Die Arbeitssicherheit ist eine der wenigen Unternehmensfunktionen, die auch heute noch überwiegend anhand von Unfällen gemessen wird.
In der modernen Fertigungsindustrie sind heute nahezu alle Unternehmensbereiche datengetrieben.
Die Produktion überwacht kontinuierlich die OEE (Overall Equipment Effectiveness), um die Verfügbarkeit, Leistungsfähigkeit und Qualität von Anlagen zu bewerten. Die Instandhaltung stützt sich auf Kennzahlen wie MTBF (Mean Time Between Failures), Downtime, Condition Monitoring und Predictive Maintenance. Die Supply Chain misst Lead Time, OTIF (On Time In Full), Prognosegenauigkeit und die Stabilität logistischer Abläufe.
Die industrielle Sicherheit hingegen stützt sich nach wie vor auf etablierte Kennzahlen wie:
- TRIR (Total Recordable Incident Rate) – misst die Gesamtzahl der meldepflichtigen Arbeitsunfälle im Verhältnis zu den geleisteten Arbeitsstunden.
- LTIFR (Lost Time Injury Frequency Rate) – misst die Häufigkeit von Arbeitsunfällen, die zu Arbeitsausfällen führen.
- Erfassung von Near Misses, Audits und verhaltensbasierten Sicherheitsbeobachtungen.
- Weitere traditionelle HSE-Kennzahlen.
All diese Instrumente sind für Compliance, Reporting und Benchmarking unverzichtbar. Sie weisen jedoch eine entscheidende strukturelle Schwäche auf: In den meisten Fällen betrachten sie Ereignisse erst, nachdem sie bereits eingetreten sind, oder sie sind in hohem Maße von menschlichen Beobachtungen sowie der Qualität und Vollständigkeit der Meldungen abhängig.
Sie messen die Folgen des Risikos, liefern jedoch oft keine kontinuierliche Transparenz darüber, wie sich operationelle Risiken im laufenden Betrieb entwickeln. Genau hier liegt eines der zentralen Paradoxe der modernen industriellen Sicherheit: Die Arbeitssicherheit gehört zu den wenigen Unternehmensbereichen, deren Leistung noch immer überwiegend anhand von Ereignissen bewertet wird, bei denen bereits etwas schiefgegangen ist.
Die Grenzen traditioneller Safety-KPIs
Die Grenzen traditioneller Safety-Kennzahlen liegen nicht in ihrem Nutzen – der weiterhin essenziell ist –, sondern in ihrer begrenzten Fähigkeit, das reale operationelle Risiko kontinuierlich und dynamisch zu beschreiben.
1. Unfälle sind Spätindikatoren
Unfälle stellen fast immer das Endergebnis einer langen Kette aus betrieblichen Bedingungen, Risikobelastungen, Anpassungen und Verhaltensweisen dar, die sich weit vor dem eigentlichen Ereignis entwickeln.
Aus diesem Grund sind KPIs wie TRIR oder LTIFR zwar essenziell für die Messung von Outcomes, jedoch statistisch nur eingeschränkt geeignet, um die Entwicklung des operationellen Risikos in Echtzeit zu interpretieren.
Tatsächlich bedeutet die ausschließliche Betrachtung von Unfällen oft, ein Problem erst dann zu analysieren, wenn das System bereits eine kritische Schwachstelle offenbart hat.
2. Viele Indikatoren sind von subjektiver Beobachtung abhängig
Audits, verhaltensbasierte Beobachtungen, Checklisten und Near Misses sind unverzichtbare Instrumente für die Sicherheitskultur. Ihre Wirksamkeit hängt jedoch zwangsläufig von der Sensibilität der beteiligten Personen sowie von der Art und Weise ab, wie Ereignisse klassifiziert und gemeldet werden.
Zwei Werke desselben Unternehmens können daher sehr unterschiedliche Daten erfassen, obwohl sie einem vergleichbaren Risikoniveau ausgesetzt sind – allein aufgrund unterschiedlicher Ansätze bei der Erhebung und Interpretation der Informationen.
Dies erschwert sowohl den Aufbau wirklich vergleichbarer Benchmarks als auch die Entwicklung vollständig datengetriebener Safety-Strategien auf Unternehmensebene.
3. Aggregierte KPIs beschreiben häufig nicht den operativen Kontext
Zwei Werke können denselben TRIR aufweisen, obwohl ihre betrieblichen Bedingungen vollständig unterschiedlich sind.
Die erfassten Ereignisse können tatsächlich:
- aus unterschiedlichen Dynamiken resultieren;
- auf unterschiedlichen Expositionsniveaus basieren;
- nicht vergleichbare operative Tätigkeiten betreffen;
- in bestimmten Bereichen des Werks konzentrierte Risiken widerspiegeln;
Der Endwert liefert somit eine quantitative Momentaufnahme, die zwar nützlich ist, jedoch nicht immer ausreicht, um zu verstehen, wie sich das Risiko im täglichen operativen Kontext tatsächlich entwickelt.
Und genau hier stellt sich eine zunehmend zentrale Frage für die HSE-Welt:
Warum nutzen wir in einem zunehmend digitalisierten industriellen Umfeld nicht stärker innovative Technologien für kontinuierliches Monitoring, objektive Datenerfassung sowie KI und Machine Learning, um HSE-Manager dabei zu unterstützen, das Geschehen im Werk kontinuierlicher und objektiver zu beobachten? Warum werden operative Daten nicht systematisch genutzt, um wiederkehrende Muster zu identifizieren, Risikodynamiken zu überwachen und immer stärker datengetriebene Safety-Strategien zu unterstützen?
Der wahre Paradigmenwechsel: Wie lässt sich Risiko beobachten, bevor es zu einem Unfall kommt?
Im modernen Manufacturing verfügen wir mittlerweile über enorme Mengen an Betriebsdaten.
Dennoch basiert ein Großteil der Analysen in der industriellen Sicherheit weiterhin vorwiegend auf bereits eingetretenen Ereignissen, periodischen Beobachtungen und diskontinuierlicher Datenerhebung.
Doch die eigentliche Frage lautet heute nicht mehr: „Wie erfassen wir Unfälle besser?“
Die eigentliche Frage lautet: „Wie können wir Risiken kontinuierlich beobachten und quantifizieren, bevor ein Unfall überhaupt eintritt?“
Genau hier zeigt sich der echte Paradigmenwechsel in der modernen industriellen Sicherheit: von einem reaktiven Ansatz hin zu einem beobachtbaren, kontinuierlichen und kontextualisierten System, das nicht nur Endereignisse misst, sondern auch Near Misses, Mensch-Maschine-Interaktionen, dynamische Risikoexpositionen und wiederkehrende Verhaltensmuster berücksichtigt.
Denn das reale Risiko entsteht nicht plötzlich im Moment eines Unfalls. Es entwickelt sich über die Zeit innerhalb der normalen täglichen Betriebsdynamik.
Nicht zufällig haben sich in den letzten Jahren Ansätze verbreitet, die das Verhalten und den Menschen in den Mittelpunkt stellen, wie:
- Behavior Based Safety (BBS);
- Human Factors;
- Human & Organizational Performance (HOP);
- Safety II.
Diese Ansätze verschieben den Fokus schrittweise vom Endfehler hin zum operativen Kontext und von einzelnen Ereignissen hin zu aggregierten Verhaltensmustern und ermöglichen so den Übergang von einer reinen Unfallanalyse zu einer kontinuierlichen Systembeobachtung.
Denn sehr oft besteht das Problem nicht einfach darin, „wer einen Fehler gemacht hat“, sondern vielmehr darin, welche operativen Bedingungen systematisch Risikobelastungen erzeugen.
Von reaktiver Sicherheit zum Safety Performance Management
Bei AME arbeiten wir genau an dieser Entwicklung im Rahmen eines Safety-Performance-Management-Ansatzes.
Die Grundidee ist einfach: Sicherheit von einem überwiegend retrospektiven System in ein kontinuierlich beobachtbares System der operationellen Risikodynamik zu transformieren.
Um dies zu erreichen, hat AME die AMESPHERE Platform entwickelt – eine Softwareplattform, die darauf ausgelegt ist, kontinuierliche Betriebsdaten aus dem Werk sowie aus der Flotte industrieller Fahrzeuge zu erfassen und zu analysieren.
Ziel ist es nicht, möglichst viele Daten unkontrolliert zu sammeln, sondern kontinuierliche Betriebsdaten in tatsächlich nutzbare Informationen für HSE-Manager und Operations zu transformieren.
Die Plattform ermöglicht es:
- wiederkehrende Muster zu identifizieren;
- zu verstehen, wo sich Risiken tendenziell konzentrieren;
- operative Hotspots zu erkennen;
- die Entwicklung von Verhaltensmustern über die Zeit zu überwachen;
- die Wirksamkeit von Korrekturmaßnahmen zu bewerten.
Durch den Einsatz von KI- und Machine-Learning-Algorithmen werden die Daten verarbeitet und kontextualisiert, sodass HSE-Managern ausschließlich wirklich relevante Insights zur Verfügung gestellt werden – über Dashboards, erweiterte KPIs und operative Benachrichtigungen.
Das Interessante an diesem Ansatz ist, dass er nicht nur dazu dient, Risiken sichtbar zu machen, sondern auch positive Elemente der Safety-Performance hervorhebt. Es geht also nicht nur um die Frage „wie viel Risiko existiert“, sondern auch darum, wie viel Betriebszeit unter sicheren Bedingungen stattfindet und welche Prozesse besonders stabil und kontrolliert sind.
Denn industrielle Sicherheit sollte sich nicht darauf beschränken, Unfälle zu zählen. Sie sollte Unternehmen dabei unterstützen, kontinuierlich zu verstehen, wie das operative System tatsächlich funktioniert.
Fazit
Die moderne Fertigungsindustrie verfügt heute über eine enorme Menge an Betriebsdaten. Dennoch ist die Sicherheit nach wie vor allzu oft an retrospektive Logiken und diskontinuierliche Beobachtungen gebunden.
Dabei geht es nicht darum, die Erfahrung von HSE-Managern oder die Sicherheitskultur zu ersetzen. Im Gegenteil: Ziel ist es, die Rolle des HSE zu stärken, indem kontinuierlichere, vergleichbarere und objektivere Instrumente bereitgestellt werden, um das reale operationelle Risiko zu bewerten. Denn Erfahrung, Anlagenkenntnis und Interpretationsfähigkeit bleiben zentral. Sie können jedoch heute durch eine neue Generation von Daten und Analysewerkzeugen unterstützt werden.
In diese Richtung arbeitet AME: Safety von einer überwiegend reaktiven Funktion hin zu einem kontinuierlichen System der Beobachtbarkeit und operativen Verbesserung zu transformieren. Denn die strategische Frage sollte nicht länger lauten: „Wie viele Unfälle hatten wir?“, sondern vielmehr: „Wie viel operationelles Risiko erzeugen wir jeden Tag?“
PDF des Artikels herunterladen:
