tagen. Ein CI-Spezialist ohne Coding-Hintergrund shipped eine produktionsembedded Applikation. Ein Kunde baute die erste kommerzielle Tool Offset Analytics App auf der Plattform, fast allein. Eine 10–15-jährige Lücke in Production Intelligence wurde mit Daten geschlossen, die die ganze Zeit im System saßen.

Der Execution Gap ist real. Er lebt zwischen ERP-Plan und Shopfloor-Realität – und kostet Hersteller Marge, Kapazität und Stunden jede Schicht. Ihn zu schließen braucht Software, die passt, wie der Betrieb tatsächlich läuft – kein generisches Template, das man sich anpasst.

„Es war großartig, Schulter an Schulter mit den Engineers zu arbeiten, ihre Software-Dev-Erfahrung mit der Operations-Seite zu kombinieren und Lösungen in Echtzeit entstehen zu sehen. Und dann zwei Schritte links gehen und mit einem Executive über Unternehmensstrategie und kommende Technologie sprechen. Die Flexibilität, die mich zu MachineMetrics zog, ist hier voll auf Display.“ — JD Smith, Director of Operations for Optics, Zygo/AMETEK

Dafür ist Production Lab. Und wir planen schon das nächste.

Wollen Sie etwas bauen?

Wenn Sie MachineMetrics-Kunde sind mit einem Workflow, der nicht ganz ins Standard-Toolset passt – wir wollen davon hören. Und wenn Sie Hersteller sind, der Prozesse noch auf Whiteboards und Clipboards läuft – lass uns reden, was zwei Tage bewirken können.